如何解读你的正态分布结果
下表列出了整数 z 分数对应的标准正态累积概率 Φ(z)，与标准正态分布表一致。
| Z 分数 | Φ(z) — z 以下的累积概率 |
|---|---|
| −3 | 0.13% |
| −2 | 2.28% |
| −1 | 15.87% |
| 0 | 50.00% |
| +1 | 84.13% |
| +2 | 97.72% |
| +3 | 99.87% |
- 经验法则：正态分布中约 68.27% 的取值落在均值 ±1 个标准差以内，约 95.45% 落在 ±2 个标准差以内，约 99.73% 落在 ±3 个标准差以内。
- 在“介于两值之间”模式下，上界 b 必须大于或等于 x；若 b 小于 x，计算器不会返回结果。
- 由于正态分布是连续的，任何单一精确取值的概率都是 0——只有范围（低于、高于、介于之间）才具有非零概率。
- 这些计算都假设变量确实服从正态分布。偏态、有界或重尾数据即便能算出 z 分数，其真实概率也可能与这些结果有明显偏差。
什么是正态分布？
正态分布（高斯分布）是一种连续、对称、钟形的概率分布，完全由两个参数决定：决定中心位置的均值（μ），以及决定离散程度的标准差（σ）。许多自然和实测的量——身高、测量误差、标准化考试分数——都近似服从正态分布，这也是该分布在统计理论和实践中占据核心地位的原因。
由于连续分布是把概率分配给一个范围而不是单个点，本计算器回答的是“有多大比例的取值低于 x”“高于 x”，或“介于 x 和 b 之间”这类问题——而不是“恰好等于 x 的概率是多少”，因为对连续分布而言，这个概率恒为 0。
任何正态分布都可以通过计算 z 分数 z = (x − μ) / σ，转换为标准正态分布（均值为 0，标准差为 1）。与某个 x 值范围对应的概率，则从标准正态累积分布函数（CDF，常写作 Φ(z)）中读取，它给出的是分布中落在 z 及其以下部分所占的比例。
经验法则（也称 68-95-99.7 法则）概括了标准正态分布的离散程度：约 68.27% 的取值落在均值的 1 个标准差以内，约 95.45% 落在 2 个标准差以内，约 99.73% 落在 3 个标准差以内。
如何使用本正态分布计算器
- 输入分布的均值（μ）和标准差（σ）。标准差必须大于零。
- 选择计算模式：低于某值、高于某值，或介于两值之间。
- 输入取值 x。在“介于两值之间”模式下，还需输入上界 b，b 必须大于或等于 x。
- 查看概率结果（以百分比和 0 到 1 之间的比例两种形式给出），以及 x 对应的 z 分数。
正态分布概率背后的公式
每次计算都从把 x 标准化为 z 分数开始：z = (x − μ) / σ。概率随后从标准正态 CDF、即 Φ(z) 中读取，该函数没有简单的闭式表达式，通常用数值方法计算。
“低于”模式：P(X < x) = Φ(z)。“高于”模式：P(X > x) = 1 − Φ(z)。“介于两值之间”模式：P(x < X < b) = Φ(zᵦ) − Φ(zₓ)，其中 zᵦ 是上界 b 对应的 z 分数。
算例（“低于”模式）：均值 = 100，标准差 = 15，x = 120。z = (120 − 100) / 15 = 1.3333。在标准正态分布中查得 Φ(1.3333) 约为 0.9088，因此 P(X < 120) ≈ 90.88%。
算例（“介于两值之间”模式，标准正态分布）：均值 = 0，标准差 = 1，区间为 −1 到 +1。下界 z 为 −1，上界 z 为 +1。Φ(1) − Φ(−1) = 0.8413 − 0.1587 = 0.6827，因此 P(−1 < X < 1) ≈ 68.27%——这正是经验法则的第一步。
常见错误
- 选错了模式——对同一个 x，“低于”“高于”和“介于两值之间”给出的概率各不相同，混淆这几种模式是常见的出错原因。
- 在“介于两值之间”模式下输入了小于 x 的上界 b，这对本计算器来说不是一个有效区间。
- 把单一精确取值的概率当作有意义的数值——对正态分布这样的连续分布，P(X = x) 恒为 0。
- 在没有检验的情况下就假设数据服从正态分布——这里给出的概率，只有在潜在变量近似服从正态分布时才准确。
- 把标准差和方差混淆——本计算器要求输入的是标准差（σ），而不是它的平方。
常见问题
怎么计算正态分布概率？
先用 z = (x − 均值) / 标准差 把取值换算成 z 分数，再在标准正态分布中查出对应的累积概率。求低于 x 的概率，直接用 Φ(z)；求高于 x 的概率，用 1 − Φ(z)；求 x 和 b 之间的区间概率，则用两个累积概率相减。
什么是经验法则？
经验法则（68-95-99.7 法则）指出，对正态分布而言，约 68.27% 的取值落在均值的 1 个标准差以内，约 95.45% 落在 2 个标准差以内，约 99.73% 落在 3 个标准差以内。
什么是 z 分数？
z 分数表示某个取值距离均值有多少个标准差，计算方法为 z = (x − 均值) / 标准差。这是本计算器在标准正态分布中查找概率所用的中间步骤。
为什么恰好等于某个精确值的概率总是 0？
正态分布是连续的，因此概率只对范围有定义，而不是对单个点。精确询问 P(X = 120) 在数学上等于 0；有意义的问题是 P(X < 120)、P(X > 120)，或 P(a < X < b)。
这个计算器适用于任何数据集吗？
只有当潜在变量近似服从正态分布时才适用。许多真实变量都近似正态，但如果数据是偏态的、有界的（例如计数或比例数据）或重尾的，强行套用这一框架可能得出误导性的概率。
“低于”模式和“介于两值之间”模式有什么区别？
“低于”给出的是到单一取值 x 为止的累积概率，即 P(X < x)。“介于两值之间”给出的是落在某个区间内的概率，即 P(x < X < b)，它是两个累积概率之差，需要同时输入一个下限 x 和一个上界 b。
参考文献
- National Institute of Standards and Technology (NIST). NIST/SEMATECH e-Handbook of Statistical Methods, Section 1.3.6.6.1: Normal distribution. nist.gov.
- Moore DS, McCabe GP, Craig BA. Introduction to the Practice of Statistics. W. H. Freeman (the normal distribution and standardized values).
- Abramowitz M, Stegun IA (eds). Handbook of Mathematical Functions. National Bureau of Standards, Applied Mathematics Series 55, 1964 (standard normal distribution tables).
- Casella G, Berger RL. Statistical Inference (2nd ed). Duxbury, 2002 (the normal distribution and its properties).