เครื่องคำนวณการแจกแจงปกติ

คำนวณความน่าจะเป็นสำหรับการแจกแจงปกติ (Gaussian) รวมถึง PDF, CDF และอินเวอร์ส CDF พร้อมการแสดงภาพเส้นโค้งระฆังคว่ำแบบโต้ตอบที่แสดงพื้นที่ความน่าจะเป็นที่แรเงา

Embed เครื่องคำนวณการแจกแจงปกติ Widget

เกี่ยวกับ เครื่องคำนวณการแจกแจงปกติ

เครื่องคำนวณการแจกแจงปกติทำหน้าที่คำนวณความน่าจะเป็นสำหรับการแจกแจงปกติ (หรือการแจกแจงแบบเกาส์เซียน) ซึ่งเป็นการแจกแจงความน่าจะเป็นแบบต่อเนื่องที่สำคัญที่สุดในทางสถิติ เพียงป้อนค่าเฉลี่ย (μ) และส่วนเบี่ยงเบนมาตรฐาน (σ) เพื่อหาความน่าจะเป็นที่ตัวแปรสุ่มจะมีค่าต่ำกว่าค่าหนึ่ง, สูงกว่าค่าหนึ่ง, อยู่ระหว่างสองค่า หรือหาค่าควอนไทล์เฉพาะ ผลลัพธ์จะรวมถึงการแสดงภาพเส้นโค้งรูประฆังแบบโต้ตอบพร้อมพื้นที่ความน่าจะเป็นที่แรเงา, การแปลงค่า z-score และการแจกแจงรายละเอียดการคำนวณทีละขั้นตอน

การแจกแจงปกติคืออะไร?

การแจกแจงปกติ หรือเรียกอีกอย่างว่าการแจกแจงแบบเกาส์เซียนหรือเส้นโค้งรูประฆัง คือการแจกแจงความน่าจะเป็นแบบต่อเนื่องที่มีความสมมาตรรอบค่าเฉลี่ย (μ) ของมัน อธิบายได้อย่างสมบูรณ์ด้วยพารามิเตอร์สองตัว:

ค่าเฉลี่ย (μ) — จุดศูนย์กลางของการแจกแจง ซึ่งเป็นจุดสูงสุดของเส้นโค้งรูประฆัง
ส่วนเบี่ยงเบนมาตรฐาน (σ) — ควบคุมการกระจายตัว; ค่า σ ที่มากขึ้นจะทำให้เส้นโค้งกว้างและแบนขึ้น

ปรากฏการณ์ทางธรรมชาติหลายอย่าง เช่น ส่วนสูง, คะแนนสอบ, ข้อผิดพลาดในการวัด, คะแนน IQ มักมีการแจกแจงที่ใกล้เคียงกับการแจกแจงปกติ ทฤษฎีบทขีดจำกัดล่างกลาง (Central Limit Theorem) รับประกันว่าค่าเฉลี่ยของกลุ่มตัวอย่างที่มีขนาดใหญ่เพียงพอจากการแจกแจงใดๆ จะเข้าสู่การแจกแจงปกติ ทำให้เป็นรากฐานของสถิติเชิงอนุมาน

สูตรการแจกแจงปกติ

ฟังก์ชันความหนาแน่นของความน่าจะเป็น (PDF) ของการแจกแจงปกติคือ:

$$f(x) = \frac{1}{\sigma\sqrt{2\pi}}\, e^{-\frac{(x - \mu)^2}{2\sigma^2}}$$

ฟังก์ชันความน่าจะเป็นสะสม (CDF) ให้ความน่าจะเป็นที่ X น้อยกว่าหรือเท่ากับ x:

$$\Phi(x) = P(X \le x) = \int_{-\infty}^{x} f(t)\, dt = \frac{1}{2}\left[1 + \text{erf}\!\left(\frac{x - \mu}{\sigma\sqrt{2}}\right)\right]$$

z-score แปลงค่าการแจกแจงปกติใดๆ ให้เป็นค่าปกติมาตรฐาน (ค่าเฉลี่ย = 0, ส่วนเบี่ยงเบนมาตรฐาน = 1):

$$z = \frac{x - \mu}{\sigma}$$

วิธีใช้งานเครื่องคำนวณนี้

เลือกโหมดการคำนวณ: เลือกหางด้านซ้าย P(X ≤ x), หางด้านขวา P(X ≥ x), ระหว่าง P(a ≤ X ≤ b), หรือย้อนกลับ (หาค่า x จากความน่าจะเป็น)
ป้อนพารามิเตอร์การแจกแจง: ใส่ค่าเฉลี่ย (μ) และส่วนเบี่ยงเบนมาตรฐาน (σ) สำหรับการแจกแจงปกติมาตรฐาน ให้ใช้ μ = 0 และ σ = 1
ป้อนค่าเฉพาะของคุณ: ขึ้นอยู่กับโหมด ให้ป้อนค่า x, ขอบเขตล่าง/บน หรือความน่าจะเป็นเป้าหมาย
ตรวจสอบผลลัพธ์: คลิก คำนวณ เพื่อดูความน่าจะเป็น, z-score, เส้นโค้งรูประฆังแบบโต้ตอบพร้อมพื้นที่แรเงา และการแจกแจงรายละเอียดทีละขั้นตอน

ทำความเข้าใจ PDF, CDF และ Inverse CDF

PDF (Probability Density Function): ให้ความน่าจะเป็นสัมพัทธ์ของค่าเฉพาะ แสดงถึงความสูงของเส้นโค้งรูประฆัง ณ จุดที่กำหนด สำหรับการแจกแจงแบบต่อเนื่อง PDF เพียงอย่างเดียวไม่ใช่ความน่าจะเป็น ความน่าจะเป็นมาจากการอินทิเกรต PDF ในช่วงเวลาหนึ่ง
CDF (Cumulative Distribution Function): ให้ค่า P(X ≤ x) ซึ่งเป็นความน่าจะเป็นที่ตัวแปรจะมีค่าเท่ากับหรือต่ำกว่าค่าที่กำหนด ในทางกราฟิก คือพื้นที่ใต้เส้นโค้งทางด้านซ้ายของ x ค่า CDF มีช่วงตั้งแต่ 0 ถึง 1
Inverse CDF (Quantile Function): ส่วนกลับของ CDF เมื่อกำหนดความน่าจะเป็น p จะหาค่า x ที่ทำให้ P(X ≤ x) = p ตัวอย่างเช่น Inverse CDF ที่ p = 0.975 สำหรับการแจกแจงปกติมาตรฐานจะได้ x ≈ 1.96

กฎ 68-95-99.7

กฎเชิงประจักษ์ (หรือกฎสามซิกมา) ให้การประมาณค่าความน่าจะเป็นอย่างรวดเร็วสำหรับการแจกแจงปกติใดๆ:

68.27%

μ ± 1σ

95.45%

μ ± 2σ

99.73%

μ ± 3σ

ซึ่งหมายความว่าประมาณ 68% ของค่าจะอยู่ภายในหนึ่งส่วนเบี่ยงเบนมาตรฐานของค่าเฉลี่ย, 95% อยู่ภายในสองส่วน และเกือบทั้งหมด (99.7%) อยู่ภายในสามส่วน ค่าที่อยู่นอกเหนือ 3σ นั้นหาได้ยากมากในการแจกแจงปกติ

ตารางอ้างอิง z-score ที่พบบ่อย

z-score	P(Z ≤ z)	การใช้งานทั่วไป
-2.576	0.0050	99% CI ขอบเขตล่าง
-1.960	0.0250	95% CI ขอบเขตล่าง
-1.645	0.0500	90% CI ขอบเขตล่าง / หางเดียว 5%
-1.000	0.1587	1σ ต่ำกว่าค่าเฉลี่ย
0.000	0.5000	มัธยฐาน (ค่าเฉลี่ย)
1.000	0.8413	1σ สูงกว่าค่าเฉลี่ย
1.645	0.9500	90% CI ขอบเขตบน / หางเดียว 5%
1.960	0.9750	95% CI ขอบเขตบน
2.576	0.9950	99% CI ขอบเขตบน

การประยุกต์ใช้การแจกแจงปกติทั่วไป

การควบคุมคุณภาพ: การตรวจสอบกระบวนการผลิตโดยใช้แผนภูมิควบคุมและขีดจำกัดตาม μ ± nσ
การทดสอบสมมติฐาน: การหาค่า p-values และค่าวิกฤตสำหรับการทดสอบ z-tests และช่วงความเชื่อมั่น
การทดสอบมาตรฐาน: คะแนน SAT, GRE และ IQ ถูกออกแบบมาให้เป็นไปตามการแจกแจงปกติ เพื่อให้สามารถเปรียบเทียบเปอร์เซ็นไทล์ได้
วิทยาศาสตร์ธรรมชาติ: ข้อผิดพลาดในการวัด, ลักษณะทางชีวภาพ (ส่วนสูง, น้ำหนัก) และปริมาณทางกายภาพหลายอย่างมีการแจกแจงแบบปกติ
การเงิน: แบบจำลอง Black-Scholes และ Value at Risk (VaR) สมมติว่าผลตอบแทนมีการแจกแจงแบบปกติสำหรับการกำหนดราคาออปชันและการประเมินความเสี่ยง

คำถามที่พบบ่อย

การแจกแจงปกติคืออะไร?

การแจกแจงปกติ (เรียกอีกอย่างว่าการแจกแจงแบบเกาส์เซียนหรือเส้นโค้งรูประฆัง) คือการแจกแจงความน่าจะเป็นแบบต่อเนื่องที่มีความสมมาตร ซึ่งกำหนดโดยค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐาน เป็นการแจกแจงที่สำคัญที่สุดในทางสถิติ เนื่องจากปรากฏการณ์ทางธรรมชาติหลายอย่างมีลักษณะใกล้เคียงกับการแจกแจงนี้ และทฤษฎีบทขีดจำกัดล่างกลาง (Central Limit Theorem) รับประกันว่าค่าเฉลี่ยของกลุ่มตัวอย่างจะเข้าสู่การแจกแจงนี้โดยไม่คำนึงถึงการแจกแจงพื้นฐาน

z-score คืออะไรและใช้งานอย่างไร?

z-score วัดว่าค่าใดค่าหนึ่งอยู่ห่างจากค่าเฉลี่ยกี่ส่วนเบี่ยงเบนมาตรฐาน คำนวณได้จาก z = (x − μ) / σ ค่า z-score ช่วยให้คุณเปรียบเทียบค่าจากการแจกแจงปกติที่แตกต่างกันได้โดยการแปลงให้เป็นการแจกแจงปกติมาตรฐาน (ค่าเฉลี่ย = 0, ส่วนเบี่ยงเบนมาตรฐาน = 1) ค่า z-score ที่ 1.96 สอดคล้องกับเปอร์เซ็นไทล์ที่ 97.5

ความแตกต่างระหว่าง PDF และ CDF คืออะไร?

PDF (Probability Density Function) ให้ความน่าจะเป็นสัมพัทธ์ของค่าเฉพาะ ซึ่งแสดงถึงความสูงของเส้นโค้งรูประฆัง ณ จุดนั้น ส่วน CDF (Cumulative Distribution Function) ให้ความน่าจะเป็นที่ตัวแปรสุ่มจะมีค่าน้อยกว่าหรือเท่ากับค่าเฉพาะ ซึ่งแสดงถึงพื้นที่ใต้เส้นโค้งทางด้านซ้ายของจุดนั้น ค่า CDF จะอยู่ในช่วง 0 ถึง 1 เสมอ

กฎ 68-95-99.7 คืออะไร?

กฎ 68-95-99.7 (เรียกอีกอย่างว่ากฎเชิงประจักษ์หรือกฎสามซิกมา) ระบุว่าสำหรับการแจกแจงปกติ ค่าประมาณ 68.27% จะอยู่ภายในหนึ่งส่วนเบี่ยงเบนมาตรฐานของค่าเฉลี่ย, 95.45% อยู่ภายในสองส่วนเบี่ยงเบนมาตรฐาน และ 99.73% อยู่ภายในสามส่วนเบี่ยงเบนมาตรฐาน กฎนี้ช่วยประมาณความน่าจะเป็นได้อย่างรวดเร็วโดยไม่ต้องคำนวณอย่างละเอียด

ฉันจะหาความน่าจะเป็นระหว่างสองค่าได้อย่างไร?

ในการหาความน่าจะเป็นระหว่างสองค่า a และ b ในการแจกแจงปกติ ให้คำนวณ P(a ≤ X ≤ b) = CDF(b) − CDF(a) ขั้นแรกให้แปลงทั้งสองค่าเป็น z-score โดยใช้ z = (x − mean) / standard deviation จากนั้นค้นหาหรือคำนวณ CDF สำหรับแต่ละ z-score แล้วนำมาลบกัน เครื่องคำนวณนี้จะช่วยคำนวณกระบวนการนี้ให้โดยอัตโนมัติในโหมด Between

อ้างอิงเนื้อหา หน้าหรือเครื่องมือนี้ว่า:

"เครื่องคำนวณการแจกแจงปกติ" ที่ https://MiniWebtool.com/th/เครื่องคำนวณการแจกแจงปกติ/ จาก MiniWebtool, https://MiniWebtool.com/

โดยทีมงาน miniwebtool อัปเดตเมื่อ: 21 มี.ค. 2026

คุณสามารถลองใช้ AI แก้ปัญหาคณิตศาสตร์ GPT ของเรา เพื่อแก้ไขปัญหาทางคณิตศาสตร์ของคุณผ่านคำถามและคำตอบด้วยภาษาธรรมชาติ.