正态分布还有别的算例吗？

用经验法则快速估算：螺栓直径 X ~ N(10.0, 0.2²) mm。μ ± 2σ = [9.6, 10.4] 覆盖约 95% 的产品；超出 ±3σ（即 10.6）的概率仅约 0.27%，可作为抽检预警线。

正态分布计算器

Q: 正态分布有哪些容易忽略的细节？

σ 输入 0 或负数没有意义（分布退化为一点），本工具会提示重新输入；密度值 f(x) 可以大于 1（当 σ 很小时），它不是概率，勿与 P 混淆。 其余细节见页面注意事项一节。

Q: 有没有正态分布的实例演算？

考试成绩落在 80~90 分的概率：某次考试 X ~ N(75, 10²)。P(80 < X < 90)：Z1 = (80−75)/10 = 0.5，Z2 = (90−75)/10 = 1.5，Φ(1.5) − Φ(0.5) = 0.9332 − 0.6915 = 0.2417，约 24.2% 的考生落在此区间。

Q: 正态分布的操作步骤是什么？

首先，输入均值 μ 与标准差 σ（σ 必须 > 0）。 然后，输入区间下限 a 与上限 b（可勾选"标准分模式"直接输入 Z 值）。 全程在页面内完成，结果即时更新。

什么是正态分布计算器？

正态分布是统计学中最重要的连续概率分布，呈钟形对称曲线，由均值 μ（中心位置）和标准差 σ（离散程度）完全决定。身高、测量误差、考试成绩等大量自然现象近似服从正态分布。

任意正态分布都可以通过标准化 Z = (x − μ)/σ 转换为标准正态分布 N(0,1)，再借助 Z 表或数值积分求概率，这也是本计算器的核心思路。

本工具同时给出概率密度函数值 f(x) 与区间概率 P(a < X < b)，密度值不是概率，只有对区间积分（本工具对 P(a<X<b) 用数值积分）才是落在该区间的概率。

f(x) = (1 / (σ√(2π))) · e^(−(x−μ)²/(2σ²))，P(a < X < b) = ∫[a,b] f(x) dx，Z = (x − μ) / σ

本工具用 512 段辛普森数值积分计算区间概率，误差远小于 1e-10；Z 分数保留 4 位小数，负值表示低于均值。

如何使用正态分布计算器

1
输入均值 μ 与标准差 σ（σ 必须 > 0）。
2
输入区间下限 a 与上限 b（可勾选"标准分模式"直接输入 Z 值）。
3
查看区间概率、单侧尾概率、密度峰值与 68-95-99.7 区间对照表。

计算示例

例 1考试成绩落在 80~90 分的概率

某次考试 X ~ N(75, 10²)。P(80 < X < 90)：Z1 = (80−75)/10 = 0.5，Z2 = (90−75)/10 = 1.5，Φ(1.5) − Φ(0.5) = 0.9332 − 0.6915 = 0.2417，约 24.2% 的考生落在此区间。

例 2用经验法则快速估算

螺栓直径 X ~ N(10.0, 0.2²) mm。μ ± 2σ = [9.6, 10.4] 覆盖约 95% 的产品；超出 ±3σ（即 < 9.4 或 > 10.6）的概率仅约 0.27%，可作为抽检预警线。

注意事项

σ 输入 0 或负数没有意义（分布退化为一点），本工具会提示重新输入。
密度值 f(x) 可以大于 1（当 σ 很小时），它不是概率，勿与 P 混淆。
经验法则的 68%/95%/99.7% 是近似值（精确为 68.27%/95.45%/99.73%），适合口算，精确值请看计算结果。
数据若明显偏态（如收入、等待时间），应先做对数变换或改用其他分布，正态假设会低估尾部概率。

常见问题

f(x) = (1 / (σ√(2π))) · e^(−(x−μ)²/(2σ²))，P(a < X < b) = ∫[a,b] f(x) dx，Z = (x − μ) / σ。本工具用 512 段辛普森数值积分计算区间概率，误差远小于 1e-10；Z 分数保留 4 位小数，负值表示低于均值。在正态分布计算器中输入参数即可按此公式自动求解，无需手工推导。

σ 输入 0 或负数没有意义（分布退化为一点），本工具会提示重新输入；密度值 f(x) 可以大于 1（当 σ 很小时），它不是概率，勿与 P 混淆。其余细节见页面注意事项一节。

考试成绩落在 80~90 分的概率：某次考试 X ~ N(75, 10²)。P(80 < X < 90)：Z1 = (80−75)/10 = 0.5，Z2 = (90−75)/10 = 1.5，Φ(1.5) − Φ(0.5) = 0.9332 − 0.6915 = 0.2417，约 24.2% 的考生落在此区间。

首先，输入均值 μ 与标准差 σ（σ 必须 > 0）。然后，输入区间下限 a 与上限 b（可勾选"标准分模式"直接输入 Z 值）。全程在页面内完成，结果即时更新。

正态分布是统计学中最重要的连续概率分布，呈钟形对称曲线，由均值 μ（中心位置）和标准差 σ（离散程度）完全决定。身高、测量误差、考试成绩等大量自然现象近似服从正态分布。

两者同属相关计算链条：Z 分数计算器 - 正态分布概率与标准分换算解决的是与之衔接的另一层问题。完成正态分布计算后，页面底部相关推荐区可直接跳转到Z 分数计算器 - 正态分布概率与标准分换算继续演算，参数在同类工具间口径一致，交叉验证更方便。

用经验法则快速估算：螺栓直径 X ~ N(10.0, 0.2²) mm。μ ± 2σ = [9.6, 10.4] 覆盖约 95% 的产品；超出 ±3σ（即 < 9.4 或 > 10.6）的概率仅约 0.27%，可作为抽检预警线。

输入均值 μ 与标准差 σ（σ 必须 > 0）。超出合理范围的输入可能导致结果无实际意义，页面注意事项一节标明了边界条件与单位口径。

本页正态分布计算器与页面内的公式、示例、对照表同源，全部数字由同一套程序实时计算。可用一个已知算例代入验证：先在示例一节找到演算过程，再用相同参数在计算器中复算一遍，两次结果一致即说明口径无误。

计算过程按双精度浮点执行，结果默认保留 4 位有效小数，页面会按数值大小自动切换科学计数法。对照表中的数值与计算器输出完全同源，不存在手工四舍五入引入的偏差。

标准正态分布是 μ = 0、σ = 1 的特例。任何正态分布减去 μ 再除以 σ 就变成标准正态，所以所有正态分布的概率计算都能归结为查标准正态表。

正常。Z < 0 表示该值低于均值，Z = −1.5 表示比均值低 1.5 个标准差，概率照常计算，只是查表时用 Φ(−z) = 1 − Φ(z)。

中心极限定理说明：大量独立随机变量之和近似服从正态分布，无论单个变量本身服从什么分布。这正是正态分布无处不在的原因，也解释了为什么样本均值常被当作正态处理。

参考资料

凯文内容作者Calcton 数学编辑组口径审核Calcton 编辑组交叉审核· 内容更新于 2026-09-02

负责 Calcton 的公式核对与内容撰写：每个工具的公式都注明出处，示例数字经过程序复算，健康与判定标准一律采用国际口径。

Calcton 数学编辑组：标准教科书（高中至大学低年级）与常用数学手册的公式口径。

参考来源与更新说明

本页公式与判定标准参考以下权威资料：

最后更新：2026-09-02。

免责声明：本页面提供的计算结果与说明内容仅供参考，不构成医疗、税务、投资或法律等专业建议。尽管我们力求公式与数据准确，仍可能存在误差；据此做出的任何决策，请结合专业机构意见。

正态分布概率计算器

什么是正态分布计算器？

如何使用正态分布计算器

计算示例

注意事项

常见问题

参考资料

引用本页

把这个计算器嵌入到你的网站

参考来源与更新说明

什么是正态分布计算器？

如何使用正态分布计算器

计算示例

注意事项

常见问题

正态分布用什么公式计算？

正态分布有哪些容易忽略的细节？

有没有正态分布的实例演算？

正态分布的操作步骤是什么？

正态分布适合用在什么场景？

正态分布与Z 分数计算器 - 正态分布概率与标准分换算是什么关系？

正态分布还有别的算例吗？

正态分布支持输入哪些数值？

怎么确认正态分布的结果是准确的？

正态分布计算精度如何？

正态分布和标准正态分布有什么区别？

Z 分数为负数正常吗？

中心极限定理和正态分布有什么关系？

参考资料

引用本页

把这个计算器嵌入到你的网站

相关计算器

参考来源与更新说明

搜索计算器