Probit 函数计算器（正态分位数）

Q: Probit 函数计算器（正态分位数）的操作步骤是什么？

首先，输入累积概率 p（0 到 1 之间，开区间端点会得到 ±∞）。 然后，读取 z 值 probit(p)，同时看左尾 = p、右尾 = 1 − p 的概率分解。 全程在页面内完成，结果即时更新。

什么是Probit 函数计算器（正态分位数）？

probit 是正态 CDF 的反函数（PPF）：probit(0.5) = 0、probit(0.975) = 1.959963984540054、probit(0.99) = 2.326347874040841。

Probit 回归把二分类概率 p 建模为 Φ(z)（z = 线性组合），与 logistic 回归平行但尾部更保守——probit 的尾是 ln 域的多项式，比 logit 的指数尾更慢地逼近 0/1。

QQ 图（正态分位图）画的就是样本分位数对 probit(经验频率) 的散点：一条直线 = 数据近似正态。

probit(p) = Φ⁻¹(p) = √2 · erfinv(2p − 1)

erfinv 用 Winitzki 有理初值 + 8 轮牛顿精化；p = 0.5 处对称，尾部精度由 erf 级数保证。

如何使用Probit 函数计算器（正态分位数）

1
输入累积概率 p（0 到 1 之间，开区间端点会得到 ±∞）。
2
读取 z 值 probit(p)，同时看左尾 = p、右尾 = 1 − p 的概率分解。
3
置信区间速查：95% 双侧 → 1.96；99% → 2.576；99.9% → 3.29。

计算示例

例 1probit(0.5)

probit(0.5) = 0

例 2probit(0.975)

probit(0.975) = 1.959963984540054（95% 置信）

例 3probit(0.99)

probit(0.99) = 2.326347874040841

例 4probit(0.999)

probit(0.999) = 3.090232306167813

例 5probit(Q(1.5))

probit(Q(1.5)) = −1.5（与 Q 函数互逆）

注意事项

p = 0 或 1 处函数发散到 ∓∞——现实中任何有限样本的极值频率都不会真正到达 0/1，这正是「拉普拉斯平滑」存在的理由。
与 erfinv 的换算：probit(p) = √2·erfinv(2p−1)；与 Q 函数互逆：probit(1 − Q(x)) = x。
尾部三阶精度：p = 10⁻⁶ 对应 z ≈ 4.7534，手估可用 z ≈ √(2ln(1/p)) 低估约 2%。

常见问题

probit(p) = Φ⁻¹(p) = √2 · erfinv(2p − 1)。 erfinv 用 Winitzki 有理初值 + 8 轮牛顿精化；p = 0.5 处对称，尾部精度由 erf 级数保证。在Probit 函数计算器（正态分位数）计算器中输入参数即可按此公式自动求解，无需手工推导。

p = 0 或 1 处函数发散到 ∓∞——现实中任何有限样本的极值频率都不会真正到达 0/1，这正是「拉普拉斯平滑」存在的理由；与 erfinv 的换算：probit(p) = √2·erfinv(2p−1)；与 Q 函数互逆：probit(1 − Q(x)) = x。其余细节见页面注意事项一节。

probit(0.5)：probit(0.5) = 0

首先，输入累积概率 p（0 到 1 之间，开区间端点会得到 ±∞）。然后，读取 z 值 probit(p)，同时看左尾 = p、右尾 = 1 − p 的概率分解。全程在页面内完成，结果即时更新。

probit 是正态 CDF 的反函数（PPF）：probit(0.5) = 0、probit(0.975) = 1.959963984540054、probit(0.99) = 2.326347874040841。

两者同属相关计算链条：正态分布解决的是与之衔接的另一层问题。完成Probit 函数计算器（正态分位数）计算后，页面底部相关推荐区可直接跳转到正态分布计算器继续演算，参数在同类工具间口径一致，交叉验证更方便。

probit(0.975)：probit(0.975) = 1.959963984540054（95% 置信）

输入累积概率 p（0 到 1 之间。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Probit 函数计算器（正态分位数）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。

数据来自潜在正态（剂量-响应、检测阈值）选 probit；来自随机效用/指数族便利性选 logit。中段两者数值几乎重合，尾部行为不同。

双侧 95% 每侧留 2.5%，Φ(1.95996) = 0.975。这个数由 erf 的反函数唯一决定，无理数无闭式。

不能，概率必须落在 (0,1)。输入 0 或 1 数学上发散，工具会拒绝。

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 2026-09-27

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：2026-09-27。

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。

Probit 函数计算器（正态分位数）

什么是Probit 函数计算器（正态分位数）？

如何使用Probit 函数计算器（正态分位数）

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Probit 函数计算器（正态分位数）？

如何使用Probit 函数计算器（正态分位数）

计算示例

注意事项

常见问题