正態分布圖形的編輯

2020-12-13 老徐的Excel

大家或許很多時候在算符合正態分布概率類型的時候,都在查表,

其實,不需要,EXCEL中的一個函數就可以解決這個問題,

在這個函數中間,

我們需要4個參數,

例如下面這個例子:

一組成績排布,當然我只截取了一部分,

均值,你可以使用,平均值函數來做,

標準差,你則可以是STDEV.S函數來做.

那麼,在上述的NORM.DIST函數中,你只需要給出一個X值就可以滿足所有的條件然後查出概率.

最後一個參數,給到1,就行.如果需要製作圖表則會用到0.

好,現在我們做一張圖表.

如封面展示的那樣,

首先我們,假使,均值標準差,以及X目標值,如下,我們就可以算出概率.

需要說明的是,這個地方用到的是目標值的範圍,當目標值<=75的時候,你的圖形應當是這樣的,

那麼橘色部分則是,你的X所在的區域.

基於這樣的情況,我們應該:

這個中間的計算值如下:

X排布=均值-標準差*4

排布的第二個數值=第一個數值+1,把範圍鋪開.

這一段需要解釋的是,其實你也可以手動來給,由於我們必須要給我們的圖形一個區域,所以你可以根據具體的情況來擬定一個範圍,只要是合理的就行.

分布密度=正態分布概率函數,

分布密度=正態分布函數,最後一個參數給到0,

=NORM.DIST(A7,$B$1,$B$2,FALSE)

選擇0通俗的含義是,我們給到圖形中的高度.

這個時候,你可以選擇分布密度的整個系列,插入一個堆積面積圖,則會得到:

然後我們需要在這個面積圖的基礎之上,再給它一個面積堆積,達到自由切換的效果,而上圖藍色的部分則是基於我們的基本數據給出來的底層正態模型,自己切換或者變化的面積也必須要在這個藍色的面積範圍以內.

再看看之前表格中建立好的區間點Z值

Z一定要是標準差的倍數,

於是,你可以這樣來計算,

Z=(A7-$B$1)/$B$2

Z的作用是,形成我們第二段形狀的X系列.

關於標準差的含義,如果大家不太清楚,可以參考一下其他的定義資料.

計算表格中的最後一欄,分布概率=IF(A7<=$B$3,B7,"")

含義就是,當我們的當前目標值小於你設定的目標值,那麼就會顯示第二欄中的分布密度,

如果是這樣,那麼你就可以在滿足條件的情況下,得到一塊面積,這個面積也就是你的概率所在位置.

看不懂沒有關係,等下圖形中會有一個解析,

現在你可以選擇分布概率那一列進行圖形的編輯,

在之前分布密度的正態框架圖形中,添加數據分布概率這一整列的數據.

這個時候你得到的圖形是這樣的,

有可能你的版本和我不一樣,或者其他的情況導致顏色或許也是不一樣的,沒有關係.

然後我們選擇非藍色的部分,將圖形調整到次坐標軸.

這個時候,你再把兩端的Y坐標全部刪除,你的圖形就會變成這樣:

但是這依然讓人很費解,我們的X坐標應該是我們之前表格中的第一欄X排布,

和我們的Z區間點.

這個時候,回到圖表的選擇數據中,將他們水平軸分別改成X排布,和Z區間點,對應到我們的分布密度,和分布概率.

最後的圖形就是這個樣子,

我們再通過圖形反推一下之前表格中的含義:

以上的情況僅僅限於<=75這樣的情況,

如果是>=75的話,那麼在圖形上我們的概率分布這一欄的條件,則需要把IF函數這個系列,換成當前X排布大於目標值,那麼最後做出來的結果是這樣的:

橘色的部分在右邊.

如果你的條件變成你需要找到的目標值區間是75<=X<=80,

那麼你可以同樣以函數的形式在概率分布那一欄進行雙重條件的判斷,

你得到的結果應該長成這個樣子:

關於這個中間概率計算的變化,大家可以參考下面的截圖:

小於目標值區域:

大於目標值區域:

介於區間中的區域:

有的時候,你的一個成套表格中判斷方法,如果需要用到正態分布,你可以在DASHOBARD中插入這樣的圖形.

相關焦點

  • 正態分布及其應用
    圖 2並且，如果進一步增加釘子的層數和小球個數，球槽中小球分布形成的曲線就會越來越光滑，最終趨向於圖3「中間高，兩邊低」的「鍾型」曲線，我們將這條曲線稱為正態分布密度曲線，簡稱正態曲線對比圖4中的兩條正態曲線，我們可以看出虛線對應的平均值更大。
  • 正態分布的應用——基於描述性統計與分布的推論
    分布的類型：上期主要給大家介紹了正態分布，其實除了正態分布，還有很多的分布類型，今天就給大家科普一下。標準的二分布、均勻分布這樣的古典概型產生的分布，在這裡就不給大家介紹了。本次介紹的分布，也是統計中較為常用的類型。
  • 「正態分布」碎思
    1.正態分布原本是一個概率統計的概念，用以描述連續隨機變量的分布情況。最簡單的描述就是「中間大，兩頭小」。正態分布大致長這樣：標準正態分布的平均數為0，標準差為1。自然界以及人類社會中許多現象在分布上都體現了正態分布的形態，但不同現象的具體分布形態會因隨機變量的平均數、標準差的大小與單位不同而有所不同。
  • 正態分布思維模型-尋找不確定性事件中的大概率
    一、    正態分布的定義正態分布（Normal distribution），又名高斯分布。由於正態曲線呈鐘形，兩頭低，中間高，左右對稱，因此人們又經常稱之為鐘形曲線。正態分布是一個數據統計過程，可以用著名的鐘形曲線進行圖形表示。在正確的抽樣統計中，會出現一個有實際意義的平均值和越來越小的標準差（因此也被稱為中心極限定理）。比較著名的例子包括人的身高體重的分布，但需要注意的是，在非有形的系統中，比如人類的社會系統，並不遵循正態分布定律。
  • 正態分布
  • 相關知識考點:標準正態分布
    1概率密度函數　　當μ=0，σ=1時，稱X服從標準正態分布，記作X～N（0，1）。　　服從標準正態分布的隨機變量記為U，它的概率密度函數記為。　　若X～N（μ，σ2），則～N（0，1）。　　實際中很少有一個質量特性（隨機變量）的均值恰好為0，方差與標準差恰好為1.一些質量特性的不合格品率均要通過標準正態分布才能算得，這一點將在後面敘述。　　2標準正態分布表　　標準正態分布函數表，它可用來計算形如「」的隨機事件發生的概率，記為。　　正態分布N（0，1）的分位數。
  • 一文搞懂「正態分布」所有重要知識點
    從名字說起為什麼叫「正態分布」，也有地方叫「常態分布」，這兩個名字都不太直觀，但如果我們各取一字變為「正常分布」，就很白話了，而這正是「正態分布」的本質含義，Normal Distribution。它太常見了，基本上能描述所有常見的事物和現象：正常人群的身高、體重、考試成績、家庭收入等等。這裡的描述是什麼意思呢？
  • 如何用excel批量生成正態分布的隨機數?
    提到用rand函數批量生成隨機數，這是最簡單最快速的方法，但同時也有一個缺陷，就是rand函數生成的是均勻分布的隨機數，在區間範圍內會分布得比較均勻，不符合日常生活中數據的按照正態分布的特點，這樣也就留下了明顯的痕跡。比如我用rand函數生成0-100的100個隨機數，用Minitab自動生成直方圖，頻數是下面這樣的：大家可以看到，大致上每個區間分布的數據都比較均勻。
  • 在EXCEL中繪製正態分布曲線
    正態分布曲線也叫鐘形曲線，大概是因為它長這個樣吧圖中的σ為標準偏差，μ為均值 正態分布是一種基於統計的概率分布
  • 關於正態分布和貝塔分布的案例介紹
    打開APP 關於正態分布和貝塔分布的案例介紹 賈恩東 發表於 2020-10-12 11:25:57 正態分布 正態分布，是一種非常常見的連續概率分布，其也叫做常態分布（normal distribution），或者根據其前期的研究貢獻者之一高斯的名字來稱呼，高斯分布（Gaussian distribution）。正態分布是自然科學與行為科學中的定量現象的一個方便模型。
  • 如果數據分布是非正態的怎麼辦?用切比雪夫不等式呀!
    正態分布/超自然分布你覺得這是個玩笑？讓我告訴你，這不是笑料。這是嚇人的，真正的萬聖節精神！>正態分布（高斯分布）是最廣為人知的概率分布。問題是通常是，你可能會找到特定的數據集分布，這些分布可能不滿足正態性，即正態分布的性質。但由於過度依賴於常態假設，大多數業務分析框架都是為處理正態分布數據集而量身定做的。
  • 正態分布的常用數據 - CSDN
    #尋找真知派#如上一篇文章所述，樣本所屬總體服從正態分布是數據分析和數據挖掘等數據處理的重要前提。如果我們採集的樣本並不能確認其總體是否服從正態分布，那麼數據處理的結果就是不可靠的。因此，對樣本數據進行正態分布檢驗十分必要。
  • 概率|無處不在的高斯分布(1)——標準正態分布
    萬事開頭難，今天的第一講，我們來談一談無處不在的「高斯分布」（又叫「正態分布」，Normal Distribution)。在我看來，所有的統計分布裡最容易理解的是「均勻分布」（Uniform Distribution），但是最常用的分布，一定是高斯分布。
  • R與生物專題 | 第六講 R-數據正態分布檢驗
    在「R與生物統計專題」中，我們會從介紹R的基本知識展開到生物統計原理及其在R中的實現。
  • 為什么正態分布如此常見?
    正態分布的英文名為：Normal Distribution，臺灣翻譯為常態分布，可見一斑。可是為什麼這麼常見呢？每個人都相信它（正態分布）：實驗工作者認為它是一個數學定理，數學研究者認為他是一個經驗公式。
  • 第三節 正態分布和醫學正常值範圍的估計
    第三節　正態分布和醫學正常值範圍的估計 　　一、正態分布 　　（一）正態分布的圖形 　　將表18-1的110名20歲健康男大學生身高頻數分布繪成圖18-1中的（1），可見高峰位於中部，左右兩側大致對稱。
  • 偏度與峰度的正態性分布判斷
  • 如何使用標準正態分布表?
    正態分布這個概念在統計學中很常見，在做與正態分布有關計算的時候經常會用到標準正態分布表。
  • 終於搞清楚正態分布、指數分布到底是啥了!
    標準正態分布正態分布是一個鐘形曲線，曲線對稱，中央部分的概率密度最大，越往兩邊，概率密度越小。如何求正態分布的概率？正態分布的概率密度函數滿足：連續型隨機變量的理想模型就是正態分布，求正態分布的概率同樣是求概率密度曲線下的面積，曲線的面積如何求？
  • 【教育統計答疑】如何理解正態分布、均值分布、χ^2分布、t分布和F分布
    正態分布的重要性還體現在用樣本數據來推斷總體時，當樣本的數量足夠大的時，可以利用樣本的某些特徵數據服從正態分布，進行推斷，獲得準確的結果。正態分布一般記作  x~N(μ, σ^2)，它的分布函數表達式為 其中，π是圓周率；e是自然對數的底；x為隨機變量的取值；μ為正態分布的均值（期望），σ^2是正態分布的方差。