正態分布圖形的編輯

2020-12-05 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

  • 第五章 正態分布與正常值範圍估計--第一節 正態分布及其性質
    第五章　正態分布與正常值範圍估計 第一節　正態分布及其性質 　　一群變量值可能用平均數描述集中的位置，用變異指標描述離散情況，而頻數表則把變量值的分布描繪得更具體。為了直觀還可把頻數表畫成直方圖。如第四章中曾將7歲男童坐高的頻數分布繪成圖4.1。
  • 正態分布及其應用
    ，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。圖 4圖5中兩條正態曲線的平均值相同，但是形狀不同，實線的正態曲線更加「矮胖」，而虛線的正態曲線更加
  • 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？
  • 什麼是正態分布?知道它有什麼用?
    什麼是正態分布？正態分布（Normal Distribution），也被稱為高斯分布，代表著概率的分布情況，是統計學中的一個重要概念。觀察這個圖形，正態曲線呈現出「鍾」形，以 x=μ （均數所在的位置）為中心左右對稱。曲線與橫軸無窮接近，合成的面積為 1，代表所有樣本出現的概率之和為 100%。以數學的語言描繪這條曲線，公式中包含兩個參數，期望（均數）μ 和標準差 σ。
  • 正態分布基本概念及Excel實現
    正態分布在統計中至關重要，主要有以下三個原因：正態分布由圖經典鐘形表示。在正態分布中，您可以計算值以一定範圍或間隔出現的概率。但是，由於將連續變量的概率測量為曲線下的面積，因此來自連續分布（例如正態分布）的特定值的確切概率為零。例如，時間（以秒為單位）被測量並且不計數。
  • 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！如果我們無法假設我們的大部分數據(商業、社會、經濟或科學根源) 至少近似「正態」(即它們是由一個高斯過程或多個這樣的過程的總和產生的)，那麼我們就完蛋了！
  • 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。
  • 幾種分布概述(正態分布/卡方分布/F分布/T分布)
    其概率密度函數為正態分布的期望值μ決定了其位置，其標準差σ決定了分布的幅度。我們通常所說的標準正態分布是μ = 0,σ = 1的正態分布。當μ=0，σ=1時，正態分布就成為標準正態分布N（0，1)。概率密度函數為：
  • 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。
  • 如何用SAS畫正態、t、卡方以及F分布曲線?
    正態分布正態分布，她是擁有完美身材、曼妙身姿的鐘形曲線，她是令無數人魂牽夢繞的自然女神。自然界的諸多現象都拜倒在她的石榴裙下，眾多假設檢驗的也都依託於她的光華。關於她的故事，推薦閱讀「正態分布的前世今生」（在原文連結裡）。2. t分布t分布算是正態分布的小表妹，外表酷似她的表姐。
  • 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。
  • 數據正態分布的意義 - CSDN
    什麼是正態分布關於什麼是正態分布，早在中學時老師就講過了。通俗來講，就是當我們把數據繪製成頻率直方圖，所構成曲線的波峰位於中間，兩邊對稱，並且隨著往兩側延伸逐漸呈下降趨勢，這樣的曲線就可以說是符合數學上的正態分布。由於任何特徵的頻率總和都為100%或1，所以該曲線和橫軸之間部分的面積也為100%或1，這是正態分布的幾何意義。
  • 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。
  • 從正態分布到冪率分布
    《連結》和《爆發》提到過，世界由兩個法則構成，一個是高斯法則，也就是正態分布。另一個是冪律法則，可以理解為二八法則，比如20%的人口佔據了80%的社會財富。 我們的世界中絕大部分事物它們發生情況的分布是正態分布（Normal distribution），即在某些情況下發生的可能性是很大的（紅色很高的山峰）。
  • 教學研討|2.4 正態分布
    ▍來源：網絡 研討素材一一、教學目標1、了解正態分布的意義2、掌握正態分布曲線的主要性質及正態分布的簡單應用3、利用正態分布的性質、特點解決高考中關於正態分布的問題二、學情分析學生整體基礎薄弱,不過全班大部分學生能跟上現有進度,上課發言積極,個別同學表現的比較出色三、重點難點重點:1.正態分布曲線的特點;2.正態分布曲線所表示的意義
  • 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。
  • 正態分布 線性回歸 - CSDN
    採用最小二乘法進行線性回歸時，需要滿足特定的條件：正態性：一定範圍內，給定任意x值，對應的y均服從正態分布獨立：即誤差項間不存在相關，一般時間序列數據會存在自相關線性：因變量和自變量有線性關係同方差性：即模型誤差項的方差相等。