什麼是右尾機率 P(Z > z)？
在標準常態分布（平均數為 0、標準差為 1）中，右尾機率 P(Z > z) 指的是鐘形曲線在某個 z 分數「右側」的面積。它回答的是「有多少比例的觀測值落在這個數值之上？」這類問題。由於整條曲線下方的總面積等於 1，右尾機率其實就是 1 減去累積機率：P(Z > z) = 1 - \Phi(z)，其中 \Phi(z) 為標準常態的累積分布函數。
計算器使用方式
輸入一個 z 分數——也就是某個數值落在平均數之上（正值）或之下（負值）幾個標準差的位置。計算器會回傳右尾機率 P(Z > z)、累積機率 \Phi(z) = P(Z ≤ z)，以及百分位排名（將 \Phi 以百分比表示）。當 z 為 0 時，右尾機率剛好等於 0.5，因為常態曲線是左右對稱的。
公式說明
累積分布函數可用誤差函數寫成：
\Phi(z) = ((1) ÷ (2))≤ft[1 + erf\!≤ft(((z) ÷ (√(2)))\right)\right]
本計算器採用 Abramowitz & Stegun 的有理函數近似公式來計算 erf，精確度約達小數點後七位。右尾機率即為 1 - \Phi(z)，而百分位排名則是 100 × \Phi(z)。
實際範例
以 z = 1.0 為例。累積機率 \Phi(1) ≈ 0.8413，因此
P(Z > 1) = 1 - 0.8413 ≈ 0.1587
這代表常態分布中約有 15.87% 落在平均數之上超過一個標準差的位置，而 z 分數為 1 大約相當於第 84 個百分位。
使用注意事項與精準校對原則（6 大核心守則）
📐 1. 嚴格對齊輸入量綱與單位
輸入各項數值時請務必確認量綱（例如小時、天數、金額、百分比），避免單位不匹配引發推算偏差。
🔒 2. 純前端本機毫秒級隱私保障
所有計算邏輯 100% 在您的終端瀏覽器內完成，資料絕不上傳伺服器，嚴格守護商業與個人隱私。
📊 3. 符合公認學術與產業計算模型
演算法嚴格遵循國際通用數學公式與標準計算模型，經多重情境交叉核對，數值嚴密精確。
📋 4. 一鍵複製與免登入 PDF 匯出
支援一鍵複製推算結果字串至剪貼簿，亦可直接點擊列印按鈕輸出純淨 PDF 工作報表。
🔄 5. 多情景敏感度動態對比
建議針對極端值與多組預期情景分別試算，觀察輸出數據的波動區間，輔助做出更穩健的決策。
🛡️ 6. 專業諮詢與日常參考免責聲明
本工具運算結果供日常排程、學業研習與事前參考之用，如涉及重大法規或投資決策請諮詢持證專家。
常見問題 (FAQ)
負的 z 分數會得到什麼結果？
當 \(\text{z} = -1.0\) 時，\(\Phi(-1) \approx 0.1587\)，所以右尾機率 \(P(Z > -1) \approx 0.8413\)——也就是約有 84% 的分布落在它之上。
這算是單尾 p 值嗎？
是的。對於右尾假設檢定來說，\(P(Z > \text{z})\) 正好就是你的檢定統計量所對應的單側 p 值。
計算結果有多精確？
此近似公式的最大誤差約為 \(1.5 \times 10^{-7}\)，對於一般統計工作而言綽綽有餘。