在線即時計算器 · 純前端本地秒算 · 零數據上傳

📝 Generalized Pareto Distribution Percentile 計算機

專業免費的 Generalized Pareto Distribution Percentile 計算機。純前端本機毫秒級計算、零資料上傳、極致隱私保護。提供詳細公式推導、實例示範與常見問答。

即時推算結果 (Computed Output)
0.693147 指定累積機率下對應的數值 x
專業公認計算模型,即時運算完畢
📜 計算歷史記錄 (試算軌跡)
尚無歷史記錄,每次點擊「計算」將在此留下試算軌跡...

什麼是廣義帕累托分配的百分位數?

廣義帕累托分配(Generalized Pareto Distribution,簡稱 GPD)是一種連續型機率分配,在極值統計中被廣泛用來描述資料的尾端行為,也就是超過某個高門檻值的「超越量」。它的百分位數(又稱分位數或百分點)指的是使累積機率 F(x) 等於指定機率 P 的數值 x。本計算器會在給定三個標準參數——位置參數 \mu、尺度參數 \sigma、形狀參數 \xi——的情況下,計算其反累積分配函數(反 CDF)。這是一個純粹的統計函數,不專屬於任何國家或法規制度。

計算器使用方式

請先選擇累積機率模式。當你的機率是 P = \Pr(X ≤ x) 時,選擇「下尾累積機率 P」;當你的機率是存活機率 Q = \Pr(X > x) 時,則選擇「上尾累積機率 Q」,工具會在內部以 P = 1 - Q 進行換算。接著輸入累積機率(介於 0 與 1 之間)、位置參數 \mu、尺度參數 \sigma(必須大於 0),以及形狀參數 \xi。計算結果即為該機率點對應的百分位數 x。

公式說明

GPD 的累積分配函數在 \xi \ne 0 時為

F(x) = 1 - ≤ft(1 + ((\xi(x - \mu)) ÷ (\sigma))\right)^{-1/\xi}
而當 \xi = 0 時為
F(x) = 1 - \exp≤ft(-((x - \mu) ÷ (\sigma))\right)
給定下尾累積機率 P 並對 x 反解,當 \xi \ne 0 時可得
x = \mu + ((\sigma) ÷ (\xi))≤ft[(1 - P)^{-\xi} - 1\right]
當 \xi = 0 時則為
x = \mu - \sigma\ln(1 - P)
由於除以 \xi 在零時無法運算,因此只要 |\xi| < 1e{-12},都會以指數分配的情況來處理。

實際範例

設模式 = 下尾、P = 0.9、\mu = 0、\sigma = 1、\xi = 0.5:

x = ((1) ÷ (0.5))·≤ft[(1 - 0.9)^{-0.5} - 1\right] = 2·≤ft[0.1^{-0.5} - 1\right] = 2·≤ft[3.1622777 - 1\right] = 4.3245553

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)

當 \(\xi = 0\) 時會發生什麼事?
此時 GPD 會退化為平移後的指數分配,分位數便改用上述的對數公式計算。
上方的支撐範圍一定是無限大嗎?
不一定。當 \(\xi < 0\) 時,支撐範圍在上方會受限於 \(x = \mu - \sigma/\xi\);當 \(P = 1\) 時,計算器會回傳此有限端點。若 \(\xi \ge 0\),上尾則無上界,\(P = 1\) 時會得到正無窮大。
為什麼 \(\sigma\) 必須為正?
尺度參數 \(\sigma\) 決定了分配的離散程度;若 \(\sigma\) 為非正值,則分配將無法定義。