在線即時計算器 · 純前端本地秒算 · 零數據上傳

📝 Laplace Distribution Percentile 計算機

專業免費的 Laplace 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 與 a 和 b 相同的單位
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...

什麼是拉普拉斯分布百分位數計算機?

這個工具能計算拉普拉斯分布(又稱雙指數分布)的百分位數,也就是分位數。只要給定一個累積機率,它就會回傳達到該機率時所對應的數值 x。這是一項通用的數學工具,在世界各地的運算結果都完全相同,不含任何特定國家的假設。

拉普拉斯分布有位置參數 a(即平均數與中位數)與尺度參數 b(b > 0)。其機率密度函數為 f(x) = ((1) ÷ (2b))·\exp\!≤ft(-((|x-a|) ÷ (b))\right),在 a 處形成尖銳的峰值,並向兩側呈對稱的指數型尾部衰減。其變異數為 2b^2。

使用方式

輸入位置參數 a 與尺度參數 b(必須為正數),接著選擇你的機率是下尾累積機率 P = \Pr(X ≤ x),還是上尾累積機率 Q = \Pr(X > x),並填入嚴格介於 0 與 1 之間的機率值。計算機便會回傳分位數 x。

公式解析

拉普拉斯分布的 CDF 為:當 x < a 時,P(x) = 0.5·\exp\!≤ft(((x-a) ÷ (b))\right);當 x ≥ a 時,P(x) = 1 - 0.5·\exp\!≤ft(-((x-a) ÷ (b))\right)。將其反推後可得到分位數函數:

x = \begin{cases} a + b \ln\!≤ft(2P\right), & P ≤ 0.5 \\[1em] a - b \ln\!≤ft(2(1-P)\right), & P > 0.5 \end{cases}

當你輸入的是上尾機率 Q 時,工具會先設定 P = 1 - Q,再套用相同的反推公式。請注意,P = 0.5 永遠會回傳 x = a,因為中位數恰好等於位置參數。

實際範例

假設 a = 0、b = 1、下尾機率 P = 0.75。由於 P > 0.5,因此

x = 0 - 1·\ln(2· 0.25) = -\ln(0.5) = \ln(2) ≈ 0.6931471806.
換句話說,有 75% 的機率質量落在 x ≈ 0.693 之下(含等於)。

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)

為什麼必須滿足 \(0 < p < 1\)?
當 \(p\) 趨近於 0 時,分位數會發散到負無限大;當 \(p\) 趨近於 1 時,則會發散到正無限大。因此只有嚴格落在區間內部的機率值,才會得到有限的答案。
如果我手上的是上尾機率怎麼辦?
請選擇「上尾累積機率 Q」,工具會自動透過 \(P = 1 - Q\) 進行換算。
為什麼尺度參數一定要是正數?
尺度參數 \(b\) 控制分布的離散程度,並出現在標準化運算的除法之中,因此 \(b \le 0\) 會導致退化情形,系統會予以拒絕。