在線即時計算器 · 純前端本地秒算 · 零數據上傳

📈 Lognormal Distribution Percentile 計算機

專業免費的 Lognormal 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)
1 使對數常態 CDF 等於 P 的 x 值
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...

這個計算器的用途

本工具用來計算對數常態分布(lognormal distribution)的百分位數(分位數)。只要輸入一個累積機率與分布的參數,它就會回傳對應的數值 x,也就是對數常態累積分布函數(CDF)剛好達到該機率時的 x 值。這正是所謂的「反累積分布函數」,又稱為分位數函數(quantile function)。對數常態分布廣泛應用於各種「恆為正值且右偏」的量,例如所得分布、粒徑、股價、可靠度壽命以及生物濃度等。這是一項通用的數學工具,在世界各地的計算方式完全相同。

使用方法

首先選擇您的機率屬於下尾值 P(X ≤ x) 還是上尾值 P(X > x)。接著輸入機率(必須嚴格介於 0 與 1 之間)。然後輸入 \ln(X) 所服從的常態分布的兩個參數:位置參數 \mu(即 \ln X 的平均數)與尺度參數 \sigma(即 \ln X 的標準差,必須為正值)。按下計算,即可得到百分位數 x。

公式說明

當 \ln(X) 服從平均數為 \mu、標準差為 \sigma 的常態分布時,變數 X 即為對數常態分布。其下尾 CDF 為

P(x) = \Phi\!≤ft( ((\ln x - \mu) ÷ (\sigma)) \right)
其中 \Phi 為標準常態 CDF。將其反轉後可得
x = \exp\!≤ft( \mu + \sigma · \Phi^{-1}(p) \right)
若您輸入的是上尾機率 Q,我們會先以 p = 1 - Q 進行轉換。標準常態分位數 \Phi^{-1} 採用 Acklam 的有理函數近似法計算,精度約達 10^{-9}。請特別注意:\mu 與 \sigma 描述的是 \ln X,而非 X 本身;X 的平均數為 \exp(\mu + \sigma^2/2)。

範例演算

以下尾模式為例,機率 = 0.975、\mu = 0、\sigma = 1。此時 p = 0.975,\Phi^{-1}(0.975) = 1.959964(即經典的 1.96 臨界值)。於是

x = \exp(0 + 1 × 1.959964) = 7.0994
也就是說,標準對數常態分布的第 97.5 百分位數約為 7.099。

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)

如果改用上尾模式呢?
在上尾模式下輸入 \(Q = 0.025\),會得到 \(p = 1 - 0.025 = 0.975\),與上述範例相同,\(x \approx 7.099\)。
中位數是多少?
當 \(p = 0.5\) 時,\(\Phi^{-1}(0.5) = 0\),因此 \(x = \exp(\mu)\)。換言之,無論 \(\sigma\) 為何,對數常態分布的中位數都是 \(\exp(\mu)\)。
為什麼必須滿足 \(0 < p < 1\)?
當 \(p\) 趨近 0 時,百分位數會趨近 0;當 \(p\) 趨近 1 時,則會發散至無限大,因此兩端點皆不被接受。由於結果是指數函數,所以一定為正值。