在線即時計算器 · 純前端本地秒算 · 零數據上傳

📐 Chi Squared Distribution 計算機

專業免費的 Chi Squared Distribution 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)
0.20755375 x 處的卡方機率密度(PDF)
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...

這個計算器能做什麼

卡方分配(Chi-Squared Distribution)是統計學中應用最廣泛的分配之一,無論是適合度檢定、列聯表的獨立性檢定,還是變異數的信賴區間,背後都少不了它。本工具只要輸入一個分位點 x 與自由度 ν,就能回傳三個高精度數值:機率密度 f(x)、下側累積機率 P(X ≤ x),以及上側(尾端)機率 Q(X > x)。

使用方式

請在 x 欄位輸入一個非負數值,並在自由度 ν 欄位輸入一個正數(通常是正整數,但即使是非整數的 ν,公式同樣適用)。按下計算後,PDF 會告訴你恰好在 x 這一點的相對可能性;下側機率代表左側面積,也就是單側下尾檢定 p 值的補數;上側機率則是右尾面積,正是大多數卡方顯著性檢定所報告的 p 值。

公式解析

當 x > 0 時,密度函數為

f(x;k) = ((x^{((k) ÷ (2))-1} e^{-x/2}) ÷ (2^{k/2} \Gamma\!≤ft(((k) ÷ (2))\right)))

其中 \Gamma 為 Gamma 函數。累積機率則等於正規化下不完全 Gamma 函數 P\!≤ft(((k) ÷ (2)), ((x) ÷ (2))\right)。我們以數值方法計算:當 ((x) ÷ (2)) < ((k) ÷ (2)) + 1 時採用級數展開,其餘情況則使用連分數展開(Lentz 法);而 Gamma 函數則透過 Lanczos log-gamma 近似計算,以確保數值穩定。

實際範例

以 x = 2、\nu = 3 為例,令 a = ((k) ÷ (2)) = 1.5、z = ((x) ÷ (2)) = 1。密度為

f = \exp≤ft[(0.5)\ln 2 - 1 - 1.5·\ln 2 - \ln\Gamma(1.5)\right] ≈ 0.20755

下側機率

P(X ≤ 2) = P(1.5, 1) ≈ 0.42759

因此上尾機率

Q = 1 - 0.42759 ≈ 0.57241

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)

什麼是自由度?
在檢定中,自由度通常等於類別數減去限制條件數,例如列聯表的自由度為 \((\text{列數}-1)(\text{欄數}-1)\)。
哪一個值才是 p 值?
對於標準的卡方檢定,p 值就是上側累積機率 \(Q(X > x)\)。
x 可以是 0 或負數嗎?
當 \(x = 0\) 時,密度值取決於 ν,而累積機率為 0。負的 x 落在定義域之外,因此 \(f = 0\)、\(P = 0\)、\(Q = 1\)。