在線即時計算器 · 純前端本地秒算 · 零數據上傳

📐 Empirical Rule 計算機

專業免費的 Empirical Rule 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)
85to115 μ ± 1σ
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...

什麼是經驗法則?

經驗法則(Empirical Rule)又稱為 68-95-99.7 法則或三倍標準差法則,用來描述資料在常態分布(鐘形曲線)中的分布情形。它指出:大約 68% 的數值落在平均值的一個標準差之內,約 95% 落在兩個標準差之內,而約 99.7% 落在三個標準差之內。這個計算器能將平均值(\mu)與標準差(\sigma)即時換算成上述三個區間。

如何使用這個計算器

輸入資料集的平均值與標準差,即可讀出三個對應範圍。最上方顯示的是 \mu ± 1\sigma 區間,約涵蓋 68% 的觀測值;下方表格則進一步列出 95% 與 99.7% 的範圍。請注意,這項法則僅適用於近似常態分布的資料。

公式說明

每一個範圍都來自同一個簡單算式:

\mu ± k\sigma = Mean (\mu) ± k · SD (\sigma), k = 1, 2, 3

其中 k 為 1、2 或 3。下界為平均值減去 k 倍標準差,上界為平均值加上 k 倍標準差。k 值越大,區間就越寬,所涵蓋的資料比例也越高。

\begin{gathered} \mu ± k\sigma = Mean (\mu) ± k · SD (\sigma) \\[1.5em] where ≤ft{ \begin{aligned} 68% &: \mu ± 1\sigma \\ 95% &: \mu ± 2\sigma \\ 99.7% &: \mu ± 3\sigma \end{aligned} \right. \end{gathered}

實例演算

假設某次考試的成績呈常態分布,平均值為 100,標準差為 15。那麼 68% 的成績會落在 85 到 115 之間(100 ± 15),95% 落在 70 到 130 之間(100 ± 30),而 99.7% 落在 55 到 145 之間(100 ± 45)。換句話說,幾乎所有成績都介於 55 到 145 之間。

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)

經驗法則一定準確嗎?
不一定——它只適用於近似常態(對稱且呈鐘形)的資料。若資料呈偏態,則應改用柴比雪夫不等式(Chebyshev's inequality)。
為什麼是 68、95 與 99.7%?
這些百分比來自標準常態曲線下、距平均值 1、2、3 個標準差範圍內的面積。
超過 \(3\sigma\) 的數值又如何?
只有大約 0.3% 的資料落在三個標準差之外,因此這類觀測值通常被視為罕見值或潛在的離群值。