在線即時計算器 · 純前端本地秒算 · 零數據上傳

🛠️ Levy 分布計算器

專業免費的 Levy 分布計算器。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)
0.06499 密度(無因次)
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 Levy 分布?

Levy 分布是一種針對非負隨機變數的連續機率分布。它是少數具有封閉式機率密度函數的穩定分布之一,同時也是反伽瑪分布(inverse-gamma distribution)的一個特例。整個分布由兩個參數決定:位置參數 \mu 負責平移分布,使其支撐集從 x = \mu 開始;尺度參數 c(必須 > 0)則控制分布的離散程度。由於 Levy 分布擁有極重的右尾,它的期望值與變異數都未定義(為無限大);不過,無論是某一點上的密度值,還是累積機率,都能被精確計算出來。

如何使用本計算器

請依序輸入隨機變數 x、位置參數 \mu,以及正的尺度參數 c。計算器會回傳機率密度 f(x)、下累積機率 P(x) = P(X ≤ x),以及上累積機率 Q(x) = P(X > x)。若要使用標準 Levy 分布,請設定 \mu = 0 與 c = 1。當 x 小於或等於 \mu 時,該值落在支撐集之外,因此密度為 0、P(x) = 0、Q(x) = 1。

公式說明

令 y = x - \mu。當 y > 0 時,密度函數為

f(x) = √(((c) ÷ (2π))) ((e^{-((c) ÷ (2y))}) ÷ (y^{3/2})).
累積分布函數則用到互補誤差函數:
P(x) = erfc\!≤ft(√(((c) ÷ (2y)))\right),
而上尾機率為
Q(x) = 1 - P(x) = erf\!≤ft(√(((c) ÷ (2y)))\right).
本工具採用 Abramowitz & Stegun 的有理逼近式 7.1.26 來計算 erf 與 erfc,精確度約達小數點後七位。

實例演算

取 \mu = 0、c = 1、x = 3,則 y = 3。引數為 z = √(1/6) = 0.408248。密度為

√(((1) ÷ (2π)))·((e^{-1/6}) ÷ (3^{1.5})) = ((0.398942 · 0.846482) ÷ (5.196152)) ≈ 0.06499.
下累積機率為 P(3) = erfc(0.408248) ≈ 0.56373,上累積機率為 Q(3) = erf(0.408248) ≈ 0.43627。如預期,P + Q = 1。

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 c 為零或負值會怎樣?
尺度參數必須嚴格為正值;當 \(c \le 0\) 時,計算器會回傳錯誤訊息。
為什麼 x 等於 mu 時密度為 0?
支撐集從 \(x = \mu\) 開始,密度自 0 起算,先上升至單一眾數(mode),接著沿著極重的右尾緩慢衰減。
Levy 分布有期望值嗎?
沒有。它的期望值與變異數都是無限大,因此常被用來建構含有極端離群值的現象模型,例如「Levy 飛行(Levy flights)」。