常態分布曲線計算機：公式、步驟與範例

什麼是常態分布曲線計算機？

常態分布曲線計算機是一種工具，能把鐘形資料中的原始數值轉換成機率，或反過來把目標機率換算回原始數值。鐘形曲線正式名稱是常態分布，用來描述大多數觀測值都集中在平均數附近、並向兩端對稱遞減的資料。考試分數、成人身高、血壓數值與製造公差，通常都符合這種模式。常態分布的公式沒有簡單的代數反導函數，因此與其手動積分，計算機會改用標準常態分布表或等價的數值近似法，立刻給你答案。而真正讓計算機從「捷徑」變成「學習工具」的，是理解答案背後的每一個步驟。

常態分布曲線計算機是怎麼運作的？

每一台常態分布曲線計算機都遵循同樣的核心邏輯：先把原始數值標準化成 z 分數，再查出（或計算出）該 z 分數對應的標準常態曲線下面積。平均數（μ）告訴計算機曲線的中心位置，標準差（σ）則告訴它資料的離散程度。一旦數值 X 被轉換成 z 分數，原始資料集的平均數與標準差就不再重要——所有常態分布都會化簡成同一條通用的標準常態曲線，其平均數為 0、標準差為 1。這正是為什麼單一張 z 表（或單一套演算法）就能回答考試分數、身高，或任何鐘形資料的機率問題。

常態分布公式完整解析

常態分布的機率密度函數為 f(x) = (1 ÷ (σ√(2π))) × e^(−(x−μ)²÷(2σ²))。這個公式給出的是曲線在任一點 x 的高度，但它並不直接給出機率——要得到機率，你需要兩點之間的曲線下面積，而這需要用到積分，且沒有簡單的封閉形式解。這正是標準常態分布表與計算機存在的原因：它們預先算好這條曲線標準化版本下的面積，讓任何人都不必手動積分。標準化版本使用的是 z 分數公式 z = (X − μ) ÷ σ，它會平移並重新縮放任何常態分布，使其平均數為 0、標準差為 1。一旦資料化為這種標準化形式，一張參考表就能適用於所有可能的常態分布。

如何手算 z 分數

計算 z 分數是任何常態分布曲線計算機在內部執行的第一步，也是最重要的一步。公式很簡單：z = (X − μ) ÷ σ，其中 X 是原始數值，μ 是母體平均數，σ 是母體標準差。z 分數為正表示該數值高於平均數；z 分數為負則表示低於平均數。其絕對值大小告訴你這個數值距離平均數有幾個標準差。 範例：假設一個班級參加考試，平均分數為 μ = 75，標準差為 σ = 8。某位學生考了 X = 87 分。他的 z 分數是 z = (87 − 75) ÷ 8 = 12 ÷ 8 = 1.5。這代表這位學生的分數高於班級平均 1.5 個標準差——相對於全班而言是很不錯的成績。

為什麼經驗法則（68-95-99.7）很重要？

經驗法則有時也稱為 68-95-99.7 法則，可以在你動用計算機或查表之前，快速做一次合理性檢查。它指出：對任何常態分布而言，約有 68% 的資料落在平均數的 1 個標準差範圍內（μ ± σ），約 95% 落在 2 個標準差範圍內（μ ± 2σ），約 99.7% 落在 3 個標準差範圍內（μ ± 3σ）。這條法則之所以重要，是因為它讓你能立刻估算整數 z 分數對應的機率，也能幫你抓出計算錯誤——如果計算機告訴你某個位於平均數 1 個標準差以內的數值只有 30% 的出現機率，你就知道哪裡出錯了，因為答案應該接近 68%。 驗算範例：沿用同一組考試分數（μ = 75、σ = 8），約 68% 的學生分數應落在 67 到 83 之間，約 95% 落在 59 到 91 之間，約 99.7% 落在 51 到 99 之間。

1σ 內佔 68%、2σ 內佔 95%、3σ 內佔 99.7%——把這組數字背起來，大多數常態分布題目你都能心算估出答案。

例題演練：求某數值以下的機率

讓我們用 μ = 75、σ = 8 來求出：隨機抽出一位班上學生，其分數低於 87 的機率。當你要求計算 P(X < 87) 時，常態分布曲線計算機執行的正是這一串運算。

例題演練：求兩數值之間的機率

現在假設我們要求 P(67 < X < 91)——也就是學生分數落在 67 到 91 之間的機率，同樣使用 μ = 75、σ = 8。要求兩數值之間的機率，需分別計算兩個 z 分數，各自查出累積機率，再用大的減去小的。

例題演練：由給定百分位數反推數值（反常態）

常態分布曲線計算機也可以反向運作：給定目標百分位數，求出對應的原始數值。這稱為反常態計算。假設一位老師想知道，要進入班上前 10% 至少需要考幾分，同樣使用 μ = 75、σ = 8。

使用常態分布曲線計算機時的常見錯誤

最常見的錯誤是把母體標準差和樣本標準差搞混——用錯其中一個，會讓每一個 z 分數都偏移，最終機率也跟著失準。第二個常見錯誤是查錯標準常態分布表的尾端：有些表格給的是 z 左側的面積，有些只給 0 到 z 之間的面積，混用兩者會讓答案差了 0.5。第三個錯誤是求兩數值之間的機率時忘了相減，導致重複計算或漏掉部分曲線面積。第四個錯誤是太早把 z 分數四捨五入——在需要精確度時，把 1.2816 提前捨去成 1.28 再繼續計算，最終答案可能偏差整整一分甚至更多。最後，學生有時會把常態分布套用在其實呈偏態或有界限的資料上（例如收入或計數資料），這樣不論算術做得多仔細，結果都會誤導人。

什麼時候該用常態分布，什麼時候該用其他模型？

當資料是連續、對稱且集中在單一中心值附近時，常態分布就是正確的工具——多虧中央極限定理，身高、考試分數、量測誤差以及許多自然現象都很符合這種模式。但它不適用於「試驗次數固定、每次只有兩種結果」的計數資料（應改用二項分布）、嚴格非負且常呈偏態的資料如等待時間（應改用指數分布或 gamma 分布），也不適用於母體標準差未知的小樣本（應改用 t 分布）。在把任何資料集丟進常態分布曲線計算機之前，最好先把資料畫成圖或檢查其偏態——鐘形曲線計算機面對偏態資料照樣會給你一個數字，但那個數字並不能準確描述現實。

練習題與解答

試著做做以下三道練習題，再對照下方的解答檢查你的答案。每一題都使用同樣的四步驟流程：求 z 分數、查出或套用累積機率、依需要換算，最後用經驗法則做合理性檢查。