Calculatrice CDF normale
Quand x égale la moyenne, comme 0 pour la loi normale centrée réduite, la probabilité cumulée vaut 0,5 : la moitié de la courbe est à sa gauche. Avec x, la moyenne et l'écart type, vous obtenez Φ, le pourcentage et la queue droite. Gratuit dans votre navigateur.
- Gratuit
- Fonctionne dans votre navigateur
- Sans inscription
- Vos données restent sur votre appareil
Lancer gratuitement
Exemple résolu
- X
- 0
- Moyenne
- 0
- Std
- 1
- Z
- 0
- Cdf
- 0,5
- Pourcentage
- 50
- Survie
- 0,5
La fonction de répartition normale répond à une question qui revient dans chaque cours de statistique et dans de nombreux pipelines de production : pour une valeur x issue d'une gaussienne de moyenne et d'écart-type connus, quelle fraction de la distribution se situe à ou en dessous de cette valeur ? La réponse s'écrit Φ(z) après standardisation de l'observation en score z, et c'est le même nombre que l'on lit dans les tables normales imprimées pour noter des examens, dimensionner des expériences A/B ou fixer des limites de contrôle de processus. Ce calculateur prend un x fini, une moyenne μ et un écart-type σ strictement positif, forme z égal à x moins μ sur σ, et renvoie la probabilité cumulée, sa forme en pourcentage et la queue supérieure complémentaire. Un σ non positif échoue avec une erreur de validation claire car une échelle nulle ou négative ne définit pas une loi normale.
Comment la CDF normale est calculée à partir de x, de la moyenne et de σ
Partez d'une observation brute x et d'une loi normale de référence N(μ, σ²). Soustrayez la moyenne de l'observation et divisez par l'écart-type pour obtenir le score standardisé z égal à (x moins μ) divisé par σ. Ce seul nombre place x sur l'échelle unitaire où la moyenne est zéro et la dispersion est un, exactement l'échelle de toute table normale standard.
La probabilité cumulée est alors l'aire sous la densité normale standard de moins l'infini jusqu'à z, écrite Φ(z) ou P(Z ≤ z). Algébriquement cela égale un demi multiplié par un plus la fonction d'erreur de z sur la racine carrée de deux, car l'intégrale gaussienne est la même fonction spéciale que dans les équations de diffusion et de la chaleur.
Cette capacité évalue cette expression avec une approximation rationnelle classique d'Abramowitz et Stegun de la fonction d'erreur, précise à environ une partie pour dix millions pour des entrées flottantes ordinaires—largement suffisante pour les exercices de manuel, les bilans de scores et les seuils d'ingénierie. Les queues extrêmes avec |z| au moins huit sont ramenées à zéro ou un pour que le sous-dépassement ne laisse jamais une valeur légèrement hors de l'intervalle unitaire.
Le cas particulier d'un écart-type non positif est rejeté : lorsque σ est nul ou négatif il n'y a pas de densité normale propre, et la probabilité cumulée est indéfinie plutôt qu'un nombre que vous pourriez stocker ou noter en toute sécurité.
Contrat d'entrée, forme de la réponse et comportement d'erreur
Un écart-type nul ou négatif échoue avec un message indiquant que la CDF normale est indéfinie lorsque σ n'est pas strictement positif ; ces échecs de validation ne sont pas facturés.
En cas de succès le corps renvoie x, mean et std nettoyés, z comme score standardisé, cdf comme probabilité cumulée dans l'intervalle unitaire fermé, percent comme cdf multiplié par cent pour un affichage de type table, survival comme un moins cdf pour la queue supérieure complémentaire P(X supérieur à x), et une chaîne de formule rappelant Φ(z) égal à P(X ≤ x) avec z égal à (x − μ) sur σ.
Les contrôles classiques incluent la normale standard en x égal à zéro, qui donne cdf égal à un demi, et la valeur critique bilatérale près de un point neuf six sous moyenne zéro et σ unitaire, qui donne une probabilité cumulée près de zéro point neuf sept cinq. Branchez le formulaire gratuit du navigateur pour les devoirs et les contrôles rapides, puis appelez le même contrat depuis des scripts pour une évaluation en masse de notes de coupure ou de limites de processus.
Où un calculateur de CDF normale intervient dans le travail réel
La psychométrie et les admissions projettent des scores bruts en rangs cumulés lorsque les formes partagent une moyenne et un sigma publiés. Le contrôle qualité et le suivi de processus convertissent des seuils de capteurs en probabilités cumulées face à une moyenne et un sigma de processus afin d'aligner les limites d'ingénierie sur une masse de queue connue plutôt que sur des coupures brutes ad hoc.
L'analytique produit et les outils A/B ont souvent besoin de l'aire normale unilatérale ou bilatérale pour des croquis de puissance et des contrôles de valeur critique avant des simulations plus lourdes. La finance et le risque expriment de simples seuils de résidus ou de rendements comme probabilités cumulées sous un modèle normal de travail pour des synthèses de stress.
Si vous avez ensuite besoin de la CDF inverse (quantile ou probit), d'un simple z-score sans probabilité, de CDF de Student ou du chi-deux, ou de statistiques descriptives complètes pour chaque colonne CSV, traitez-les comme des intentions de recherche et des pages distinctes plutôt que de surcharger cette page de calculateur de CDF de la loi normale.
Cas d’usage
Convertir des notes d'examen en rang cumulé
Avec la moyenne et l'écart-type du test, transformez un score brut en probabilité cumulée normale et en rang en pourcentage pour le reporting ou la notation.
Vérifier valeurs critiques et masse de queue
Évaluez Φ(1.96) ou d'autres coupures de z sous une moyenne et un σ choisis lors de la conception de tests bilatéraux ou de seuils A/B simples.
Relier limites de processus et probabilité
Exprimez un seuil de capteur ou de processus comme P(X ≤ x) sous une moyenne de processus connue et un sigma positif pour cartes de contrôle et revues qualité.
Questions fréquentes
Quelle est la formule de la CDF normale ?
Standardisez avec z = (x − μ) / σ, puis Φ(z) = P(X ≤ x) = ½ (1 + erf(z / √2)). Le résultat est l'aire sous la courbe normale de −∞ à x.
Que se passe-t-il si l'écart-type est nul ou négatif ?
Une loi normale exige σ > 0 ; lorsque l'échelle n'est pas positive la probabilité cumulée est indéfinie.
En quoi cela diffère-t-il d'un calculateur de score z ?
Un score z indique seulement à combien d'écarts-types x se situe de la moyenne. Ce calculateur va plus loin et renvoie la probabilité cumulée Φ(z) ainsi que les valeurs percent et survival associées.
Puis-je utiliser la normale standard (moyenne 0, σ = 1) ?
Oui. Fixez mean à 0 et std à 1, puis envoyez tout x fini.
Quel est le coût ?
L'outil navigateur est gratuit et s'exécute en local.
Outils associés
Pour les développeurs — accès API
Tout sur cette page est disponible par programmation. Cette section s'adresse aux équipes qui veulent l'intégrer à leurs systèmes ; les autres peuvent simplement utiliser l'outil ci-dessus.
Endpoint
Authentification par jeton Bearer : un seul POST met la tâche en file d’attente, et le résultat vous parvient par webhook ou lien signé.
Appeler depuis votre stack
curl -X POST https://api.kit.forhosting.com/stat/normal-cdf \
-H "Authorization: Bearer $KIT_KEY" \
-H "Content-Type: application/json" \
-d '{"x":1.96,"mean":0,"std":1}'const res = await fetch("https://api.kit.forhosting.com/stat/normal-cdf", {
method: "POST",
headers: {
"Authorization": `Bearer ${process.env.KIT_KEY}`,
"Content-Type": "application/json"
},
body: JSON.stringify({
"x": 1.96,
"mean": 0,
"std": 1
})
});
const { task_id } = await res.json();import os, requests
res = requests.post(
"https://api.kit.forhosting.com/stat/normal-cdf",
headers={"Authorization": f"Bearer {os.environ['KIT_KEY']}"},
json={
"x": 1.96,
"mean": 0,
"std": 1
},
)
task_id = res.json()["task_id"]<?php
$res = file_get_contents("https://api.kit.forhosting.com/stat/normal-cdf", false, stream_context_create([
"http" => [
"method" => "POST",
"header" => "Authorization: Bearer " . getenv("KIT_KEY") . "\r\nContent-Type: application/json",
"content" => '{"x":1.96,"mean":0,"std":1}',
],
]));
$task = json_decode($res, true);body := bytes.NewBufferString(`{"x":1.96,"mean":0,"std":1}`)
req, _ := http.NewRequest("POST", "https://api.kit.forhosting.com/stat/normal-cdf", body)
req.Header.Set("Authorization", "Bearer "+os.Getenv("KIT_KEY"))
req.Header.Set("Content-Type", "application/json")
res, _ := http.DefaultClient.Do(req)Exemple de requête
{
"x": 1.96,
"mean": 0,
"std": 1
}Exemple de réponse
{
"task_id": "tsk_a1b2c3d4e5f6a1b2c3d4e5f6",
"type": "stat.normal_cdf",
"status": "queued",
"_links": {
"result": "/tasks/tsk_…/result"
}
}L’API est asynchrone : chaque appel renvoie un task_id immédiatement, puis vous interrogez l’état à raison d’une requête par seconde.
Tarifs
Le prix est publié, sans tokens ni crédits. Une tâche qui échoue n’est pas facturée.
Erreurs
| HTTP | Code | Signification |
|---|---|---|
401 | unauthorized | Clé API absente ou invalide : vérifiez l’en-tête Authorization. |
402 | insufficient_balance | Solde insuffisant : rechargez votre compte pour lancer cette tâche. |
404 | unknown_type | Type de tâche inconnu : vérifiez le champ type de votre requête. |
429 | rate_limited | Trop de requêtes : ralentissez la cadence, puis réessayez. |
Notes techniques
Comment la CDF normale est calculée à partir de x, de la moyenne et de σ
Chaque étape est une arithmétique flottante déterministe, sans graines aléatoires, sans horodatage d'horloge et sans appels réseau, de sorte que des entrées identiques produisent toujours le même JSON.
Contrat d'entrée, forme de la réponse et comportement d'erreur
Envoyez un corps JSON avec trois nombres finis obligatoires : x, l'observation ; mean, le centre μ de la loi normale ; et std, l'écart-type positif σ. Le champ std accepte aussi les alias sd, standard_deviation et sigma afin que le vocabulaire de classe et celui de l'API fonctionnent sans imposer une seule clé. Champs manquants, chaînes vides, jetons non numériques, NaN et Infinity échouent avec invalid_input en nommant le champ. Le tarif des appels API réussis est la base publiée de $0.002 par élément ; les échecs de validation ne consomment pas le solde prépayé.
Où un calculateur de CDF normale intervient dans le travail réel
Les cours de statistique du secondaire et de l'université assignent sans relâche des questions de règle empirique, des lectures de tables pour z égal à un, deux ou trois, et la conversion de notes d'examen en rangs percentiles sous une courbe normale supposée ; un oracle de confiance unique qui renvoie du JSON propre accélère la notation et la préparation de démonstrations. Comme cette capacité est un moteur parse pur, le prix de l'API est la base publiée de $0.002 par élément réussi et l'échec de validation ne consomme pas le solde.