排列組合與機率計算(十八)(文長8060字)(此處不熟 MathJax及表格用法，故文字敘述。)

我：

排列組合與機率計算(十八) Excel中NORM.DIST函數使用 。成績低，題太難；應簡化。壞品多，查機器。風險高，慎投資。血壓異，需關注。高消費，促銷誘。

一、教育領域：學生考試成績分佈

🙋實際意義：教師可據此調整題目難易度，若高分人數過少，可能需降低考試難度🤗。未學統計前(情感分析)：分數這麼低，連我也開始懷疑自己。學了統計後(科學分析)：若高分者稀少，代表出題過難，應顧及學生學習公平。學了統計後(科學分析)：老師宜依成績調整題目難度，促進有效教學。

二、生產管理：產品質量控制

🤷預期不良品數量：10,000×0.0456=456 顆10,000×0.0456=456顆🙋實際意義：若不良率超過5%，工廠需檢查機器精度或調整製程參數🤗。未學統計前(情感分析)：看著一堆壞品，只覺得浪費可惜。學了統計後(科學分析)：品質不穩，影響客戶信任與公司聲譽。學了統計後(科學分析)：壞品達四百，應即檢查機械是否失誤。

三、金融投資：股票報酬率風險評估

🙋實際意義：投資人可根據風險承受度（如虧損機率）決定是否投資🤗。未學統計前(情感分析)：虧損的風險太大，令人卻步。學了統計後(科學分析)：盲目投資非負責態度，應以審慎為本。學了統計後(科學分析)：若風險過高，應暫緩投資，靜觀其變。

四、醫療領域：血壓正常範圍評估

🙋實際意義：醫療機構可據此制定健康標準，例如關注血壓低於60或高於100的族群🤗。

未學統計前(情感分析)：脈象異常讓人不安。學了統計後(科學分析)：醫者責在察微病於早期，勿輕忽症兆。學了統計後(科學分析)：血壓若低於六十或高於百，當即詳診原因。

五、零售業：顧客消費金額預測

🙋實際意義：商店可針對高消費客群（>700元）設計促銷活動🤗。未學統計前(情感分析)：顧客買得多，讓人期待再訪。學了統計後(科學分析)：顧客價值應被尊重，而非僅視為利潤來源。學了統計後(科學分析)：若單筆消費超七百，可推優惠強化回購。

常態分佈Excele使用函數'=NORM.DIST(x,0,1,cumulative =1or0)。

§  如果 mean = 0，standard_dev = 1，且 cumulative = TRUE，則 NORM.DIST 會傳回標準常態分配 NORM.S.DIST。§  常態密度函數的方程式 (cumulative = 0) 為：F(χ; μ, σ) = [ 1 / (σ (2 π)^1/2) ] exp{ -1[(χ-μ)^2] / 2σ^2}：常態分布期間的機率質量函數(C=0)恰好等於x。§  當 cumulative = 1 時，公式即為從－∞無限大的負數到給定公式 x 的整數。

評估x的機率分布面積，數軸左半負值是0.5，數值右半正值是0.5。

當x-μ/σ=Z為負值，以Z=-2=0.0228。機率分布面積最左側僅有一小段1σ表示在x以下是0.0228的機率。當x-μ/σ=Z為負值，以Z=-2=0.0228。表示在x以上是機率分布面積右側3σ+2σ=1-0.0228=0.9772的機率。

當x-μ/σ=Z為正值，以Z=+2=0.9772。機率分布面積最右側僅有一小段1σ表示在x以上是1-(0.9772)=0.0228的機率。

當x-μ/σ=Z為正值，以Z=+2=0.9772。表示在x以下是機率分布面積左側3σ+2σ=0.9772的機率。

評估介於兩個x之間的機率分布面積

整個曲線面積1減去x右側以上，x左側以下面積。

評估不介於兩個x之間的機率分布面積

x右側以上面積加上x左側以下面積。​

平均智商=110，標準差=10。評估x=123時，從－∞到z涵蓋90.23%機率，從＋∞到z涵蓋9.68%機率。

平均智商=110，標準差=10。

=NORM.DIST(x,0,1,1or0)

Z

1-x

給予評估數值(x)

123

1.3

9.68%

給予(母平均值)μ=0

110

　　給予(母標準差)σ=1

10

　　常態分布期間的累加分配函數(C=1)

0.903200

從－∞到z涵蓋90.23%

從＋∞到z涵蓋9.68%

常態分布期間的機率質量函數(C=0)恰好等於x

0.017137

平均智商=110，標準差=10。評估x=？時。

x

x-μ/σ=Z

=NORM.DIST(x,110,10,1)

x(ε是 Ф(u) - ∞ 到 x時，ε的機率值)

1-x

=NORM.DIST(x,110,10,0)

86

-2.4

0.0082

0.82%

99.18%

0.0022

89

-2.1

0.0179

1.79%

98.21%

0.0044

92

-1.8

0.0359

3.59%

96.41%

0.0079

95

-1.5

0.0668

6.68%

93.32%

0.0130

98

-1.2

0.1151

11.51%

88.49%

0.0194

101

-0.9

0.1841

18.41%

81.59%

0.0266

104

-0.6

0.2743

27.43%

72.57%

0.0333

107

-0.3

0.3821

38.21%

61.79%

0.0381

110

0

0.5000

50.00%

50.00%

0.0399

113

0.3

0.6179

61.79%

38.21%

0.0381

116

0.6

0.7257

72.57%

27.43%

0.0333

119

0.9

0.8159

81.59%

18.41%

0.0266

122

1.2

0.8849

88.49%

11.51%

0.0194

125

1.5

0.9332

93.32%

6.68%

0.0130

128

1.8

0.9641

96.41%

3.59%

0.0079

131

2.1

0.9821

98.21%

1.79%

0.0044

134

2.4

0.9918

99.18%

0.82%

0.0022

Deepseek：

Excel中NORM.DIST函數使用詳解

嗯，好，我先來看看這位使用者提供的資料，內容是關於 Excel 裡 NORM.DIST 這個函數的用法，還有一些跟「常態分布」有關的例子。

看起來，他可能是在學怎麼用這個函數來算機率，像是智商評估這類的東西。

他舉了一個例子：

x 是 123，平均值是 110，標準差是 10，他想知道這樣的累積機率是多少，還問對應的 Z 值和左右兩邊的機率。

我們來算算：Z 值就是 (123 - 110) ÷ 10 = 1.3。

這時候累積機率（用 NORM.DIST 函數）就是 Z = 1.3 時的值，差不多是 0.9032，也就是有 90.32% 的人智商比 123 低。

那右邊剩下的機率就是 1 - 0.9032 = 0.0968，換句話說，有 9.68% 的人智商比 123 高。這樣的算式是對的，因為查表 Z=1.3 對應的確實是 0.9032。

接著，他還列了一張表格，裡面放了好幾個 x 值，對應的 Z 值、累積機率、剩下的機率（也就是 1-累積機率）和機率密度（PDF）的值。

比方說：x = 86，Z 值就是 (86-110) ÷ 10 = -2.4。累積機率是 0.0082，也就是只有 0.82% 的人智商比 86 更低；右邊的機率就是 99.18%。

再來看看機率密度的值，他說是 0.0022，我們也來驗算一下。PDF 的公式其實是：

(1 ÷ (σ × √2π)) × exp(-((x - μ)² ÷ 2σ²))

代進去：σ 是 10，x - μ 是 -24，算出來的確差不多是 0.0022，這也沒錯。

從這些例子看起來，這位使用者的計算基本上是對的。他應該是想確認自己有沒有正確使用 NORM.DIST，也可能想知道怎麼用這些結果來解釋實際問題。

他還提到：當 Z 是負的時候，比如 Z = -2，累積機率就是 0.0228，意思是只有 2.28% 的數值比它小。那比它大的就是 1 - 0.0228 = 0.9772，也就是 97.72%。這也正確；Z = 2 的時候剛好反過來。

如果想知道兩個 x 值之間的機率，他提到可以用「大的累積機率 - 小的累積機率」來算。這想法也沒錯。

例如，如果想知道 IQ 在 90 到 120 之間有多少人，就用：

NORM.DIST(120,110,10,TRUE) - NORM.DIST(90,110,10,TRUE)

這樣就能算出落在這段範圍裡的比例。

他還舉了一個例子：

x = 122，Z = 1.2，累積機率是 0.8849，意思就是有 88.49% 的人智商比 122 低。那另外 11.51% 就是比這個高的。

而 PDF 的值是 0.0194，代表這個點附近的密度，不是實際機率，因為在連續分布裡，一個點的機率是零。

使用者也想知道：如果已經知道某個機率，能不能反推回對應的 x 值？可以，這就要用 NORM.INV 函數。舉個例子：

NORM.INV(0.95,110,10)

這意思是：找到累積機率是 0.95 的 x 值，大概是 110 + 10×1.6449 = 126.45。所以，智商大約 126.45 就代表前 5% 的人。

他最後還提到一些數值的檢查，比如 x = 101，Z = -0.9，累積機率是 0.1841。這也是對的，查表就可以確認。

以下是關於使用Excel的NORM.DIST函數及常態分佈的詳細解析：

一、NORM.DIST函數基礎

1. 語法
   =NORM.DIST(x, μ, σ, cumulative)
2. • x：要評估的數值。
   • μ：平均值（均值）。
   • σ：標準差（需大於0）。
   • cumulative：1 (TRUE)：計算從負無窮到x的累積機率（CDF）。0 (FALSE)：計算x點的概率密度（PDF）。
2. 標準常態分佈特例
   若 μ=0, σ=1，且 cumulative=TRUE，則 NORM.DIST(x,0,1,1) 等效於 NORM.S.DIST(x,1)。

二、關鍵公式與應用

1. Z值計算

標準化公式：

Z=(x−μ) / σ​

• 範例：當智商平均值 μ=110，標準差 σ=10，x=123時：

Z=(123−110) / 10=1.3

2. 累積分佈函數（CDF）

• 公式：

P(X≤x)=NORM.DIST(x,μ,σ,1)

• 解讀：
• • 當Z=1.3時，CDF值為0.9032，表示90.32%的機率分佈在x≤123（左側）。
  • 右側機率：1 - 0.9032 = 0.0968（即9.68%）。

3. 概率密度函數（PDF）

• 公式：

f(x)=(1/σ√2π)．e^−[(x−μ)^2]/(2σ^2)​

• 範例：x=123時，PDF值為0.0171，表示該點的相對可能性密度（非實際機率）。

三、數值驗證與表格解析

以下驗證用戶提供的智商分佈表格（節選）：

xZ值CDF（累積機率）左側機率右側機率PDF（密度）

86

-2.4

0.0082

0.82%

99.18%

0.0022

110

0

0.5000

50.00%

50.00%

0.0399

123

1.3

0.9032

90.32%

9.68%

0.0171

• 驗證範例（x=86）：
• • Z = (86-110)/10 = -2.4
  • CDF：查標準常態表，Φ(-2.4)=0.0082（正確）。
  • PDF計算：f(x)=(1/σ√2π)．e^−[(x−μ)^2]/(2σ^2)

f(86)=(1/10√2π)．E^−[(−24)^2]/(2×10^2)≈0.0022

四、區間機率計算

1. 介於x₁與x₂之間的機率：

P(x1<X<x2)=CDF(x2)−CDF(x1)

• 範例：計算智商介於90到120的機率：

NORM.DIST(120,110,10,1)−NORM.DIST(90,110,10,1)≈0.8849−0.0082=0.8767 (87.67%)

1. 不介於x₁與x₂之間的機率：

P(X<x1 或 X>x2)=CDF(x1)+(1−CDF(x2))

五、反向查找：從機率求x值

使用 NORM.INV(probability, μ, σ)：

• 範例：求智商前10%對應的x值：

NORM.INV(0.9,110,10)≈122.8

六、總結

1. CDF 用於計算「小於等於x」的累積機率。
2. PDF 表示特定點的密度，非實際機率。
3. Z值標準化 便於查表或跨不同分佈比較。
4. 區間機率需用CDF差值計算。

透過以上步驟，可系統性應用Excel函數分析常態分佈問題。

實際於日常生活中舉例：

一、教育領域：學生考試成績分佈

情境

某次考試平均分數為 75分，標準差為 10分，共 1000名學生。學生分數分佈假設服從常態分佈，

問題：

分數高於90分的學生有多少人？

分數介於60分到80分的學生佔比多少？

Excel操作步驟

1. 計算分數高於90分的人數：

• Z值：Z=90−75/10=1.5
• 右側機率：=1-NORM.DIST(90,75,10,1) → 0.0668（6.68%）
• 人數：1000×0.0668≈67人

1. 分數介於60到80分的佔比：
2. • 計算CDF：=NORM.DIST(80,75,10,1) → 0.6915=NORM.DIST(60,75,10,1) → 0.0668

• 區間機率：0.6915−0.0668=0.6247 (62.47%)
• 人數：1000×0.6247≈625人

🙋實際意義：

教師可據此調整題目難易度，若高分人數過少，可能需降低考試難度🤗。

未學統計前(情感分析)：分數這麼低，連我也開始懷疑自己。學了統計後(科學分析)：若高分者稀少，代表出題過難，應顧及學生學習公平。學了統計後(科學分析)：老師宜依成績調整題目難度，促進有效教學。

二、生產管理：產品質量控制

情境

某工廠生產螺絲，長度分佈假設服從常態分佈，平均 50mm，標準差 0.5mm。

規格要求：長度需在 49mm~51mm 之間，否則視為不良品。

問題：

產品的不良率是多少？

若每日生產10,000顆螺絲，預期不良品數量？

Excel操作步驟

1. 計算不良率：
2. • 左側不良（<49mm）機率：=NORM.DIST(49,50,0.5,1) → 0.0228（2.28%）
   • 右側不良（>51mm）機率：=1 - NORM.DIST(51,50,0.5,1) → 0.0228（2.28%）

• 總不良率：2.28%+2.28%=4.56%

🤷預期不良品數量：

10,000×0.0456=456 顆10,000×0.0456=456顆

🙋實際意義：

若不良率超過5%，工廠需檢查機器精度或調整製程參數🤗。

未學統計前(情感分析)：看著一堆壞品，只覺得浪費可惜。學了統計後(科學分析)：品質不穩，影響客戶信任與公司聲譽。學了統計後(科學分析)：壞品達四百，應即檢查機械是否失誤。

三、金融投資：股票報酬率風險評估

情境

某股票年化報酬率分佈假設服從常態分佈，平均 8%，標準差 15%。問題：

1.投資虧損（報酬率<0%）的機率是多少？

2.報酬率超過20%的機率？

Excel操作步驟

1.虧損機率：=NORM.DIST(0,8,15,1) → 0.2981（29.81%）

2.報酬率超過20%的機率：=1 - NORM.DIST(20,8,15,1) → 0.2119（21.19%）

🙋實際意義：

投資人可根據風險承受度（如虧損機率）決定是否投資🤗。

未學統計前(情感分析)：虧損的風險太大，令人卻步。學了統計後(科學分析)：盲目投資非負責態度，應以審慎為本。學了統計後(科學分析)：若風險過高，應暫緩投資，靜觀其變。

四、醫療領域：血壓正常範圍評估

情境

成年人舒張壓平均值為 80 mmHg，標準差 10 mmHg，假設成年人血壓分佈服從常態分佈。問題：

1.血壓低於60 mmHg（低血壓）的比例？

2.血壓介於70~90 mmHg的比例？

Excel操作步驟

1.低血壓比例：=NORM.DIST(60,80,10,1) → 0.0228（2.28%）

2.正常範圍比例：

o=NORM.DIST(90,80,10,1) → 0.8413

o=NORM.DIST(70,80,10,1) → 0.1587

o區間比例：0.8413−0.1587=0.6826 (68.26%)

🙋實際意義：

醫療機構可據此制定健康標準，例如關注血壓低於60或高於100的族群🤗。

未學統計前(情感分析)：脈象異常讓人不安。學了統計後(科學分析)：醫者責在察微病於早期，勿輕忽症兆。學了統計後(科學分析)：血壓若低於六十或高於百，當即詳診原因。

五、零售業：顧客消費金額預測

情境

某商店顧客單筆消費金額平均 500元，標準差 100元。問題：

1.單筆消費超過700元的顧客佔比？

2.若今日有200名顧客，預期多少人的消費介於400~600元？

Excel操作步驟

1.消費超過700元的機率：=1 - NORM.DIST(700,500,100,1) → 0.0228（2.28%）

2.消費介於400~600元的機率：

o=NORM.DIST(600,500,100,1) → 0.8413

o=NORM.DIST(400,500,100,1) → 0.1587

o區間機率：0.8413−0.1587=0.6826 (68.26%)

o人數：200×0.6826≈137人

🙋實際意義：

商店可針對高消費客群（>700元）設計促銷活動🤗。

未學統計前(情感分析)：顧客買得多，讓人期待再訪。學了統計後(科學分析)：顧客價值應被尊重，而非僅視為利潤來源。學了統計後(科學分析)：若單筆消費超七百，可推優惠強化回購。

六、Excel操作通用技巧

1.反向查詢（從機率求x值）：

o使用 =NORM.INV(probability,μ,σ)

o範例：找出前5%高消費金額的門檻：=NORM.INV(0.95,500,100) → 664.5元

2.快速驗證Z值與機率對應：

o標準常態分佈可直接用 =NORM.S.DIST(Z,1) 查CDF值。

七、注意事項

1.數據需服從常態分佈：實際應用前，建議先以直方圖或統計檢定（如Shapiro-Wilk）驗證。

2.極端值影響：若數據有明顯偏態或離群值，需改用其他分佈（如對數常態分佈）。

3.業務解讀：統計結果需結合領域知識判斷，例如教育考試的高分門檻是否合理。

透過上述案例，可將抽象的統計理論轉化為實際決策工具，提升工作效率與精準度！