使用方法（3步）
- Pick a mode: from mean & SD, from a score list / frequency table, or reverse from a target percentile/deviation score.
- 输入您的分数或粘贴数据。如果您使用经验数据，请选择 SD 类型（总体/样本）和平局处理。
- 结果自动更新：偏差分数、百分位数、最高百分比和提供队列大小时的估计排名。复制要共享的结果或 URL。
数字仅在您的浏览器中处理。接受小数和负值。
快速预设
输入
结果会在您键入时自动更新。百分位数基于模式 A/C 中的正态近似和模式 B 中的经验计数。
偏差分数 & percentile
--
低于该分数的人数
—
同分人数
—
高于该分数的人数
—
偏差分数
—
百分位排名
—
最高百分比
—
z 分数
—
预计排名
—
所需分数
—
数据计数
—
平均值
—
标准差
—
最小/最大
— · —
正态近似
—
A/C的百分位假设正态分布。标准化本身不需要正态分布假设。
计算方法
- z = (x − μ) / σ; T = 50 + 10z. T分数的均值为50、标准差为10。允许0–100以外的值；它不是Student t检验统计量。
- A/C的百分位假设正态分布。标准化本身不需要正态分布假设。 Φ(z) × 100; Φ(−z) × 100.
- 下侧比例包含低分人数及所选比例的同分人数，上侧比例为其余部分。只有“低于或等于”方式才会从上侧完全排除同分。
- 百分位和前百分比必须大于0且小于100。 x = μ + σz; z = Φ⁻¹(p), −Φ⁻¹(p).
- 估计排名（正态模型）: min(N, max(1, floor(Φ(−z) × N) + 1)).
常问问题
我应该使用总体标准差还是样本标准差？
若数据为全体样本，优先用总体标准差；样本估计时可选择样本标准差以减少偏差。
百分位排名: 低于＋一半同分
下侧比例包含低分人数及所选比例的同分人数，上侧比例为其余部分。只有“低于或等于”方式才会从上侧完全排除同分。
可以从百分位数反算目标分数吗？
支持。输入分布信息与目标百分位，即可反推理论分数值范围。
结果是否本地计算？
计算在浏览器内进行。A/C链接包含输入的数值。新的B链接不含数据，打开时为空白表单；结果可单独复制为文本。旧链接仍在网址中包含数据，并在首次请求页面时发送。
数据量越大是否越慢？
正常范围内性能稳定；若一次粘贴数据过长，可先合并筛选再计算以减少视图渲染负担。
评论
仅在需要时加载评论。