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.
- 輸入您的分數或粘贴資料。如果您使用经验資料，请選擇 SD 类型（总体/样本）和平局处理。
- 结果自动更新：偏差分數、百分位数、最高百分比和提供队列大小时的估计排名。複制要共享的结果或 URL。
数字僅在您的浏览器中处理。接受小数和负值。
快速预设
輸入
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。
偏差分數 & percentile
--
偏差分數
—
百分位数（分數 ≤ x）
—
最高百分比
—
z 分數
—
预计排名
—
所需分數
—
資料计数
—
意思是
—
標準差
—
最小/最大
— · —
正态近似
—
百分位顯示為分數 ≤ x。前 % = 100 − 百分位数。
计算方法
- z 分數：z =（分數 - 平均值）/SD。偏差分數（T 分數/hensachi）= 50 + 10 × z。
- 百分位（正态近似）：Φ(z) × 100。Φ 使用基于 erf 的近似，並带有 |error| ≤ 1e-6。
- 经验百分位数（資料模式）：選擇平局处理 - 最小值（低于/N）、中位（（低于 + 0.5×平局）/N）、最大（（低于 + 平局）/N）。
- 目標→分數：百分位数使用逆标准正态CDF，在z ∈ [−10, 10]中搜索； 0 和 100 被剪掉。
- 估计排名（可选）：floor((1 − 百分位数/100) × N) + 1，剪裁為 1..N。
常问问题
我应该使用总体標準差还是样本標準差？
当您拥有整个队列时，请使用总体 SD。当您的列表是来自较大群体的样本时，请使用样本 SD；样本 SD 至少需要两个資料点。
如何处理百分位中的关系？
選擇最小值（严格低于）、中位（低于 + 平局的一半）或最大值（等于或低于）。中排名很常见並且默认顯示。
為什么我不能輸入 0% 或 100% 作為目標百分位数？
0% 和 100% 需要正态分布中的無限 z 分數。使用略高于 0 或低于 100 的值（例如 0.1% 或 99.9%）。
我的分數列表会发送到服务器吗？
不需要。计算在您的浏览器中运行。僅当您想要共享当前輸入时才使用“複制 URL”按钮。
常見問題
第一次使用應該先做甚麼？
先填必填欄位並執行一次，取得基準結果。首次建議保留預設值，方便之後比較。
為何與其他工具結果不同？
常見原因是單位、期間、取整規則或前提不同。比較前請先統一設定。
頁面結果有多可靠？
計算通常在瀏覽器本地完成，為了易讀可能會顯示取整值。適合學習與試算；重要決策請再用權威來源覆核。
可否分享並重現這個結果？
可以。分享連結時請同時記錄輸入條件。「基準案例 + 修改案例」最容易重現。
我的輸入資料會上傳到伺服器嗎？
一般不會。常規計算在本地瀏覽器執行。只有你主動分享含參數連結時，參數才會出現在 URL。
Ad
评论
僅在需要时加载评论。