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
--
偏差分数
—
百分位数（分数 ≤ x）
—
最高百分比
—
z 分数
—
预计排名
—
所需分数
—
数据计数
—
意思是
—
标准差
—
最小/最大
— · —
正态近似
—
百分位显示为分数 ≤ x。前 % = 100 − 百分位数。
计算方法
- z 分数：z =（分数 - 平均值）/SD。偏差分数（T 分数/hensachi）= 50 + 10 × z。
- 百分位（正态近似）：Φ(z) × 100。Φ 使用基于 erf 的近似，并带有 |error| ≤ 1e-6。
- 经验百分位数（数据模式）：选择平局处理 - 最小值（低于/N）、中位（（低于 + 0.5×平局）/N）、最大（（低于 + 平局）/N）。
- 目标→分数：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，剪裁为 1..N。
常问问题
我应该使用总体标准差还是样本标准差？
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 至少需要两个数据点。
如何处理百分位中的关系？
选择最小值（严格低于）、中位（低于 + 平局的一半）或最大值（等于或低于）。中排名很常见并且默认显示。
为什么我不能输入 0% 或 100% 作为目标百分位数？
0% 和 100% 需要正态分布中的无限 z 分数。使用略高于 0 或低于 100 的值（例如 0.1% 或 99.9%）。
我的分数列表会发送到服务器吗？
不需要。计算在您的浏览器中运行。仅当您想要共享当前输入时才使用“复制 URL”按钮。
Ad
评论
仅在需要时加载评论。