پرش به محتوا

محاسبه‌گر امتیاز Z - ابزار امتیاز استاندارد و احتمال

محاسبه‌گر رایگان امتیاز Z، امتیازهای استاندارد و احتمال تجمعی را به سرعت محاسبه می‌کند. بفهمید که یک نقطه داده چند انحراف معیار از میانگین فاصله دارد.

نمره Z
2.0000
احتمال تجمعی
97.72%
منحنی توزیع نرمال نشان‌دهنده امتیاز z برابر با 2.00
منحنی توزیع نرمال نشان‌دهنده امتیاز z برابر با 2.0000.10.20.30.4چگالی احتمال-4-3-2-101234امتیاز Z
ماشین حساب بارگذاری...
📚

مستندات

نمرهٔ Z چیست؟

نمرهٔ Z که نمرهٔ استاندارد نیز نامیده می‌شود، نشان می‌دهد یک نقطهٔ داده چند انحراف معیار با میانگین مجموعه‌داده فاصله دارد. نمرهٔ Z برابر با ۰ یعنی مقدار با میانگین برابر است. نمرهٔ Z مثبت یعنی مقدار بالاتر از میانگین است و نمرهٔ Z منفی یعنی پایین‌تر از میانگین قرار دارد.

فرمول نمرهٔ Z

نمرهٔ Z یک نقطهٔ داده با فرمول زیر محاسبه می‌شود:

z=x−μσz = \frac{x - \mu}{\sigma}

که در آن:

  • zz نمرهٔ Z است
  • xx نقطهٔ داده است
  • μ\mu میانگین مجموعه‌داده است
  • σ\sigma انحراف معیار مجموعه‌داده است

انحراف معیار نمی‌تواند صفر باشد، زیرا تقسیم بر صفر نتیجهٔ تعریف‌شده‌ای ندارد. همچنین نمی‌تواند منفی باشد، چون انحراف معیار طبق تعریف همیشه صفر یا مثبت است.

چگونه نمرهٔ Z را محاسبه کنیم

  1. میانگین مجموعه‌داده را با جمع‌کردن همهٔ مقادیر و تقسیم حاصل بر تعداد مقادیر، nn، به دست آورید.
μ=∑i=1nxin\mu = \frac{\sum_{i=1}^{n} x_i}{n}
  1. انحراف معیار را به دست آورید. ابتدا واریانس، یعنی میانگین مربع اختلاف‌ها از میانگین، را محاسبه کنید و سپس جذر آن را بگیرید.
σ=∑i=1n(xi−μ)2n\sigma = \sqrt{\frac{\sum_{i=1}^{n} (x_i - \mu)^2}{n}}

این انحراف معیار جامعه است که بر nn تقسیم می‌کند. وقتی اعداد نمونه‌ای از یک گروه بزرگ‌تر باشند، به‌جای آن بر n−۱n - ۱ تقسیم کنید.

  1. میانگین را از نقطهٔ داده کم کنید و حاصل را بر انحراف معیار تقسیم کنید.
z=x−μσz = \frac{x - \mu}{\sigma}

مثال حل‌شده

نمرهٔ یک دانش‌آموز در آزمونی ۸۵ است. میانگین کلاس ۷۵ و انحراف معیار نمره‌های کلاس ۱۰ است.

  • نقطهٔ داده: x=85x = 85
  • میانگین: μ=75\mu = 75
  • انحراف معیار: σ=10\sigma = 10
z=85−7510=1.0z = \frac{85 - 75}{10} = 1.0

نمرهٔ Z دانش‌آموز ۱٫۰ است. نمرهٔ او یک انحراف معیار بالاتر از میانگین کلاس است.

نمرهٔ Z و احتمال تجمعی

می‌توان نمرهٔ Z را به احتمال تجمعی تبدیل کرد؛ یعنی احتمال اینکه مقداری که به‌طور تصادفی از یک توزیع نرمال انتخاب شده است، در آن نقطه یا پایین‌تر از آن قرار گیرد. این مقدار برابر با مساحت زیر منحنی نرمال استاندارد در سمت چپ zz است.

P(Z≤z)=Φ(z)P(Z \leq z) = \Phi(z)

برای نمرهٔ Z دانش‌آموز، یعنی ۱٫۰، احتمال تجمعی تقریباً ۰٫۸۴۱۳ یا ۸۴٫۱۳٪ است. یعنی با فرض نرمال‌بودن توزیع نمره‌ها، نمرهٔ دانش‌آموز از نمرهٔ تقریباً ۸۴٪ کلاس بهتر بوده است. ماشین‌حساب نمرهٔ Z را تا چهار رقم اعشار و احتمال تجمعی را به‌صورت درصد تا دو رقم اعشار نشان می‌دهد.

چند نقطهٔ مرجع:

نمرهٔ Zاحتمال تجمعی
-۲٫۰۲٫۳٪
-۱٫۰۱۵٫۹٪
۰٫۰۵۰٫۰٪
۱٫۰۸۴٫۱٪
۲٫۰۹۷٫۷٪

تفسیر نمرهٔ Z

بیشتر مقادیر در یک توزیع نرمال، در فاصلهٔ ۲ انحراف معیار از میانگین قرار دارند. نمره‌های Z فراتر از +۳ یا -۳ نادرند و اغلب به‌عنوان داده‌های پرت در نظر گرفته می‌شوند؛ یعنی مقادیری که تفاوت زیادی با بقیهٔ داده‌ها دارند.

نمره‌های Z امکان مقایسهٔ مقادیری را که در مقیاس‌های متفاوت اندازه‌گیری شده‌اند نیز فراهم می‌کنند. نمرهٔ یک آزمون و اندازه‌گیری قد را نمی‌توان مستقیماً با هم مقایسه کرد، اما نمره‌های Z آن‌ها قابل مقایسه‌اند، زیرا هر دو فاصله از یک میانگین را برحسب واحدهای یکسانِ انحراف معیار توصیف می‌کنند.

نمرهٔ Z در برابر نمرهٔ T

نمرهٔ Z فرض می‌کند انحراف معیار جامعه معلوم است و با نمونه‌های بزرگ عملکرد بهتری دارد. وقتی انحراف معیار جامعه نامعلوم باشد و نمونه کوچک باشد، معمولاً با کمتر از ۳۰ مشاهده، از نمرهٔ T استفاده می‌شود. هر دو فاصله از یک میانگین را توصیف می‌کنند، اما نمرهٔ T از توزیع T به دست می‌آید؛ این توزیع دنباله‌های سنگین‌تری دارد تا عدم‌قطعیت بیشتر در نمونهٔ کوچک را در نظر بگیرد.

کاربردهای رایج نمره‌های Z

  • آزمون‌های استانداردشده. مقایسهٔ نمرهٔ خام یک دانش‌آموز با توزیع کلی نمره‌ها.
  • شناسایی داده‌های پرت. علامت‌گذاری نقاط داده‌ای که در یک مجموعه‌داده فاصلهٔ زیادی از میانگین دارند.
  • کنترل کیفیت. بررسی اینکه آیا یک محصول تولیدشده در محدودهٔ قابل‌قبول قرار دارد یا نه.
  • آزمون فرضیه. آزمون‌های Z از نمره‌های Z استفاده می‌کنند تا مشخص شود آیا میانگین نمونه تفاوت معناداری با میانگین معلوم جامعه دارد یا نه.

تاریخچه

نمرهٔ Z بر پایهٔ توزیع نرمال است؛ توزیعی که آبراهام دو موآور آن را در ۱۷۳۳ توصیف کرد و کارل فریدریش گاوس و پیر-سیمون لاپلاس در اوایل قرن ۱۹ام آن را بیشتر توسعه دادند. استانداردسازی مقادیر برحسب واحدهای انحراف معیار در آزمون‌های روان‌شناختی و کنترل کیفیت طی قرن ۲۰ام به رویه‌ای رایج تبدیل شد.

پرسش‌های متداول

نمرهٔ Z در آمار چیست؟ نمرهٔ Z تعداد انحراف‌های معیار است که یک نقطهٔ داده از میانگین مجموعه‌دادهٔ خود فاصله دارد. این نمره با فرمول z = (x − μ) / σ به دست می‌آید.

نتیجهٔ نمرهٔ Z را چگونه تفسیر کنم؟ نمرهٔ Z برابر با ۰ یعنی مقدار با میانگین برابر است. مقدار مثبت بالاتر از میانگین و مقدار منفی پایین‌تر از آن است. مقادیر فراتر از +۳ یا -۳ غیرمعمول‌اند.

آیا نمرهٔ Z می‌تواند منفی باشد؟ بله. نمرهٔ Z منفی فقط یعنی نقطهٔ داده پایین‌تر از میانگین است. نمرهٔ Z برابر با -۲ یعنی مقدار ۲ انحراف معیار پایین‌تر از میانگین است.

تفاوت نمرهٔ Z و نمرهٔ T چیست؟ نمرهٔ Z زمانی استفاده می‌شود که نمونه بزرگ باشد و انحراف معیار جامعه معلوم باشد. نمرهٔ T برای نمونه‌های کوچک، معمولاً کمتر از ۳۰، زمانی به کار می‌رود که انحراف معیار جامعه معلوم نیست.

احتمال تجمعی برای نمرهٔ Z به چه معناست؟ احتمال تجمعی، احتمال آن است که مقداری که به‌طور تصادفی از یک توزیع نرمال انتخاب شده، کمتر از یا برابر با نمرهٔ Z داده‌شده باشد. این مقدار برابر با مساحت زیر منحنی نرمال در سمت چپ آن نقطه است.

اگر انحراف معیار صفر باشد چه اتفاقی می‌افتد؟ نمرهٔ Z تعریف‌نشده است، زیرا فرمول به تقسیم بر صفر نیاز دارد. انحراف معیار صفر یعنی همهٔ مقادیر مجموعه‌داده یکسان‌اند.

منابع

  1. نمرهٔ استاندارد، ویکی‌پدیا: https://en.wikipedia.org/wiki/Standard_score
  2. توزیع نرمال و نمره‌های Z، آکادمی خان: https://www.khanacademy.org/math/statistics-probability/modeling-distributions-of-data/z-scores/a/z-scores-review