Z-점수 계산기 - 표준 점수 및 확률 도구

Z-점수란?

z-점수는 표준 점수라고도 하며, 데이터 점수가 데이터셋의 평균에서 표준편차 몇 개만큼 떨어져 있는지를 나타냅니다. z-점수가 0이면 그 값은 평균과 같습니다. 양의 z-점수는 값이 평균보다 높다는 뜻이고, 음의 z-점수는 평균보다 낮다는 뜻입니다.

Z-점수 공식

데이터 점수의 z-점수는 다음 공식으로 계산합니다.

$$z = \frac{x - \mu}{\sigma}$$

각 기호의 의미:

• $z$는 z-점수입니다
• $x$는 데이터 점수입니다
• $\mu$는 데이터셋의 평균입니다
• $\sigma$는 데이터셋의 표준편차입니다

표준편차는 0일 수 없습니다. 0으로 나누기는 정의되지 않기 때문입니다. 또한 표준편차는 정의상 항상 0 이상이므로 음수가 될 수도 없습니다.

Z-점수 계산 방법

1. 모든 값을 더한 뒤 값의 개수인 $n$으로 나누어 데이터셋의 평균을 구합니다.

$$\mu = \frac{\sum_{i=1}^{n} x_i}{n}$$

2. 표준편차를 구합니다. 먼저 평균과의 차이를 제곱한 값들의 평균인 분산을 계산한 다음, 그 제곱근을 구합니다.

$$\sigma = \sqrt{\frac{\sum_{i=1}^{n} (x_i - \mu)^2}{n}}$$

이는 $n$으로 나누는 모집단 표준편차입니다. 수치가 더 큰 집단에서 추출한 표본이라면 대신 $n - 1$로 나눕니다.

3. 데이터 점수에서 평균을 뺀 뒤 표준편차로 나눕니다.

$$z = \frac{x - \mu}{\sigma}$$

풀이 예시

한 학생이 시험에서 85점을 받았습니다. 반 평균은 75점이고, 반 점수의 표준편차는 10점입니다.

• 데이터 점수: $x = 85$
• 평균: $\mu = 75$
• 표준편차: $\sigma = 10$

$$z = \frac{85 - 75}{10} = 1.0$$

학생의 z-점수는 1.0입니다. 학생의 점수는 반 평균보다 표준편차 1개만큼 높습니다.

Z-점수와 누적확률

z-점수는 누적확률로 변환할 수 있습니다. 누적확률은 정규분포에서 무작위로 선택한 값이 해당 지점 이하일 확률입니다. 이는 표준정규곡선에서 $z$의 왼쪽에 해당하는 면적입니다.

$$P(Z \leq z) = \Phi(z)$$

학생의 z-점수 1.0에 대한 누적확률은 약 0.8413, 즉 84.13%입니다. 점수가 정규분포를 따른다고 가정하면, 이는 학생의 점수가 반 학생 중 대략 84%보다 높았다는 뜻입니다. 계산기는 z-점수를 소수점 이하 네 자리까지, 누적확률을 소수점 이하 두 자리까지의 백분율로 표시합니다.

몇 가지 기준값:

Z-점수 해석

정규분포의 대부분의 값은 평균에서 2 표준편차 이내에 있습니다. +3 또는 -3을 넘어서는 z-점수는 드물며, 데이터의 나머지 값과 크게 다른 이상치로 취급되는 경우가 많습니다.

z-점수를 사용하면 서로 다른 척도로 측정된 값도 비교할 수 있습니다. 시험 점수와 키 측정값은 직접 비교할 수 없지만, 두 값의 z-점수는 모두 동일한 표준편차 단위로 평균에서 떨어진 정도를 나타내므로 비교할 수 있습니다.

Z-점수와 T-점수

z-점수는 모집단 표준편차를 알고 있다고 가정하며 큰 표본에서 가장 적합하게 사용됩니다. 모집단 표준편차를 모르고 표본이 일반적으로 관측값 30개 미만으로 작을 때는 t-점수를 대신 사용합니다. 두 점수 모두 평균에서 떨어진 정도를 나타내지만, t-점수는 작은 표본에서 발생하는 추가적인 불확실성을 반영하기 위해 꼬리가 더 두꺼운 t-분포에서 나옵니다.

Z-점수의 일반적인 용도

• 표준화 검사. 학생의 원점수를 전체 점수 분포와 비교합니다.
• 이상치 탐지. 데이터셋에서 평균과 크게 떨어진 데이터 점수를 표시합니다.
• 품질 관리. 제조된 제품이 허용 범위에 들어오는지 확인합니다.
• 가설검정. z-검정은 z-점수를 사용하여 표본평균이 알려진 모집단 평균과 유의미하게 다른지 판단합니다.

역사

z-점수는 정규분포를 기반으로 하며, 정규분포는 Abraham de Moivre가 1733년에 설명했고 이후 Carl Friedrich Gauss와 Pierre-Simon Laplace가 19세기 초에 더 발전시켰습니다. 값을 표준편차 단위로 표준화하는 방식은 20세기에 심리검사와 품질 관리에서 일반적인 관행이 되었습니다.

자주 묻는 질문

통계에서 z-점수란 무엇인가요? z-점수는 데이터 점수가 데이터셋의 평균에서 떨어진 표준편차의 개수입니다. z = (x − μ) / σ 공식으로 구합니다.

z-점수 결과는 어떻게 해석하나요? z-점수가 0이면 그 값은 평균과 같습니다. 양의 값은 평균보다 높고, 음의 값은 평균보다 낮습니다. +3 또는 -3을 넘어서는 값은 이례적입니다.

z-점수는 음수가 될 수 있나요? 그렇습니다. 음의 z-점수는 단순히 데이터 점수가 평균보다 낮다는 뜻입니다. z-점수가 -2이면 그 값은 평균보다 2 표준편차만큼 낮습니다.

z-점수와 t-점수의 차이는 무엇인가요? z-점수는 모집단 표준편차를 알고 있을 때 큰 표본에 사용합니다. t-점수는 모집단 표준편차를 모를 때 일반적으로 30개 미만인 작은 표본에 사용합니다.

z-점수에서 누적확률은 무엇을 의미하나요? 정규분포에서 무작위로 선택한 값이 주어진 z-점수 이하일 확률입니다. 해당 지점의 왼쪽에 있는 정규곡선 아래 면적과 같습니다.

표준편차가 0이면 어떻게 되나요? 공식에서 0으로 나누어야 하므로 z-점수는 정의되지 않습니다. 표준편차가 0이라는 것은 데이터셋의 모든 값이 동일하다는 뜻입니다.

참고 문헌

1. 표준 점수, 위키백과: https://en.wikipedia.org/wiki/Standard_score
2. 정규분포와 z-점수, Khan Academy: https://www.khanacademy.org/math/statistics-probability/modeling-distributions-of-data/z-scores/a/z-scores-review