原始分数计算器 - 将Z分数转换为原始值

什么是原始分数？

原始分数是数据集中未经标准化的原始数值，例如以分计的考试成绩，或以毫米计的测量长度。原始分数计算器利用数据集的平均值和标准差，把标准化的 z 分数换算回该原始数值。本页说明公式，演示计算示例，并解答有关原始分数的常见问题。

原始分数公式

原始分数 $x$ 根据 z 分数使用以下公式计算：

$$x = \mu + z \times \sigma$$

其中：

• $x$ = 原始分数（原始数值）
• $\mu$ = 数据集的均值
• $\sigma$ = 数据集的标准差
• $z$ = z 分数（$x$ 距离均值多少个标准差）

该公式是标准 z 分数公式$z = (x - \mu) / \sigma$的逆运算。它不是把原始数值变成 z 分数，而是把 z 分数变回原始数值。

如何根据 z 分数计算原始分数

1. 求出数据集的均值（$\mu$）。
2. 求出标准差（$\sigma$），标准差用于衡量数据的离散程度。
3. 取 z 分数（$z$），即该数值距离均值多少个标准差。正 z 分数表示高于均值，负 z 分数表示低于均值。
4. 将 z 分数乘以标准差，然后加上均值：$x = \mu + z \times \sigma$。

计算示例

示例 1：测试成绩

一个班级参加考试，平均分为 80，标准差为 5。一名学生的 z 分数为 1.2。该学生的原始分数是多少？

$$x = 80 + 1.2 \times 5 = 86$$

该学生的原始分数为 86。

示例 2：制造业测量

一家工厂测量某个零件，平均长度为 150 mm，标准差为 2 mm。其中一个零件的 z 分数为 −1.5。它的实际长度是多少？

$$x = 150 + (-1.5) \times 2 = 147$$

该零件的测量值为 147 mm。

有效输入范围

本页的计算器要求输入：

• 标准差大于 0（标准差为零或负数在数学上无效）。
• 标准差不大于 1,000,000。
• 均值介于 −1,000,000 和 1,000,000 之间。
• z 分数介于 −10 和 10 之间。

现实中的大多数 z 分数落在 −3 和 3 之间，因为在正态分布中，这个范围涵盖约 99.7% 的数值。落在此范围之外的 z 分数表示罕见的极端值。

原始分数的应用领域

• 教育。 标准化考试报告 z 分数或量表分数；将其转换回原始分数，可以显示实际得分或答对的题数。
• 心理学。 智商测试和其他评估经过标准化后，再转换为原始数值，以便跟踪一个人随时间变化的结果。
• 制造业。 质量控制将零件与目标均值进行比较，标记 z 分数异常的零件，然后报告原始测量值以供检查。
• 金融。 标准化的风险或绩效指标会转换回实际货币金额或收益率，以便报告。

相关统计分数

• 百分位数以 0–100 的量表显示某个数值在数据集中的排名。
• T 分数以均值 50 和标准差 10 进行标准化，在心理学中较为常见。
• 九级分是教育领域使用的九点评分量表。

常见问题

原始分数和 z 分数有什么区别？

原始分数是以自然单位表示的原始数值，例如分数或毫米。z 分数则将该数值改写为它偏离均值的距离，并以标准差为单位进行测量。公式 $x = \mu + z \times \sigma$ 可将 z 分数转换回原始分数。

如何根据百分位数求原始分数？

首先使用标准正态分布表将百分位数转换为 z 分数，然后应用原始分数公式。例如，第 84 百分位数接近 z 分数 1.0。

原始分数可以是负数吗？

可以。如果基础数据包含负值，例如温度变化或盈亏，原始分数也可以是负数。

z 分数为 0 时对应的原始分数是多少？

z 分数为 0 时，原始分数始终等于均值，因为 $x = \mu + 0 \times \sigma = \mu$。

原始分数公式适用于非正态数据吗？

只要数据集具有确定的均值和标准差，该公式本身就适用于任何数据集。但是，z 分数的通常解释，例如“约 68% 的数值位于均值的一个标准差以内”，假设数据服从正态分布。对于高度偏斜的数据，即使计算过程仍然成立，这种解释也不适用。

结果的精确度如何？

该计算只是简单的乘法和加法，因此对输入的数字而言，结果是精确的。精度仅受平均值、标准差和 z 分数本身的精确程度限制。

参考文献

1. OpenStax。Introductory Statistics 2e, 6.1 The Standard Normal Distribution。标准正态分布 — z 分数公式 $z = (x - \mu)/\sigma$、其逆运算 $x = \mu + z\sigma$，以及经验法则（分别约有 68%、95% 和 99.7% 的数值落在一个、两个和三个标准差以内）。