Z分数计算器 - 标准分数和概率工具

什么是 Z 分数？

z 分数又称标准分数，用来衡量一个数据点与数据集均值相差多少个标准差。z 分数为 0 表示该值等于均值。z 分数为正表示该值高于均值，z 分数为负表示该值低于均值。

Z 分数公式

数据点的 z 分数按以下公式计算：

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

其中：

• $z$ 是 z 分数
• $x$ 是数据点
• $\mu$ 是数据集的均值
• $\sigma$ 是数据集的标准差

标准差不能为零，因为除以零没有定义结果。根据定义，标准差也不能为负数，因为它始终为零或正数。

如何计算 Z 分数

1. 将所有数值相加，再除以数值个数 $n$，求出数据集的均值。

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

2. 求标准差。首先计算方差，即各数值与均值之差的平方的平均值，然后求其平方根。

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

3. 用数据点减去均值，再除以标准差。

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

计算示例

一名学生在一次测试中得分为 85。全班均值为 75，全班分数的标准差为 10。

• 数据点：$x = 85$
• 均值：$\mu = 75$
• 标准差：$\sigma = 10$

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

该学生的 z 分数为 1.0。其分数高于全班平均分一个标准差。

Z 分数与累积概率

z 分数可以转换为累积概率，即从正态分布中随机选取的数值落在该点或该点以下的概率。这就是标准正态曲线在 $z$ 左侧下方的面积。

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

对于该学生的 z 分数 1.0，累积概率约为 0.8413，即 84.1%。计算器将 z 分数显示到小数点后四位，将概率显示为保留两位小数的百分数，因此这个例子显示 1.0000 和 84.13%。假设成绩服从正态分布，这意味着该学生的成绩好于班上大约 84% 的人。

以下是几个参考点：

Z 分数的解读

在正态分布中，约 95% 的值落在均值 2 个标准差以内，约 99.7% 的值落在 3 个标准差以内。这称为经验法则，或 68-95-99.7 法则。因此，z 分数超过 +3 或 -3 的情况很少见，通常会作为可能的离群值来检查，离群值是与其余数据差别很大的值。

z 分数还可以比较以不同尺度测量的数值。测试分数和身高测量值不能直接比较，但它们的 z 分数可以比较，因为二者都以相同的标准差单位描述与均值的距离。

Z 分数与 T 分数

z 分数使用总体标准差，因此假定该值已知。当总体标准差未知、改用样本标准差时，使用 t 分数。较早的经验法则只在样本量为 30 或更少时使用 t 分布，但目前的做法是，只要用样本标准差来估计总体值，就使用 t 分布。t 分布的尾部比正态曲线更厚，这反映了额外的不确定性。

Z 分数的常见用途

• 标准化考试。 将学生的原始分数与总体分数分布进行比较。
• 异常值检测。 标记数据集中远离均值的数据点。
• 质量控制。 检查制造的产品是否处于可接受范围内。
• 假设检验。 z 检验使用 z 分数判断样本均值是否与已知总体均值存在有意义的差异。

历史

z 分数以正态分布为基础。亚伯拉罕·棣莫弗在 1733 年推导出正态曲线，作为二项分布的近似。卡尔·弗里德里希·高斯和皮埃尔-西蒙·拉普拉斯对其做了进一步发展。

常见问题

统计学中的 z 分数是什么？ z 分数是数据点距离其数据集均值的标准差个数。其计算公式为 z = (x − μ) / σ。

如何解读 z 分数结果？ z 分数为 0 表示该值等于均值。正值高于均值，负值低于均值。超过 +3 或 -3 的数值并不常见。

z 分数可以为负数吗？ 可以。负 z 分数仅表示数据点低于均值。z 分数为 -2 表示该值低于均值 2 个标准差。

z 分数和 t 分数有什么区别？ 总体标准差已知时使用 z 分数。总体标准差未知、改用样本标准差时使用 t 分数，与样本量大小无关。

z 分数的累积概率是什么意思？ 它是从正态分布中随机选取的数值小于或等于给定 z 分数的概率。它等于正态曲线在该点左侧下方的面积。

如果标准差为零会怎样？ z 分数没有定义，因为公式需要除以零。标准差为零意味着数据集中的每个数值都相同。

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 − μ)/σ 和 68-95-99.7 经验法则。
2. NIST/SEMATECH。e-Handbook of Statistical Methods, Cumulative Distribution Function of the Standard Normal Distribution。标准正态分布表 — 正态曲线下从 0 到 z 的面积（z = 1 时为 0.34134）。
3. OpenStax。Introductory Statistics 2e, 8.2 A Single Population Mean using the Student t Distribution。学生 t 分布 — 何时使用 t 而不是 z，以及它较厚的尾部。
4. 圣安德鲁斯大学 MacTutor 数学史。Abraham de Moivre。亚伯拉罕·棣莫弗传记 — 棣莫弗在 1733 年对正态曲线的推导。