Z分数计算器 - 标准分数和概率工具

什么是 Z 分数？

z 分数也称为标准分数，用于衡量数据点距离数据集均值有多少个标准差。z 分数为 0 表示该值等于均值。正 z 分数表示该值高于均值，负 z 分数表示该值低于均值。

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。

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

这是总体标准差，除以 $n$。如果这些数值是从更大总体中抽取的样本，则改为除以 $n - 1$。

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 1.0 的 z 分数，累积概率约为 0.8413，即 84.13%。这意味着，假设分数服从正态分布，该学生的得分大约高于全班 84% 的学生。计算器将 z 分数显示到小数点后四位，并将累积概率以百分比形式显示到小数点后两位。

以下是几个参考点：

Z 分数的解读

正态分布中的大多数数值都位于均值的 2 个标准差以内。超过 +3 或 -3 的 z 分数很少见，通常被视为异常值，即与其余数据存在明显差异的数值。

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，因为二者都描述了数值以相同标准差单位表示的均值距离。

Z 分数与 T 分数

z 分数假设总体标准差已知，最适用于大样本。当总体标准差未知且样本较小时，则使用 t 分数，通常是少于 30 个观测值的样本。二者都描述了数值与均值的距离，但 t 分数来自 t 分布；该分布的尾部更厚，用于反映小样本带来的额外不确定性。

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 分数建立在正态分布的基础上。正态分布由 Abraham de Moivre 于 1733 年描述，并由 Carl Friedrich Gauss 和 Pierre-Simon Laplace 在 19 世纪初进一步发展。将数值标准化为标准差单位，在 20 世纪成为心理测验和质量控制中的常见做法。

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？ 当总体标准差已知时，z 分数用于大样本。总体标准差未知时，t 分数用于小样本，通常少于 30 个观测值。

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. 标准分数，维基百科：https://en.wikipedia.org/wiki/Standard_score
2. 正态分布与 z 分数，可汗学院：https://www.khanacademy.org/math/statistics-probability/modeling-distributions-of-data/z-scores/a/z-scores-review