Zスコア→確率 計算ツールとは?
このツールは、Zスコア(ある値が平均から標準偏差いくつ分だけ離れているかを表す数値)を、標準正規分布の累積分布関数(CDF)\(\Phi(z)\) を使って確率に変換します。確率は仮説検定・信頼区間・パーセンタイル順位のすべての土台となるため、zを確率に直す作業は統計でもっとも頻繁に登場する計算のひとつです。
使い方
Zスコアを入力し、求めたい確率のタイプを選びます。左片側は \(P(Z < z)\)、つまりzより左側の面積で、これはパーセンタイルにあたります。右片側は \(P(Z > z)\) で、片側有意性検定に使います。両側は \(P(|Z| > |z|)\)、すなわち両端の面積を合わせたもので、両側検定に用います。計算結果には3つの値すべてが表示されるので、必要なものをそのまま選べます。
計算式の解説
標準正規分布は平均0・標準偏差1の分布です。そのCDFは誤差関数を使って次のように表されます。
$$\Phi(z) = \frac{1}{2}\left[1 + \operatorname{erf}\!\left(\frac{z}{\sqrt{2}}\right)\right]$$erf には閉じた形の式が存在しないため、本ツールでは Abramowitz & Stegun の有理関数近似(7.1.26)を採用しています。誤差は約 \(1.5\times10^{-7}\) で、実務上の統計には十分すぎる精度です。
計算例
\(z = 1.96\) の場合、左片側確率 \(\Phi(1.96)\) は約 \(0.975\) となります。これは分布全体の97.5%が1.96より下側にあることを意味します。右片側は \(1 - 0.975 = 0.025\)、両側の値は \(2 \times 0.025 = 0.05\) となり、これはまさにおなじみの有意水準5%にあたります。
Z値の確率の解釈
左側確率:パーセンタイル順位
左側の値 \(\Phi(z)\) は、z値以下にある分布の割合です。z が 1 のとき \(\Phi(1)\approx 0.8413\) となるため、その値はおよそ第84パーセンタイルに位置します。z が 0 のときは中央値(第50パーセンタイル)です。
右側確率と両側確率:p値
- 右側確率 \(1-\Phi(z)\) は、値が異常に大きいかどうかを調べる片側検定のp値です。
- 左側確率 \(\Phi(z)\) は、値が異常に小さいかどうかを調べる片側検定のp値です。
- 両側確率 \(2\,\min\{\Phi(z),1-\Phi(z)\}\) は、両方向の極端な値を考慮する検定のp値です。
p値が α 以下であれば、有意水準 α で統計的に有意であるといいます。両側検定では、α = 0.05 は |z| ≥ 1.96 に、α = 0.01 は |z| ≥ 2.576 に対応します。片側検定では、α = 0.05 は z ≥ 1.645(または z ≤ -1.645)に、α = 0.01 は |z| ≥ 2.326 に対応します。
異常値の判断
- |z| > 2:正規分布の約4.55%が両側の裾を合わせてこれより外側にあるため、これらの値はしばしば異常値と呼ばれます。
- |z| > 3:両側の裾を合わせて約0.27%(およそ370個に1個)がこれより外側にあるため、これらの値はしばしば非常に異常な値、または外れ値と呼ばれます。
これらのカットオフは慣習であり、厳密な法則ではありません。
注意点:正規性
確率が正確になるのは、データ(または検定統計量)が正規分布に従う場合に限られます。歪んだ分布や裾の重いデータでは、実際の裾の確率がこれらの値と大きく異なることがあります。検定統計量については、z近似は十分に大きな標本サイズや既知の母集団標準偏差といった条件に依拠しています。これらの条件が満たされない場合は、スチューデントのtなど他の分布の方が適切な場合があります。
よくある質問
Zスコアが0のときはどうなりますか? \(\Phi(0) = 0.5\) です。ちょうど分布の半分が平均より下側にあるためです。
zはマイナスでも大丈夫ですか? はい。負のzでは左片側確率が0.5を下回ります。対称性 \(\Phi(-z) = 1 - \Phi(z)\) が成り立ちます。
p値はどの確率を見ればいいですか? 片側検定なら該当する側の確率を、両側検定なら両側の値を使います。