Калькулятор перевода Z-оценки в вероятность

Калькулятор перевода Z-оценки в вероятность

Растущий AI Skill PRO

Введите расчет

Результаты

Вероятность
0,975002
97,5002%
Левый хвост P(Z < z) 0,975002
Правый хвост P(Z > z) 0,024998
Двусторонний P(|Z| > |z|) 0,049996

Математическая формула

P=Φ(Z-оценка)=12[1+erf(Z-оценка2)]P = \Phi(\text{Z-оценка}) = \frac{1}{2}\left[1 + \operatorname{erf}\!\left(\frac{\text{Z-оценка}}{\sqrt{2}}\right)\right]
Статистика использования

Реклама

Сообщить об ошибке на этой странице

Что такое калькулятор Z-оценки в вероятность?

Этот инструмент переводит z-оценку (число стандартных отклонений, на которое значение удалено от среднего) в вероятность с помощью стандартной нормальной функции распределения (CDF), обозначаемой \(\Phi(z)\). Вероятности лежат в основе проверки гипотез, доверительных интервалов и расчёта процентилей, поэтому перевод z в вероятность — одна из самых частых задач в статистике.

Как пользоваться

Введите свою z-оценку и выберите тип вероятности. Левый хвост даёт \(P(Z < z)\) — площадь слева от z, то есть процентиль. Правый хвост даёт \(P(Z > z)\) и удобен для односторонних тестов значимости. Двусторонний даёт \(P(|Z| > |z|)\) — суммарную площадь обоих хвостов, которая используется в двусторонних тестах. В результате показываются сразу все три значения, так что вы можете взять то, которое вам нужно.

Разбор формулы

Стандартное нормальное распределение имеет среднее 0 и стандартное отклонение 1. Его функция распределения записывается через функцию ошибок (erf):

$$\Phi(z) = \frac{1}{2}\left[1 + \operatorname{erf}\!\left(\frac{z}{\sqrt{2}}\right)\right]$$

Поскольку у erf нет аналитического выражения в замкнутой форме, калькулятор использует рациональную аппроксимацию Абрамовица и Стиган (формула 7.1.26) с точностью около \(1{,}5\times10^{-7}\) — этого более чем достаточно для практических статистических расчётов.

Реклама
Колоколообразная кривая с заштрихованной областью слева от z, представляющей накопленную вероятность
Вероятность левого хвоста \(\Phi(z)\) — это заштрихованная площадь под стандартной нормальной кривой слева от z.

Пример расчёта

Для z = 1,96 вероятность левого хвоста \(\Phi(1{,}96) \approx 0{,}975\). Это значит, что 97,5% распределения лежит ниже 1,96. Правый хвост равен \(1 - 0{,}975 = 0{,}025\), а двустороннее значение — \(2 \times 0{,}025 = 0{,}05\), что в точности соответствует привычному уровню значимости 5%.

Реклама
Три колоколообразные кривые, показывающие заштрихованные области левого хвоста, правого хвоста и двух хвостов
Левосторонняя, правосторонняя и двусторонняя вероятности соответствуют разным заштрихованным областям одной и той же кривой.

Частые вопросы

Что даёт z-оценка, равная 0? \(\Phi(0) = 0{,}5\), поскольку ровно половина распределения лежит ниже среднего.

Может ли z быть отрицательным? Да. Отрицательное z даёт вероятность левого хвоста меньше 0,5; при этом выполняется симметрия \(\Phi(-z) = 1 - \Phi(z)\).

Какая из вероятностей является p-значением? Для одностороннего теста используйте соответствующий хвост, а для двустороннего — двустороннее значение.

Интерпретация вероятности z-показателя

Левый хвост: процентильный ранг

Значение левого хвоста \(\Phi(z)\) — это доля распределения, находящаяся на уровне или ниже вашего z-показателя. При z = 1 имеем \(\Phi(1)\approx 0.8413\), поэтому значение находится примерно на 84-м процентиле. При z = 0 находится медиана (50-й процентиль).

Правый и двусторонний хвосты: p-значения

  • Правый хвост \(1-\Phi(z)\) — это p-значение для одностороннего теста того, является ли значение необычно высоким.
  • Левый хвост \(\Phi(z)\) — это p-значение для одностороннего теста того, является ли значение необычно низким.
  • Двусторонний \(2\,\min\{\Phi(z),1-\Phi(z)\}\) — это p-значение для теста, который учитывает экстремальные значения в любом направлении.

Результат называется статистически значимым на уровне α, если p-значение не превышает α. Для двустороннего теста α = 0.05 соответствует |z| ≥ 1.96, а α = 0.01 — |z| ≥ 2.576. Для одностороннего теста α = 0.05 соответствует z ≥ 1.645 (или z ≤ -1.645), а α = 0.01 — |z| ≥ 2.326.

Оценка необычных значений

  • |z| > 2: около 4.55% нормального распределения лежит настолько далеко в обоих хвостах вместе взятых, поэтому такие значения часто называют необычными.
  • |z| > 3: около 0.27% лежит настолько далеко в обоих хвостах вместе взятых (примерно 1 из 370), поэтому такие значения часто называют очень необычными или выбросами.

Эти пороговые значения являются условными соглашениями, а не строгими законами.

Оговорка: нормальность

Вероятности точны только если данные (или статистика теста) следуют нормальному распределению. Для асимметричных данных или данных с тяжёлыми хвостами реальные вероятности в хвостах могут заметно отличаться от этих значений. Для статистики теста аппроксимация z опирается на такие условия, как достаточно большой размер выборки или известное стандартное отклонение генеральной совокупности. Когда эти условия не выполняются, более подходящими могут оказаться другие распределения (например, распределение Стьюдента).

Последнее обновление:

Самые популярные в разделе Математика и статистика

Все калькуляторы раздела Математика и статистика