什麼是 Z 分數轉機率計算機?
這個工具能把 Z 分數(也就是某個數值距離平均數有幾個標準差)透過標準常態累積分配函數(CDF)\(\Phi(z)\) 換算成機率。機率是假設檢定、信賴區間與百分位排名的基礎,因此「把 Z 值轉成機率」幾乎是統計分析中最常見的步驟之一。
如何使用
輸入你的 Z 分數,再選擇要計算的機率類型。左尾會給出 \(P(Z < z)\),也就是 z 左側的面積,等同於百分位數。右尾則是 \(P(Z > z)\),適合用於單尾顯著性檢定。雙尾為 \(P(|Z| > |z|)\),是兩側尾端面積的總和,常用於雙尾檢定。計算結果會同時列出這三個數值,方便你依需求挑選。
公式解析
標準常態分配的平均數為 0、標準差為 1,其 CDF 可用誤差函數(error function)表示:
$$\Phi(z) = \frac{1}{2}\left[1 + \operatorname{erf}\!\left(\frac{z}{\sqrt{2}}\right)\right]$$
由於 erf 沒有封閉解,本計算機採用 Abramowitz & Stegun 的有理近似式(7.1.26),誤差約在 \(1.5\times10^{-7}\) 以內——對於一般統計應用來說綽綽有餘。
實例演算
以 \(z = 1.96\) 為例,左尾機率 \(\Phi(1.96) \approx 0.975\),代表整個分配中有 97.5% 落在 1.96 以下。右尾為 \(1 - 0.975 = 0.025\),雙尾則是 \(2 \times 0.025 = 0.05\)——這正是我們最熟悉的 5% 顯著水準。
解讀你的 Z 分數機率
左尾:百分位排名
左尾值 \(\Phi(z)\) 是分布中小於或等於你的 z 分數的比例。z 為 1 時 \(\Phi(1)\approx 0.8413\),因此該值約位於第 84 百分位。z 為 0 時是中位數(第 50 百分位)。
右尾與雙尾:p 值
- 右尾 \(1-\Phi(z)\) 是單尾檢定中「數值是否異常偏高」的 p 值。
- 左尾 \(\Phi(z)\) 是單尾檢定中「數值是否異常偏低」的 p 值。
- 雙尾 \(2\,\min\{\Phi(z),1-\Phi(z)\}\) 是雙向都計入極端值之檢定的 p 值。
若 p 值不大於顯著水準 α,則稱該結果在顯著水準 α 下具有統計顯著性。對於雙尾檢定,α = 0.05 對應 |z| ≥ 1.96,α = 0.01 對應 |z| ≥ 2.576。對於單尾檢定,α = 0.05 對應 z ≥ 1.645(或 z ≤ -1.645),α = 0.01 對應 |z| ≥ 2.326。
判斷異常值
- |z| > 2:常態分布中約有 4.55% 落在兩尾合計之外,因此這些值常被稱為異常。
- |z| > 3:約有 0.27% 落在兩尾合計之外(大約每 370 個中有 1 個),因此這些值常被稱為非常異常或離群值。
這些臨界值是慣例,而非嚴格的法則。
注意事項:常態性
只有當資料(或檢定統計量)服從常態分布時,這些機率才是精確的。對於偏態或厚尾資料,實際的尾部機率可能與這些數值相差甚遠。對於檢定統計量,z 近似依賴於諸如樣本數足夠大或母體標準差已知等條件。當這些條件不成立時,其他分布(例如學生 t 分布)可能更為適合。
常見問題
Z 分數為 0 會得到什麼?\(\Phi(0) = 0.5\),因為剛好有一半的分配落在平均數以下。
Z 可以是負數嗎?可以。負的 Z 值對應的左尾機率會小於 0.5,並符合對稱關係 \(\Phi(-z) = 1 - \Phi(z)\)。
哪一個機率才是 p 值?單尾檢定請取對應的那一側尾端;雙尾檢定則使用雙尾數值。