Công Cụ Tính Z-Score

Công Cụ Tính Z-Score

Đang tăng trưởng AI Skill PRO

Nhập phép tính

Kết quả

z-score
1,6
độ lệch chuẩn so với trung bình
Điểm dữ liệu (x) z-score
190 1,6

Công thức

z=Điểm dữ liệu x−Trung bình tổng thể μĐộ lệch chuẩn tổng thể σz = \frac{{{\text{Điểm dữ liệu } x}} - {{\text{Trung bình tổng thể } \mu}}}{{{\text{Độ lệch chuẩn tổng thể } \sigma}}}
Thống kê sử dụng

Quảng cáo

Báo lỗi nội dung trang này

Z-score là gì?

Z-score (còn gọi là điểm chuẩn hay giá trị chuẩn hóa) cho biết một giá trị nằm cách trung bình tổng thể bao nhiêu độ lệch chuẩn. Z dương nghĩa là giá trị cao hơn trung bình, z âm nghĩa là thấp hơn trung bình, còn z = 0 nghĩa là giá trị nằm đúng ngay tại trung bình. Vì z-score không có đơn vị, nó cho phép bạn so sánh các quan sát được đo trên những thang đo hoàn toàn khác nhau. Đây là một công cụ thống kê thuần túy và cho kết quả như nhau ở bất kỳ đâu trên thế giới.

Đường cong phân phối chuẩn hình chuông với thang điểm z bên dưới
Điểm z đo một giá trị cách giá trị trung bình bao nhiêu độ lệch chuẩn trên đường cong chuẩn.

Cách dùng công cụ này

Hãy chọn đối tượng bạn muốn chuẩn hóa ở mục "Tính z theo": một hoặc nhiều điểm dữ liệu, một trung bình mẫu đã biết kèm cỡ mẫu, hoặc một tập dữ liệu thô để công cụ tự tính trung bình giúp bạn. Sau đó nhập trung bình tổng thể (mu) và độ lệch chuẩn tổng thể (sigma). Các danh sách số có thể cách nhau bằng dấu phẩy, dấu cách, tab hoặc xuống dòng, nên bạn có thể dán trực tiếp một cột từ bảng tính vào.

Các công thức

Với một quan sát đơn lẻ, công thức là $$z = \dfrac{x - \mu}{\sigma}$$ Với trung bình mẫu, công thức dùng sai số chuẩn của trung bình: $$z = \dfrac{\bar{x} - \mu}{\sigma / \sqrt{n}}$$ trong đó \(\sigma / \sqrt{n}\) chính là sai số chuẩn. Ở chế độ "tập dữ liệu", công cụ trước tiên tính trung bình mẫu \(\bar{x} = (\text{tổng các giá trị}) / n\), rồi áp dụng cùng công thức sai số chuẩn nói trên.

Quảng cáo
Sơ đồ thể hiện khoảng cách từ một điểm dữ liệu đến giá trị trung bình chia cho độ lệch chuẩn
Điểm z là khoảng cách của x so với giá trị trung bình (μ) tính theo đơn vị độ lệch chuẩn (σ).

Ví dụ minh họa

Giả sử \(x = 190\), \(\mu = 150\) và \(\sigma = 25\). Khi đó $$z = \dfrac{190 - 150}{25} = \dfrac{40}{25} = 1{,}6$$ nghĩa là 190 nằm cao hơn trung bình 1,6 độ lệch chuẩn. Với ví dụ về trung bình mẫu khi \(\bar{x} = 280\), \(\mu = 300\), \(\sigma = 50\) và \(n = 25\), sai số chuẩn là \(50 / \sqrt{25} = 10\), vậy $$z = \dfrac{280 - 300}{10} = -2{,}0$$

Quảng cáo

Bảng tra cứu z-score sang phân vị

Bảng này thể hiện xác suất tích lũy chuẩn tắc \(P(Z \le z)\), tức là phần của phân phối chuẩn nằm ở mức bằng hoặc thấp hơn z. Nhân với 100 để được phân vị gần đúng.

z P(Z ≤ z) Phân vị gần đúng
-3 0.0013 0.13%
-2.576 0.0050 0.5%
-2.5 0.0062 0.62%
-2 0.0228 2.28%
-1.96 0.0250 2.5%
-1.645 0.0500 5%
-1 0.1587 15.87%
-0.5 0.3085 30.85%
0 0.5000 50%
0.5 0.6915 69.15%
1 0.8413 84.13%
1.5 0.9332 93.32%
1.6 0.9452 94.52%
1.645 0.9500 95%
1.96 0.9750 97.5%
2 0.9772 97.72%
2.5 0.9938 99.38%
2.576 0.9950 99.5%
3 0.9987 99.87%

Tính đối xứng: đường cong chuẩn tắc đối xứng qua 0, nên \(P(Z \le -z) = 1 - P(Z \le z)\). Ví dụ, \(P(Z \le -1) = 1 - 0.8413 = 0.1587\).

Ví dụ: một điểm số 85 khi trung bình là 70 và độ lệch chuẩn là 10 cho \(z = \frac{85 - 70}{10} = \) 1.5. Từ bảng, \(P(Z \le 1.5) = 0.9332\), nên điểm số này ở khoảng phân vị thứ 93, với giả định các điểm số gần như tuân theo phân phối chuẩn.

Câu hỏi thường gặp

Tôi có thể nhập nhiều điểm dữ liệu cùng lúc không? Có. Ở chế độ "Điểm dữ liệu", bạn nhập nhiều số cách nhau bằng dấu phẩy hoặc dấu cách và sẽ nhận được z-score cho từng số.

Vì sao sigma phải lớn hơn 0? Công thức z chia cho sigma (hoặc cho sai số chuẩn \(\sigma/\sqrt{n}\)). Độ lệch chuẩn bằng 0 sẽ dẫn đến phép chia cho 0, nên công cụ sẽ báo lỗi.

Làm sao chuyển z-score thành phân vị? Bạn hãy tra giá trị z trong bảng phân phối chuẩn tắc hoặc dùng hàm phân phối chuẩn tích lũy. Ví dụ, \(z = 1{,}6\) tương ứng với khoảng phân vị thứ 94,52.

Cập nhật lần cuối:

Phổ biến nhất trong Toán học và Thống kê

Xem tất cả máy tính Toán học và Thống kê