什么是z分数?
Z分数(也称为标准分数或标准化数值)用来衡量某个数值偏离总体均值多少个总体标准差。z为正,说明该数值高于均值;z为负,说明低于均值;z = 0则表示恰好等于均值。由于z分数没有量纲,它能让你把度量单位完全不同的观测值放在一起比较。本计算器是一款纯粹的统计工具,在任何地区使用结果都完全一致。
如何使用本计算器
先用"计算z值所用数据"选择器确定要标准化的对象:可以是单个或多个数据点、已知的样本均值及其样本量,也可以是一组原始数据样本(工具会自动为你求平均)。然后填入总体均值(mu)和总体标准差(sigma)。列表中的数值可用逗号、空格、制表符或换行分隔,因此你可以直接把表格中的一整列粘贴进来。
计算公式
对于单个观测值,公式为
$$z = \dfrac{x - \mu}{\sigma}$$对于样本均值,公式使用均值的标准误差:
$$z = \dfrac{\bar{x} - \mu}{\sigma / \sqrt{n}}$$其中 \(\sigma / \sqrt{n}\) 即为标准误差。在"数据样本"模式下,计算器会先求出样本均值
$$\bar{x} = \dfrac{\text{各数值之和}}{n}$$再套用相同的标准误差公式。
实例演示
假设 \(x = 190\),\(\mu = 150\),\(\sigma = 25\),则
$$z = \dfrac{190 - 150}{25} = \dfrac{40}{25} = 1.6$$说明190高于均值1.6个标准差。再看一个样本均值的例子:\(\bar{x} = 280\),\(\mu = 300\),\(\sigma = 50\),\(n = 25\),标准误差为 \(50 / \sqrt{25} = 10\),于是
$$z = \dfrac{280 - 300}{10} = -2.0$$Z 分数转百分位查询表
该表给出标准正态累积概率 \(P(Z \le z)\),即标准正态分布中位于 z 或其以下的比例。乘以 100 即可得到近似百分位。
| z | P(Z ≤ z) | 近似百分位 |
|---|---|---|
| -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% |
对称性:标准正态曲线关于 0 对称,因此 \(P(Z \le -z) = 1 - P(Z \le z)\)。例如,\(P(Z \le -1) = 1 - 0.8413 = 0.1587\)。
示例:某分数为 85,均值为 70,标准差为 10,则 \(z = \frac{85 - 70}{10} = \) 1.5。查表可得 \(P(Z \le 1.5) = 0.9332\),因此该分数约位于第 93 百分位,前提是分数近似服从正态分布。
常见问题
可以一次输入多个数据点吗? 可以。在"数据点"模式下,输入用逗号或空格分隔的多个数字,计算器会为每个数字分别给出z分数。
为什么sigma必须大于零? Z分数公式要除以sigma(或除以标准误差 \(\sigma/\sqrt{n}\))。如果标准差为零,就会出现除以零的情况,因此计算器会返回错误提示。
如何把z分数换算成百分位? 可以查标准正态分布表,或使用累积正态分布函数。例如,\(z = 1.6\) 大约对应第94.52百分位。