Z分数转概率计算器是什么?
这个工具利用标准正态分布的累积分布函数(CDF)(记作 \(\Phi(z)\)),把Z分数(即某个数值偏离均值多少个标准差)换算成对应的概率。概率是假设检验、置信区间和百分位排名的基础,因此把Z分数转换为概率是统计分析中最常见的操作之一。
使用方法
输入你的Z分数,然后选择想要的概率类型。左尾对应 \(P(Z < z)\),即z左侧的面积,也就是百分位数。右尾对应 \(P(Z > z)\),常用于单侧显著性检验。双尾对应 \(P(|Z| > |z|)\),即左右两侧尾部面积之和,用于双侧检验。计算结果会同时给出这三个数值,方便你按需选用。
公式详解
标准正态分布的均值为0,标准差为1。它的CDF可以用误差函数(error function)表示:
$$\Phi(z) = \tfrac{1}{2}\left[1 + \operatorname{erf}\!\left(\frac{z}{\sqrt{2}}\right)\right]$$
由于 \(\operatorname{erf}\) 没有闭式解,本计算器采用 Abramowitz & Stegun 有理逼近公式(7.1.26),精度约为 \(1.5 \times 10^{-7}\)——对于日常统计应用已绰绰有余。
实例演算
当 \(z = 1.96\) 时,左尾概率 \(\Phi(1.96) \approx 0.975\),意味着分布中有97.5%的数据落在1.96以下。右尾为 \(1 - 0.975 = 0.025\),双尾值则是 \(2 \times 0.025 = 0.05\)——这正是我们熟悉的5%显著性水平。
解读你的 Z 分数概率
左尾:百分位排名
左尾值 \(\Phi(z)\) 是分布中小于或等于你的 z 分数的比例。当 z 为 1 时,\(\Phi(1)\approx 0.8413\),因此该数值大约位于第 84 百分位。z 为 0 时为中位数(第 50 百分位)。
右尾与双尾:p 值
- 右尾 \(1-\Phi(z)\) 是单侧检验的 p 值,用于检验某个数值是否异常偏高。
- 左尾 \(\Phi(z)\) 是单侧检验的 p 值,用于检验某个数值是否异常偏低。
- 双尾 \(2\,\min\{\Phi(z),1-\Phi(z)\}\) 是双尾检验的 p 值,该检验同时考虑两个方向的极端值。
若 p 值不大于显著性水平 α,则称该结果在 α 水平上具有统计显著性。对于双尾检验,α = 0.05 对应 |z| ≥ 1.96,α = 0.01 对应 |z| ≥ 2.576。对于单侧检验,α = 0.05 对应 z ≥ 1.645(或 z ≤ -1.645),α = 0.01 对应 |z| ≥ 2.326。
判断异常值
- |z| > 2:正态分布中约有 4.55% 的部分位于两侧尾部合计、距离中心如此之远,因此这些数值通常被称为异常值。
- |z| > 3:约有 0.27% 位于两侧尾部合计、距离中心如此之远(大约每 370 个中有 1 个),因此这些数值通常被称为非常异常或离群值。
这些临界值是惯例,而非严格的法则。
注意事项:正态性
只有当数据(或检验统计量)服从正态分布时,这些概率才是精确的。对于偏态或重尾数据,实际的尾部概率可能与这些数值相差很大。对于检验统计量,z 近似依赖于一些条件,例如样本量足够大或总体标准差已知。当这些条件不满足时,其他分布(如学生 t 分布)可能更为合适。
常见问题
Z分数为0时结果是多少?\(\Phi(0) = 0.5\),因为恰好有一半的分布落在均值以下。
Z分数可以是负数吗?可以。负的Z分数对应小于0.5的左尾概率;并满足对称关系 \(\Phi(-z) = 1 - \Phi(z)\)。
哪个概率才是p值?做单侧检验时取相应的那一侧尾部概率;做双侧检验时则使用双尾值。