Z 分数计算器

Z 分数
下一步

z 分数表示你的数值高于或低于均值多少个标准差。输入原始数值、总体均值(μ)和标准差(σ),计算器就会返回 z 分数以及其在标准正态分布下对应的百分位,适用于考试分数、医学参考范围、质量控制公差,以及任何与正态分布基准的比较。

如何计算 z 分数

  1. 1

    输入数值

    你想要标准化的原始观测值:一个考试分数、一项化验结果、一次生产测量。

  2. 2

    输入均值(μ)

    你想要比较的总体均值或参考均值。

  3. 3

    输入标准差(σ)

    必须大于 0:σ 为 0 意味着没有变异,此时 z 没有定义。

  4. 4

    读取 z 和百分位

    计算器返回 z = (数值 − μ) / σ,以及累积概率 P(Z ≤ z) 作为百分位。

正确解读 z 分数

z 分数是一个无量纲的数。z 为 +1.5 表示该数值高于均值 1.5 个标准差,无论底层数据是以千克、美元还是 IQ 分数为单位。

公式

计算器实现的是:

z = (x - μ) / σ

百分位则通过标准正态 CDF 的 Abramowitz 与 Stegun 26.2.17 多项式近似求得,在整条实数轴上精度约为 7.5 × 10⁻⁸,对于非关键性报告来说绰绰有余。

常见的 z 分数标志点

z 百分位(≤ z) 解读
−3 0.13% 极度低于平均
−2 2.28% 第 2 百分位,某项考试分布的低尾
−1 15.87% 低于 1 个标准差,仍在正常范围
0 50% 恰好处于均值
+1 84.13% 高于 1 个标准差,中等偏高
+1.96 97.5% 双侧 95% 置信界限
+2 97.72% 第 98 百分位
+3 99.87% 前 0.13%,出类拔萃

z 分数在实践中的应用场景

  • 标准化考试,SAT、GRE 和 IQ 分数会把 z 分数重新缩放到均值 100 或 500 来报告。
  • 临床化验,参考范围常为“均值 ± 2 个标准差”,大致是第 2.5 至第 97.5 百分位。
  • 统计过程控制,当单个观测值超过 z = ±3,或出现跨越较低阈值的模式时,该过程被判定为“失控”。
  • 假设检验,z 为 ±1.96 对应双侧 p 值 0.05。
  • 异常检测,一条常见的经验法则是把 |z| > 3 的任何点标记为离群值。

z 分数何时会误导

只有当底层数据近似正态时,百分位才有意义。对于偏态分布(收入、反应时间、文件大小),z 为 2 并不对应第 97.7 百分位,请改用非参数百分位,或先对数据做变换。

常见问题

如果你输入的标准差来自一个大型参考总体(临床化验、全国考试常模),可以直接使用。如果 σ 是你从一个小样本算出来的,那么 z 到百分位的换算只是近似,对于小样本和窄置信区间,t 分布更为合适。

因为 z 衡量的是以 σ 为单位、相对于均值的距离。当数值 = 均值时,分子为 0,无论 σ 取何值 z 都为 0。对应的百分位恰好是 50%,你的观测值位于分布的中位数处。

不能。按定义标准差始终非负(它是方差的平方根)。如果你得到一个负值,那是录入错误。σ = 0 对于 z 分数同样无效,没有变异意味着每个观测值都相同,此时 z 没有定义。

不会。你的数值、均值和标准差仅用于计算 z 分数和百分位,不会被保存。

相关工具

此工具还提供其他语言版本