🌐 ZH

Z-分数计算器

计算数据值相对平均值的Z分数,并查看基于正态分布的累积概率、百分位数和分布曲线。

Z-分数
—
累积概率 — 百分位数 —

公式: Z = (X - μ) / σ

正态分布曲线

输入说明与注意事项

  • 输入要分析的数值X、平均值μ和标准差σ。页面默认填写85、70和10,打开后会自动计算;修改任一输入值也会重新计算,无须再次点击计算按钮。
  • 三个输入框均接受整数或小数,也可以输入负数。请使用数字输入框支持的英文小数点,例如1.5,而不是用逗号表示小数。没有批量输入、千位分隔符解析或自动计算标准差的功能,也没有设置具体的数值上下限。
  • 标准差必须大于0。请确保X、μ和σ使用相同的计量单位,并根据研究对象选择合适的平均值和标准差。若统计量来自样本,需要确认采用的是样本标准差还是总体标准差;本工具直接使用输入值,不会自动区分或调整。

结果解读

  • Z分数按Z = (X - μ) / σ计算。结果为正表示高于平均值,为负表示低于平均值,等于0表示与平均值相同。绝对值越大,表示距离平均值越远,但不能仅凭Z分数认定数据异常。
  • 页面将Z分数显示到小数点后4位,解释文字中的标准差倍数保留2位。绝对Z分数小于0.01时,解释文字会显示数值等于平均值;这是显示判断规则,不代表原始数值必然完全相等。
  • 累积概率使用标准正态分布累积分布函数的数值近似,表示在正态模型下取得不大于当前Z分数的值的概率。概率显示4位小数;百分位数是该概率乘以100,显示2位小数并附百分号。两者表达同一个下侧累积比例,而不是两个独立概率。
  • 例如Z = 1时,正态模型的累积概率约为0.8413,对应约第84.13百分位;Z = 0时约为第50百分位。这里的百分位数是模型推算值,不是将实际样本排序后得到的经验排名,也不是考试中的实际名次。
  • 正态分布的经验法则是约68%的值位于平均值上下1个标准差内,约95%位于2个标准差内,约99.7%位于3个标准差内。这些比例依赖正态分布假设,不能直接套用于任意数据。
  • 曲线展示标准正态分布,横轴范围约为Z = -4到4,以0.1为间隔取点,并按计算结果区分累计区域。超过显示范围的尾部不会完整出现在图中。图表需要相关绘图库成功加载,数值结果不依赖图表显示。
  • 若任一输入无法解析为数字,计算会停止,之前的结果可能继续显示。标准差为0或负数时,数值结果会清空并显示错误提示,但先前的曲线不会因此立即重置。请重新输入有效数值,不要将保留的旧图当作当前计算结果。
  • Z分数可用于比较不同考试或量尺上的相对位置,也常见于异常值筛查、金融分析、品质管理及身高等测量资料。正态累积概率不是任何实际数据都适用的发生概率;本工具也不会自动执行假设检验、计算显著性或作出医学判断。

使用示例

高于平均值的考试分数

输入
X = 85,μ = 70,σ = 10
结果
Z = 1.5000;累积概率 = 0.9332;百分位数 = 93.32%
如何核对结果
Z = (85 - 70) / 10 = 1.5。标准正态累积概率约为0.9332,表示在正态模型下约93.32%的值不高于85。这不是实际考生的排名。

低于平均值的测量结果

输入
X = 55,μ = 70,σ = 10
结果
Z = -1.5000;累积概率 = 0.0668;百分位数 = 6.68%
如何核对结果
Z = (55 - 70) / 10 = -1.5。正态模型下侧累积比例约为6.68%,表示该值低于平均值1.5个标准差。

常见问题

Z分数为负数代表什么?
表示数据值低于平均值。例如Z = -1.5,说明该值比平均值低1.5个标准差。负数不一定意味着表现差,还要考虑指标的实际含义。
标准差应该使用样本值还是总体值?
应根据分析目的选择。如果描述完整总体,通常使用总体标准差;如果分析样本,则需结合所采用的统计方法选择样本标准差。本工具不会计算或识别标准差类型,只会将输入值作为分母。标准差为0或负数时无法完成计算。
百分位数与实际样本排名相同吗?
不同。这里的百分位数来自标准正态累积分布函数,代表模型中的下侧累积比例,不是对原始数据逐项排序得到的实际排名。Z = 0对应约50%,但只有在相应分布假设下才能将其解释为总体中位位置。
结果能用于判断异常值或统计显著性吗?
Z分数可以辅助识别偏离平均值较远的观测值,但异常与否取决于数据分布、研究背景及判断标准。计算器不会进行显著性检验,也不会自动给出风险或诊断结论。若数据明显不服从正态分布,累积概率尤其需要谨慎解释。