Calculatrice d'Isolation

Qu'est-ce que le calculateur de score Z ?

Le calculateur de score Z normalise toute valeur d'une distribution normale, en l'exprimant sous la forme du nombre d'écarts types au-dessus ou en dessous de la moyenne. Cette transformation permet la comparaison sur différentes échelles, l'identification des valeurs aberrantes et le calcul des probabilités à l'aide de la distribution normale standard, ce qui rend les scores z fondamentaux pour l'analyse statistique, le contrôle qualité et les tests d'hypothèses.

Vous pouvez également trouver leStandard Deviation Calculator, Confidence Interval Calculator, and Mean Calculator useful.

Considérez les scores SAT (moyenne = 1050, SD = 200) et les scores ACT (moyenne = 21, SD = 5). Un étudiant obtient 1350 au SAT et 28 à l'ACT. Quel est le meilleur ? Les scores Z répondent à ceci : SAT z = (1 350-1 050)/200 = 1,5 ; LOI z = (28-21)/5 = 1,4. Le score SAT est relativement plus fort : 1,5 SD au-dessus de la moyenne contre 1,4 SD.

Les scores Z transforment toute distribution normale en distribution normale standard (moyenne = 0, SD = 1). Cette échelle universelle vous permet d'utiliser des tables z ou des calculatrices pour trouver des centiles et des probabilités, quelles que soient les unités de mesure d'origine.

Formules Z-Score avec calculs complets

Formule du score Z :

z = (x - μ) / σ

Où : z = score z, x = valeur observée, μ = moyenne de la population, σ = écart type de la population

Pour des exemples de données :

z = (x - x̄) / s

Où : x̄ = moyenne de l'échantillon, s = écart type de l'échantillon

Conversion du score Z en centile :

Centile = Φ(z) × 100 %

Où Φ(z) est la fonction de distribution cumulative de la normale standard.

Benchmarks courants du score Z :

• z = 0 : exactement à la moyenne (50e centile)
• z = 1,0 : un écart-type au-dessus de la moyenne (84e centile)
• z = -1,0 : un écart-type en dessous de la moyenne (16e percentile)
• z = 1,96 : 97,5e percentile (valeur critique pour un niveau de confiance de 95 %)
• z = 2,58 : 99,5e percentile (valeur critique pour un niveau de confiance de 99 %)
• |z| > 3 : Valeur aberrante potentielle (au-delà de 99,7 % des données)

Calcul complet : analyse des résultats du test

Problème : Un élève obtient un score de 87 à un test où la moyenne = 75 et l'écart-type = 8. Quels sont le score z et le percentile ?

Step 1:Identifier les valeurs

x = 87, µ = 75, σ = 8

Step 2:Appliquer la formule du score z

z = (87 - 75) / 8 = 12 / 8 = 1,5

Step 3:Interpréter le z-score

z = 1,5 signifie que le score est de 1,5 écart-type au-dessus de la moyenne

Step 4:Trouvez le centile à l'aide d'une table z ou d'une calculatrice

Φ(1,5) = 0,9332 = 93,32e centile

Result:Score z = 1,5, percentile = 93,3 %

Interprétation : L'étudiant a obtenu de meilleurs résultats que 93,3 % des candidats.

Calcul complet : limites de contrôle qualité

Problème : Une machine remplit des bouteilles avec une moyenne = 500 ml, σ = 3 ml. Une bouteille contient 493 ml. Est-ce inhabituel ?

Step 1:Identifier les valeurs

x = 493, µ = 500, σ = 3

Step 2:Calculer le score z

z = (493 - 500) / 3 = -7 / 3 = -2,33

Step 3:Trouver le centile

Φ(-2,33) = 0,0099 = 0,99e centile

Step 4:Évaluer si le

est inhabituel Seulement 0,99% des bouteilles en contiennent peu ou moins. C’est inhabituel : moins de 1 % d’occurrence.

Result:z = -2,33, centile = 0,99 %. Recherchez un sous-remplissage.

6 étapes pour calculer les scores Z

Étape 1 — Vérifiez que les données sont à peu près normales :Les scores Z supposent une distribution normale. Vérifiez avec un histogramme ou un diagramme de probabilité normale. Pour les données fortement asymétriques, les scores z et les centiles associés seront inexacts. Transformez les données asymétriques ou utilisez des méthodes non paramétriques si la normalité échoue.

Étape 2 — Déterminer la moyenne et l'écart type :Utilisez les paramètres de population (μ, σ) s’ils sont connus à partir des données ou des spécifications du recensement. Utilisez des exemples de statistiques (x̄, s) lorsque vous travaillez avec un sous-ensemble. Le choix affecte l’interprétation : les scores z de l’échantillon estiment les scores z de la population.

Étape 3 — Identifiez la valeur à normaliser :Sélectionnez l’observation spécifique (x) que vous souhaitez convertir en score z. Il peut s'agir d'un résultat de test, d'une mesure ou de tout autre point de données. Assurez-vous que x utilise les mêmes unités que la moyenne et l’écart type.

Étape 4 — Soustraire la moyenne :Calculez (x - μ) ou (x - x̄). Cet écart vous indique à quel point la valeur est éloignée de la moyenne en unités d'origine. Positif signifie supérieur à la moyenne ; négatif signifie inférieur à la moyenne.

Étape 5 — Diviser par écart type :Divisez l'écart par σ ou s. Cela convertit l'écart en unités d'écart type : le score z. Un score z de 2 signifie « 2 écarts types au-dessus de la moyenne », qu'il s'agisse de mesurer la taille, le poids ou les résultats des tests.

Étape 6 — Interpréter et utiliser :Convertissez z en centile à l'aide d'une table z, d'une calculatrice ou d'un logiciel. Identifiez les valeurs aberrantes (|z| > 3). Comparez les scores z sur différentes mesures. Utilisez les scores z pour calculer les probabilités pour des plages de valeurs.

5 Exemples détaillés

Exemple 1 : Comparaison des admissions au collège

Candidat A : GPA 3,8 (moyenne scolaire = 3,5, SD = 0,3). Candidat B : GPA 3,9 (moyenne scolaire = 3,7, SD = 0,15). Qui se démarque le plus ?

z_A = (3,8 - 3,5) / 0,3 = 0,3 / 0,3 = 1,0

z_B = (3,9 - 3,7) / 0,15 = 0,2 / 0,15 = 1,33

Le candidat B a un score z plus élevé malgré une différence absolue plus petite par rapport à la moyenne. Dans leurs contextes respectifs, la GPA de B est plus exceptionnelle (90,8e percentile vs 84,1e percentile).

Exemple 2 : Détection de défauts de fabrication

Diamètres des boulons : μ = 10,0 mm, σ = 0,05 mm. Le contrôle qualité rejette les boulons avec |z| > 2.5. Quelles sont les limites d’acceptation ?

Limite supérieure : x = μ + zσ = 10,0 + 2,5(0,05) = 10,125 mm

Limite inférieure : x = μ - zσ = 10,0 - 2,5(0,05) = 9,875 mm

Plage acceptable : [9,875, 10,125] mm. Les boulons en dehors de cette plage ont des scores z supérieurs à ±2,5, tombant dans l'extrême 1,2 % de la production.

Exemple 3 : Classement des performances des employés

Revenu mensuel du représentant commercial : 142 000 $. Moyenne de l'équipe : 118 000 $, SD : 16 500 $. À quel centile correspond cette représentation ?

z = (142 000 - 118 000) / 16 500 = 24 000 / 16 500 = 1,45

Φ(1,45) = 0,9265 = 92,65e centile

Ce représentant surpasse 92,7 % de l'équipe, un bon candidat à la reconnaissance ou à la promotion.

Exemple 4 : Plages de référence médicale

Taux d'hémoglobine : μ = 14,2 g/dL, σ = 1,1 g/dL. La plage normale est définie comme étant la moyenne de 95 %. Quelles sont les valeurs seuils ?

Les 95 % du milieu correspondent à z = ±1,96

Seuil inférieur : 14,2 - 1,96(1,1) = 14,2 - 2,156 = 12,04 g/dL

Seuil supérieur : 14,2 + 1,96(1,1) = 14,2 + 2,156 = 16,36 g/dL

Plage normale : [12,04, 16,36] g/dL. Les valeurs en dehors de cette plage (2,5 % sur chaque queue) justifient une enquête médicale.

Exemple 5 : Évaluation de la performance des investissements

Rendement du portefeuille : 12,5%. Moyenne de référence : 9,2 %, SD : 4,8 %. Quelle a été la performance du portefeuille ?

z = (12,5 - 9,2) / 4,8 = 3,3 / 4,8 = 0,6875 ≈ 0,69

Φ(0,69) = 0,7549 = 75,5e percentile

Le portefeuille a surperformé 75,5 % des observations de l'indice de référence, une performance solide mais pas exceptionnelle (z < 1,0).

4 erreurs courantes à éviter

Erreur 1 — Utilisation des scores Z pour les données non normales :Les scores Z supposent la normalité. Pour les distributions asymétriques (revenus, prix de l'immobilier), un z-score de 2 ne correspond pas au 97,5e percentile. Vérifiez d'abord la normalité. Pour les données non normales, utilisez directement les centiles ou transformez les données (par exemple, transformation de journal).

Erreur 2 — Paramètres d'échantillon et de population confus :L'utilisation de la moyenne de l'échantillon et de l'écart-type les traite comme des paramètres de population connus, en ignorant l'incertitude d'échantillonnage. Pour les petits échantillons (n ​​< 30), utilisez les scores T au lieu des scores z lorsque vous faites des inférences sur les moyennes de la population.

Erreur 3 — Interprétation erronée des scores Z négatifs :Un score z de -2 ne signifie pas « mauvais », cela signifie « 2 SD en dessous de la moyenne ». Pour les traits souhaitables (scores aux tests, taille au basket-ball), un z négatif est défavorable. Pour les traits indésirables (taux d’erreur, temps de réponse), un z négatif est favorable.

Erreur 4 – Supposer une causalité à partir de scores Z extrêmes :Un score z de 4 (1 occurrence sur 31 574) suggère que quelque chose d’inhabituel s’est produit, mais pas nécessairement ce que vous pensez. Un employé avec z = 4 pour la productivité peut être exceptionnel, ou la mesure peut être erronée. Enquêter avant de conclure.

4 Conseils pratiques

Astuce 1 — Utilisez les scores Z pour détecter les valeurs aberrantes :Marquez toute observation avec |z| > 3 pour enquête. En contrôle qualité, ceux-ci représentent des défauts. En finance, ils représentent des anomalies qui méritent d’être auditées. En recherche, il peut s’agir d’erreurs de saisie de données ou de véritables extrêmes nécessitant une analyse distincte.

Astuce 2 — Standardisez plusieurs variables à des fins de comparaison :Lors de la création d'indices composites (par exemple, des scores de qualité de vie), convertissez d'abord tous les composants en scores z. Cela place le PIB, l’espérance de vie et l’éducation sur la même échelle avant d’établir une moyenne. Sans standardisation, les variables avec des nombres plus grands dominent.

Astuce 3 — Calculez les plages de probabilité en utilisant Z :Pour « quelle est la probabilité que X tombe entre A et B ? » : recherchez z_A et z_B, recherchez Φ(z_A) et Φ(z_B), soustrayez : P = Φ(z_B) - Φ(z_A). Pour la « probabilité de dépasser X » : P = 1 - Φ(z).

Astuce 4 — Tirez parti de la règle 68-95-99.7 :Pour les distributions normales : ~68 % des valeurs ont |z| < 1, ~95 % ont |z| < 2, ~ 99,7 % ont |z| < 3. Ce raccourci mental permet d'évaluer si un score z est typique ou inhabituel sans rechercher les percentiles exacts.

4 FAQs

Calculatrices associées

• Standard Deviation Calculator— Calcule σ nécessaire pour le z-score
• Confidence Interval Calculator— Utilise les scores z pour les limites d'intervalle
• Probability Calculator— Convertit les scores z en probabilités
• Median Calculator— Mesure alternative pour les données non normales