Calculateur de score Z

Calculateur de score Z : calculez «Score z» et «Différence par rapport à la moyenne» à partir de «Valeur observée», «Moyenne» et «Écart type».

LE CALCUL EN IMAGE

Des données au résultat

Données saisies

Valeur observée: 85 unités
Moyenne: 70 unités
Écart type: 10 unités

Résultat

Score z: 1,5 écarts-types
Différence par rapport à la moyenne: 15 unités

Cet exemple utilise les valeurs initiales. Lorsque vous modifiez les données, le résultat est recalculé. Un lien partagé conserve les valeurs saisies.

Comprendre ce calcul

Calculateur de score Z : saisissez «Valeur observée», «Moyenne» et «Écart type» pour calculer «Score z» et «Différence par rapport à la moyenne». Les exemples ci-dessous expliquent la relation entre ces données, le résultat et les hypothèses utilisées.

Formule

z = (valeur - Moyenne) / Écart type

Exemple détaillé

Avec Valeur observée: 85 unités, Moyenne: 70 unités, Écart type: 10 unités, score z donne 1,5 écarts-types.

Méthode et entrées

Soustraire la moyenne pertinente de la valeur observée, puis diviser par l'écart-type positif. Le z-score résultant est sans dimension car numérateur et dénominateur utilisent la même unité de mesure.

Exemple chiffré

Pour une observation de 85, 70 moyenne et écart type 10, la différence est 15 et z = 1.5. L'observation se situe à un écart-type et demi au-dessus de la moyenne sélectionnée.

Un score de 85 par rapport à la moyenne 70 et l'écart type 10 donne z = 1.5. Si l'écart-type du groupe de référence est plutôt 20, la même différence brute donnerait z = 0.75. La normalisation dépend du groupe de comparaison choisi.

Comment lire le résultat

Les scores positifs sont supérieurs à la moyenne; les scores négatifs sont inférieurs à la moyenne. Un z-score en soi ne donne pas un percentile à moins qu'un modèle de distribution, souvent normal, soit également justifié.

Le z-score peut aider à comparer les mesures avec différentes unités seulement lorsque chacune a une moyenne significative et un écart-type. Il n'efface pas la mauvaise qualité des données. Un petit écart type grossit aussi de petites erreurs de mesure, donc la précision de l'observation originale est importante.

Hypothèses et vérifications

L'écart moyen et l'écart type doivent décrire la même population de référence ou l'échelle d'échantillonnage que l'observation. Un écart-type zéro rend la normalisation indéfinie, de sorte que l'entrée doit être positive.

Ne remplacez pas silencieusement l'écart type d'un échantillon par une valeur connue de la population sans prendre note du changement. Pour les distributions fortement biaisées, un z-score donné n'a pas besoin d'avoir l'interprétation familière de la queue normale.

Si la valeur égale exactement la moyenne, le numérateur est zéro et le z-score est zéro pour tout écart type positif. Si la valeur est un écart type en dessous de la moyenne, le z-score est moins un. Ces cas d'ancrage rendent la validation manuelle simple.

Questions fréquentes

Que calcule calculateur de score z ?

Il retourne la distance normalisée signée de la moyenne et la différence brute dans les unités originales.

Quand faut-il refaire le calcul ou vérifier le résultat par une autre méthode ?

Recalculer lorsque le groupe de référence change. Pour les décisions aberrantes, vérifier la distribution et la taille de l'échantillon plutôt que d'appliquer un seuil de z fixe sans contexte.