内容(常规):
内容(技术):
1.什么是Z分数?
简而言之,Z-Score(也称为标准得分)可让您了解数据点距均值有多远。但是,从技术上讲,它是对低于或高于总体的多少个标准差表示原始分数的度量。
可以将z得分放置在正态分布曲线上。Z分数的范围是-3个标准偏差(将落在正态分布曲线的最左端)到+3个标准偏差(将落在正态分布曲线的最右端)。为了使用z得分,您需要知道平均值 μ以及总体标准偏差σ。
Z得分是一种将结果与“正常”人群进行比较的方法。测试或调查的结果具有成千上万种可能的结果和单位。这些结果通常看起来毫无意义。例如,知道某人的体重为150磅可能是很好的信息,但是如果您要将其与“ 平均 ”人的体重进行比较,那么查看庞大的数据表可能会很麻烦(尤其是如果某些重量以千克为单位记录的话) 。z得分可以告诉你哪里是人的体重比平均人口的平均体重。
2. Z得分公式
Z得分公式:一个样本
样本的基本z得分公式为:
z =(x-μ)/σ
例如,假设您的测试成绩为190。该测试的平均值(μ)为150,标准偏差(σ)为25。假设为正态分布,则z得分为:
- z =(x-μ)/σ
- = (190 – 150) / 25 = 1.6.
z得分告诉您与得分平均值相比有多少标准偏差。在此示例中,您的得分比平均值高1.6个标准差。
您可能还会看到左侧显示的z得分公式。该公式与z = x –μ/σ完全相同,除了使用x̄(样本均值)代替μ(总体均值)和使用s(样本标准差)代替σ(总体标准)偏差)。但是,解决该问题的步骤完全相同。
Z得分公式:平均值的标准误
当您有多个样本并想要描述这些样本均值的标准偏差(标准误差)时,可以使用以下z得分公式:
z =(x –μ)/(σ/√n)
该z得分将告诉您您在样本均值和总体均值之间有多少标准误。
问题示例:通常,女性的平均身高为65英寸,标准差为3.5英寸。假设身高呈正态分布,发现随机抽取 50位平均身高为70英寸的女性的概率是多少?
- z =(x-μ)/(σ/√n)
- = (70 – 65) / (3.5/√50) = 5 / 0.495 = 10.1
这里的关键是我们正在处理均值的抽样分布,因此我们知道我们必须在公式中包括标准误差。我们也知道99%的值与正态概率分布中的平均值相差3个标准差(请参见68 95 99.7规则)。因此,任何女性样本的平均身高为70英寸的可能性不到1%。
对何时使用σ和何时使用σ√n感到困惑?请参阅:Sigma / sqrt(n)-为什么使用它?
3. 如何计算Z分数
您可以在TI-83计算器或Excel中轻松计算z得分。但是,如果您都没有,则可以手动进行计算。
示例问题:您的SAT成绩为1100。SAT的平均成绩为1026,标准差为209。与普通应试者相比,您在考试中的得分如何?
步骤1:将您的X值写入z-score方程。对于此示例问题,X值是您的SAT分数1100。
步骤4:使用计算器找到答案:
(1100 – 1026)/ 209 = .354。这意味着您的分数比平均值高0.354 std开发人员。
步骤5: (可选)查找在您的z值Z-表,看看考生的百分比得分低于你。.354的z得分是.1368 + .5000 * = 0.66368或63.68%。
*为什么要在结果中加上.500?所示的z表具有平均值右得分。因此,我们必须为平均值的所有LEFT区域加上.500。有关何时添加(或减去).500的更多示例,请参见以下示例:正态分布曲线下的面积。
喜欢解释吗?查阅《实践作弊统计手册》,其中有数百种逐步的解释,就像这个一样!
4. Z分数和标准偏差
从技术上讲,z得分是相对于参考人群(已记录已知值的人群,如CDC 在这些图表中汇总的人们体重)的平均值与标准偏差的数量。例如:
Z分数会告诉您分数在正态分布曲线上的位置。Z分数为零表示您的值完全是平均值,而分数+3则告诉您该值比平均值高得多。
5. 在现实生活中如何使用它?
您可以使用z表和正态分布图来直观了解z得分2.0意味着“高于平均值”的含义。假设您拥有一个人的体重(240磅),并且您知道他们的z得分是2.0。您知道2.0高于平均值(由于在正态分布曲线上的位置较高),但是您想知道此权重高于平均值多少?
曲线中心的z分数为零。Z值的平均值的右边是积极和Z值到左的意思是否定的。如果您在z表格中查询得分,则可以判断出总得分中高于或低于得分的百分比。下表显示了突出显示的2.0的z得分,显示了.9772(转换为97.72%)。如果您看到上面正态分布曲线的相同分数(2.0),您将看到它对应97.72%。
这表明您的总体分数中有97.72%低于该特定分数,而总分数中的100%– 97.72%= 2.28%高于该分数。仅有2.28的人口超过此人的体重……这可能是他们需要节食的好兆头!
参考文献
Base,C.(2018年)。了解基本统计。圣智学习。
CDC。儿童和成人的人体测量参考数据:美国,2007-2010年。
萨尔金德(2016)。讨厌(认为自己)讨厌的人的统计数据:使用Microsoft Excel 2016第四版。SAGE出版物。
在作业或测试题方面需要帮助吗?借助Chegg Study,您可以从该领域的专家那里获得针对您的问题的逐步解决方案。您使用Chegg辅导老师的前30分钟是免费的!
直观地解释统计概念 -包括许多概念,例如样本量,假设检验或逻辑回归,由StatisticsHowTo创始人 Stephanie Glen解释。
注释?需要发布更正?请在我们的Facebook页面上发表评论。