📊 Z-Score-Rechner

Der Z-Score (auch Standardwert genannt) gibt an, wie viele Standardabweichungen ein bestimmter Wert über oder unter dem Populationsmittelwert liegt. Die Transformation wandelt jede Normalverteilung in die Standardnormalverteilung um, die den Mittelwert null und die Standardabweichung eins hat. Diese Standardisierung ist mächtig: Sie erlaubt es, Werte aus völlig unterschiedlichen Skalen auf einen gemeinsamen Maßstab zu vergleichen — einen SAT-Score mit einem ACT-Score, einen Blutdruckwert mit einem Cholesterinwert oder die Fertigungstoleranz zweier Produktionslinien.

Einen Rohwert in einen Z-Score umzuwandeln ist die Brücke zwischen einem Datenpunkt und den Wahrscheinlichkeitswerkzeugen, die auf der Glockenkurve aufbauen. Sobald Sie den Z-Wert haben, können Sie den Perzentilrang ablesen (welcher Prozentsatz der Population unter Ihnen liegt), die kumulative Wahrscheinlichkeit P(X ≤ x) und die obere尾部-Wahrscheinlichkeit P(X > x). Das sind dieselben Größen, die ein Wahrscheinlichkeitsrechner ausgibt, und dieselbe Verteilung, die ein Normalverteilungsrechner modelliert. Wenn Sie zuerst die Streuung der zugrunde liegenden Daten brauchen, liefert ein Standardabweichungsrechner das σ, das Sie hier einsetzen.

Das Konzept wurde Ende des 19. Jahrhunderts vom Statistiker Galton eingeführt und durch die Arbeit von Pearson und Fisher formalisiert. Heute wird es in jedem Einführungskurs in Statistik gelehrt und täglich in Bildung, Psychologie, Medizin, Finanzen und Six-Sigma-Qualitätsprogrammen verwendet. Ein Z-Score von +1 bedeutet, dass der Wert eine Standardabweichung über dem Mittelwert liegt — besser als etwa 84 % der Population. Ein Z-Score von −2 zeigt, dass der Wert zwei Standardabweichungen unter dem Mittelwert liegt — niedriger als etwa 98 % der Population.

Der Z-Score wird mit einer einzigen eleganten Formel berechnet:

wobei X der Rohwert ist, den Sie prüfen, μ der Populationsmittelwert und σ die Population-Standardabweichung. Subtrahieren Sie den Mittelwert, um den Abstand vom Zentrum zu finden, und teilen Sie dann durch σ, um diesen Abstand in Standardabweichungs-Einheiten auszudrücken.

Sobald Sie Z haben, ergeben sich drei abgeleitete Größen direkt:

• Perzentilrang — der Prozentsatz der Werte in der Verteilung, die bei oder unter Ihrem Score liegen. Er entspricht Φ(Z) × 100. Ein Z von 1,0 ergibt das 84,1. Perzentil; ein Z von 1,96 das 97,5. Perzentil.
• Kumulative Wahrscheinlichkeit P(X ≤ x) — derselbe Wert, ausgedrückt als Wahrscheinlichkeit von 0 bis 1. Für Z = 1 ist P(X ≤ x) ≈ 0,841.
• Obere尾部-Wahrscheinlichkeit P(X > x) — eins minus der kumulativen Wahrscheinlichkeit, also die Chance, einen extremeren Wert als Ihren Score zu beobachten. Das ist die Größe hinter p-Werten bei Hypothesentests.

Der Rechner wertet Φ(Z) mit der Abramowitz-Stegun-Näherung der Fehlerfunktion (erf) aus, die auf etwa sieben Dezimalstellen genau ist — mehr als genug für jeden praktischen Einsatz. In der Gegenrichtung geben Sie einen Z-Score ein und das Werkzeug ermittelt das Perzentil und beide尾部-Wahrscheinlichkeiten, ohne dass μ oder σ nötig wären, denn die Standardnormalverteilung ist vollständig durch Z allein definiert.

1. Entscheiden Sie, in welche Richtung Sie gehen möchten. Um von einem Rohwert zu einem Z-Score zu kommen, füllen Sie die drei Eingaben X (Ihr Wert), μ (Populationsmittelwert) und σ (Population-Standardabweichung) aus. Für die andere Richtung geben Sie direkt einen Z-Score in das Rückrechnungsfeld ein.
2. Geben Sie den Populationsmittelwert μ ein. Das ist der Durchschnitt der gesamten Gruppe, mit der Sie vergleichen — beispielsweise der Klassendurchschnitt bei einer Prüfung oder das Nennmaß eines gefertigten Teils.
3. Geben Sie die Population-Standardabweichung σ ein. Sie muss eine positive Zahl sein. Wenn Sie nur Rohdaten haben, schicken Sie diese zuerst durch einen Standardabweichungsrechner und kopieren Sie den Population-Wert hierher.
4. Geben Sie den Rohwert X ein und drücken Sie Berechnen. Das Werkzeug gibt den Z-Wert, den Perzentilrang, die kumulative Wahrscheinlichkeit P(X ≤ x) und eine Klartext-Interpretation wie "über dem Mittelwert um 1,5 Standardabweichungen" aus.
5. In der Gegenrichtung tippen Sie einen Z-Score ein und drücken Berechnen, um Perzentil, kumulative Wahrscheinlichkeit und obere尾部-Wahrscheinlichkeit zu erhalten — nützlich zum Ablesen von p-Werten oder zum Übersetzen von Standardnormaltabellen.

Was bedeutet ein Z-Score von 1,5?

Ein Z-Score von 1,5 bedeutet, dass der Wert genau eineinhalb Standardabweichungen über dem Populationsmittelwert liegt. In einer Normalverteilung entspricht das ungefähr dem 93. Perzentil — höher als etwa 93 % aller Werte. Es gilt allgemein als starkes Ergebnis, egal ob es sich um eine Prüfungsnote, eine Teststatistik oder eine Prozessmessung handelt.

Kann ein Z-Score negativ sein?

Ja. Ein negativer Z-Score bedeutet, dass der Rohwert unter dem Mittelwert liegt. Ein Z von −1 zeigt, dass der Score eine Standardabweichung unter dem Durchschnitt liegt, was etwa dem 16. Perzentil entspricht. Negative Z-Scores sind häufig und völlig sinnvoll — sie geben lediglich die Richtung der Abweichung vom Zentrum an.

Was ist der Unterschied zwischen Z-Score und t-Score?

Der Z-Score verwendet die Population-Standardabweichung σ und setzt voraus, dass Sie sie kennen. Der t-Score verwendet die Stichproben-Standardabweichung s und folgt der Student-t-Verteilung, die breiter ist, um die zusätzliche Unsicherheit beim Schätzen von σ aus begrenzten Daten widerzuspiegeln. Für Stichprobengrößen über 30 sind beide praktisch identisch, sodass dieser Rechner in den meisten realen Fällen eine gute Näherung ist.

Wie wird das Perzentil aus dem Z-Score berechnet?

Der Rechner wendet die Abramowitz-Stegun-Näherung der Fehlerfunktion an, um die Standardnormal-Kumulative Verteilung Φ(Z) auszuwerten. Das Perzentil ist Φ(Z) multipliziert mit 100. Die Näherung ist auf etwa sieben Dezimalstellen genau, also deutlich präziser als jede Z-Tabelle im Lehrbuch.

Funktionieren Z-Scores nur bei Normalverteilungen?

Die Formel des Z-Scores kann für jede Verteilung berechnet werden — sie ist lediglich eine lineare Skalierung. Die hier gezeigten Perzentil- und Wahrscheinlichkeitsausgaben beruhen jedoch auf der Normalverteilung, sodass sie nur verlässlich sind, wenn die zugrunde liegenden Daten ungefähr glockenförmig sind. Bei stark schiefen Daten ziehen Sie zuerst ein nichtparametrisches Perzentil oder eine Transformation in Betracht.

Welcher Z-Score entspricht dem 95. Perzentil?

Das 95. Perzentil der Standardnormalverteilung ist ungefähr Z = 1,645. Für ein zweiseitiges 95%-Konfidenzintervall verwendet man ±1,96, was in jeder尾部 2,5 % lässt. Diese beiden Zahlen — 1,645 und 1,96 — tauchen ständig in Hypothesentests und Stichprobenplanungen auf.

Ein positiver Z-Score bedeutet, dass der Rohwert über dem Mittelwert liegt; ein negativer, dass er darunter liegt. Das Vorzeichen zählt — ein Z von −1,5 ist nicht dasselbe wie +1,5, auch wenn beide "eineinhalb Standardabweichungen vom Zentrum" entfernt sind.

Z-Scores sind nur sinnvoll, wenn die zugrunde liegende Verteilung näherungsweise normal ist. Wenn Ihre Daten stark schief oder bimodal sind, wird das aus der Glockenkurve abgeleitete Perzentil irreführend sein. Prüfen Sie immer zuerst die Verteilungsform und wenn Sie σ noch nicht kennen, berechnen Sie es mit einem Standardabweichungsrechner.

Achten Sie auf den Unterschied zwischen Stichproben- und Population-Standardabweichung. Dieser Rechner erwartet das Population-σ. Wenn Sie nur eine Stichprobe haben, ist der Z-Score technisch eine Näherung; die genauere Alternative ist der t-Score, aber für n über 30 ist der Unterschied vernachlässigbar.

Die empirische Regel (68–95–99,7) ist eine praktische Plausibilitätsprüfung: Etwa 68 % der Werte liegen innerhalb von ±1σ, 95 % innerhalb von ±2σ und 99,7 % innerhalb von ±3σ. Wenn Ihr Perzentil-Ergebnis diesen Marken widerspricht, überprüfen Sie die Eingaben.

Z-Scores sind dimensionslos. Sie können eine Temperatur in Celsius mit einer Prüfungsnote über 100 vergleichen — beide werden nach der Standardisierung zu derselben einheitenlosen Zahl. Deshalb basieren standardisierte Prüfungen, Wachstumskurven und Prozessfähigkeitsindizes auf Z-Scores.