📊 Z점수 계산기

Z점수(표준 점수라고도 함)는 특정 값이 모평균을 기준으로 표준편차 몇 개만큼 위아래에 있는지를 알려줍니다. 이 변환은 모든 정규분포를 평균이 0이고 표준편차가 1인 표준 정규분포로 바꿉니다. 표준화의 힘은 완전히 다른 척도의 값을 하나의 공통된 기준으로 비교할 수 있다는 점에 있습니다. SAT 점수와 ACT 점수, 혈압 수치와 콜레스테롤 수치, 두 생산 라인의 제조 허용 오차를 모두 같은 잣대로 견줄 수 있습니다.

원시 점수를 Z점수로 바꾸는 것은 데이터 점수와 종 모양 곡선 위에 세워진 확률 도구를 잇는 다리입니다. Z값을 알면 백분위 순위(모집단의 몇 퍼센트가 당신보다 낮은지), 누적 확률 P(X ≤ x), 상측 꼬리 확률 P(X > x)를 조회할 수 있습니다. 이 수량들은 확률 계산기가 생성하는 값과 같으며, 정규분포 계산기가 모델링하는 분포에 해당합니다. 기본 데이터의 퍼짐 정도를 먼저 알아야 한다면 표준편차 계산기로 여기에 입력할 σ를 구하세요.

이 개념은 19세기 말 통계학자 갈튼에 의해 도입되고 피어슨과 피셔의 연구를 통해 정식화되었습니다. 오늘날 모든 입문 통계학 과정에서 가르치며 교육, 심리학, 의학, 금융, 식시그마 품질 프로그램에서 매일 사용됩니다. Z = +1은 값이 평균보다 표준편차 1개만큼 위에 있다는 뜻으로 모집단의 약 84%보다 높습니다. Z = −2는 값이 평균보다 표준편차 2개만큼 아래에 있다는 뜻으로 모집단의 약 98%보다 낮습니다.

Z점수는 단순한 공식으로 계산합니다.

여기서 X는 검사하려는 원시 점수, μ는 모평균, σ는 모표준편차입니다. 평균을 빼서 중심에서 얼마나 떨어져 있는지 구한 뒤, σ로 나누어 그 거리를 표준편차 단위로 환산합니다.

Z가 나오면 세 가지 파생 수량이 바로 이어집니다.

• 백분위 순위 — 분포에서 당신 점수 이하에 해당하는 값의 백분율입니다. Φ(Z) × 100 과 같습니다. Z = 1.0 은 제84.1 백분위수, Z = 1.96 은 제97.5 백분위수에 해당합니다.
• 누적 확률 P(X ≤ x) — 같은 값을 0부터 1까지의 확률로 나타낸 것입니다. Z = 1 일 때 P(X ≤ x) ≈ 0.841 입니다.
• 상측 꼬리 확률 P(X > x) — 1에서 누적 확률을 뺀 값으로, 당신 점수보다 더 극단적인 값이 나올 확률입니다. 이것이 가설 검정의 p값 뒤에 있는 수량입니다.

계산기는 Φ(Z)를 평가하기 위해 Abramowitz-Stegun 오차 함수 근사를 사용하며, 소수점 이하 약 7자리까지 정확합니다. 실용적으로는 충분하고 넘치는 정확도입니다. 역방향에서는 Z점수를 입력하는 것만으로 백분위수와 양측 꼬리 확률을 되찾을 수 있습니다. 표준 정규분포는 Z만으로 완전히 정의되기에 μ나 σ가 필요하지 않습니다.

1. 어느 방향으로 갈지 결정하세요. 원시 점수에서 Z점수를 구하려면 X(당신의 값), μ(모평균), σ(모표준편차) 세 값을 입력하세요. 반대 방향은 역산 필드에 Z점수를 직접 입력하면 됩니다.
2. 모평균 μ를 입력하세요. 비교하려는 전체 그룹의 평균입니다. 가령 반 시험 평균이나 제조 부품의 공칭 치수가 여기에 해당합니다.
3. 모표준편차 σ를 입력하세요. 양수여야 합니다. 원시 데이터만 있다면 먼저 표준편차 계산기에 통과시키고 모집단 값을 여기에 복사하세요.
4. 원시 점수 X를 입력하고 계산을 누르세요. Z값, 백분위 순위, 누적 확률 P(X ≤ x), 그리고 "평균보다 1.5 표준편차 위"와 같은 알기 쉬운 해석이 표시됩니다.
5. 역방향에서는 Z점수를 입력하고 계산을 누르는 것만으로 백분위수, 누적 확률, 상측 꼬리 확률을 되찾을 수 있습니다. p값을 읽거나 표준 정규표를 해석할 때 유용합니다.

Z점수가 1.5라는 것은 무슨 뜻인가요?

Z = 1.5 는 그 값이 모평균보다 정확히 1.5 표준편차만큼 위에 있다는 뜻입니다. 정규분포에서 이는 대략 제93 백분위수에 해당하며, 모든 값의 약 93%보다 높다는 의미입니다. 시험 점수, 검정 통계량, 공정 측정값 중 어느 것이든 일반적으로 좋은 결과로 간주됩니다.

Z점수가 음수가 될 수도 있나요?

네. Z점수가 음수이면 원시 값이 평균 아래에 있다는 뜻입니다. Z = −1 은 점수가 평균보다 표준편차 1개만큼 낮다는 것을 나타내며, 대략 제16 백분위수에 위치합니다. 음의 Z점수는 흔하고 완전히 의미가 있습니다. 단지 중심에서 벗어난 방향이 반대일 뿐입니다.

Z점수와 t점수의 차이는 무엇인가요?

Z점수는 모표준편차 σ를 사용하며 그것을 알고 있다고 가정합니다. t점수는 표본 표준편차 s를 사용하고 스튜던트 t분포를 따릅니다. t분포는 제한된 데이터로 σ를 추정하는 추가 불확실성을 반영하여 정규분포보다 약간 더 넓습니다. 표본 크기가 30을 넘으면 두 값이 사실상 같아지므로, 이 계산기는 대부분의 실제 상황에서 좋은 근사가 됩니다.

백분위수는 Z점수에서 어떻게 계산되나요?

계산기는 표준 정규 누적 분포 Φ(Z)를 평가하기 위해 Abramowitz-Stegun 오차 함수 근사를 적용하고, 거기에 100을 곱해 백분위수를 얻습니다. 이 근사는 소수점 이하 약 7자리까지 정확하여 교과서 부록의 어떤 Z표보다 정밀합니다.

Z점수는 정규분포에만 작동하나요?

Z점수 공식 자체는 어떤 분포에든 계산할 수 있습니다. 단순한 선형 변환이기 때문입니다. 하지만 여기에 표시되는 백분위수와 확률 출력은 정규분포에 의존하므로, 기본 데이터가 대략 종 모양일 때만 신뢰할 수 있습니다. 심하게 치우친 데이터라면 먼저 비모수 백분위수나 변환을 고려하세요.

제95 백분위수에 해당하는 Z점수는 얼마인가요?

표준 정규분포의 제95 백분위수는 약 Z = 1.645 입니다. 양측 95% 신뢰구간을 그리려면 ±1.96 을 사용하여 양쪽 꼬리에 2.5%씩 남깁니다. 1.645 와 1.96 이 두 숫자는 가설 검정과 표본 크기 계획에서 끊임없이 등장합니다.

Z점수가 양수이면 원시 값이 평균보다 위에, 음수이면 아래에 있다는 뜻입니다. 부호가 중요합니다. Z = −1.5 와 +1.5 는 둘 다 "중심에서 1.5 표준편차"지만 의미가 정반대입니다.

Z점수는 기본 분포가 대략 정규분포일 때만 의미가 있습니다. 데이터가 심하게 치우쳐 있거나 이봉형이라면, 종 모양 곡선에서 도출한 백분위수가 잘못된 정보를 줄 수 있습니다. 항상 분포 형태를 먼저 확인하고, σ를 아직 모른다면 표준편차 계산기로 구하세요.

표본 표준편차와 모표준편차의 차이에 주의하세요. 이 계산기는 모σ를 기대합니다. 표본만 가지고 있다면 Z점수는 엄밀히 말해 근사값이며, 더 정확한 대안은 t점수지만 n이 30을 넘으면 차이가 무시할 만한 수준입니다.

경험적 법칙(68–95–99.7)은 편리한 검증 수단입니다. 약 68%의 값이 ±1σ 이내에, 95%가 ±2σ 이내에, 99.7%가 ±3σ 이내에 들어옵니다. 결과가 이 기준点和 모순되면 입력을 다시 확인하세요.

Z점수는 단위가 없습니다. 섭씨 온도와 100점 만점 시험 점수를 같은 기준으로 비교할 수 있습니다. 표준화 시험, 성장 도표, 공정 능력 지수가 모두 Z점수에 기반하는 이유가 바로 이것입니다.