📊 Z 分数计算器

Z 分数（又称标准分数）告诉你某个数值距离总体平均值有几个标准差远。这个转换把任何正态分布都化为标准正态分布——平均值为零、标准差为一。标准化的威力在于：你可以把完全不同量尺的数据放在一起比较，比如 SAT 和 ACT 的分数、两条生产线的制造公差、血压和胆固醇的读数，全都换算成同一把尺子。

把原始分数换成 Z 分数，是连接"单个数据点"和"钟形曲线概率工具"的桥梁。有了 Z 值之后，你可以查出百分等级（总体中有百分之多少的值比你低）、累积概率 P(X ≤ x) 和上尾概率 P(X > x)。这些数值与概率计算器给出的结果一致，也对应着正态分布计算器所建模的分布。如果你还不知道 σ 是多少，可以先用标准差计算器算出来，再填到这里。

Z 分数的概念最早由 19 世纪末的统计学家 Galton 提出，后经 Pearson 与 Fisher 正式化。如今它出现在每一本入门统计教材中，被广泛用于教育、心理学、医学、金融和六西格玛质量管理。Z = +1 表示该值高于平均值一个标准差，大约超过 84% 的总体；Z = −2 则表示低于平均值两个标准差，大约只有 2% 的总体比你更低。

Z 分数的公式只有一行：

其中 X 是你要检验的原始分数，μ 是总体平均值，σ 是总体标准差。先减去平均值得到偏移量，再除以 σ，就把这个偏移量换算成"几个标准差"的单位。

有了 Z 之后，三个衍生量可以立刻算出：

• 百分等级——分布中低于或等于你分数的值所占的百分比，等于 Φ(Z) × 100。Z = 1.0 对应第 84.1 百分位；Z = 1.96 对应第 97.5 百分位。
• 累积概率 P(X ≤ x)——同样的值，但以 0 到 1 之间的概率表示。Z = 1 时 P(X ≤ x) ≈ 0.841。
• 上尾概率 P(X > x)——1 减去累积概率，代表出现比你更极端值的概率。这正是假设检验中 p 值的由来。

本计算器使用 Abramowitz-Stegun 误差函数近似法来计算 Φ(Z)，精度可达小数点后第七位，足以应对绝大多数实际需求。反向操作时，只需输入 Z 分数即可反推百分等级与双尾概率，因为标准正态分布完全由 Z 决定，不需要额外知道 μ 或 σ。

1. 先确定方向。如果要从原始分数算出 Z，依次填入 X（你的数值）、μ（总体平均值）、σ（总体标准差）。如果要反向操作，请直接在下方栏目输入 Z 分数。
2. 输入总体平均值 μ，也就是你要比较的整个群体的平均——比如全班考试平均分，或零件的标称尺寸。
3. 输入总体标准差 σ，必须是正数。如果手上只有原始数据，请先用标准差计算器算出总体 σ 再填入。
4. 输入原始分数 X 并按下计算。工具会显示 Z 值、百分等级、累积概率 P(X ≤ x)，以及通俗解读，例如"高于平均值 1.5 个标准差"。
5. 反向操作时，输入 Z 分数再按计算，即可反推百分等级、累积概率和上尾概率——这在判读 p 值或查标准正态表时特别方便。

Z 分数 1.5 代表什么？

Z = 1.5 表示该值高于总体平均值正好一个半标准差。在正态分布中，这大约对应第 93 百分位，也就是超过约 93% 的值。无论是考试成绩、检验统计量还是过程测量，这通常被认为是相当不错的结果。

Z 分数可以是负数吗？

可以。负的 Z 分数代表原始值低于平均值。Z = −1 表示低于平均一个标准差，约落在第 16 百分位。负 Z 分数很常见且完全有意义，只是方向相反。

Z 分数和 t 分数有什么区别？

Z 分数使用总体标准差 σ，前提是你确实知道 σ。t 分数使用样本标准差 s，服从 Student t 分布——因为用有限样本估计 σ 会多一层不确定性，t 分布比正态分布稍宽。当样本量超过 30 时两者几乎相同，因此本计算器在大多数实际情况下是很好的近似。

百分等级是怎么从 Z 分数算出来的？

计算器使用 Abramowitz-Stegun 误差函数近似法来求标准正态累积分布 Φ(Z)，再乘以 100 得到百分等级。近似精度约为小数点后第七位，比任何教科书附录中的 Z 表都更精确。

Z 分数只适用于正态分布吗？

Z 分数的公式本身可以套用于任何分布，它只是一个线性缩放。然而本工具显示的百分等级和概率是建立在正态分布之上，因此只有当数据大致呈钟形时才可信。如果数据严重偏态，建议先做转换或改用非参数百分位数。

第 95 百分位对应的 Z 分数是多少？

标准正态分布的第 95 百分位大约是 Z = 1.645。如果要画双尾 95% 置信区间，则用 ±1.96，两尾各留 2.5%。1.645 和 1.96 这两个数字在假设检验和样本量规划中非常常见。

Z 为正代表原始值高于平均值，为负代表低于平均值。正负号很重要——Z = −1.5 和 Z = +1.5 虽然都距离中心"一个半标准差"，但含义完全相反。

Z 分数只有在数据大致呈正态分布时才有意义。若数据严重偏态或双峰，从钟形曲线推得的百分等级会产生误导。建议先确认分布形状；若还不知道 σ，可用标准差计算器求得。

注意样本标准差和总体标准差的区别。本工具需要的是总体 σ。如果手上只有样本数据，严格来说应使用 t 分数，但当样本量超过 30 时两者差异可以忽略。

经验法则（68–95–99.7）是很好的检验基准：约 68% 的值落在 ±1σ 内、95% 在 ±2σ 内、99.7% 在 ±3σ 内。如果计算结果与这些界限矛盾，请回头检查输入。

Z 分数没有单位，因此可以把摄氏温度和满分 100 分的考试成绩放在同一把尺子上比较。这也是标准化考试、生长曲线图和过程能力指数都以 Z 分数为基础的原因。