📊 Z 分數計算機

Z 分數（又稱標準分數）告訴你某個數值距離母體平均值有幾個標準差。這個轉換把任何常態分配都化成標準常態分配——平均值為零、標準差為一。標準化的威力在於：你可以把完全不同量尺的數據放在一起比較，例如 SAT 和 ACT 的成績、兩條生產線的製造公差、血壓和膽固醇的讀數，全都換成同一把尺。

把原始分數換成 Z 分數，是連結「單一數據點」與「鐘型曲線機率工具」的橋梁。有了 Z 值之後，你可以查百分等級（母體中有多少百分比的值比你低）、累積機率 P(X ≤ x) 與右尾機率 P(X > x)。這些數量與機率計算機產出的結果一致，也對應到常態分配計算機所建模的分配。如果你還不知道 σ，可先用標準差計算機算出來再填入這裡。

Z 分數的概念最早由十九世紀末的統計學家 Galton 提出，後經 Pearson 與 Fisher 正式化。如今它出現在每一本入門統計教科書中，廣泛應用於教育、心理學、醫學、金融與六標準差品質管理。Z = +1 代表該值高於平均值一個標準差，大約勝過 84% 的母體；Z = −2 則代表低於平均值兩個標準差，大約只有 2% 的母體比你更低。

Z 分數的公式只有一行：

其中 X 是你要檢驗的原始分數，μ 是母體平均值，σ 是母體標準差。先減去平均值得到偏移量，再除以 σ，就把這個偏移量換算成「幾個標準差」的單位。

有了 Z 之後，三個衍生量可以立刻算出：

• 百分等級——分配中低於或等於你分數的值所佔的百分比，等於 Φ(Z) × 100。Z = 1.0 對應第 84.1 百分位；Z = 1.96 對應第 97.5 百分位。
• 累積機率 P(X ≤ x)——同樣的值，但以 0 到 1 之間的機率表示。Z = 1 時 P(X ≤ x) ≈ 0.841。
• 右尾機率 P(X > x)——1 減去累積機率，代表出現比你更極端值的機率。這正是假設檢定中 p 值的由來。

本計算機使用 Abramowitz-Stegun 的誤差函數近似法來計算 Φ(Z)，精度約可達小數點後第七位，已足夠應付絕大多數實務需求。反向操作時，只需輸入 Z 分數即可回推百分等級與雙尾機率，因為標準常態分配完全由 Z 決定，不需要額外知道 μ 或 σ。

1. 先決定方向。若要從原始分數算出 Z，依序填入 X（你的數值）、μ（母體平均值）、σ（母體標準差）。若要反向操作，請直接在下方欄位輸入 Z 分數。
2. 輸入母體平均值 μ，也就是你要比較的整個群體的平均——例如全班考試平均、或零件的標稱尺寸。
3. 輸入母體標準差 σ，必須是正數。若手邊只有原始資料，請先用標準差計算機算出母體 σ 再填入。
4. 輸入原始分數 X 並按下計算。工具會顯示 Z 值、百分等級、累積機率 P(X ≤ x)，以及白話詮釋，例如「高於平均值 1.5 個標準差」。
5. 反向操作時，輸入 Z 分數再按計算，即可回推百分等級、累積機率與右尾機率——這在判讀 p 值或查標準常態表時特別好用。

Z 分數 1.5 代表什麼？

Z = 1.5 表示該值高於母體平均值正好一個半標準差。在常態分配中，這大約對應第 93 百分位，也就是勝過約 93% 的值。無論是考試成績、檢定統計量或製程量測，這通常被視為相當不錯的結果。

Z 分數可以是負的嗎？

可以。負的 Z 分數代表原始值低於平均值。Z = −1 表示低於平均一個標準差，約落在第 16 百分位。負 Z 分數很常見且完全有意義，只是方向相反而已。

Z 分數和 t 分數有什麼不同？

Z 分數使用母體標準差 σ，前提是你確實知道 σ。t 分數使用樣本標準差 s，服從 Student t 分配——因為用有限樣本估計 σ 會多一層不確定性，t 分配比常態分配稍寬。當樣本數超過 30 時兩者幾乎相同，因此本計算機在多數實務情境下是很好的近似。

百分等級是怎麼從 Z 分數算出來的？

計算機使用 Abramowitz-Stegun 誤差函數近似法來求標準常態累積分配 Φ(Z)，再乘以 100 得到百分等級。近似精度約小數點後第七位，比任何教科書附的 Z 表都還要精確。

Z 分數只適用於常態分配嗎？

Z 分數的公式本身可以套用於任何分配，它只是一個線性縮放。然而本工具顯示的百分等級與機率是建立在常態分配之上，因此只有當資料大致呈鐘型時才可信。若資料嚴重偏態，建議先做轉換或改用無母數百分位數。

第 95 百分位對應的 Z 分數是多少？

標準常態分配的第 95 百分位大約是 Z = 1.645。若要畫雙尾 95% 信賴區間，則用 ±1.96，兩尾各留 2.5%。1.645 與 1.96 這兩個數字在假設檢定與樣本數規劃中非常常見。

Z 為正代表原始值高於平均值，為負代表低於平均值。正負號很重要——Z = −1.5 與 Z = +1.5 雖然都距離中心「一個半標準差」，但意義完全相反。

Z 分數只有在資料大致呈常態分配時才有意義。若資料嚴重偏態或雙峰，從鐘型曲線推得的百分等級會誤導。建議先確認分配形狀；若還不知道 σ，可用標準差計算機求得。

留意樣本與母體標準差的差異。本工具需要的是母體 σ。若手邊只有樣本資料，嚴格來說應使用 t 分數，但當樣本數超過 30 時兩者差異可以忽略。

經驗法則（68–95–99.7）是很好的 sanity check：大約 68% 的值落在 ±1σ 內、95% 在 ±2σ 內、99.7% 在 ±3σ 內。若計算結果與這些界線矛盾，請回頭檢查輸入。

Z 分數沒有單位，因此可以把攝氏溫度和滿分 100 分的考試成績放在同一把尺上比較。這也是為什麼標準化測驗、生長曲線圖與製程能力指標都以 Z 分數為基礎。