Z 分数计算器

什么是Z 分数计算器？

**z 分数（标准分数）回答一个问题：这个数值离均值有几个标准差？** 公式 z = (x − μ) ÷ σ，把任何分布的原始分翻译成「标准差单位」：z = 0 恰好在均值上，z = 1 高一个标准差，z = −2 低两个标准差。翻译的意义在于可比性——SAT 考 650（μ=500, σ=100，z=1.5）和 IQ 122.5（μ=100, σ=15，z=1.5）看似风马牛不相及，在 z 的标尺上是同一个位置，都超过约 93.32% 的人。标准化之后，均值和标准差依然是理解数据的两大支柱，不确定的可以先用标准差计算器把数据集的 σ 算出来。

**正态曲线下方的面积就是概率。** 标准正态分布（μ=0, σ=1）的钟形曲线与横轴围成的总面积恒为 1，任意区间的面积等于随机值落入该区间的机会。最常用的是 68–95–99.7 法则：均值 ±1 个标准差覆盖约 68.27%，±2 个覆盖约 95.45%，±3 个覆盖约 99.73%——换句话说，落到 3 个标准差之外的概率只有约 0.27%，千中挑三。曲线左右对称，所以查表软件只需要给左尾：P(Z < 1.96) = 97.50%，右尾就是 1 减去它。

**反着查同样重要：给定概率找 z，得到的是统计学的「临界值」。** 95% 置信区间的边界 ±1.96、99% 的 ±2.5758、90% 的 ±1.6449，都是「中间夹住指定面积」反解出来的 z。假设检验里的常用门槛也来自这里：单尾 5% 显著性对应 z = 1.645，双尾 5% 对应 z = 1.96。本工具的分位数反查用 Acklam 有理逼近直接计算 Φ⁻¹，精度 10⁻⁹ 量级，不用再翻教科书附录的临界值表。

**z 分数是各种标准分体系的「通用货币」。** 测验行业不喜欢直接公布 z，而是各自换算成整数标尺：韦氏智力量表把 z 映射到均值 100、标准差 15（IQ = 100 + 15z）；心理与教育测验常用 T 分数（T = 50 + 10z）；美国空军首创的标准九分把 5 + 2z 取整到 1–9；高考曾用的标准分是 10 + 3z；百分位则是 z 对应的左尾面积。换算全靠一条公式，本工具的对照表一次给齐六种口径——T 分 60、IQ 115、标准九分 7、百分位 84.13%，说的是同一个 z = 1。

**样本均值有自己的尺子：标准误 SE = σ ÷ √n。** 中心极限定理说，从任何总体重复抽取容量为 n 的样本，样本均值的分布近似正态，均值仍是 μ，但标准差缩小为 σ÷√n——n 扩大 4 倍，波动减半。所以判断「这批样本的均值是否异常」时，z 要用 SE 来算，而不是 σ：抽检 16 瓶标称 500ml 的饮料（σ=8ml），SE = 2ml，样本均值 496ml 对应 z = −2，左尾只有 2.28%，足以怀疑灌装量不足；若抽到 64 瓶，SE 缩到 1ml，同样的 496ml 对应 z = −4，概率降到约 0.003%，基本可以立案了。这也是置信区间的地基：95% 置信区间 = 样本均值 ± 1.96 × SE。

如何使用Z 分数计算器

1. 1

   「原始分互算」模式：填入总体均值 μ 与标准差 σ（比如 IQ 的 100 和 15），选方向后输入原始分或 z 分数，一键得到换算结果、百分位、「高于该值的比例」和位置评价（常见/偏离/罕见），曲线图会标出你的位置和左侧面积。

2. 2

   「概率与分位」模式在标准正态分布上工作，六种类型任选：左尾 P(Z<z)、右尾 P(Z>z)、双尾 P(|Z|>z)、区间 P(a<Z<b)，以及两个反查——给概率找 z（分位数）、给置信度找 ±z 临界值（90%/95%/99% 有快捷按钮并标注常用临界值）。

3. 3

   「标准分换算」模式：任选一个来源标尺（z、IQ、T 分数、标准九分、标准二十分或百分位）输入数值，工具先换算成 z，再一次性给出全部六种标尺的对照表，来源行高亮——查「T 分 60 相当于多少 IQ」这类问题一步到位。

4. 4

   「样本均值」模式应用中心极限定理：填 μ、σ 和样本量 n，工具先算标准误 SE = σ÷√n，然后三选一——看某个样本均值的概率（含单尾与双尾）、算均值落入某区间的机会、或用样本均值反推总体均值的置信区间。

5. 5

   每个结果区都带一张正态曲线图：蓝色曲线、着色面积就是所求概率、标注点指示关键位置，刻度同时显示原始单位与 z 值（标准正态时显示整数 z）。

6. 6

   点结果区的链接按钮可复制带参数的分享链接，对方打开即还原你的全部输入；按 Enter 键等同于点计算。

计算示例

注意事项

• z 的正负号就是方向：正值在均值之上，负值在均值之下，绝对值才是「距离」。z = −2 与 z = +2 一样「远」，只是一低一高；双尾概率把两侧对称尾巴一起算。

• z 分数本身不要求正态分布（任何数据都能减均值除标准差），但「z 查概率」这步依赖正态性。数据明显偏态时，68–95–99.7 法则会失真；此时切比雪夫不等式兜底：任意分布在 ±2σ 内至少 75%、±3σ 内至少 88.89%——比正态的 95.45% 和 99.73% 保守得多。

• 判断单个值用 σ，判断样本均值必须用标准误 SE = σ÷√n。把 16 瓶饮料的平均短缺当成单瓶短缺来评估，会把 z 放大 4 倍，结论完全不同。

• 本工具的样本均值模式假设 σ 已知且 n 足够大（正态近似）。σ 未知、小样本（n < 30）时严格做法用 t 分布，临界值比 1.96 更宽；n ≥ 30 时两者差别已经很小。

• 百分位统一按左尾口径：第 97.72 百分位 = 左侧面积 97.72% = z 为 2。部分教材用「超过多少人」的右尾表述，两者互补，注意别混。

• 连续分布取到任何单个精确值的概率都是 0，所以 P(Z < 1.96) 与 P(Z ≤ 1.96) 完全相等，区间写开写闭不影响结果。

• 标准九分是「取整口径」：z = 2 精确值是 9，z = 1.9 精确值 8.8 也取整为 9——对照表同时给出精确值与取整值，取整后被钳制在 1–9。

• 数值精度：Φ 用 Abramowitz–Stegun 近似（误差 < 1.5×10⁻⁷），Φ⁻¹ 用 Acklam 有理逼近（误差 < 1.15×10⁻⁹），与教科书四位数表一致；曲线图是示意精度，面积数字以文本结果为准。

常见问题

参考资料

1. [1]NIST/SEMATECH 统计方法手册：正态分布
2. [2]Wikipedia：Standard score（标准分数）
3. [3]Wikipedia：Normal distribution（正态分布）
4. [4]Wikipedia：68–95–99.7 rule（经验法则）
5. [5]宾夕法尼亚州立大学 STAT 200 在线教材（Elementary Statistics）
6. [6]可汗学院：统计与概率（正态分布与 z 分数章节）