Z-Score Rechner

z = (x − μ) / σ. Durch Subtrahieren von μ wird die Verteilung bei Null zentriert. Das Dividieren durch σ skaliert sie so um, dass 1 Einheit von z genau 1 Standardabweichung in der ursprünglichen Maßeinheit entspricht.

Ein z-Wert von +1,5 bedeutet: „Dieser Wert liegt 1,5 Standardabweichungen über dem Mittelwert.“ Da die Normalverteilung symmetrisch ist und vollständig durch ihren Mittelwert und ihre Standardabweichung (SD) bestimmt wird, ist diese einzige Zahl alles, was Sie benötigen, um das Perzentil, die Wahrscheinlichkeit eines extremen Wertes oder die Lücke zwischen zwei Verteilungen auf einer gemeinsamen Skala zu ermitteln.

Stellen Sie die Formel um, um den Ausgangswert zu berechnen: x = μ + z · σ. Dies ist nützlich, um den Rohwert zu finden, der einem Zielperzentil entspricht (z. B. „Welche SAT-Punktzahl entspricht dem 95. Perzentil?“).

Angenommen, SAT-Punktzahlen haben einen Mittelwert von μ = 1050 und eine Standardabweichung von σ = 210, und ein Student erreicht 1300 Punkte.

z = (1300 − 1050) / 210 = 250 / 210 ≈ 1,190.

Φ(1,190) ≈ 0,8830 → Der Student war besser als etwa 88,3 % der Testteilnehmer. Etwa 11,7 % erzielten ein höheres Ergebnis.

Um herauszufinden, welche Punktzahl dem 90. Perzentil entspricht, rechnen Sie rückwärts: x = 1050 + 1,2816 · 210 ≈ 1319 (da Φ⁻¹(0,90) ≈ 1,2816).

Bei jeder Normalverteilung liegen etwa 68 % der Werte innerhalb von ±1 SD des Mittelwerts, 95 % innerhalb von ±2 SD und 99,7 % innerhalb von ±3 SD. Diese Werte ergeben sich direkt aus der z-Tabelle: Φ(1) − Φ(−1) ≈ 0,6827.

Praktische Anwendung: Wenn ein Fertigungsprozess μ = 100 mm und σ = 2 mm aufweist, sind Teile außerhalb des Bereichs von 94–106 mm „Drei-Sigma“-Ausreißer – diese sollten bei einem kontrollierten Prozess nur etwa 3-mal pro 1000 Einheiten auftreten.

Wenn die zugrunde liegende Verteilung stark schief ist (Einkommen, Antwortzeiten, Körperfettanteil in Extrembereichen), führen auf der Normalverteilung basierende Perzentile zu falschen Einstufungen in den Randbereichen (Tails). Prüfen Sie zuerst ein Histogramm oder ein QQ-Diagramm.

Wenn Ihre Stichprobe klein ist (n < 30) und die Standardabweichung der Grundgesamtheit unbekannt ist, bevorzugen Sie Student-t-Intervalle gegenüber Normalverteilungs-Intervallen. Die t-Verteilung korrigiert die zusätzliche Unsicherheit bei der Schätzung von σ aus einer kleinen Stichprobe.

Für kategoriale Daten gibt es keinen sinnvollen z-Wert. Standardisieren Sie nur kontinuierliche Variablen.

Verwendung der Stichproben-Standardabweichung ohne entsprechenden Hinweis: z = (x − x̄) / s ist konzeptionell richtig, technisch gesehen jedoch ein t-Wert für inferenzstatistische Tests. Geben Sie stets an, welchen Wert Sie verwendet haben.

Verwechslung von Perzentilen mit der Wahrscheinlichkeit exakt gleicher Werte. Φ(z) ist die Wahrscheinlichkeit, dass ein zufällig gezogener Wert KLEINER als x ist, nicht gleich x – bei kontinuierlichen Verteilungen ist die Wahrscheinlichkeit für einen einzelnen Punkt immer 0.

Vergleich von z-Werten aus verschiedenen Verteilungen, ohne sicherzustellen, dass beide annähernd normalverteilt sind. Zwei Werte von z = +2 können sehr unterschiedliche Bedeutungen haben, wenn eine der Populationen schief verteilt ist.