Z 分数计算器使用指南

这个计算器能做什么

这个 Z 分数计算器用来衡量某个数值相对于均值偏离了多少个标准差，并进一步给出百分位、累计概率以及页面定义下的位置解释。它适合做考试成绩、测量值和标准化分布位置的快速判断。

什么时候适合用它

• 你想知道一个值相对均值偏高还是偏低。
• 你想把 zscore 转成百分位或累计概率。
• 你想快速判断某个观测值是不是异常偏离。
• 你需要一个易读的标准化位置工具。

输入项说明

value

value 是你要评估的目标数值。

mean

mean 是参考分布的均值。

stdDev

stdDev 是标准差，用于把 value 与 mean 的差值标准化。它必须不为 0。

计算逻辑说明

第一步，计算 z 分数：

zscore = (value - mean) / stdDev

第二步，页面使用一个正态分布累计函数近似 normalCDF(z)，并推导：

• percentile = normalCDF(z) x 100
• probability = normalCDF(z)

第三步，页面按 |z| 大小做分类：

• |z| >= 3：extreme
• |z| >= 2：unusual
• |z| >= 1：moderate
• 否则：normal

第四步，页面还会生成解释：

• z > 0：above mean
• 否则：below mean
• |z| > 2：unusual
• 否则：common

需要注意，当前 cumulative probability 使用的是近似公式，因此结果是很接近标准值的估算，不是高精度统计软件输出。

示例

假设你输入：

• value = 85
• mean = 70
• stdDev = 10

当前代码下大致会得到：

• z 分数：1.5
• 百分位：约 93.32%
• probability：约 0.9332
• 分类：中等偏离一类

这个例子说明，目标值比均值高 1.5 个标准差，在当前近似下会落在较高百分位。

如何看懂结果

Z 分数

Z 分数表示 value 偏离 mean 的标准差个数，是最核心的标准化指标。

百分位

百分位表示这个值大致高于分布中多少比例的观测值。

probability

probability 是和百分位相同含义的累计概率，只是用 0 到 1 小数形式展示。

分类与解释

分类和解释更适合快速阅读，例如判断它是普通范围还是明显偏离。

常见错误

• 把标准差填成 0。
• 把 probability 当成双尾检验概率，而不是累计概率。
• 忽略 zscore 的正负方向。
• 把页面分类当成严格统计检验结论。

FAQ

百分位越高就一定越好吗？

不一定，要看具体场景。有些指标高分更好，有些则可能代表异常偏高。

这个工具适合考试分数换算吗？

适合做标准化位置参考，尤其适合在有均值和标准差时快速换算。

页面为什么同时给百分位和 probability？

因为两者本质上来自同一个累计概率，只是展示形式不同。

reset 后为什么结果可能很快又出现？

因为当前页面会在输入值变化后自动重算，重置到默认值后也会重新生成默认结果。

说明与限制

当前 Z 分数计算器适合做标准化位置估算和教学演示，但不适合替代完整统计软件。它使用的是正态分布累计函数近似，而不是更高精度数值库。

另外，页面的 percentile 和 probability 是累计概率，不是双尾显著性概率；而 z=0 时当前解释会走 belowMean 分支，这也是一个实现细节。