Score z depuis une valeur normale

Un score z, ou score standard, répond à une seule question pratique : à combien d'écarts-types cette observation se situe-t-elle au-dessus ou en dessous de la moyenne d'une distribution de référence normale (ou approximativement normale) ? La formule est universelle et exacte dès que les trois nombres sont connus : soustrayez la moyenne à la valeur, puis divisez par l'écart-type. Les enseignants s'en servent pour comparer des notes d'examens à échelles différentes ; les analystes, pour situer une lecture face à une moyenne de process et un sigma publiés ; les étudiants, pour s'entraîner à la règle empirique sans construire un tableur complet. Ce calculateur n'accepte que ce triplet classique — valeur brute x, moyenne μ et écart-type σ — et renvoie le score z signé, sa magnitude absolue et un indicateur de direction indiquant si le point est au-dessus, en dessous ou exactement à la moyenne.

Ce que signifie le score z à partir d'une valeur normale

Partez d'une observation brute x et d'un centre de référence μ. Leur différence x moins μ est l'écart signé par rapport au milieu de la distribution : positif lorsque l'observation est supérieure à la moyenne, négatif lorsqu'elle est inférieure, et nul lorsqu'elle coïncide exactement avec la moyenne. Diviser cette différence par l'écart-type σ redimensionne l'écart en unités de dispersion typique de cette distribution.

Après ce changement d'unités, un résultat de zéro signifie toujours « à la moyenne », plus un signifie « un écart-type au-dessus » et moins deux signifie « deux écarts-types en dessous ».

Sous un modèle normal, ces unités se relient à des règles de couverture familières : environ les deux tiers de la masse se situent à un écart-type de la moyenne, environ quatre-vingt-quinze pour cent à deux, et presque toute à trois — ainsi, connaître z indique immédiatement si une lecture est ordinaire ou extrême sans inventer de seuils ad hoc sur l'échelle d'origine.

Ce point de terminaison n'estime ni μ ni σ à partir d'une liste d'échantillon ; il suppose que vous connaissez déjà ces paramètres via une population, une spécification, une étude antérieure ou un exercice de manuel. Le cas particulier σ égal à zéro est rejeté à dessein : sans dispersion, l'idée de « combien d'écarts par rapport à la moyenne » n'a aucun sens, et renvoyer Infinity ou NaN casserait les clients qui attendent un score fini.

Où un calculateur de z à un seul point est utile

Les cours de statistiques du secondaire et du supérieur assignent d'innombrables exercices de score standard : convertissez cette note d'examen avec la moyenne et l'écart-type publiés de la classe, puis lisez la règle empirique. Le contrôle qualité et la supervision de process convertissent une lecture de capteur en unités z face à une moyenne et un sigma de process fixes, afin que les opérateurs marquent les excursions au-delà de deux ou trois sigma sans inventer de seuils sur l'échelle d'ingénierie brute.

La psychométrie et la mesure éducative projettent un nombre brut de bonnes réponses sur une échelle standard commune lorsque les normes sont déjà connues d'un formulaire ou d'une cohorte. Les équipes finance et risque expriment parfois un seul rendement ou résidu en unités d'écart-type pour des résumés de stress et des écrans d'anomalie simples lorsque la moyenne et la volatilité de référence sont déjà estimées ailleurs.

Si vous devez plus tard standardiser une colonne entière, estimer le sigma d'échantillon avec degrés de liberté, ou calculer percentiles et p-valeurs d'une table normale, traitez cela comme des intentions de recherche et des landings séparées plutôt que de surcharger cette page de score z à partir d'une valeur normale à un seul point.