Calcolatore di punteggio z

Un punteggio z, anche detto punteggio standard, misura di quante deviazioni standard un valore grezzo si colloca sopra o sotto la media di una distribuzione di riferimento. La formula definitoria è semplice e universale: z è uguale a x meno mu diviso per sigma. Quando sigma è noto da una popolazione o da un riferimento pubblicato, inserisce i tre numeri e legge la distanza con segno dal centro. Quando ha solo un campione o una colonna di misure, stima prima la media e la deviazione standard dai dati, poi applica la stessa formula a ogni punto così la colonna diventa adimensionale e confrontabile tra scale. Questo calcolatore supporta entrambi i flussi in un unico contratto: invii un singolo valore con media e deviazione per un punteggio monocolpo, o invii una lista completa per standardizzare ogni elemento e ricevere la media ripulita, sigma e il vettore di punteggi z. Le richieste con deviazione standard zero sono rifiutate con un chiaro errore di validazione, perché la divisione per zero renderebbe indefinito ogni punteggio z.

Come funziona la formula del punteggio z

Parta da un'osservazione grezza x e da una media di riferimento mu. La differenza x meno mu è lo scarto con segno dal centro della distribuzione: positivo quando l'osservazione è sopra la media, negativo quando è sotto. Dividere quella differenza per la deviazione standard sigma converte lo scarto in unità di dispersione tipica.

Dopo questo cambio di scala, un risultato di zero significa che l'osservazione uguaglia la media, più uno significa una deviazione standard sopra la media, e meno due significa due deviazioni standard sotto. Per un triplo noto di valore, media e deviazione standard l'aritmetica è una divisione a tempo costante. Per un intero insieme di dati il calcolatore forma prima la media aritmetica come la somma dei valori divisa per il conteggio n.

Poi forma la deviazione standard dalla somma degli scarti al quadrato da quella media, usando il divisore di popolazione n quando ddof vale zero o il divisore campionario n meno uno quando ddof vale uno. Ogni valore originale è quindi mappato con la stessa formula così la lista restituita ha media vicina a zero e scala unitaria sotto il divisore scelto.

La standardizzazione di popolazione è il predefinito perché lo scaling delle feature e molti esempi didattici dividono per n; la standardizzazione campionaria è disponibile quando serve esplicitamente uno stimatore di varianza campionaria non distorto per l'inferenza. Il caso speciale di sigma uguale a zero è rifiutato: quando tutti i valori sono identici, o quando un chiamante passa una deviazione standard zero, non c'è un'unità significativa di dispersione e il punteggio z è indefinito.

Dove i calcolatori di punteggio z compaiono nel lavoro reale

Le pipeline di data science e machine learning standardizzano le feature numeriche prima di modelli basati sulla distanza, analisi delle componenti principali o regressione regolarizzata così colonne misurate in unità diverse non dominano l'adattamento. Il controllo qualità e il monitoraggio di processo convertono letture di sensori in unità z contro una media e un sigma di processo per segnalare escursioni oltre due o tre sigma senza inventare soglie ad hoc sulla scala grezza.

La psicometria e la misurazione educativa riportano punteggi norm-referenced su una scala comune così un numero grezzo di risposte corrette diventa confrontabile tra moduli e coorti. I team di finanza e rischio a volte esprimono rendimenti o errori residuali in unità di deviazione standard per riepiloghi di stress e schermi semplici di anomalia.

Se in seguito Le servono percentili, p-value da una tavola normale, punteggi t, intervalli di confidenza o statistica descrittiva completa per ogni colonna CSV, li tratti come intenzioni di ricerca e landing separati piuttosto che sovraccaricare questa pagina del calcolatore di punteggio z.