Z-Score-Rechner

Ein z-Score, auch Standardscore genannt, misst, um wie viele Standardabweichungen ein Rohwert über oder unter dem Mittelwert einer Referenzverteilung liegt. Die definierende Formel ist einfach und universell: z ist gleich x minus mu geteilt durch sigma. Wenn sigma aus einer Population oder einem veröffentlichten Benchmark bekannt ist, setzen Sie die drei Zahlen ein und lesen die vorzeichenbehaftete Distanz vom Zentrum. Wenn Sie nur eine Stichprobe oder eine Messspalte haben, schätzen Sie zuerst Mittelwert und Standardabweichung aus den Daten und wenden dann dieselbe Formel auf jeden Punkt an, sodass die Spalte dimensionslos und skalenübergreifend vergleichbar wird. Dieser Rechner unterstützt beide Arbeitsabläufe in einem Vertrag: senden Sie einen Einzelwert mit Mittelwert und Standardabweichung für einen Einzelschuss-Score, oder senden Sie eine volle Datenliste, um jedes Element zu standardisieren und den bereinigten Mittelwert, sigma und den Vektor der z-Scores zu erhalten. Anfragen mit Null-Standardabweichung werden mit einem klaren Validierungsfehler abgelehnt, weil Division durch null jeden z-Score undefiniert machen würde.

Wie die z-Score-Formel funktioniert

Beginnen Sie bei einer Rohbeobachtung x und einem Referenzmittelwert mu. Die Differenz x minus mu ist die vorzeichenbehaftete Abweichung vom Zentrum der Verteilung: positiv, wenn die Beobachtung über dem Mittel liegt, negativ, wenn darunter. Division dieser Differenz durch die Standardabweichung sigma wandelt die Abweichung in Einheiten typischer Streuung um.

Nach diesem Skalenwechsel bedeutet ein Ergebnis von null, dass die Beobachtung dem Mittel entspricht, plus eins bedeutet eine Standardabweichung über dem Mittel, und minus zwei bedeutet zwei Standardabweichungen darunter. Für ein bekanntes Tripel aus Wert, Mittelwert und Standardabweichung ist die Arithmetik eine Division in konstanter Zeit. Für einen gesamten Datensatz bildet der Rechner zuerst das arithmetische Mittel als Summe der Werte geteilt durch die Anzahl n.

Dann bildet er die Standardabweichung aus der Summe der quadrierten Abweichungen von diesem Mittel, mit dem Populationsdivisor n wenn ddof null ist oder dem Stichprobendivisor n minus eins wenn ddof eins ist. Jeder Originalwert wird dann mit derselben Formel abgebildet, sodass die zurückgegebene Liste Mittel nahe null und Einheitsskala unter dem gewählten Divisor hat. Populationsstandardisierung ist der Standard, weil Feature-Skalierung und viele Lehrbeispiele durch n teilen; Stichprobenstandardisierung ist verfügbar, wenn Sie explizit einen unverzerrten Stichprobenvarianzschätzer für Inferenz brauchen.

Der Spezialfall sigma gleich null wird abgelehnt: wenn alle Werte identisch sind, oder wenn ein Aufrufer eine Null-Standardabweichung übergibt, gibt es keine sinnvolle Streuungseinheit und der z-Score ist undefiniert.

Wo z-Score-Rechner in der realen Arbeit auftauchen

Data-Science- und Machine-Learning-Pipelines standardisieren numerische Features vor distanzbasierten Modellen, Hauptkomponentenanalyse oder regularisierter Regression, damit in unterschiedlichen Einheiten gemessene Spalten die Anpassung nicht dominieren. Qualitätskontrolle und Prozessüberwachung wandeln Sensorablesungen in z-Einheiten gegen Prozessmittel und sigma um, um Ausflüge jenseits von zwei oder drei Sigma zu markieren, ohne ad-hoc-Schwellen auf der Rohskala zu erfinden. Psychometrie und Bildungsmesung berichten normbezogene Scores auf einer gemeinsamen Skala, sodass eine Rohzahl richtiger Antworten über Formulare und Kohorten vergleichbar wird.

Finanz- und Risikoteams drücken manchmal Renditen oder Residuenfehler in Standardabweichungseinheiten für Stresszusammenfassungen und einfache Anomalie-Screens aus. Wenn Sie später Perzentile, p-Werte aus einer Normaltafel, t-Scores, Konfidenzintervalle oder volle deskriptive Statistik für jede CSV-Spalte brauchen, behandeln Sie diese als getrennte Suchabsichten und Landings statt diese z-Score-Rechner-Seite zu überladen.