Z-Wert-Rechner
Berechnen Sie Z-Werte, Perzentilränge und Wahrscheinlichkeiten der Normalverteilung.
Über dieses Tool
Ein Z-Score misst, um wie viele Standardabweichungen ein Datenpunkt vom Mittelwert in einer Normalverteilung entfernt ist. Diese Kennzahl ist grundlegend in der Statistik zur Standardisierung von Werten auf verschiedenen Skalen und ist wesentlich zum Vergleichen von Daten, Identifizieren von Ausreißern und Verstehen von Wahrscheinlichkeitsverteilungen. Z-Scores werden häufig in der Qualitätskontrolle, akademischen Bewertungen, medizinischer Forschung und Finanzanalyse verwendet, wenn Sie bestimmen müssen, wie ungewöhnlich oder typisch ein Wert ist.
Um den Rechner zu nutzen, geben Sie Ihren Datenwert sowie den Mittelwert und die Standardabweichung Ihres Datensatzes ein. Das Tool berechnet sofort den Z-Score und zeigt den entsprechenden Perzentilrang an—informiert Sie, welcher Prozentsatz der Normalverteilung unter Ihrem Wert liegt. Sie können auch direkt einen Z-Score eingeben, um sein Perzentil zu finden, was für Hypothesentests, Konfidenzintervalle und Wahrscheinlichkeitsabfragen nützlich ist. Dies ist besonders hilfreich bei standardisierten Testscores (wie SAT oder IQ), beim Vergleichen von Leistungen über verschiedene Metriken hinweg oder bei der Bewertung von Fertigungstoleranzen.
Beachten Sie, dass Z-Scores davon ausgehen, dass Ihre Daten einer Normalverteilung (Glockenkurve) folgen, daher können Ergebnisse bei schiefen Datensätzen ungenau sein. Der Rechner bietet auch Einblicke in Tail-Wahrscheinlichkeiten, um Ihnen zu helfen, extreme Werte zu verstehen. Ob Sie ein Student sind, der Statistik lernt, ein Forscher, der experimentelle Daten analysiert, oder ein Fachmann, der Qualitätsmetriken bewertet, dieses Tool vereinfacht komplexe Wahrscheinlichkeitsberechnungen zu sofortigen, umsetzbaren Erkenntnissen.
Häufig gestellte Fragen
Code-Implementierung
import math
def erf(x: float) -> float:
"""Abramowitz & Stegun approximation of the error function."""
sign = 1 if x >= 0 else -1
x = abs(x)
a1, a2, a3, a4, a5 = 0.254829592, -0.284496736, 1.421413741, -1.453152027, 1.061405429
p = 0.3275911
t = 1.0 / (1.0 + p * x)
y = 1.0 - (((((a5 * t + a4) * t) + a3) * t + a2) * t + a1) * t * math.exp(-x * x)
return sign * y
def normal_cdf(z: float) -> float:
"""Cumulative distribution function of the standard normal."""
return 0.5 * (1 + erf(z / math.sqrt(2)))
def z_score(value: float, mean: float, std_dev: float) -> float:
"""Calculate Z-score: how many SDs from the mean."""
if std_dev <= 0:
raise ValueError("Standard deviation must be positive")
return (value - mean) / std_dev
# Example
x, mu, sigma = 75, 70, 5
z = z_score(x, mu, sigma)
prob = normal_cdf(z)
print(f"Z-score: {z:.4f}") # 1.0000
print(f"Percentile: {prob*100:.2f}th") # 84.13th
print(f"Probability: {prob:.6f}") # 0.841345
Comments & Feedback
Comments are powered by Giscus. Sign in with GitHub to leave a comment.