Zスコア計算ツール
Zスコア、パーセンタイル順位、正規分布の確率を計算します。
このツールについて
Zスコアは、正規分布における平均からの標準偏差の個数を測定します。異なるスケールの値を標準化するための基本的な統計指標で、データの比較、外れ値の検出、確率分布の理解に不可欠です。品質管理、学業成績評価、医学研究、金融分析など、値がどの程度異常か典型的かを判定する必要があるあらゆる分野で広く使用されています。
計算機を使用するには、データポイント値と、データセットの平均および標準偏差を入力します。ツールはZスコアを即座に計算し、対応するパーセンタイルランク—正規分布のうち、あなたの値より下にある割合を表示します。Zスコアを直接入力してそのパーセンタイルを求めることもでき、仮説検定、信頼区間、確率参照に役立ちます。これは標準化試験スコア（SAT、IQ試験など）の作業、異なるメトリクス間の性能比較、製造公差の評価に特に有用です。
Zスコアはデータが正規（ベルカーブ）分布に従うと仮定しているため、歪んだデータセットの結果は正確でない可能性があることに注意してください。計算機は末端確率についての洞察も提供し、極値の理解を支援します。統計学を学ぶ学生、実験データを分析する研究者、品質メトリクスを評価する専門家など、複雑な確率計算を即座で実用的な洞察に変換するツールです。
よくある質問
コード実装
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.