如何理解你的 Z 分数
下表列出了一些常见的 Z 分数及其对应的标准正态百分位。
| Z 分数 | 百分位（低于该值的比例） | 解读 |
|---|---|---|
| -2 | 2.28% | 低于均值两个标准差；异常偏低 |
| -1 | 15.87% | 低于均值一个标准差 |
| 0 | 50% | 恰好等于均值（对正态分布而言也等于中位数） |
| +1 | 84.13% | 高于均值一个标准差 |
| +2 | 97.72% | 高于均值两个标准差；异常偏高 |
| +3 | 99.87% | 高于均值三个标准差；在正态分布下十分罕见 |
- 百分位的计算假设底层分布近似正态。对于偏态或重尾数据，即使 Z 分数本身有明确定义，把它换算成百分位也是不可靠的。
- 根据经验法则，正态分布中约 68% 落在 z = −1 到 +1 之间，约 95% 落在 −2 到 +2 之间，约 99.7% 落在 −3 到 +3 之间。
- Z 分数本身并不能说明一个数值是好是坏——它只反映该值与自身所在分布的均值相差多远。
什么是 Z 分数？
Z 分数通过用标准差为单位来表示一个数值与均值的距离，从而实现标准化。Z 分数为 0 表示该值等于均值；+1 表示高于均值一个标准差；−2 表示低于均值两个标准差。标准化能把不同量表的测量结果放到同一基准上比较，这也是 Z 分数被用来比较不同分布下的考试成绩、生长发育指标和检验数值的原因。
当底层分布是正态（钟形）分布时，Z 分数可以通过标准正态累积分布函数（CDF）直接对应到一个百分位。CDF 给出的是分布中落在给定 z 值以下的比例——例如，正态分布中约有 84.13% 落在 z = 1 以下，约 97.72% 落在 z = 2 以下。本计算器采用 Abramowitz 和 Stegun 的近似公式（7.1.26）来计算标准正态 CDF，精度可达约 7.5 × 10⁻⁸。
百分位的解释依赖于正态性假设。Z 分数可以针对任意数据计算，但只有当分布近似正态时，用正态 CDF 把它换算成百分位才是准确的；对于偏态或重尾数据，给出的百分位可能会产生误导。
如何使用这个 Z 分数计算器
- 输入你想要标准化的数值（x）——例如某个考试的个人得分。
- 输入该数值所在分布的均值。
- 输入该分布的标准差，必须大于零。
- 查看 Z 分数、百分位（假设正态分布下，低于该值的比例）以及高于该值的比例。
Z 分数公式
Z 分数等于数值减去均值，再除以标准差：z = (x − mean) / sd。正的 z 表示数值高于均值，负的 z 表示低于均值。
演示：x = 130，均值 = 100，标准差 = 15（经典的智商量表）。z = (130 − 100) / 15 = 30 / 15 = 2。该数值恰好比均值高两个标准差。根据标准正态 CDF，z = 2 以下的比例是 0.9772，所以该数值位于第 97.72 百分位，约有 2.28% 的分布落在它之上。
百分位来自标准正态累积分布函数：百分位 = CDF(z) × 100，高于该值的比例 = (1 − CDF(z)) × 100。CDF 没有闭式表达式；本计算器使用 Abramowitz 和 Stegun（1964）的近似公式 7.1.26。
常见错误
- 对明显非正态的数据把 Z 分数换算成百分位——正态 CDF 的换算方法假设的是钟形分布。
- 把方向搞反：负的 Z 分数表示数值低于均值，而不是出错或不可能出现的结果。
- 用方差而不是标准差作除数——Z 分数公式的分母是标准差。
- 用一个群体的总体均值和标准差，去标准化另一个群体的数值，这样得到的比较是没有意义的。
- 把百分位和考试得分的百分比混淆：位于第 97.7 百分位，意味着得分高于约 97.7% 的分布，而不是在考试中得了 97.7 分。
常见问题
怎样计算 Z 分数？
用数值减去均值，再除以标准差：z = (x − mean) / sd。例如，在均值为 100、标准差为 15 的量表上得分 130，z = (130 − 100) / 15 = 2，说明这个分数高于均值两个标准差。
Z 分数为 2 对应第几百分位？
大约第 97.72 百分位。在 z = 2 处求得的标准正态累积分布函数值是 0.9772，意味着正态分布中有 97.72% 落在该值以下，2.28% 落在它之上。
多少的 Z 分数算是好的？
Z 分数是中性的度量，而不是评价等级——某个 z 值是否理想完全取决于具体场景。+2 的 Z 分数对考试成绩来说非常出色，但对血压而言却令人担忧。按照惯例，超出约 −2 或 +2 的数值被视为异常，因为正态分布中落在这个区间之外的比例不到 5%。
Z 分数可以是负数吗？
可以。负的 Z 分数只是表示数值低于均值。例如，z = −1.5 表示该值低于均值一个半标准差，在正态分布中大致位于第 6.68 百分位。
Z 分数是否要求数据服从正态分布？
Z 分数本身——以标准差为单位表示与均值的距离——对任何分布都有定义。但是，像本计算器这样用标准正态 CDF 把 Z 分数换算成百分位，只有在分布近似正态时才准确。对于偏态数据，百分位应该直接从数据本身计算。
显示的百分位有多准确？
标准正态 CDF 没有精确的闭式表达式，因此本计算器使用 Abramowitz 和 Stegun（1964）的有理近似公式 7.1.26，其绝对误差低于 7.5 × 10⁻⁸——远比显示出的两位小数更精确。
参考文献
- Abramowitz M, Stegun IA (eds). Handbook of Mathematical Functions. National Bureau of Standards, Applied Mathematics Series 55, 1964 (normal CDF approximation 7.1.26).
- National Institute of Standards and Technology (NIST). NIST/SEMATECH e-Handbook of Statistical Methods, Section 1.3.6.6.1: Normal distribution. nist.gov.
- Moore DS, McCabe GP, Craig BA. Introduction to the Practice of Statistics. W. H. Freeman (standardized values and the normal distribution).