Z-分數

常態分布跟標準分數之間的關係。

標準分數（Standard Score，又稱z-score，中文稱為Z-分數或標準分或標準計分）在統計學中是一種無因次值，就是一種純數字標記，是藉由從單一（原始）分數中減去母體的平均值，再依照母體（母集合）的標準差分割成不同的差距，按照z值公式，各個樣本在經過轉換後，通常在正、負五到六之間不等。其算數平均數必為0，標準差必為1。

概念

標準分數與使用在高速篩選分析中的「Z-因數」（z-factor）不同，甚至有時兩者會互相混淆。

其約化過程被稱為「標準化」（standardizing）。

標準分數可藉由以下公式求出：

$z={x-\mu \over \sigma }$

其中 $\sigma \neq 0$。

其中

• $x\,$ 是需要被標準化的原始分數
• $\mu \,$ 是母體的平均值
• $\sigma \,$ 是母體的標準差

Z值的量代表著原始分數和母體平均值之間的距離，是以標準差為單位計算。在原始分數低於平均值時Z則為負數，反之則為正數。換句話說，Z值是從感興趣的點到均值之間有多少個標準差。

關鍵點是，計算Z值時需要「母體」的平均值和標準差，而不是「樣本」的平均值和標準差。因此需要了解母體的統計數據資料。

但是要確實了解母體真正的標準差往往是不切實際的，除非是在「標準化測驗」（Standardized testing）之類的情形中，整個母體都是經過測量的。在其他情況中，幾乎不可能測量母體的每一個組成單位，因此通常會使用隨機的樣本來評估標準差。例如：「有吸菸習慣的總人數」就不是經過一個一個測量而得出的。

在這種情況下，標準分數為：

$z={\frac {x-{\bar {x}}}{S}}$

其中 $S\neq 0$

其中

• ${\bar {x}}$ 是樣本平均值

• $S$ 是樣本的標準差

當母體為常態分布時，其百分位數可能是由標準分數和普通表格所決定的。

數理統計學中的標準化

在數理統計學中，隨機變數「X」是使用理論（母體）的平均值和標準差所標準化的結果：

$Z={X-\mu \over \sigma }$

其中 μ = E(X) 為平均值、σ² = Var(X) 為X的機率分布之變異數

若隨機變數無法確定時，則為算術平均數：

${\bar {X}}={1 \over n}\sum _{i=1}^{n}X_{i}$

因此經過標準化的結果為：

$Z={{\bar {X}}-\mu \over \sigma /{\sqrt {n}}}.$

應用

• 在日本，標準分數常被用在計算學力測驗的「學力偏差值」，並且依此判斷進入理想大學的可能性。
• 在智力測驗時，用來計算「智力標準分數」，在教育的用途上，常和「智商」一起被當作參考的依據。

高考標準分

截至2020年，中國大陸地區曾有福建省和海南省實行標準分制度以計算高考總分。

外部連結

• 英文 Z-分數計算機 （頁面存檔備份，存於網際網路檔案館） 能在「累積機率」數值（Q）和Z-分數（標準分數）之間轉換。
• 英文 免費的Z-分數（標準分數）計算機 輸入樣本平均值、樣本標準差和尚未標準化的數據之後，即可算出標準分數。

參見

• 統計學
• 標準九分
• Z檢定