分类

Z 分数计算器

根据原始值和数据集或手动提供的均值与标准差计算 Z 分数

示例结果

2 个示例

通过数据集计算 Z 分数

先根据数据集自动求均值与标准差，再计算原始值对应的 Z 分数

{
  "result": {
    "zScore": -0.6325,
    "mean": 90,
    "standardDeviation": 7.9057
  }
}

查看输入参数

{ "rawValue": "85", "numbersInput": "80, 85, 90, 95, 100", "meanInput": "", "standardDeviationInput": "", "calculationType": "sample", "precision": 4 }

手动输入均值和标准差计算 Z 分数

不提供数据集，直接根据已知均值和标准差计算 Z 分数

{
  "result": {
    "zScore": -1,
    "rawValue": 70,
    "mean": 75,
    "standardDeviation": 5
  }
}

查看输入参数

{ "rawValue": "70", "numbersInput": "", "meanInput": "75", "standardDeviationInput": "5", "calculationType": "population", "precision": 3 }

数据集（可选）

原始值 *

均值（可选）

标准差（可选）

标准差类型 *

小数精度

关键信息

分类: Math & Numbers
输入类型: text, textarea, select, number
输出类型: json
样本覆盖: 0
支持 API: Yes

概览

Z 分数计算器是一款在线工具，用于根据原始值和数据集或手动输入的均值与标准差计算 Z 分数。它帮助用户快速评估数据点在正态分布中的相对位置，适用于统计分析和数据标准化。

适用场景

•当您有一个原始分数并想了解它在数据集中的相对位置时。
•当您需要将数据标准化以便进行统计比较或假设检验时。
•当您已知均值和标准差，想快速计算 Z 分数而无需处理整个数据集时。

工作原理

•输入原始值（rawValue），即需要计算 Z 分数的数据点。
•提供数据集（numbersInput）或手动输入均值（meanInput）和标准差（standardDeviationInput）。
•选择标准差类型（calculationType），如总体标准差或样本标准差。
•设置小数精度（precision），然后工具自动计算并输出 Z 分数。

使用场景

教育领域：教师评估学生考试成绩在班级中的相对水平。

质量控制：工厂检测产品尺寸是否偏离标准规格。

金融分析：分析师比较资产收益率与市场平均的偏离程度。

用户案例

1. 评估学生考试成绩

背景原因: 一位高中老师需要分析期末考试成绩，了解每个学生在班级中的表现。
解决问题: 手动计算每个学生的 Z 分数繁琐且容易出错，影响评估效率。
如何使用: 在工具中输入学生的分数作为原始值，输入班级所有分数作为数据集，选择样本标准差类型，设置精度为 2 位小数。
效果: 工具计算出每个学生的 Z 分数，老师可以快速识别出高于或低于平均水平的学生，便于针对性辅导。

2. 质量控制检测

背景原因: 一家制造企业需要检查生产零件的直径是否符合标准直径 10mm。
解决问题: 已知标准直径和允许的标准差 0.1mm，需要计算每个零件的 Z 分数以判断是否合格。
如何使用: 输入零件的实际直径作为原始值，手动输入均值 10mm 和标准差 0.1mm，选择总体标准差类型。
效果: 得到 Z 分数，如果绝对值超过 2，则零件可能不合格，帮助快速筛选异常产品。

常见问题

什么是 Z 分数？

Z 分数表示一个数据点距离均值有多少个标准差，用于衡量其在数据集中的相对位置。

如何解释 Z 分数的结果？

Z 分数为 0 表示等于均值，正数表示高于均值，负数表示低于均值。绝对值越大，偏离越远。

总体标准差和样本标准差有什么区别？

总体标准差用于整个数据集，计算时分母为数据个数；样本标准差用于样本数据，分母为数据个数减一。

如果我没有完整数据集怎么办？

您可以手动输入均值和标准差来计算 Z 分数，无需提供数据集。

这个工具支持哪些输入格式？

原始值、均值和标准差需为数字；数据集可以是逗号、空格或换行分隔的数字列表。

API 文档

请求端点

POST /zh/api/tools/z-score-calculator

请求参数

参数名	类型	必填	描述
rawValue	text	是	-
numbersInput	textarea	否	-
meanInput	text	否	-
standardDeviationInput	text	否	-
calculationType	select	是	-
precision	number	否	-

响应格式

{
  "key": {...},
  "metadata": {
    "key": "value"
  },
  "error": "Error message (optional)",
  "message": "Notification message (optional)"
}

JSON数据: JSON数据

AI MCP 文档

将此工具添加到您的 MCP 服务器配置中：

{
  "mcpServers": {
    "elysiatools-z-score-calculator": {
      "name": "z-score-calculator",
      "description": "根据原始值和数据集或手动提供的均值与标准差计算 Z 分数",
      "baseUrl": "https://elysiatools.com/mcp/sse?toolId=z-score-calculator",
      "command": "",
      "args": [],
      "env": {},
      "isActive": true,
      "type": "sse"
    }
  }
}

你可以串联多个工具，比如：`https://elysiatools.com/mcp/sse?toolId=png-to-webp,jpg-to-webp,gif-to-webp`，最多20个。

如果遇见问题，请联系我们：[email protected]

分类