Z-اسکور کیلکولیٹر

ایک z-اسکور (جسے معیاری اسکور بھی کہا جاتا ہے) ناپتا ہے کہ کوئی قدر اوسط سے کتنے معیاری انحراف دور ہے:

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

جہاں $x$ خام قدر ہے، $\mu$ آبادی اوسط ہے، اور $\sigma$ آبادی معیاری انحراف ہے۔

تشریح:

• $z = 0$: قدر اوسط کے برابر ہے۔
• $z = 1$: اوسط سے ایک معیاری انحراف اوپر۔
• $z = -2$: اوسط سے دو معیاری انحراف نیچے۔
• $|z| > 2$ روایتی طور پر 'غیر معمولی'؛ $|z| > 3$ 'انتہائی' ہے۔

معیاری کیوں بنائیں؟

• موازنہ پذیری: z-اسکور آپ کو مختلف تقسیمات کی قدروں کا موازنہ کرنے دیتے ہیں (مثلاً، SAT ریاضی آزمائش پر $z = 1.5$ بمقابلہ زبانی آزمائش پر $z = 1.5$ کا مطلب ایک ہی نسبتی کارکردگی ہے)۔
• احتمال تلاش: اگر بنیادی تقسیم تقریباً معمول ہو، تو $z$ معیاری معمول CDF $\Phi(z)$ کے ذریعے براہ راست کسی احتمال سے نقشہ ہوتا ہے۔
• دور افتادہ کا پتہ لگانا: بڑا $|z|$ ممکنہ دور افتادہ کو نشان زد کرتا ہے۔

نمونہ ورژن: نمونہ ڈیٹا سے کام کرتے وقت، $\mu$ کو $\bar{x}$ سے اور $\sigma$ کو $s$ سے بدلیں:

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

مرحلہ وار

1. قدر $x$، اوسط $\mu$ (یا $\bar{x}$)، اور معیاری انحراف $\sigma$ (یا $s$) شناخت کریں۔
2. اوسط منفی کریں: $x - \mu$۔
3. معیاری انحراف سے تقسیم کریں: $z = (x - \mu)/\sigma$۔

الٹا: $z$ سے $x$ نکالیں

$x = \mu + z\sigma$

مفید جب کوئی صدک دیا گیا ہو اور متعلقہ خام قدر پوچھی جائے۔

معیاری معمول کے ذریعے احتمال

ایک معمول کے مطابق تقسیم شدہ متغیر $X \sim N(\mu, \sigma^2)$ کے لیے، معیاری متغیر $Z = (X - \mu)/\sigma$، معیاری معمول $N(0, 1)$ کی پیروی کرتا ہے۔

عام احتمالات:

تناسب: $P(Z < -z) = 1 - P(Z < z)$۔

تجرباتی قاعدہ (68-95-99.7)

معمول کی تقسیم کے لیے:

• ~68% قدریں اوسط کے $\pm 1\sigma$ کے اندر آتی ہیں۔
• ~95% $\pm 2\sigma$ کے اندر۔
• ~99.7% $\pm 3\sigma$ کے اندر۔

یہ اعتماد وقفوں اور بہت سے فوری تخمینوں کی بنیاد ہے۔

اعتماد وقفوں کے لیے اہم Z-قدریں

یہ وہ قدریں $z^*$ ہیں ایسی کہ $P(-z^* < Z < z^*) =$ اعتماد سطح۔

• غلط ترتیب: $z = (x - \mu)/\sigma$، نہ کہ $(\mu - x)/\sigma$۔ اوسط کو دوسرا رکھنا علامت پلٹ دیتا ہے۔
• معیاری انحراف کے بجائے تغیر استعمال کرنا: $\sigma$ سے تقسیم کریں، نہ کہ $\sigma^2$ سے۔ 'ایک تغیر دور' والی قدر بے معنی ہے — آپ کو ایک معیاری انحراف چاہیے۔
• نمونہ بمقابلہ آبادی: نمونہ ڈیٹا کے ساتھ، $\bar{x}$ اور $s$ استعمال کریں۔ معلوم پیرامیٹرز کے ساتھ، $\mu$ اور $\sigma$ استعمال کریں۔ انہیں ملانا z-اسکور بڑھا/کم کرتا ہے۔
• جانچے بغیر معمولیت فرض کرنا: z-اسکور کسی بھی تقسیم کے لیے نکالے جا سکتے ہیں، لیکن احتمال تلاش $\Phi(z)$ صرف تب لاگو ہوتا ہے جب بنیادی تقسیم معمول ہو (یا CLT کے ذریعے تقریباً ایسی ہو)۔
• علامت بھولنا: $z = -2$ کا مطلب 'اوسط سے نیچے'۔ $z = 2$ بیان کرنا سمت کی غلط نمائندگی کرتا ہے۔
• ایک دم اور دو دم احتمالات کو الجھانا: $P(|Z| > 2)$ دونوں دمیں ملا کر ہے ($\approx 0.0456$)۔ $P(Z > 2)$ ایک دم ہے ($\approx 0.0228$)۔ سوال احتیاط سے پڑھیں۔