Máy Tính Điểm Z

Một điểm Z (còn gọi là điểm chuẩn hóa) đo một giá trị cách trung bình bao nhiêu độ lệch chuẩn:

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

trong đó $x$ là giá trị thô, $\mu$ là trung bình tổng thể, và $\sigma$ là độ lệch chuẩn tổng thể.

Diễn giải:

• $z = 0$: giá trị bằng trung bình.
• $z = 1$: một độ lệch chuẩn trên trung bình.
• $z = -2$: hai độ lệch chuẩn dưới trung bình.
• $|z| > 2$ theo quy ước là 'bất thường'; $|z| > 3$ là 'cực đoan'.

Vì sao chuẩn hóa?

• Khả năng so sánh: điểm Z cho phép bạn so sánh các giá trị từ các phân phối khác nhau (ví dụ $z = 1.5$ trong bài thi toán SAT so với $z = 1.5$ trong bài thi ngôn ngữ nghĩa là cùng một thành tích tương đối).
• Tra cứu xác suất: nếu phân phối nền xấp xỉ chuẩn, $z$ ánh xạ trực tiếp tới một xác suất qua hàm phân phối tích lũy chuẩn tắc $\Phi(z)$.
• Phát hiện ngoại lai: $|z|$ lớn báo hiệu ngoại lai tiềm năng.

Phiên bản mẫu: khi làm việc với dữ liệu mẫu, thay $\mu$ bằng $\bar{x}$ và $\sigma$ bằng $s$:

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

Từng Bước

1. Xác định giá trị $x$, trung bình $\mu$ (hoặc $\bar{x}$), và độ lệch chuẩn $\sigma$ (hoặc $s$).
2. Trừ trung bình: $x - \mu$.
3. Chia cho độ lệch chuẩn: $z = (x - \mu)/\sigma$.

Ngược Lại: Tìm $x$ Từ $z$

$x = \mu + z\sigma$

Hữu ích khi được cho một phân vị và yêu cầu tìm giá trị thô tương ứng.

Xác Suất Qua Phân Phối Chuẩn Tắc

Với một biến phân phối chuẩn $X \sim N(\mu, \sigma^2)$, biến chuẩn hóa $Z = (X - \mu)/\sigma$ tuân theo phân phối chuẩn tắc $N(0, 1)$.

Các xác suất thường gặp:

Tính đối xứng: $P(Z < -z) = 1 - P(Z < z)$.

Quy Tắc Thực Nghiệm (68-95-99.7)

Với một phân phối chuẩn:

• ~68% giá trị nằm trong $\pm 1\sigma$ quanh trung bình.
• ~95% trong $\pm 2\sigma$.
• ~99.7% trong $\pm 3\sigma$.

Đây là nền tảng cho khoảng tin cậy và nhiều ước lượng nhanh.

Các Giá Trị Z Tới Hạn Cho Khoảng Tin Cậy

Đây là các giá trị $z^*$ sao cho $P(-z^* < Z < z^*) =$ mức tin cậy.

• Sai thứ tự: $z = (x - \mu)/\sigma$, không phải $(\mu - x)/\sigma$. Đặt trung bình thứ hai làm đổi dấu.
• Dùng phương sai thay vì độ lệch chuẩn: chia cho $\sigma$, không phải $\sigma^2$. Một giá trị 'cách một phương sai' là vô nghĩa — bạn muốn một độ lệch chuẩn.
• Mẫu so với tổng thể: với dữ liệu mẫu, dùng $\bar{x}$ và $s$. Với tham số đã biết, dùng $\mu$ và $\sigma$. Lẫn lộn chúng làm phồng/xẹp điểm Z.
• Giả định tính chuẩn mà không kiểm tra: điểm Z có thể tính cho bất kỳ phân phối nào, nhưng tra cứu xác suất $\Phi(z)$ chỉ áp dụng nếu phân phối nền là chuẩn (hoặc xấp xỉ chuẩn nhờ định lý giới hạn trung tâm).
• Quên dấu: $z = -2$ nghĩa là 'dưới trung bình.' Báo cáo $z = 2$ làm sai lệch hướng.
• Nhầm xác suất một đuôi và hai đuôi: $P(|Z| > 2)$ là cả hai đuôi gộp lại ($\approx 0.0456$). $P(Z > 2)$ là một đuôi ($\approx 0.0228$). Đọc câu hỏi kỹ.