Calculateur de Z-Score

Déterminez la position standardisée de n'importe quel point de données dans une distribution normale.

Last updated:
Z-score : —

Convertisseur Z-score ↔ Probabilité

P(x < Z)
—
P(x > Z)
—
P(0 < x < Z)
—
P(-Z < x < Z)
—
P(x < -Z ou x > Z)
—

Ce calculateur vous a-t-il été utile ?

★ ★ ★ ★ ★
Intégrer ce calculateur

Exemples de calcul

Cas de calcul Résultat
Score 115, moyenne 100, écart-type 15 Z-score = 1
Score 70, moyenne 100, écart-type 15 Z-score = -2
Score 130, moyenne 100, écart-type 15 Z-score = 2, soit environ le 97,7e percentile
Mihail Doncenco
Mihail Doncenco Créateur du site et expert en calculatrices

Fondateur et développeur de CalcMate. Crée et maintient tous les calculateurs du site, avec un accent sur la précision des formules et des résultats clairs et pratiques.

Comment utiliser le calculateur de z-score ?

Trois entrées suffisent. Saisissez la valeur brute observée (le point de données analysé). Indiquez ensuite la moyenne de la population, c'est-à-dire la moyenne arithmétique de toute la distribution de référence. Enfin, entrez l'écart-type de la population, qui mesure la dispersion de cette même population. Une fois les trois champs remplis, cliquez sur « Calculer ». Le résultat apparaît immédiatement sous forme de z-score, indiquant de combien d'écarts-types la valeur est au-dessus (positif) ou en dessous (négatif) de la moyenne. Par exemple, un score de 130 avec une moyenne de 100 et un écart-type de 15 donne un z-score de 2, soit une valeur nettement supérieure à la moyenne, autour du 97,7e percentile si la distribution est normale.

Comment le z-score est-il calculé ?

Le z-score, ou score standard, s'obtient en soustrayant la moyenne de la population à la valeur brute, puis en divisant la différence par l'écart-type de la population : \(z = \dfrac{x - \mu}{\sigma}\). La valeur obtenue place l'observation initiale sur la distribution normale standard (moyenne = 0, écart-type = 1), ce qui simplifie les calculs de probabilité et les comparaisons statistiques. Pour une distribution normale, environ 68,3 % des valeurs se situent entre \(z = -1\) et \(z = 1\), 95,4 % entre \(-2\) et \(2\), et 99,7 % entre \(-3\) et \(3\). L'interprétation en percentile ne vaut que si la distribution est approximativement normale.Table de la distribution normale standard (table Z)

Conseils d’Experts 💡

  • Utilisez les paramètres de population lorsqu'ils sont connus ; pour des données d'échantillon avec un écart-type estimé, on utilise plutôt une statistique t.
  • Les valeurs dont |z| > 3 sont généralement considérées comme inhabituelles ou potentiellement aberrantes dans une distribution normale.

📋Étapes de calcul

  1. Saisissez la valeur brute observée.

  2. Saisissez la moyenne de la population (μ).

  3. Saisissez l'écart-type de la population (σ).

Erreurs à éviter ⚠️

  1. Utiliser l'écart-type de l'échantillon au lieu de celui de la population.
  2. Oublier de soustraire la moyenne avant de diviser par l'écart-type.
  3. Penser qu'un score Z supérieur à 3 est impossible (rare mais possible).
  4. Confondre le score Z avec la valeur de probabilité (p-value) de la table.

Applications pratiques📊

  1. Standardisez un score de test : un candidat avec 650 sur un test dont la moyenne est 500 et l'écart-type 100 obtient un z-score de 1,5, comparable d'une session à l'autre.

  2. Détectez une valeur aberrante en contrôle qualité : une pièce mesurant 52 mm alors que la moyenne de production est 50 mm avec un écart-type de 0,5 mm donne un z-score de 4, au-delà du seuil habituel de 3.

  3. Calculez un percentile : un z-score de 1,28 correspond à environ le 90e percentile d'une distribution normale, un repère courant en psychométrie.

Questions Fréquentes (FAQ)

Comment calculer un z-score manuellement ?

Soustrayez la moyenne de la population à la valeur observée, puis divisez le résultat par l'écart-type de la population. La formule est \(z = \dfrac{x - \mu}{\sigma}\) quand les paramètres de population sont connus. Par exemple, pour \(x = 115\), \(\mu = 100\) et \(\sigma = 15\) : \(z = \dfrac{115 - 100}{15} = 1\).

Comment interpréter les résultats d'un z-score ?

Un z-score de 0 place l'observation exactement à la moyenne de la population. Environ 68 % des données se trouvent dans ±1, 95 % dans ±2 et 99,7 % dans ±3 écarts-types dans une distribution normale. Des valeurs absolues plus élevées indiquent des observations de plus en plus rares par rapport à la population donnée.

Comment trouver un z-score quand la moyenne et l'écart-type sont connus ?

Avec la valeur brute (x), la moyenne de la population (μ) et l'écart-type de la population (σ), il suffit de remplacer ces trois valeurs dans la formule du z-score pour obtenir la valeur standardisée. Cette méthode est classique en statistique inférentielle et dans les tests d'hypothèses.

Comment utiliser le z-score pour trouver une probabilité ?

Après avoir obtenu le z-score, consultez la table de la distribution normale standard (table Z) ou la fonction de répartition pour déterminer l'aire sous la courbe. Cette aire correspond à la probabilité d'observer une valeur inférieure ou égale au score standardisé. Par exemple, pour \(z = 2\), cette probabilité vaut environ 0,977.

Qu'est-ce qu'un z-score en statistique ?

Un z-score représente la distance d'une valeur brute par rapport à la moyenne de la population, exprimée en unités d'écart-type. Par exemple, un z-score de 2 signifie que la valeur se situe à deux écarts-types au-dessus de la moyenne. Il transforme toute distribution normale en distribution normale standard (moyenne = 0, écart-type = 1), permettant l'utilisation de tables standardisées et de calculs de probabilité.

Que signifie un z-score négatif ?

Un z-score négatif indique que le point de données se situe en dessous de la moyenne de la population. Par exemple, un z-score de −1,5 signifie que la valeur est à 1,5 écart-type en dessous de la moyenne de la distribution.

Quelle formule utilise ce calculateur de z-score ?

Le calculateur applique la formule \(z = \dfrac{x - \mu}{\sigma}\), où x est la valeur brute, μ la moyenne de la population et σ l'écart-type de la population. Le terme d'écart-type (standard deviation) a été introduit par le statisticien britannique Karl Pearson en 1893, l'idée sous-jacente étant plus ancienne : Gauss employait déjà une notion voisine, l'erreur moyenne quadratique, dès 1821.
Note : Ce calculateur est conçu pour fournir des estimations utiles à des fins d'information. Bien que nous fassions tout notre possible pour garantir l'exactitude, les résultats peuvent varier en fonction des lois locales et des circonstances individuelles. Nous vous recommandons de consulter un conseiller professionnel pour toute décision importante.