Le score z, ou score standardisé, est le nombre d’écarts-types par rapport à la moyenne d’une valeur donnée. C’est l’une des mesures couramment utilisées de la position relative.
À l’aide de la formule de normalisation, les données peuvent être converties en scores z correspondants. La formule de standardisation d’une population et d’un échantillon diffère par les notations de moyenne et d’écart-type.
Les scores Z fournissent la position relative d’un point de données. Un score z positif signifie que le point de données est au-dessus de la moyenne et un z négatif indique qu’il est inférieur à la moyenne. La valeur moyenne a toujours un score z de zéro.
Le score z est également utilisé pour comparer des données mesurées à différentes échelles, par exemple en comparant la taille et le poids d'un élève avec ceux de ses camarades de classe. Étant donné que les données sont mesurées sur différentes échelles, elles sont normalisées en scores z.
Un score z de 1,5 indique que l’élève est plus grand que la plupart de ses camarades de classe, tandis qu’un score zde moins 0,5 suggère que son poids est proche de la moyenne de la classe.
Un score z (ou valeur standardisée) est mesuré en unités de l’écart type. Il indique de combien d’écarts types la valeur x se trouve au-dessus (à droite de) ou en dessous (à gauche de) de la moyenne, μ. Les valeurs de x supérieures à la moyenne ont des scores z positifs, et les valeurs de x inférieures à la moyenne ont des scores z négatifs. Si x est égal à la moyenne, alors x a un score z nul. Il est important de noter que la moyenne des scores z est nulle et que l’écart type est égal à un.
Les scores Z aident à détecter les valeurs aberrantes ou inhabituelles dans toute distribution de données. Selon la règle empirique des valeurs aberrantes ou inhabituelles, les scores z sont inférieurs à -2 ou supérieurs à +2.
Le score z, ou score standardisé, est le nombre d’écarts-types par rapport à la moyenne d’une valeur donnée. C’est l’une des mesures couramment utilisées de la position relative.
À l’aide de la formule de normalisation, les données peuvent être converties en scores z correspondants. La formule de standardisation d’une population et d’un échantillon diffère par les notations de moyenne et d’écart-type.
Les scores Z fournissent la position relative d’un point de données. Un score z positif signifie que le point de données est au-dessus de la moyenne et un z négatif indique qu’il est inférieur à la moyenne. La valeur moyenne a toujours un score z de zéro.
Le score z est également utilisé pour comparer des données mesurées à différentes échelles, par exemple en comparant la taille et le poids d'un élève avec ceux de ses camarades de classe. Étant donné que les données sont mesurées sur différentes échelles, elles sont normalisées en scores z.
Un score z de 1,5 indique que l’élève est plus grand que la plupart de ses camarades de classe, tandis qu’un score zde moins 0,5 suggère que son poids est proche de la moyenne de la classe.
From Chapter 1:
Now Playing
Chemical Applications of Statistical Analyses
0 Views
Chemical Applications of Statistical Analyses
0 Views
Chemical Applications of Statistical Analyses
0 Views
Chemical Applications of Statistical Analyses
0 Views
Chemical Applications of Statistical Analyses
0 Views
Chemical Applications of Statistical Analyses
0 Views
Chemical Applications of Statistical Analyses
0 Views
Chemical Applications of Statistical Analyses
0 Views
Chemical Applications of Statistical Analyses
0 Views
Chemical Applications of Statistical Analyses
0 Views
Chemical Applications of Statistical Analyses
0 Views
Chemical Applications of Statistical Analyses
0 Views
Chemical Applications of Statistical Analyses
0 Views
Chemical Applications of Statistical Analyses
0 Views
Chemical Applications of Statistical Analyses
0 Views
See More