Z分数计算器（百分位与T分数）
Z分数计算器：输入得分、平均分与标准差，即可算出Z分数、T分数与百分位排名，还能根据目标百分位反向推算所需得分。
什么是Z分数与T分数计算
这个工具可以根据考试得分、平均分与标准差，计算出这个得分在整体群体中所处的位置，具体表现为Z分数（标准分）与T分数。Z分数表示“该得分偏离平均值多少个标准差”，是统计学中最常用的标准化指标；T分数则是在Z分数基础上做“乘以10再加50”的换算，数值更直观、更贴近日常习惯的百分制思维——T分数50表示恰好等于平均水平，T分数60则表示比平均水平高出1个标准差。
除了输入得分之外，也可以输入目标百分位（例如想进入前10%，则输入90百分位）来反向推算所需要达到的得分。这一计算基于标准正态分布的假设，因此当考试成绩的分布较为接近正态分布时，结果会更加准确。如果不清楚整体的平均分与标准差，本工具还提供了粘贴原始成绩列表、自动计算平均分与标准差的功能。
Z分数计算器的使用方法
- 选择计算模式 如果想知道自己得分对应的Z分数与T分数，选择“根据得分计算”；如果想知道达到某个名次所需的得分，选择“根据百分位反向推算”。
- 输入平均分与标准差 填入考试的平均分与标准差。如果不清楚具体数值，可以使用下方的“根据原始成绩自动计算”功能。
- 输入得分或目标百分位 根据所选模式，输入需要评估的得分，或目标百分位（0～100之间的数值）。
- 查看计算结果 输入内容后，Z分数、T分数与百分位排名（或反向推算的得分）会自动实时更新。
用好本工具的小技巧
- T分数只是“Z分数乘以10再加50”的简单换算。T分数60对应Z分数1.0，T分数40对应Z分数负1.0。
- 如果不清楚平均分与标准差，可以在下方“根据原始成绩自动计算”中粘贴全班同学的成绩，系统会自动计算出结果。
- “根据百分位反向推算”模式适合用来了解“进入前10%大约需要多少分”，只需输入90百分位即可。
- 这一计算的前提是得分分布接近正态分布。当参与人数极少，或成绩分布明显偏斜时，计算结果的准确性会有所下降。
- 双尾概率表示“出现与平均值有这么大偏差的结果纯属偶然的概率”，这与统计学假设检验中p值的思路是一致的。
Z分数计算器的应用场景
分析模拟考试与阶段测验的成绩
输入自己的得分以及全班（或全年级）的平均分与标准差，可以快速了解与目标院校录取线之间的差距。
与目标院校录取线进行对比
输入目标百分位（例如前20%），即可反向推算大致需要达到的分数线。
确认质量检验数据在整体分布中的位置
也可以用来判断产品的某项测量值在整体分布中处于第几百分位，辅助质量管理与异常检测。
统计学课程与报告中的换算计算
无需手工查统计表，即可快速完成基于标准正态分布的Z值与百分位之间的换算。
Z分数与T分数相关术语
- Z分数
- 表示某个得分偏离平均值多少个标准差的指标，计算公式为（得分－平均分）÷标准差。等于平均值时为0，高于平均值时为正数，低于平均值时为负数。
- T分数
- 将Z分数做“乘以10再加50”换算后得到的标准分。平均值对应T分数50，偏离1个标准差（Z=1）对应T分数60，便于用直观的数值表示成绩水平。
- 标准正态分布
- 经过标准化处理、平均值为0、标准差为1的正态分布。许多考试的得分分布大致接近这一形态，因此可以据此将Z分数换算为百分位。
- 百分位
- 将数据从小到大排列后，某个数值所处位置占整体的百分之几。例如第90百分位表示“有90%的数据小于或等于该值”。
- 总体标准差
- 针对整体数据，计算各数值与平均值之差的平方的平均值，再取平方根得到的标准差。在计算T分数时，通常将参加该次考试的全体人员视为总体来计算。
- 双尾概率
- 表示出现与平均值偏离程度相同或更大的结果的概率，同时考虑得分偏高与偏低两个方向的合计概率。
常见问题
闲话 ― T分数在日本被称为“偏差值”的由来
在日本，“偏差值”这个说法从20世纪60年代起在教育领域广泛流传开来。据说是一位名叫桑田昭三的教育者兼补习班讲师，为了不只用模拟考试的分数、而是用“在整体群体中的相对位置”来衡量学生的学业水平而设计出的指标，之后逐渐推广到全国的补习学校与升学辅导机构。在此之前，升学指导大多只依据“全年级第几名”这样的名次，而由于每次模拟考试的难度不同，单纯比较分数往往缺乏说服力。
偏差值背后所依据的Z分数（标准分）这一概念，本身来源于统计学家卡尔·皮尔逊等人在19世纪末确立的标准化方法。这种方法可以把单位不同、平均值不同的数据，统一换算成“偏离平均值的程度”这一共通尺度进行比较，因而被广泛应用于心理统计、医学、质量管理等诸多领域。日本的偏差值可以说是把这套通用的Z分数思路，转换成“平均值对应50、1个标准差对应10”这种便于记忆的数值，专门为教育场景做的本地化设计。
由于偏差值（T分数）反映的是“在参加同一场考试的群体中的相对水平”，因此即便是同样的得分，只要参照的群体（考生构成）不同，得到的偏差值也会不同。这就是为什么在报考顶尖大学的考生较多的模拟考试中，偏差值往往显得偏低，而在考生范围更广的考试中，偏差值往往显得偏高。因此在比较偏差值时，务必留意“这是哪一场考试、哪一个群体所计算出的偏差值”。