Z-Score berechnen: Z-Wert und Percentilrang online

Der z-Wert (auch z-Score oder Standardnormalwert) gibt an, wie viele Standardabweichungen ein Messwert x vom Mittelwert μ einer Verteilung entfernt liegt. Die Formel lautet z = (x − μ) / σ.

Ein positiver z-Wert bedeutet, dass x über dem Mittelwert liegt; ein negativer z-Wert bedeutet, dass x darunter liegt. Bei z = 0 liegt x genau am Mittelwert.

Bei z = +1 liegt x eine Standardabweichung über dem Mittelwert, bei z = +2 zwei Standardabweichungen. Der z-Wert erlaubt den Vergleich von Werten aus verschiedenen Verteilungen, weil er die Einheit herausnormiert.

Beispiel: Ein Testergebnis von 75 bei µ = 70 und σ = 10 ergibt z = (75 − 70) / 10 = 0,5. Das bedeutet, das Ergebnis liegt eine halbe Standardabweichung über dem Klassendurchschnitt.

Weil der z-Wert einheitenlos ist, lassen sich damit zum Beispiel ein Mathe-Test (μ = 70, σ = 10) und ein Sporttest (μ = 12 s, σ = 2 s) direkt miteinander vergleichen.

Die Formel ist z = (x − μ) / σ. Beispiel: x = 85, μ = 70, σ = 15. Schritt 1: Abweichung berechnen: 85 − 70 = 15. Schritt 2: Durch die Standardabweichung dividieren: 15 / 15 = 1. Also z = 1.

Das bedeutet: 85 liegt genau eine Standardabweichung über dem Mittelwert. Ein zweites Beispiel: x = 55, μ = 70, σ = 15. z = (55 − 70) / 15 = −15 / 15 = −1. Also liegt 55 eine Standardabweichung unter dem Mittelwert.

Der z-Wert ist dimensionslos und für alle Normalverteilungen gleich interpretierbar, egal ob man Körpergrößen in Zentimeter, Testergebnisse in Punkten oder Temperaturen in Grad vergleicht.

Als Faustregel gilt: z zwischen −1 und +1 entspricht dem mittleren Bereich der Verteilung (68,3 % aller Werte). Liegt z außerhalb von ±2, ist das Ergebnis statistisch ungewöhnlich.

Bei der manuellen Berechnung ist es wichtig, die Populationsparameter μ und σ zu verwenden – nicht Stichprobenschätzwerte.

Der Percentilrang gibt an, welcher Anteil der (normalverteilten) Population unter dem berechneten z-Wert liegt – ausgedrückt in Prozent. Bei z = 0 liegt der Percentilrang bei 50 %, weil der Mittelwert die Normalverteilung genau halbiert.

Bei z = +1 liegt er bei etwa 84,1 % (d. h. 84,1 % der Population liegt darunter). Bei z = −1 liegt er bei etwa 15,9 %. Bei z = +2 sind es 97,7 %, bei z = −2 nur 2,3 %.

Der Percentilrang wird aus der Fläche unter der Glockenkurve links vom z-Wert berechnet, der sogenannten kumulativen Normalverteilungsfunktion Φ(z). Der Rechner berechnet diesen Wert numerisch mit einer Näherungsformel.

Praktisch bedeutet das: Wer bei einem standardisierten IQ-Test (μ = 100, σ = 15) einen Wert von 130 erzielt, hat z = (130 − 100) / 15 = 2,0 und liegt damit beim Percentilrang 97,7 – er übertrifft 97,7 % der getesteten Population.

Umgekehrt ergibt ein Wert von 85 den z-Wert −1 und den Percentilrang 15,9 %.

Diese Werte beschreiben die bekannte 68-95-99,7-Regel der Normalverteilung. Innerhalb von ±1 σ liegen 68,3 % aller Werte (z zwischen −1 und +1). Innerhalb von ±2 σ liegen 95,4 % aller Werte (z zwischen −2 und +2).

Innerhalb von ±3 σ liegen 99,7 % aller Werte. Ein z-Wert von ±2 gilt deshalb oft als Grenzwert für 'ungewöhnliche' Werte (die äußersten 4,6 % der Verteilung).

In der Qualitätskontrolle wird z. B. ein 6-Sigma-Standard angestrebt, bei dem nur 3,4 Fehler pro Million auftreten. Ein z-Wert über 3 oder unter −3 ist in einer Normalverteilung extrem selten und gilt als starker Ausreißer.

Konkret: Bei einer Körpergrößenverteilung mit μ = 175 cm und σ = 7 cm entspricht z = +2 einer Größe von 189 cm – nur 2,3 % der Population ist größer. Bei z = +3 wäre man 196 cm groß, was auf weniger als 0,15 % der Bevölkerung zutrifft.

Die 68-95-99,7-Regel ist damit eine schnelle Orientierung, wie wahrscheinlich ein gemessener Wert ist.

Z-Werte sind in vielen Bereichen nützlich. In der Schule und Psychologie vergleicht man IQ-Werte, Testergebnisse oder Lernerfolge über verschiedene Klassen hinweg, indem man sie auf denselben z-Score-Maßstab bringt.

In der Medizin dient der z-Score zur Einordnung von Blutwerten, BMI oder Knochendichte in Referenzpopulationen. In der Qualitätskontrolle zeigt der z-Wert, ob ein Messpunkt noch im Toleranzbereich liegt oder als Ausreißer gilt.

In der Finanzwirtschaft wird die Standardnormalverteilung beim Optionspreismodell Black-Scholes verwendet. In der Wissenschaft vergleicht man Messwerte verschiedener Instrumente oder Versuchsbedingungen über Standardisierung miteinander.

In der pädiatrischen Medizin werden Wachstumskurven (Körpergröße, Gewicht, Kopfumfang) als z-Scores ausgedrückt: Ein Kind mit z = −2 bei der Körpergröße liegt unterhalb des 2,3. Perzentils und wird ärztlich beobachtet.

Bei der Analyse von Klausurergebnissen kann ein Lehrer mit μ = 60 Punkten und σ = 12 feststellen, dass ein Schüler mit 84 Punkten z = +2 erreicht – also zu den besten 2,3 % der Klasse gehört.

In der Meteorologie vergleicht man z-Werte von Temperaturen über verschiedene Jahrzehnte, um Klimaanomalien sichtbar zu machen.

Beide standardisieren eine Beobachtung relativ zu einer Verteilung, aber in unterschiedlichen Situationen. Der z-Wert wird verwendet, wenn die Populationsparameter μ und σ bekannt sind (oder die Stichprobengröße groß genug ist, n > 30).

Der t-Wert wird verwendet, wenn σ unbekannt ist und aus der Stichprobe geschätzt werden muss – dann hängt die Verteilung vom Freiheitsgrad (n−1) ab.

Bei sehr großen Stichproben nähert sich die t-Verteilung der Standardnormalverteilung an, und z- und t-Wert werden nahezu identisch.

Für schulische Aufgaben und standardisierte Tests (IQ, Schulleistung) wird meist der z-Wert mit bekanntem μ und σ verwendet. Für Stichprobenvergleiche in der Forschung ist der t-Test das geeignetere Werkzeug.

Ein konkretes Beispiel: Testet man 10 Schüler auf ihre Reaktionszeit ohne bekanntes σ, nutzt man den t-Test (Freiheitsgrad 9). Sind dagegen μ = 250 ms und σ = 30 ms aus Populationsdaten bekannt, berechnet man direkt den z-Wert.

Bei n ≥ 30 konvergieren die kritischen Werte: z = 1,96 und t ≈ 1,96 für das 5-%-Signifikanzniveau.

Im Feld Berechnung wählst du Wahrscheinlichkeit P(a < X < b) oder Quantil. Beim Intervall trägst du Mittelwert μ, Standardabweichung σ sowie die Grenzen a und b ein; der Rechner gibt den Anteil der Normalverteilung zwischen beiden Werten aus.

Beispiel IQ mit μ = 100 und σ = 15: Zwischen 85 und 115, also ±1 σ, liegen 68,27 Prozent, zwischen 70 und 130 (±2 σ) 95,45 Prozent und zwischen 55 und 145 (±3 σ) 99,73 Prozent. Das ist die 68-95-99,7-Regel.

Beim Quantil gibst du eine Wahrscheinlichkeit p in Prozent vor und erhältst den Wert, unter dem p Prozent der Verteilung liegen: Für p = 97,5 Prozent ist z = 1,96, also x = 100 + 1,96 × 15 = 129,4.

Die Normalverteilung gilt nur, wenn die Daten annähernd glockenförmig verteilt sind. Der Rechner nutzt die Näherung nach Abramowitz und Stegun mit einem Fehler unter 0,0000001 in der Verteilungsfunktion.

Fehler 1: μ und σ verwechseln. Die Reihenfolge der Formel ist fest: z = (x − μ) / σ, nicht (μ − x) / σ. Ein falsches Vorzeichen dreht die Richtung der Standardisierung um.

Fehler 2: Den z-Wert mit dem Percentilrang gleichsetzen. z = 1 ist nicht 100 %, sondern 84,1 %. Fehler 3: Die Normalverteilungsannahme ignorieren. Bei stark schiefen oder bimodalen Verteilungen ist der Percentilrang aus dem z-Wert ungenau.

Fehler 4: Stichproben-Standardabweichung statt Populations-Standardabweichung verwenden. Beide unterscheiden sich im Nenner (n−1 vs. n).

Fehler 5: Negative z-Werte falsch interpretieren. z = −1 bedeutet unterdurchschnittlich, aber nicht 'unmöglich' – rund 16 % der Population liegen darunter. Fehler 6: Den x-Wert aus dem z-Wert zurückrechnen, ohne μ oder σ einzusetzen.

Die korrekte Rückrechnung lautet x = μ + z · σ: z = 1,5, μ = 100, σ = 15 ergibt x = 122,5. Fehler 7: Einen z-Wert von 3 als 'unmöglich' bezeichnen – in sehr großen Datensätzen (n = 10.000) treten solche Werte statistisch erwartet auf.

Nein, das sind zwei vollständig unterschiedliche Konzepte, die zufällig denselben Namen tragen.

Der statistische Z-Wert (z-Score) dieses Rechners misst, wie viele Standardabweichungen ein Messwert vom Mittelwert einer Verteilung entfernt liegt, nach der Formel z = (x − μ) / σ.

Der Z-Wert bei einer Skibindung dagegen ist der Auslösewert nach ISO 11088 und beschreibt, bei welcher Belastung sich die Skibindung öffnen soll, um Verletzungen zu vermeiden – er wird aus Körpergewicht, Körpergröße, Alter, Schuhsohlenlänge und Fahrertyp ermittelt und reicht laut Norm von 0,75 für sehr leichte Kinder bis über 8,0 für schwere, aggressiv fahrende Erwachsene.

Beide Begriffe verwenden den Buchstaben Z unabhängig voneinander; es gibt keine mathematische oder inhaltliche Verbindung zwischen ihnen.

Wer seine Skibindung einstellen möchte, ist auf dem Skibindung-Z-Wert-Rechner richtig; dieser Rechner hier ist für statistische Standardisierung, Notenvergleiche, IQ-Tests und Qualitätskontrolle gedacht.

Prüfe deshalb vor der Eingabe, welche der beiden Fragestellungen tatsächlich gemeint ist, bevor du Zahlen einträgst.

Normwertskalen wie T-Wert, IQ-Skala und Stanine sind lineare Transformationen des z-Werts, die Testergebnisse auf anschaulichere Zahlenbereiche abbilden.

Der T-Wert berechnet sich als T = 50 + 10z und hat einen Mittelwert von 50 bei einer Standardabweichung von 10. Die IQ-Skala folgt der Formel IQ = 100 + 15z mit Mittelwert 100 und Standardabweichung 15.

Die Stanine-Skala verwendet Stanine = 5 + 2z, gerundet auf ganze Zahlen von 1 bis 9. Ein z-Wert von 1 entspricht damit einem T-Wert von 60, einem IQ von 115 und Stanine 7.

Der Percentilrang bleibt bei allen Skalen identisch, weil die lineare Transformation die relative Position in der Verteilung nicht verändert.

Der Z-Wert-Rechner gibt z-Wert und Percentilrang direkt aus, die Normwerte lassen sich mit den genannten Formeln selbst ableiten.

Diese Umrechnung ist in der pädagogischen und klinischen Diagnostik Standard, weil Eltern und Patienten mit T-Werten oder IQ-Zahlen mehr anfangen können als mit Dezimalwerten nahe null.