Calculerur de score d'écart

L'idée du score d'écart est utilisée pour déterminer dans quelle mesure chaque donnée est par rapport au «centre» de la distribution. En règle générale, la moyenne de l'échantillon \(\bar X\) est considérée comme le centre de la distribution.

Comment calculez-vous les scores d'écart?

Supposons que vous ayez un échantillon de données \(X_1, X_2, ...., X_n\). Pour ces exemples de valeurs, vous calculez la moyenne de l'échantillon comme

\[ \bar X = \displaystyle \frac{1}{n} \sum_{i=1}^n X_i \]

Ensuite, pour une valeur brute \(X_i\) donnée, son score d'écart associé est:

\[ \text{Deviation Score } = X_i - \bar X\]

et vous calculeriez ce score d'écart pour chaque score de l'échantillon.

Scores d'écart et scores z

Comme nous l'avons mentionné, les scores d'écart mesurent la distance entre chaque donnée et le centre de la distribution. Cette distance est exprimée en termes absolus, mais parfois, il est plus utile de les exprimer en termes relatifs.

C'est là que les scores z jouent un rôle. En divisant les scores d'écart par l'écart type, nous normalisons ces écarts et nous évaluons dans quelle mesure chaque donnée est par rapport au centre de la distribution, par rapport à la taille de l'écart type.

Donc, si tel est le cas et que vous recherchez des scores d'écart relatif, vous devez utiliser ceci calculateur de z-score au lieu.