En savoir plus sur la normalisation par conversion en scores Z

Le concept de normalisation des scores, ou normalisation du score z correspond au calcul des z-scores pour tous les scores fournis dans un jeu de données. C'est-à-dire que pour chaque score \(X_i\) dans un ensemble de données, nous calculons le score normalisé correspondant (score z) en suivant la formule suivante

\[ X_i = \frac{X_i - \mu}{\sigma}\]

Si la moyenne de la population \(\mu\) ou l'écart-type de la population \(\sigma\) ne sont pas connus, nous les approximons en calculant la moyenne de l'échantillon \(\bar X\) et l'écart-type de l'échantillon \(s\).

Ces scores z normalisés répondent à un distribution normale standard , et facilement calculé à l'aide de tableaux normaux standard ou d'outils de calcul comme Excel.

Le besoin de scores Z

Pourquoi avons-nous besoin de scores normalisés? Les scores normalisés présentent de nombreux avantages: Premièrement, ils sont sans dimension et sont donc parfaits pour comparer différentes populations. Deuxièmement, ils ont tendance à fournir une interprétation nette des échelles, comme cela se fait généralement en psychologie ou dans d'autres sciences sociales.

Si vous avez besoin de calculer des statistiques descriptives complètes pour vos exemples de données, utilisez ceci calculateur complet de statistiques descriptives , ou si vous utilisez ce calculatrice de conversation normale pour calculer et représenter graphiquement tout ce qui est lié aux probabilités normales, y compris les probabilités de score z.