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 scores z pour tous les scores fournis dans un ensemble de données. Autrement dit, pour chaque score \(X_i\) d'un ensemble de données, nous calculons le score normalisé correspondant (score z) selon 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 une Distribution normale standard , et facilement calculé à l'aide de tables normales standard ou d'outils de calcul comme Excel.

La nécessité des scores z

Pourquoi avons-nous besoin de scores normalisés ? Les scores normalisés présentent de nombreux avantages : tout d'abord, ils sont adimensionnels et donc parfaits pour comparer différentes populations. Ensuite, ils permettent généralement une interprétation précise des échelles, comme c'est généralement le cas en psychologie ou dans d'autres sciences sociales.

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