z = (x - μ) / σ | Z-Wert standardisiert auf μ=0, σ=1
Standardabweichung interpretieren
Bedeutung der Standardabweichung bei Normalverteilung
Bereich
Anteil der Daten
Bedeutung
μ ± 1σ
68,27 %
Etwa 2/3 aller Werte
μ ± 2σ
95,45 %
Fast alle Werte
μ ± 3σ
99,73 %
Nahezu alle Werte
μ ± 4σ
99,99 %
Praktisch alle Werte
μ = Mittelwert, σ = Standardabweichung. Gilt für Normalverteilung.
Häufig gestellte Fragen zum Z-Wert-Rechner
Was ist ein Z-Wert (Z-Score)?
Der Z-Wert gibt an, wie viele Standardabweichungen ein Datenpunkt vom Mittelwert entfernt ist. Formel: Z = (Wert - Mittelwert) / Standardabweichung. Ein Z-Wert von 2 bedeutet, dass der Wert 2 Standardabweichungen über dem Mittelwert liegt. Z-Werte ermöglichen den Vergleich verschiedener Verteilungen.
Wie interpretiere ich Z-Werte?
Z = 0: Exakt am Mittelwert. Z = 1: Eine Standardabweichung über dem Mittelwert (84,13 % der Werte darunter). Z = 2: Zwei Standardabweichungen (97,72 % darunter). Z = -1: Eine Standardabweichung unter dem Mittelwert (15,87 % darunter). Je höher der Betrag, desto seltener der Wert.
Was ist die Standardnormalverteilung?
Die Standardnormalverteilung ist eine Normalverteilung mit Mittelwert 0 und Standardabweichung 1. Jeder normalverteilte Datensatz kann durch Z-Transformation in die Standardnormalverteilung überführt werden. Die Tabellenwerte (Phi-Tabelle) beziehen sich auf diese Verteilung.
Wie berechne ich den p-Wert aus dem Z-Wert?
Der p-Wert ist die Wahrscheinlichkeit, einen so extremen oder extremeren Z-Wert zu erhalten. Für einseitige Tests: p = 1 - Phi(Z) für Z > 0. Für zweiseitige Tests: p = 2 × (1 - Phi(|Z|)). Beispiel: Z = 1,96 entspricht p = 0,05 (zweiseitig), also der 95 %-Signifikanzgrenze.
Was bedeutet die 68-95-99,7-Regel?
Bei Normalverteilung liegen 68,27 % der Werte zwischen Z = -1 und Z = +1, 95,45 % zwischen Z = -2 und Z = +2 und 99,73 % zwischen Z = -3 und Z = +3. Werte außerhalb von ±3 sind entsprechend selten. Diese Regel wird auch 3-Sigma-Regel genannt.
Wofür werden Z-Werte verwendet?
Hauptanwendungen: Hypothesentests (Signifikanztests), Vergleich unterschiedlicher Verteilungen (z. B. Schulnoten verschiedener Fächer), Qualitätskontrolle (Ausreißer-Erkennung), Standardisierung von Daten für maschinelles Lernen und Berechnung von Konfidenzintervallen.
Was ist der Unterschied zwischen Z-Wert und T-Wert?
Z-Werte passen bei bekannter Populationsstandardabweichung oder großen Stichproben. T-Werte nutzt du, wenn die Standardabweichung aus einer kleinen Stichprobe geschätzt wird. Die t-Verteilung hat breitere Endbereiche und nähert sich mit wachsendem n der Normalverteilung an.
Wie erkenne ich Ausreißer mit Z-Werten?
Faustregel: Werte mit |Z| > 3 sind potenzielle Ausreißer. Bei strengeren Kriterien: |Z| > 2,5. In manchen Bereichen (z. B. Finanzanalyse): |Z| > 2. Wichtig: Bei nicht-normalverteilten Daten sind Z-Wert-basierte Ausreißer-Tests weniger aussagekräftig.
Kann der Z-Wert beliebig groß werden?
Theoretisch kann der Betrag eines Z-Werts sehr groß werden. Bei Normalverteilung ist |Z| > 4 aber extrem selten (0,0063 %), |Z| > 5 noch seltener (0,00006 %). Sehr hohe Z-Werte können auf Ausreißer, Messfehler oder eine nicht normalverteilte Datenbasis hinweisen.
Wie wandle ich Z-Werte in Perzentile um?
Das Perzentil entspricht der kumulierten Wahrscheinlichkeit Phi(Z). Beispiele: Z = 0 entspricht dem 50. Perzentil, Z = 1 etwa dem 84,13. Perzentil und Z = -1 etwa dem 15,87. Perzentil. Für genaue Werte brauchst du eine Z-Tabelle oder eine passende Rechenfunktion.
Wann ist ein Z-Wert-Vergleich unfair?
Ein Vergleich ist problematisch, wenn die Daten aus unterschiedlichen Verteilungen stammen oder stark schief verteilt sind. Z-Werte setzen voraus, dass Mittelwert und Standardabweichung die Verteilung sinnvoll beschreiben. Bei Ausreißern oder Deckeneffekten solltest du zusätzlich Perzentile prüfen.
Welche Standardabweichung gehört in die Z-Wert-Formel?
Für einen klassischen Z-Wert nutzt du die Standardabweichung der Vergleichsverteilung, nicht die Abweichung eines einzelnen kleinen Ausschnitts. Bei Stichproben und unbekannter Populationsstreuung kann ein T-Wert passender sein.