Z分数,标准化,标准正态分布

今天继续写三个关系特别亲密的概念,也是大家会经常听到的基础概念:标准化、Z score(也叫标准分)和标准正态分布。

先看一个问题:如果小明数学考了 80 分,语文考了 70 分,能说他数学学得比语文好吗?仔细想想,可能会不行奥?

因为咱们不知道这两门课的整体难度。万一数学全班平均分是 90 分,80 分其实是偏低的;而语文全班平均分是 60 分,70 分反而是高分。这时候直接比较 80 和 70 这两个原始分数,意义不大。

那怎么才能公平比较呢?这就需要在比之前定个标准,这就要用到 “标准化” 的思路 —— 把不同分布的数据,转换成同一个 “尺子” 下的数值,这个尺子就是 Z score。

有点绕进去了,看不懂了有点,先看什么是标准化,就是把原来的数值减去它所在数据集的均值,再除以标准差,得到的结果就是标准化后的数值,也就是 Z score。公式很简单:Z =(X - μ)/ σ,其中 X 是原始数据,μ 是均值,σ 是标准差。别担心公式,看过了之后忘记就行,咱们会用例子来拆解,比记公式容易多了。

图片

 

还用刚才的例子:假设数学全班平均分(μ)是 90 分,标准差(σ)是 10 分,小明数学 80 分,那他的数学 Z score 就是(80-90)/10 = -1;语文全班平均分是 60 分,标准差是 5 分,小明语文 70 分,语文 Z score 就

统计学入门:样本与总体分布的那些事儿 - 从Z分数到概率的通俗解读 本文通俗解读统计学中的样本与总体分布,重点介绍Z分数的计算与应用。通过生活案例和实用技巧,帮助读者理解如何用Z分数判断数据异常、评估概率分布,并掌握样本代表性的三大黄金法则。文章还揭示了常见误区,并拓展了Z分数在A/B测试、金融风控等现代场景的应用价值。 阅读详情

相关推荐

统计学实战:从Z分数到异常值检测的完整指南

本文提供了一份从Z分数到异常值检测的完整实战指南。通过Python代码示例,详细讲解了Z分数的计算原理、与标准正态分布的概率关联,并构建了基于Z分数的异常值检测器。文章还探讨了该方法的局限性及多维数据的进阶方案(如马氏距离),并结合电商订单清洗案例,展示了完整的异常值识别、分析与处理流程。

weixin_29048309的博客 362

Z分数:数据标准化的核心标尺与实战指南

Z分数是统计学中实现数据标准化的基础方法,其本质是将原始观测值转换为以均值为0、标准差为1的标准正态分布单位,从而消除量纲差异、支持跨指标比较。它依赖总体均值μ和总体标准差σ的准确计算,核心公式Z=(X−μ)/σ体现了中心化与缩放的双重变换逻辑。在实际应用中,Z分数支撑着异常检测、风险预警、用户分层与过程控制等关键场景,但需警惕非正态分布误用、样本/总体标准差混淆、数据漂移及脱离业务语义等典型陷阱。掌握Z分数,就是掌握一种可解释、可复用、可扩展的相对定位能力。

weixin_29048775的博客 313

4种数据去量纲化方法—标准化、归一化、正则化

对正项序列进行变换,原始序列中的每一个值比上所有值之和。将数据缩放到(0,1)范围内。首先计算出全体数据x的均值µ与标准差σ,然后将每个x带入公式进行标准化。主要目的将不同量级的数据统一转化为同一个量级。L2正则化,将每个样本缩放到单位范数,依照特征矩阵的行处理。将数据缩放到(0,1)范围内,且不改变数据的分布形状。用python对数据进行z-score标准化。用python对数据进行min-max标准化。即每行都转化为“单位向量”,会改变分布形态。用python对数据进行正则化。...

MollyWangRan的博客 9264

正态分布与标准正态分布:标准化变换原理与Python实战应用

在统计学与数据分析领域,正态分布是描述连续型数据最核心的概率模型之一,它刻画了大量自然与社会现象中数据的分布规律。其核心原理在于,任何正态分布都可以通过一个关键的线性变换——标准化,转化为均值为0、标准差为1的标准正态分布。这一变换的技术价值在于,它统一了不同量纲和尺度的数据,使得复杂的概率计算得以简化为查询标准正态分布表或调用统计函数。在工程实践中,这一原理是产品质量控制、金融风险建模和机器学习算法(如许多模型的误差假设)的基石。通过标准化,我们可以计算零件尺寸的合格率、设定风险阈值,并利用Python的

weixin_29053073的博客 258

【Boost5】Boost变换器的输入电容

节点的电流有3个,一个是来自电源输入的,由于我们把Vin看成理想电源以及线路的电感的存在,它可以近似看作是恒定的电流源Iin,一个是流向输入电容Cin的电流Icin,另外一个节点是电感L电流IL。电容电流波形在整个开关周期内的平均值为0,充电和放电在一个周期中各占1/2,在图中充电部分面积和放电部分面积相等,那么在充电或放电的电荷量Q=I*t,从图中可以看出,在一个周期内电容电流变化量是ΔIL,那在电容在充电1/2T周期中电流的变化量是1/2ΔIL。输入电容上的ESR也会随着电流变化,影响输入电压的变化。

qq_43416206的博客 3352

使用 pip 安装 pygame 遇到的问题

今天尝试学习使用 pygame 时,按照我的习惯一发 pip install 下去,本以为很简单的事情,没想到遇到了不少问题,顺手记录一下。 0x01. 无法找到 “SDL.h” 文件 pygame 是使用 SDL 库写就的游戏框架,自然强依赖于 SDL,我的 python@3 是使用 macOS 的 brew 管理器直接安装的,可能由于不是编译安装的问题,缺少了这个库,继续使用 brew 安...

Mitscherlich的博客 8622

(实战)[re:Invent 2018]-001:赛道分析-(致敬1024)

打印log

Rainbow 2784

从Xilinx FPGA到MIPI DSI LCD屏:手撸代码的实战经验分享

本文分享了使用Xilinx FPGA驱动MIPI DSI LCD屏的实战经验。作者从依赖官方IP核失败,到与底层D-PHY IP缠斗,最终通过手撸代码,直接配置GTY收发器原语并实现完整的D-PHY与DSI协议栈,成功点亮屏幕。文章详细剖析了协议细节、Vivado工具链的调试技巧与避坑指南,为FPGA工程师提供了从理论到实践的宝贵参考。

weixin_29188997的博客 400

在F1C100s上跑GBA游戏:手把手教你用Buildroot配置SDL和移植gpsp模拟器

本文详细介绍了在全志F1C100s开发板上配置Buildroot、移植SDL库和gpsp模拟器的完整流程,帮助开发者实现在ARM9平台上流畅运行GBA游戏。内容涵盖环境配置、交叉编译、常见问题解决及性能优化技巧,特别针对'段错误'和'无声音'等典型问题提供实用解决方案。

weixin_42566424的博客 399

华为OD机试2025A卷 - 用户调度问题(Java & Python& JS & C++ & C )

题目要求每个用户依次选择当前所能选择的最小资源消耗策略,并且若有多个策略的资源消耗相同,则选择最后一个策略。每个用户的选择是独立的,只考虑该用户的策略和相邻用户的约束,不考虑整个调度序列的全局资源消耗。每个用户根据自己的当前状态(即自己的三种选择的资源消耗)做出局部最优选择:在当前可选的策略中,选择消耗最小的那个。如果有多个最小值,则选择最后一个(根据题意)。这一选择是局部的最优,即在当下最有利的选择,但并不保证最终的整体系统资源消耗是最小的。

算法大师! 1万+

人工智能大模型原理与应用实战:AI模型转换为API的步骤和方法

传统的开发模式下,构建复杂的软件系统是非常费时费力的,而通过云计算、微服务等技术手段可以实现快速部署、弹性扩展的能力。在这种背景下,越来越多的公司将重点转移到研发人员的产品思维上,希望能够将自己的AI模型转换为一个可供他人调用的API接口。但是对于许多从事AI领域的研发人员来说,如何将自己的AI模型转换为API是一个比较棘手的问题。在这篇文章中,作者将从AI模型转换为API的过程分为以下几个步骤:AI模型准备阶段——模型选择、数据准备、模型训练。

AI天才研究院 2601

Python 爬虫实战:豆瓣 / IMDB 电影数据抓取(评分 + 剧情 + 演员阵容结构化处理)

在数据为王的时代,电影数据是进行市场分析、推荐系统构建和学术研究的重要资源。豆瓣和 IMDB 作为国内外最具影响力的电影评分和资讯网站,包含了海量高质量的电影数据。本文将带领你从零开始,构建一个健壮的 Python 爬虫,用于抓取豆瓣和 IMDB 的电影信息,并将其中的非结构化数据(如剧情简介、演员列表)进行清洗和结构化处理,最终存储到便于分析的结构化文件(如 CSV)中。

yansideyucsdn的博客 957

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

上一篇: 理解样本均值和总体均值及其联系
下一篇: 理解抽样分布与中心极限定理
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

公众号Codewar原创作者

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值