Av Michael Judge – Uppdaterad 30 augusti 2022
Statistiker beskriver en datauppsättning som följer en klockformad, symmetrisk kurva som "normal". I en normalfördelning mäts spridningen av data med standardavvikelsen. Alla observationer kan omvandlas till en Z-score , som talar om hur många standardavvikelser värdet ligger från medelvärdet. När du har en Z-poäng kan du bestämma andelen observationer som faller över eller under motsvarande värde.
Diskutera med en kollega eller handledare om du vill ha andelen observationer som är över eller under värdet som representeras av ditt Z-poäng. Om du till exempel har en helt normal fördelning av SAT-poäng och du är intresserad av andelen elever som får över 2 000 (en Z-poäng på 2,85), kommer det att vara din utgångspunkt.
Öppna en vanlig normal (Z) tabell. Skanna kolumnen längst till vänster efter de två första siffrorna i ditt Z-poäng. I SAT-exemplet visas "2.8" på 29:e raden.
Titta över den översta raden i tabellen efter den tredje decimalen i Z-poängen. För 2,85 är den tredje siffran "0,05", vilket är i linje med den sjätte kolumnen.
I skärningspunkten mellan den 29:e raden och den sjätte kolumnen hittar du 0,4978. Detta tal representerar den kumulativa sannolikheten att en slumpmässigt vald observation är mindre än eller lika med värdet som motsvarar ett Z-poäng på 2,85.
Subtrahera den kumulativa sannolikheten från 0,5 (eller 0,5–0,4978) för att få sannolikheten att vara över värdet:0,0022.
Multiplicera med 100:0,0022×100=0,22 %. Endast 0,22 % av eleverna får alltså över 2 000.
Subtrahera den övre svansprocenten från 100 %:100–0,22=99,78 %. Därför får 99,78 % av eleverna betyg under 2 000.
Om ditt urval är litet använder du ett t-poäng istället för ett Z-poäng. En t‑tabell krävs för att tolka den statistiken.
