AITerms 登入
統計方法異常偵測

Z-score(Z 分數)是什麼?

衡量一個值偏離平均值幾個標準差,Z = (x - μ) / σ。常用於標準化和異常值檢測

完整定義

Z 分數是一種標準化方法,用於衡量一個數據點與數據集平均值的距離,以標準差為單位。它能夠將不同尺度或單位的數據轉換為一個共同的尺度,方便進行比較和分析。Z 分數常用於異常偵測,判斷數據點是否顯著偏離平均值。

快速摘要

搜尋意圖:如果你在找「Z-score 是什麼」、「Z 分數怎麼算」或「和標準化差在哪」,先記住:Z-score 表示一個值離平均數有幾個標準差。

重點:Z-score 的公式是 (x - 平均值) / 標準差。算出來的數值不是原始單位,而是用「離平均值幾個標準差」來表達位置。

實用情境:適合用在看離群值、理解標準化前處理,以及判斷模型為什麼要先把不同尺度的特徵拉到可比較範圍。

下一步:先把 Z-score 和 standardization 接起來,再去看 normalization,會更清楚兩種前處理不是同一件事。

白話說明

你考了 85 分,朋友也考了 85 分,為什麼你覺得那次考得比較好?

你可以把 Z 分數想成,把一個數值放回平均值旁邊,看它到底高了幾個標準差、低了幾個標準差。

它重要,是因為不同考試、不同班級、不同單位的數字,不能直接拿來比,Z 分數可以先把它們放到同一把尺上。

記住這句

正的高於平均,負的低於平均。

比喻:Z 分數就像給每個數值一個「全國排名」 -- 它告訴你這個分數相對於全國平均水準,是高於還是低於,高多少或低多少個標準單位,讓我們能公平地比較不同考試的成績。

容易混淆

Z 分數 vs 百分位數

Z 分數看的是離平均多遠,百分位數看的是排名在哪裡。

Z 分數 vs T 分數

T 分數是把 Z 分數換成另一種量尺,通常平均 50、標準差 10。

Z 分數 vs 原始數值

原始數值還帶著各自單位,Z 分數把它標準化後,才更容易比較。

最關鍵的區別:Z 分數回答的是「離平均有幾個標準差」。

實際案例

信用卡異常交易

如果某位客戶平常每筆消費都很穩定,但突然出現一筆遠高於平均的交易,系統可以用 Z 分數先把它標成可疑。

兒童生長評估

醫療上會把身高或體重和同齡參考值比較,Z 分數太低或太高,都可能代表需要進一步觀察。

演算法與應用

Z = (x - μ) / σ

這裡 x 是你的數值,μ 是平均值,σ 是標準差。

它常用在標準化、異常偵測、品質管制和統計檢定裡。當數據分布很偏時,Z 分數還是能算,但門檻的解讀就要更小心。

公式與計算

Z 分數衡量一個數值離平均有幾個標準差:

z = (x − μ) / σ

x 是原始值,μ 是平均數,σ 是標準差。算出來的單位是「標準差」,所以不同量綱的資料可以直接比較。

實際算一次。假設一次考試平均 70 分、標準差 8 分:

同一個人數學 86 分(z = +2.0)、英文 78 分但英文平均 60、標準差 6(z = +3.0),原始分數是數學高,Z 分數卻是英文更突出。這就是 Z 分數的用途:把不同尺度的東西拉到同一把尺上比。

原始分數
86
計算
(86 − 70) / 8
Z 分數
+2.0
解讀
高於平均兩個標準差
原始分數
70
計算
(70 − 70) / 8
Z 分數
0
解讀
剛好等於平均
原始分數
58
計算
(58 − 70) / 8
Z 分數
−1.5
解讀
低於平均 1.5 個標準差

常見的判讀門檻

資料接近常態分布時,落在正負 1 個標準差內約佔 68%,正負 2 個約 95%,正負 3 個約 99.7%。這組數字叫 68-95-99.7 法則。

因此實務上常拿 |z| > 3 當離群值(outlier)的初步標準,較寬鬆的場合用 |z| > 2。

兩個要注意的地方。第一,資料明顯偏態時這套門檻不適用,該改用四分位距(IQR)判離群值。第二,樣本數很少的時候平均與標準差本身就不穩,算出來的 Z 分數也不可靠。

情境判斷

Q1(直覺題): 某班平均 60 分、標準差 5 分,一個學生考 75 分,Z 分數大約是多少?

大約是 3,因為 (75 - 60) / 5 = 3,代表高出平均 3 個標準差。

Q2(判斷題): 如果資料分布明顯右偏,你還能直接把 Z 分數當成唯一的異常判準嗎?

要小心。Z 分數可以算,但偏態很重時,可能要先做轉換或改用更穩健的方法。

常見比較

常見問題

出現在這些考古題

官方公告試題的逐題解析裡,這 4 題把Z 分數列為延伸術語。

相關術語

延伸學習

來源

參考來源:en.wikipedia.org

其他格式:Markdown 版本