Calculatrice de score Z
Trouvez le score z d’une valeur, le centile et les probabilités de queue associés, ainsi que chaque étape du calcul — à partir d’une moyenne et d’un écart type, d’un jeu de données brutes, ou à rebours à partir d’un centile.
Rédigé par Suhaib Hassan. Les formules et les exemples détaillés sont vérifiés d’après le NIST/SEMATECH Engineering Statistics Handbook avant publication. Notre méthodologie.
Il standardise avec z = (x − μ) ÷ σ, puis évalue numériquement la loi normale centrée réduite — une série près de zéro et une fraction continue dans les queues.
La plupart des outils de score z s’arrêtent à un seul nombre. Celui-ci affiche les aires de queue et le détail du calcul, et gère aussi les jeux de données brutes et les recherches inverses (centile → valeur).
—
Aire sous la courbe à gauche de z
Aire complémentaire de la queue supérieure
Aire des valeurs extrêmes dans les deux queues
| # | Valeur | score z |
|---|
Scores z de population et d’échantillon
La formule du score z est la même dans les deux cas ; ce qui change, c’est l’origine de la moyenne et de l’écart type. Utilisez σ lorsque vous connaissez toute la population, et les statistiques d’échantillon lorsque vous n’avez qu’un échantillon.
Score z de population μ et σ connus
À utiliser lorsque la moyenne et l’écart type décrivent toute la population — par exemple une norme de test publiée.
Score z d’échantillon x̄ et s issus des données
À utiliser lorsque la moyenne x̄ et l’écart type s sont estimés à partir d’un échantillon. s divise par n − 1 (correction de Bessel).
La règle empirique : quelle part d’une loi normale se trouve dans chaque bande
Aires exactes pour une loi normale — les chiffres familiers 68–95–99.7 en sont des versions arrondies. Votre |z| tombe dans la bande en surbrillance.
| Bande autour de la moyenne | Aire dans la bande | Aire dans chaque queue | Usage typique |
|---|---|---|---|
| μ ± 1σ (|z| ≤ 1) | 68.2689% | 15.8655% | Le gros des observations |
| μ ± 1.645σ | 90.0000% | 5.0000% | Intervalle de confiance à 90 % ; test unilatéral à 5 % |
| μ ± 1.96σ | 95.0000% | 2.5000% | Intervalle de confiance à 95 % ; test bilatéral à 5 % |
| μ ± 2σ | 95.4500% | 2.2750% | Un filtre courant de « valeur inhabituelle » |
| μ ± 2.576σ | 99.0000% | 0.5000% | Intervalle de confiance à 99 % ; test bilatéral à 1 % |
| μ ± 3σ | 99.7300% | 0.1350% | Valeurs très rares sous l’hypothèse de normalité |
| Au-delà de ±3σ | moins de 0.27 % à l’extérieur | moins de 0.135 % | Valeurs extrêmes — vérifiez les données |
Exemple détaillé : un score de test standardisé
Un test a une moyenne de 500 et un écart type de 100, et les résultats suivent à peu près une loi normale. Un candidat obtient 650. Comment se situe-t-il par rapport à tous les autres ?
- 1
Énoncer ce que l’on sait
Score brut x = 650, moyenne μ = 500, écart type σ = 100.
- 2
Soustraire la moyenne
L’écart entre le score et la moyenne.
x − μ = 650 − 500 = +150 - 3
Diviser par l’écart type
Exprimer cette distance en écarts types.
z = 150 ÷ 100 = +1.50 - 4
Lire le centile
La fonction de répartition normale centrée réduite en 1.50 vaut 0.9332 ; le candidat a donc fait mieux qu’environ 93.3 % des participants.
Φ(1.50) = 0.9332 → 93.32e centile
Où les scores z sont utilisés
La standardisation place des valeurs d’échelles différentes sur une base commune, ce qui explique que cette idée apparaisse dans de nombreux domaines.
Apprentissage automatique
La standardisation des variables les ramène à une moyenne de 0 et un écart type de 1, afin que les variables à grandes valeurs ne dominent pas les modèles fondés sur la distance ou le gradient.
Aussi appelée « normalisation par score z »Courbes de croissance & dépistage
Les références de croissance pédiatrique et les rapports de densité osseuse expriment une mesure sous forme de score z par rapport à un groupe de référence de même âge et de même sexe.
Comparaison avec un groupe de référenceContrôle qualité
Le suivi de processus signale une mesure située à plusieurs écarts types de la moyenne du processus comme une possible cause particulière à examiner.
Détection des valeurs aberrantesQu’est-ce qu’un score z ?
Un score z (score standard) indique combien d’écarts types séparent une valeur de la moyenne de sa distribution. Un score z de 0 correspond exactement à la moyenne, +1 à un écart type au-dessus et −2 à deux en dessous. Comme le résultat n’a pas d’unité, les scores z permettent de comparer une taille en centimètres, une note d’examen ou une valeur de laboratoire.
Comment calculer un score z
z = (x − μ) ÷ σ, où x est le score brut, μ la moyenne et σ l’écart type. Pour faire l’inverse : x = μ + zσ. Le centile provient de la fonction de répartition normale centrée réduite Φ(z), en supposant que les données sont approximativement normales.
- Queue gauche = Φ(z), la part des valeurs inférieures à x.
- Queue droite = 1 − Φ(z), la part des valeurs supérieures à x.
- Bilatérale = 2 × la plus petite queue, la part des valeurs au moins aussi éloignées de la moyenne dans un sens ou dans l’autre.
Par Suhaib Hassan · Vérifié le 28 septembre 2026 · Comment CalculatePilot vérifie ses formules →
Interpréter votre résultat
Entre −1 et +1, il s’agit d’une variation ordinaire ; au-delà de ±2, c’est inhabituel : environ 5 % d’une loi normale se situe aussi loin. Au-delà de ±3, c’est rare (environ 0.27 %). Le centile n’a de sens que si les données sont proches d’une courbe en cloche — pour des données asymétriques, un score z élevé ne correspond pas à la même probabilité de queue.
Sources
- NIST/SEMATECH e-Handbook of Statistical Methods — 1.3.6.6.1 Normal distribution
- Abramowitz, M. & Stegun, I. A. (dir.), Handbook of Mathematical Functions, National Bureau of Standards, 1964 — chapitre 26, fonction de probabilité normale.
- ISO 3534-1:2006, Statistics — Vocabulary and symbols — Part 1: General statistical terms and terms used in probability.
Questions fréquentes
Que signifie un score z négatif ?
Cela signifie que la valeur est inférieure à la moyenne. Un score z de −1.5 se situe un écart type et demi sous la moyenne, ce qui, pour une loi normale, correspond à environ le 6.68e centile.
Comment convertir un score z en centile ?
Évaluez la fonction de répartition de la loi normale centrée réduite Φ(z) et multipliez par 100. Par exemple, Φ(1.00) = 0.8413, donc z = 1 correspond au 84.13e centile. Cette calculatrice le fait pour vous et affiche aussi les deux aires de queue.
Quelle est la différence entre un score z et un score t ?
Un score z utilise un écart type de population connu et la loi normale. Une statistique t utilise un écart type estimé à partir d’un petit échantillon et la loi de Student, dont les queues sont plus épaisses. Par ailleurs, le « score T » en psychométrie désigne un score standardisé de moyenne 50 et d’écart type 10, sans rapport avec la loi t.
Quelles sont les valeurs z critiques pour des niveaux de confiance de 95 % et 99 % ?
Pour un intervalle bilatéral, z = 1.960 pour une confiance de 95 % et z = 2.576 pour 99 %. Pour 90 %, c’est 1.645. Utilisez le mode inverse avec un centile de 97.5 ou 99.5 pour les retrouver.
Dois-je utiliser l’écart type de l’échantillon ou de la population ?
Utilisez l’écart type de la population (division par N) uniquement si vos données constituent toute la population. S’il s’agit d’un échantillon tiré d’un groupe plus large, divisez par n − 1 pour obtenir l’estimation sans biais de la variance, ce qui est le choix habituel.
Le centile est-il valable pour n’importe quelles données ?
Non. Le score z lui-même est toujours valide, mais le centile et les aires de queue supposent une distribution à peu près normale. Pour des données très asymétriques ou à queues lourdes, ils peuvent être très éloignés de la réalité.
Calculatrices de statistiques associées
Prochaines étapes une fois votre score z obtenu.