Z-Score – berechnen und verstehen

Ein Z-Score zeigt dir, wie weit ein Wert vom Mittelwert entfernt ist, gemessen in Einheiten der Standardabweichung. Das ist nützlich, wenn du einen Wert mit dem Rest einer Gruppe vergleichen willst und nicht nur die rohe Zahl für sich betrachtest.

Die Grundformel lautet

$$z = \frac{x - \mu}{\sigma}$$

wobei $x$ der Wert, $\mu$ der Mittelwert und $\sigma$ die Standardabweichung ist.

Wenn $z$ positiv ist, liegt der Wert über dem Mittelwert. Wenn $z$ negativ ist, liegt der Wert unter dem Mittelwert. Wenn $z = 0$, liegt der Wert genau beim Mittelwert.

So berechnest du einen Z-Score

Verwende diese Schritte:

1. Beginne mit dem Wert $x$.
2. Ziehe den Mittelwert ab.
3. Teile durch die Standardabweichung.

Genau das macht die Rechnung: Sie wandelt den rohen Abstand vom Mittelwert in einen standardisierten Abstand um.

Was die Formel anschaulich bedeutet

Der Zähler $x - \mu$ zeigt dir, wie weit der Wert vom Zentrum entfernt ist. Der Nenner $\sigma$ skaliert diesen Abstand anhand der typischen Streuung der Daten.

Ein Z-Score sagt also nicht nur: „Dieser Wert liegt 14 Punkte über dem Durchschnitt.“ Er zeigt auch, ob 14 Punkte in genau diesem Datensatz ein kleiner oder ein großer Abstand sind.

Durchgerechnetes Beispiel

Angenommen, ein Testergebnis ist $84$, der Klassenmittelwert ist $70$ und die Standardabweichung ist $7$.

Setze diese Zahlen in die Formel ein:

$$z = \frac{84 - 70}{7}$$

Zuerst subtrahierst du:

$$84 - 70 = 14$$

Dann teilst du:

$$z = \frac{14}{7} = 2$$

Der Z-Score ist $2$. Das bedeutet, dass das Ergebnis $2$ Standardabweichungen über dem Mittelwert liegt.

So liest du das Ergebnis schnell

• $z = 1$ bedeutet eine Standardabweichung über dem Mittelwert.
• $z = -1.5$ bedeutet eineinhalb Standardabweichungen unter dem Mittelwert.
• Ein größerer Absolutwert wie $|z| = 3$ bedeutet, dass der Wert relativ weit vom Mittelwert entfernt ist.

Diese Interpretation gilt immer nur in Bezug auf den Mittelwert und die Standardabweichung, die du verwendet hast. Wenn sich diese ändern, ändert sich auch der Z-Score.

Häufige Fehler

Ein häufiger Fehler ist, durch die Varianz statt durch die Standardabweichung zu teilen. Für einen Z-Score verwendet man die Standardabweichung, nicht die Varianz.

Ein weiterer Fehler ist, das Vorzeichen zu ignorieren. Ein Z-Score von $-2$ ist nicht dasselbe wie $2$. Der erste liegt unter dem Mittelwert, der zweite darüber.

Außerdem kann man leicht Daten aus verschiedenen Gruppen vermischen. Ein Wert kann in einer Klasse einen bestimmten Z-Score haben und in einer anderen Klasse einen anderen, wenn sich Mittelwert oder Standardabweichung ändern.

Wann man Z-Scores verwendet

Z-Scores sind nützlich, wenn du Werte aus unterschiedlichen Skalen vergleichen, ungewöhnlich hohe oder niedrige Beobachtungen erkennen oder Rohdaten mit einem Modell der Normalverteilung verknüpfen willst.

Für den letzten Anwendungsfall gibt es eine Bedingung: Einen Z-Score in eine Wahrscheinlichkeit umzuwandeln ist vor allem dann sinnvoll, wenn ein Normalmodell passend ist oder wenn die Aufgabe ausdrücklich vorgibt, eines zu verwenden.

Populations- vs. Stichprobenwerte

In vielen Statistikformeln wird der Z-Score mit Symbolen für die Population geschrieben:

$$z = \frac{x - \mu}{\sigma}$$

Wenn du nur einen Stichprobenmittelwert $\bar{x}$ und eine Stichproben-Standardabweichung $s$ hast, standardisiert man oft mit

$$\frac{x - \bar{x}}{s}$$

Der Rechenschritt ist derselbe, aber die Interpretation hängt davon ab, ob diese Werte eine ganze Population oder nur eine Stichprobe beschreiben.

Probiere deine eigene Version

Wähle irgendeinen Wert, einen Mittelwert und eine Standardabweichung, berechne dann den Z-Score und erkläre das Ergebnis in Worten. Wenn du einen sinnvollen nächsten Fall möchtest, löse eine ähnliche Aufgabe, bei der der Z-Score negativ ist, und prüfe, ob deine Interpretation weiterhin zum Vorzeichen passt.