Z-Wert-Rechner

Was bedeutet ein z-Wert in der Statistik?

Ein z-Wert, auch z-Score genannt, macht Messwerte vergleichbar. Er sagt dir, wie weit ein Wert vom Mittelwert entfernt liegt, gemessen in Standardabweichungen. Dadurch kannst du Werte aus verschiedenen Skalen auf dieselbe Normskala bringen. Ein positiver z-Wert liegt über dem Mittelwert, ein negativer darunter. Ein z-Wert von 0 liegt genau beim Mittelwert.

Das ist besonders praktisch, wenn die ursprünglichen Einheiten wenig vergleichbar sind. Ein Testergebnis, eine Körpergröße, ein Laborwert oder ein Stichprobenmittelwert kann auf derselben Logik bewertet werden: Abstand vom Mittelwert, geteilt durch Streuung. Voraussetzung ist, dass Mittelwert und Standardabweichung zur passenden Vergleichsgruppe gehören.

Wähle oben aus, ob du den z-Wert aus einem Messwert, den Messwert aus einem z-Wert oder einen kritischen z-Wert aus Prozent berechnen möchtest.

Ein Beispiel: Bei z = 0,5000 liegt der Wert leicht über dem Mittelwert. Das zugehörige Perzentil ist 69,15 %. Das bedeutet: In der angenommenen Normalverteilung liegen 69,15 % der Werte darunter und 30,85 % darüber. Das ist keine Rangliste einzelner Personen, sondern eine Aussage über die Fläche unter der Standardnormalverteilung.

Wie kannst du den z-Wert berechnen?

Die Grundrechnung lautet in Worten: Ziehe vom Messwert den Mittelwert ab und teile das Ergebnis durch die Standardabweichung. Als Formel geschrieben: z = (x - μ) / σ.

Durchgerechnetes Beispiel:

• Messwert x = 75
• Mittelwert μ = 70
• Standardabweichung σ = 10
• Rechnung: z = (75 - 70) / 10 = 0,5
• Ergebnis im Rechner: z-Wert = 0,5000

Zur Einordnung wird anschließend die Standardnormalverteilung genutzt. Für z = 0,5 gilt Φ(0,5) = 69,1462 %. Gerundet als Ergebnisanzeige sind das 69,15 %. So viele Werte liegen unterhalb des Messwerts. Der Anteil oberhalb beträgt 30,85 %.

Wenn du statt eines einzelnen Messwerts einen Stichprobenmittelwert prüfst, ändert sich der Nenner. Dann wird durch den Standardfehler geteilt: σ/√n. Im Beispiel mit x̄ = 72, μ = 70, σ = 10 und n = 25 ist der Standardfehler 2. Daraus ergibt sich z = 1,0000. Das zugehörige Perzentil ist 84,13 %, der zweiseitige p-Wert 31,7311 %.

Der Unterschied ist wichtig: Ein einzelner Messwert mit Abstand 2 zum Mittelwert ist etwas anderes als ein Mittelwert aus einer Stichprobe mit demselben Abstand. Beim Mittelwert zählt die Stichprobengröße mit.

Wie hängt der z-Wert mit Perzentil, IQ, T-Wert und Stanine zusammen?

Der z-Wert ist die gemeinsame Basis. Aus ihm lassen sich andere Normwerte ableiten, wenn die jeweilige Skala definiert ist. Beim T-Wert gilt T = 50 + 10z. Bei der IQ-Skala gilt IQ = 100 + 15z. Stanine ordnet den Wert in eine Skala von 1 bis 9 ein.

Typische Umrechnungen:

z	Perzentil	IQ	T-Wert	Stanine
-2	2,28 %	70,0	30	1
-1	15,87 %	85,0	40	3
0	50 %	100,0	50	5
1	84,13 %	115,0	60	7
2	97,73 %	130,0	70	9
3	99,87 %	145,0	80	9

Bei x = 90, μ = 70 und σ = 10 ist der z-Wert 2,0000. Das entspricht dem Perzentil 97,73 %, einem T-Wert von 70,0, einem IQ-Wert von 130,0 und Stanine 9. Bei x = 55, μ = 70 und σ = 10 ist der z-Wert -1,5000. Das entspricht dem Perzentil 6,68 %, einem T-Wert von 35,0, einem IQ-Wert von 77,5 und Stanine 2.

Achte darauf, dass diese Umrechnungen nur sinnvoll sind, wenn die verwendete Skala wirklich so normiert ist. Ein IQ-Wert folgt hier der Normierung mit μ = 100 und σ = 15. Ein T-Wert folgt der Normierung mit μ = 50 und σ = 10.

Kritischer z-Wert: 95 % zweiseitig, Perzentil links und rechter Rand

Ein kritischer z-Wert beantwortet eine andere Frage als ein normaler z-Score. Du startest hier nicht mit einem Messwert, sondern mit einer gewünschten Fläche. Der Rechner sucht dann den z-Wert, der diese Fläche in der Standardnormalverteilung begrenzt.

Für 95 % zweiseitig liegt der kritische z-Wert bei 1,9600. Bei μ = 70 und σ = 10 ergibt sich der Bereich von 50,4004 bis 89,5996. In der Mitte liegen 95 % der Werte, in den Rändern jeweils 2,5 %. Das zugehörige linke Perzentil am oberen Rand ist 97,5 %.

Für ein linkes Perzentil ist die Lesart anders. Beim Perzentil mit 90 % ist der kritische z-Wert 1,2816. Bei μ = 70 und σ = 10 liegt der Messwert dazu bei 82,8155. Das bedeutet: 90 % der Werte liegen darunter, 10 % darüber.

Beim rechten Rand kann das Vorzeichen überraschen. Für 99 % rechtsseitig ist der kritische z-Wert -2,3263. Bei μ = 70 und σ = 10 liegen 99 % der Werte über 46,7365. Der Punkt liegt also weit links, weil rechts davon fast die gesamte Verteilung liegt.

Verwechsle deshalb nie die Auswahl der Fläche: zweiseitig in der Mitte, links als Perzentil oder rechts als oberer Rand liefern unterschiedliche Aussagen.

Welche Fehler solltest du beim z-Wert berechnen vermeiden?

Der häufigste Fehler ist ein falscher Bezugspunkt. Der Mittelwert μ und die Standardabweichung σ müssen zur richtigen Vergleichsgruppe gehören. Wenn du einen Testwert mit einer anderen Normgruppe vergleichst, wirkt das Ergebnis exakt, ist aber inhaltlich falsch.

Weitere typische Stolperstellen:

• Vorzeichen übersehen: z = -1,5000 und z = 1,5000 haben denselben Abstand vom Mittelwert, aber unterschiedliche Richtung. Links und rechts der Verteilung sind nicht dasselbe.
• Perzentil mit p-Wert verwechseln: Bei z = 0,5000 liegt das Perzentil bei 69,15 %. Der zweiseitige p-Wert ist aber 61,7075 %. Beide Werte beantworten verschiedene Fragen.
• Einseitig und zweiseitig mischen: Bei 95 % zweiseitig ist der kritische z-Wert 1,9600. Bei 95 % einseitig steht in der Tabelle 1,6449.
• Stichprobenmittelwert wie Einzelwert behandeln: Bei n = 25 wird mit dem Standardfehler gerechnet. Im Beispiel ergibt sich z = 1,0000, nicht die Rechnung für einen einzelnen Messwert.
• Normalverteilung ungeprüft annehmen: Die Umrechnung in Perzentile nutzt Φ(z), also die Standardnormalverteilung. Bei stark schiefen Verteilungen kann die Interpretation schlechter passen.
• T-Wert falsch verstehen: Der T-Wert mit T = 50 + 10z ist eine Normskala. Er ist nicht dasselbe wie ein zweiseitiger p-Wert und auch nicht der Messwert x.

Wenn du die Richtung, die Fläche und die passende Vergleichsgruppe sauber festlegst, ist die z-Transformation gut nachvollziehbar.