Z-Wert (Z-Score)

Z-Wert (oder Standardwert) misst, wie viele Standardabweichungen ein Wert über oder unter dem Mittelwert liegt. Formel: z = (x − mean) ÷ standard_deviation.

Ein Wert mit z = 0 ist der Mittelwert. z = 1 liegt eine Standardabweichung über dem Mittelwert. z = −2 liegt zwei Standardabweichungen darunter. Bei einer annähernd normalen Verteilung umfasst |z| > 2 etwa 5 % der Werte; |z| > 3 umfasst etwa 0,3 %.

Der Sinn der Umrechnung in Z-Werte: Sie bringt unterschiedliche Skalen auf denselben Maßstab. Eine 75 in einem Mathetest, bei dem der Klassenmittelwert 70 mit SD 10 beträgt, ergibt z = 0,5. Eine 68 in einem Französischtest, bei dem der Mittelwert 65 mit SD 5 beträgt, ergibt z = 0,6. Das Französisch-Ergebnis ist relativ besser, was die Rohwerte nicht erkennen lassen.

Z-Werte tauchen in standardisierten Tests (SAT, GMAT), klinischen Referenzbereichen (Knochendichte, Wachstumskurven), der Qualitätskontrolle (Prozessfähigkeitsindizes) und in jedem Kontext auf, in dem man über Populationen mit unterschiedlichen Mittelwerten und Streuungen hinweg vergleichen muss.

Unser Statistik-Rechner berechnet Mittelwert und Standardabweichung; der Z-Wert ist eine einzeilige Subtraktion mit anschließender Division des Ergebnisses.

Vom Z-Wert zum Perzentil und zurück: Bei einer Normalverteilung wandelt die kumulative Verteilungsfunktion (Φ) Z-Werte direkt in Perzentile um. z = 0 → 50. Perzentil (der Median), z = 1 → ~84., z = 1,645 → 95., z = 1,96 → 97,5. (die übliche zweiseitige 95-%-Konfidenzgrenze), z = 2,576 → 99,5. Diese Grenzwerte sind das Rückgrat der Hypothesentests — ein Z-Wert von 1,96 ist der Wert, oberhalb dessen ein zweiseitiger Test die Nullhypothese bei α = 0,05 verwirft. Bei nicht-normalen Daten misst der Z-Wert weiterhin „Abweichungen vom Mittelwert in SD-Einheiten“, doch das zugehörige Perzentil hängt von der tatsächlichen Verteilung ab und ist nicht mit den Normaltabellen austauschbar.

Robuste Z-Werte für unsaubere Daten: Ausreißer blähen die Standardabweichung auf, was jeden Z-Wert im Datensatz drückt und genau die Ausreißer verbirgt, die man aufdecken wollte. Der modifizierte Z-Wert (Iglewicz & Hoaglin, 1993) verwendet statt Mittelwert und SD den Median und die mittlere absolute Abweichung (MAD): z_modified = 0.6745 · (x − median) / MAD. Die Konstante 0,6745 skaliert MAD so, dass der modifizierte Z-Wert bei normalen Daten dem konventionellen entspricht. Üblich ist es, |z_modified| > 3,5 als Ausreißer zu kennzeichnen — robust gegen Verunreinigungen auf eine Weise, die der Standard-Z-Wert nicht bietet. Verwandt: Perzentil, Stichproben-Standardabweichung, Standardabweichung erklärt.

Durchgerechnetes Beispiel

Ein zweijähriges Kind ist 89 cm groß. Die WHO-Wachstumskurvendaten für zweijährige Mädchen haben einen Mittelwert von 86,4 cm, SD 3,3 cm. Z-Wert: z = (89 − 86.4) / 3.3 = 0.79. Schlägt man diesen z-Wert in der Standardnormaltabelle nach, ergibt sich ein Perzentil von ~78 — größer als 78 % der Zweijährigen, deutlich im Normalbereich (Kinderärzte veranlassen eine Abklärung etwa ab z < −2 oder z > 2, was ungefähr dem <2,3. oder >97,7. Perzentil entspricht). Das Gewicht desselben Kindes von 14 kg gegen einen Mittelwert von 12,3 kg, SD 1,4 kg: z = (14 − 12.3) / 1.4 = 1.21 → ~89. Perzentil. Trägt man Größen-z (0,79) gegen Gewichts-z (1,21) auf, zeigt sich, dass das Kind für seine Größe schwerer als erwartet ist — ein klinisches Signal, das nützlicher ist als jede Einzelmessung für sich.

Wann und warum es zählt

Z-Werte erlauben den Vergleich von Äpfeln und Birnen, indem sie die Skala wegabstrahieren. Sie treiben die Wachstumskurven von WHO und CDC an, die Normierung von FICO- und anderen Kredit-Scores, den Cooper-Test in der Fitnessdiagnostik, Six-Sigma-Prozessfähigkeitsindizes (ein 6σ-Prozess bedeutet, dass die nächste Spezifikationsgrenze bei z = 6 liegt — etwa zwei Defekte pro Milliarde) und nahezu jeden Hypothesentest in der Statistik (Students t-Test, ANOVA, Signifikanz von Regressionskoeffizienten lassen sich alle auf ein z-ähnliches Verhältnis von Effekt zu Standardfehler zurückführen). Der bekannte Fallstrick: Z-Werte setzen voraus, dass die zugrunde liegende Verteilung zumindest annähernd normal ist. Bei stark schiefen Daten (Einkommen, Antwortzeit, Dateigröße) ist ein z von 3 nicht das 99,87. Perzentil — hier braucht es stattdessen robuste Z-Werte oder nichtparametrische Methoden. Quelle: WHO Child Growth Standards.