평균이 0, 표준편차가 1인 정상분포에서의 개인점수를 말한다.
\begin{equation*}
\text{z} = \frac {X - \mu} {\sigma}
\end{equation*}
{{youtube>NY2zWGBXBhU}}
in R, pnorm(zscore) or pnorm(sd)
for z-score (표준점수) 1, 2, 3에 대한 proportion (percentage) 값은 r에서 아래와 같이 알아본다.
sd.1 <- pnorm(1) - pnorm(-1)
sd.2 <- pnorm(2) - pnorm(-2)
sd.3 <- pnorm(3) - pnorm(-3)
sd.1
sd.2
sd.3
[{{:pasted:20200423-082455.png?500 |pnorm(1)}}]
[{{:pasted:20200423-082546.png?500 |pnorm(-1)}}]
[{{:pasted:20200423-082807.png?500 |pnorm(1)-pnorm(-1) = 0.6826895}}]
> sd.1 <- pnorm(1) - pnorm(-1)
> sd.2 <- pnorm(2) - pnorm(-2)
> sd.3 <- pnorm(3) - pnorm(-3)
> sd.1
[1] 0.6826895
> sd.2
[1] 0.9544997
> sd.3
[1] 0.9973002
>
이전에 소개한 표준점수 1, 2, 3에 해당하는 면적이 68, 95, 99%라고 소개했지만, 정확한 면적은 각각
0.6826895, 0.9544997, 0.9973002 임을 알수 있다.
그렇다면 68, 95, 99%에 해당하는 정확한 zscore는 (표준점수는) 무엇일까? 이는 R에서 qnorm을 써서 알 수 있다.
in R, qnorm(percentage)는 zscore를 (표준점수를) 출력한다.
qnorm(.025)
qnorm(.975)
# 68%에 해당하는 점수
qnorm(0.68+(0.32/2))
qnorm(0.32/2)
# 95%에 해당하는 점수
qnorm(0.95+(0.05/2))
qnorm(0.05/2)
# 99%에 해당하는 점수
qnorm(0.99+(0.01/2))
qnorm(0.01/2)
아래의 아웃풋으로 우리는
평균을 중심으로
* 64%에 해당하는 점수는 +-0.9944579 (1이라고 소개했지만)
* 95%에 해당하는 점수는 +-1.959964 (2라고 소개했지만)
* 99%에 해당하는 점수는 +-2.326348 (3이라고 소개했지만)
> # 64%에 해당하는 점수
> qnorm(0.84)
[1] 0.9944579
> qnorm(0.16)
[1] -0.9944579
>
> # 95%에 해당하는 점수
> qnorm(0.025)
[1] -1.959964
> qnorm(0.975)
[1] 1.959964
>
> # 99%에 해당하는 점수
> qnorm(0.01)
[1] -2.326348
> qnorm(0.99)
[1] 2.326348
>
> qnorm(0.001)
[1] -3.090232
> qnorm(0.999)
[1] 3.090232