Calculateur de z-score en percentile : formule, étapes et exemples
Un calculateur de z-score en percentile convertit un score standard en pourcentage de distribution qui se situe en dessous de celui-ci, ce que demandent exactement la plupart des problèmes de statistiques, psychologie et tests standardisés. Une fois que vous comprenez la distribution normale standard et la règle empirique, vous pouvez trouver ce percentile à la main en moins d'une minute, sans avoir besoin d'aucun logiciel. Ce guide présente la formule, une procédure complète de lecture du tableau z, et plusieurs exemples résolus avec des chiffres réels afin que vous puissiez vérifier le résultat d'un calculateur ou résoudre le problème sans celui-ci.
Sommaire
- 01Qu'est-ce qu'un z-score et pourquoi le convertir en percentile ?
- 02Quelle est la formule pour convertir un z-score en percentile ?
- 03Comment lire un tableau normal standard (z) ?
- 04Étape par étape : convertir un z-score en percentile à la main
- 05Exemples résolus : des scores de test aux percentiles
- 06Qu'en est-il des z-scores négatifs ?
- 07Comment la règle empirique (règle 68-95-99,7) se connecte-t-elle aux percentiles ?
- 08Erreurs courantes lors de la conversion de z-scores en percentiles
- 09Problèmes de pratique : pouvez-vous convertir ces z-scores en percentiles ?
- 10Comment Solvify peut-il vous aider à vérifier un calcul de z-score en percentile ?
Qu'est-ce qu'un z-score et pourquoi le convertir en percentile ?
Un z-score (ou score standardisé) mesure le nombre d'écarts-types qu'une valeur brute éloigne de la moyenne de sa distribution. La formule est z = (x - μ) ÷ σ, où x est le score brut, μ est la moyenne de la population et σ est l'écart-type de la population. Un z-score de 0 signifie que la valeur égale la moyenne ; un z-score de +1,5 signifie que la valeur se situe 1,5 écarts-types au-dessus de la moyenne ; un z-score de -2 signifie qu'elle se situe 2 écarts-types en dessous. Les z-scores sont sans unité, ce qui les rend utiles : un score de 82 à un examen de chimie et une hauteur de 178 cm ne peuvent pas être comparés directement, mais leurs z-scores peuvent l'être. Un z-score seul est encore difficile à interpréter intuitivement, car « 1,5 écarts-types au-dessus de la moyenne » ne dit pas à la plupart des gens comment un résultat est réellement inhabituel. Un percentile corrige cela : il indique le pourcentage d'une distribution qui se situe à ou en dessous d'une valeur donnée, en supposant que les données suivent une distribution normale (courbe en cloche). Un z-score de 1,5 correspond environ au 93e percentile, ce qui signifie que la valeur dépasse environ 93 % de la distribution. Convertir le z-score en percentile est le pont entre une formule statistique et un nombre que les gens peuvent réellement utiliser pour raisonner. Cette conversion apparaît constamment en dehors de la salle de classe de statistiques. Les tests standardisés (SAT, ACT, GRE, GMAT), les tests de QI, les graphiques de croissance pédiatriques, les comparaisons d'admissions à l'université entre différents examens, les graphiques de contrôle qualité dans la fabrication, et la recherche en biostatistiques rapportent tous les résultats en percentiles précisément parce qu'un score brut ou un simple z-score ne signifie pas grand-chose sans contexte. Un pédiatre disant « la taille de votre enfant est au 40e percentile » fait exactement la même conversion z-en-percentile couverte dans ce guide, juste avec des moyennes et des écarts-types de croissance spécifiques à l'âge au lieu d'une moyenne globale unique.
Un z-score vous indique la distance par rapport à la moyenne en écarts-types ; un percentile indique votre classement au sein du groupe. Convertir entre eux est ce qui rend un z-score brut significatif.
Quelle est la formule pour convertir un z-score en percentile ?
La formule exacte est percentile = Φ(z) × 100, où Φ(z) est la fonction de distribution cumulative (CDF) de la distribution normale standard : la probabilité qu'une valeur aléatoirement sélectionnée d'une distribution normale se situe à ou en dessous de z. Φ(z) n'a pas d'expression algébrique fermée simple ; elle est définie par une intégrale de la fonction de densité de probabilité normale de moins l'infini à z, et elle est techniquement écrite en termes de la fonction d'erreur, erf(z ÷ √2). C'est pourquoi, en pratique, personne ne résout Φ(z) avec de l'algèbre simple à la main. Au lieu de cela, tout le monde compte sur soit un tableau normal standard (z) pré-calculé, la fonction normalcdf intégrée d'une calculatrice graphique, une formule de feuille de calcul comme NORM.S.DIST d'Excel, ou une bibliothèque statistique comme la fonction scipy.stats.norm.cdf de Python. La version pratique de la formule que les étudiants utilisent réellement est : rechercher z dans un tableau z pour obtenir Φ(z) sous forme de nombre décimal entre 0 et 1, puis multiplier par 100 pour l'exprimer en percentile. Par exemple, Φ(1,50) = 0,9332, donc un z-score de 1,50 se situe au 93,32e percentile. N'importe quel calculateur z-score en percentile en ligne automatise simplement cette même recherche avec plus de précision décimale qu'un tableau imprimé ne peut le montrer, c'est pourquoi les calculs à la main et les résultats du calculateur diffèrent parfois de quelques centièmes de point de percentile.
Percentile = Φ(z) × 100. Φ(z) provient d'un tableau normal standard, de la fonction normalcdf d'une calculatrice, ou d'un logiciel comme NORM.S.DIST d'Excel.
Étape par étape : convertir un z-score en percentile à la main
Le processus complet pour transformer n'importe quel score brut en percentile comporte quatre étapes, que vous le fassiez à la main avec un tableau ou que vous vérifiez la sortie d'un calculateur z-score en percentile. Cette séquence fonctionne quel que soit ce que représentent les données sous-jacentes, tant que la distribution est approximativement normale.
1. Étape 1 - Calculez le z-score
Utilisez z = (x - μ) ÷ σ avec le score brut x, la moyenne μ, et l'écart-type σ de la distribution. Obtenir μ et σ corrects est tout aussi important que l'arithmétique ; utiliser un écart-type d'échantillon quand le problème exige un écart-type de population (ou vice versa) décalera chaque percentile en aval.
2. Étape 2 - Arrondissez à deux décimales
Arrondissez le z-score pour qu'il correspond à la précision d'un tableau z standard, par exemple en arrondissant 1,666 à 1,67. Gardez au moins trois ou quatre décimales dans le z-score lui-même lors de l'étape de division, et arrondissez seulement à la toute fin, juste avant la recherche dans le tableau.
3. Étape 3 - Recherchez Φ(z) dans le tableau z (ou utilisez une fonction de calculateur)
Trouvez la probabilité cumulative pour un z positif directement. Pour un z négatif, recherchez la version positive et soustrayez de 1, car la distribution normale standard est symétrique autour de 0. Si vous utilisez une fonction de calculateur ou de logiciel au lieu d'un tableau imprimé, vous ignorez entièrement cette étape d'arrondi et obtenez un résultat décimal plus précis.
4. Étape 4 - Multipliez par 100 et interprétez
Multipliez la probabilité décimale par 100 pour obtenir le percentile, puis exprimez ce que cela signifie dans le contexte : « ce score dépasse X % de la distribution. » Rapporter le nombre brut sans la phrase d'interprétation est techniquement correct mais généralement incomplet pour une réponse de devoir ou de rapport de laboratoire.
Quatre étapes, chaque fois : trouvez z, arrondissez à deux décimales, recherchez Φ(z), multipliez par 100. La même séquence fonctionne pour les scores de test, les mesures de laboratoire, et les données de graphiques de croissance.
Exemples résolus : des scores de test aux percentiles
Ces trois exemples utilisent des valeurs de moyenne et d'écart-type réalistes pour montrer le calcul complet du score brut au percentile, y compris la vérification de la réponse. Chacun suit le même processus en quatre étapes ci-dessus, juste avec des nombres différents.
1. Exemple 1 - Score de section SAT
Un étudiant obtient 650 à une section du SAT où la moyenne est 500 et l'écart-type est 100 (une approximation courante utilisée dans les matériaux de préparation aux tests). z = (650 - 500) ÷ 100 = 1,50. La recherche de z = 1,50 donne Φ(1,50) = 0,9332. Percentile = 0,9332 × 100 = 93,32. L'étudiant a obtenu un score supérieur à environ 93,3 % des candidats. Vérification : puisque 650 est 1,5 écarts-types au-dessus de la moyenne, et environ 34,13 % d'une distribution normale se situe entre la moyenne et 1 écart-type au-dessus, plus une autre section entre 1 et 1,5 ET, se situer près du bas au milieu des années 90 percentile est cohérent avec la règle empirique couverte plus tard dans ce guide.
2. Exemple 2 - Score de QI
Un test de QI a une moyenne de 100 et un écart-type de 15. Un candidat obtient 125. z = (125 - 100) ÷ 15 = 25 ÷ 15 = 1,667, qui arrondit à 1,67. Φ(1,67) = 0,9525. Percentile = 0,9525 × 100 = 95,25. Un score de 125 se situe au 95,25e percentile, ce qui signifie qu'il surpasse environ 95,25 % de la population sur ce test. Notez que 125 est souvent décrit officieusement comme « plage douée » sur certaines échelles de QI, ce qui s'aligne avec le fait de se situer dans environ les 5 % supérieurs des scores.
3. Exemple 3 - Un score d'examen inférieur à la moyenne (z négatif)
Un examen de classe a une moyenne de 75 et un écart-type de 8. Un étudiant obtient 62. z = (62 - 75) ÷ 8 = -13 ÷ 8 = -1,625, qui arrondit à -1,63. Puisque les tableaux standards ne listent que les valeurs z positives, recherchez d'abord la version positive : Φ(1,63) = 0,9484. Pour un z négatif, percentile = (1 - 0,9484) × 100 = 0,0516 × 100 = 5,16. Le score de 62 de l'étudiant se situe seulement au 5,16e percentile, inférieur à environ 94,8 % de la classe. Ce simple signe négatif est la différence entière entre rapporter un score supérieur et un score inférieur, c'est pourquoi la section suivante couvre en détail les z-scores négatifs.
Même formule, trois contextes différents : z = 1,50 → 93,32e percentile, z = 1,67 → 95,25e percentile, z = -1,63 → 5,16e percentile.
Qu'en est-il des z-scores négatifs ?
Les tableaux normal standards listent presque toujours que les z-scores positifs, car la distribution est parfaitement symétrique autour d'une moyenne de 0. Cette symétrie donne une règle simple : pour un z-score négatif, recherchez la version positive du même nombre, puis soustrayez le résultat de 1 (ou de 100 si vous travaillez directement en termes de percentile). Ceci fonctionne parce que Φ(-z) = 1 - Φ(z) pour n'importe quel z, une conséquence directe de la zone sous la courbe à gauche de -z étant exactement l'image miroir de la zone à droite de +z. Par exemple, un z-score de -2,10 correspond à une valeur bien en dessous de la moyenne. En recherchant la version positive, Φ(2,10) = 0,9821. Puisque z est négatif, percentile = (1 - 0,9821) × 100 = 0,0179 × 100 = 1,79. Un z-score de -2,10 se situe seulement au 1,79e percentile, un résultat inhabituellement bas, cohérent avec le fait d'être plus de 2 écarts-types en dessous de la moyenne. Comme une deuxième vérification, un z-score de -0,30 (beaucoup plus proche de la moyenne) donne Φ(0,30) = 0,6179, donc percentile = (1 - 0,6179) × 100 = 38,21 — toujours en dessous du 50e percentile comme prévu, mais nulle part près d'aussi extrême que -2,10.
Règle de z-score négatif : percentile = (1 - Φ(|z|)) × 100. Plus le z-score est négatif, plus le percentile s'approche de 0.
Comment la règle empirique (règle 68-95-99,7) se connecte-t-elle aux percentiles ?
La règle empirique stipule que pour une distribution normale, environ 68 % des valeurs se situent à moins de 1 écart-type de la moyenne, environ 95 % se situent à moins de 2 écarts-types, et environ 99,7 % se situent à moins de 3 écarts-types. Parce que la distribution est symétrique, ces pourcentages se divisent uniformément de part et d'autre de la moyenne, ce qui s'aligne directement avec des percentiles spécifiques à des z-scores de nombres entiers. Cette règle est également l'épine dorsale statistique du contrôle de qualité Six Sigma, où un processus fonctionnant à ±3 écarts-types de la cible devrait produire des défauts seulement environ 0,3 % du temps — le même chiffre de 99,7 %, juste présenté comme une tolérance de fabrication au lieu d'un percentile.
1. z = -3 → 0,13e percentile
Φ(-3,00) ≈ 0,0013, donc 0,13 % de la distribution se situent en dessous de 3 écarts-types sous la moyenne, un résultat extrêmement rare.
2. z = -2 → 2,28e percentile
Φ(-2,00) ≈ 0,0228, ce qui signifie que seulement environ 2,3 % de la distribution se situent plus de 2 écarts-types en dessous de la moyenne.
3. z = -1 → 15,87e percentile
Φ(-1,00) ≈ 0,1587. La moitié de « l'extérieur 68 % » (qui est 32 %, divisé en deux queues de 16 %) se situe en dessous de -1 ET.
4. z = 0 → 50e percentile
La moyenne elle-même est toujours exactement le 50e percentile dans une distribution normale, puisque la moitié des données se situent au-dessus et la moitié en dessous.
5. z = 1 → 84,13e percentile
Φ(1,00) ≈ 0,8413. C'est le 50e percentile plus la moitié des 68 % qui se situent à moins de 1 ET de la moyenne (50 + 34,13 = 84,13).
6. z = 2 → 97,72e percentile
Φ(2,00) ≈ 0,9772, correspondant à 50 plus la moitié des 95 % à moins de 2 ET (50 + 47,72 = 97,72).
7. z = 3 → 99,87e percentile
Φ(3,00) ≈ 0,9987, correspondant à 50 plus la moitié des 99,7 % à moins de 3 ET (50 + 49,87 = 99,87).
La règle empirique est un raccourci percentile pour les z-scores de nombres entiers : z = ±1 → 15,87e / 84,13e percentile, z = ±2 → 2,28e / 97,72e percentile, z = ±3 → 0,13e / 99,87e percentile.
Erreurs courantes lors de la conversion de z-scores en percentiles
Une poignée d'erreurs représentent la plupart des conversions incorrectes de z-score en percentile, qu'elles soient calculées à la main ou vérifiées par rapport à une calculatrice. Surveiller spécifiquement ces quatre erreurs attrape la majorité des erreurs de devoirs notés.
1. Erreur 1 - Oublier de retourner les z-scores négatifs
Lire un z-score négatif directement d'un tableau positif seulement sans soustraire de 1 donne un percentile qui est bien trop élevé, rapportant souvent un score inférieur à la moyenne comme étant au-dessus de la moyenne. Si un percentile pour un score brut clairement inférieur à la moyenne se termine au-dessus de 50, cette étape de retournement a été ignorée.
2. Erreur 2 - Confondre percentile avec pourcentage correct
Un classement de percentile (dépasse X % des candidats) n'est pas la même chose qu'un score en pourcentage (X % des questions répondues correctement). Un étudiant peut obtenir 70 % de réussite et atterrir au 90e percentile si le test était difficile pour tous, ou obtenir 95 % de réussite et atterrir au 50e percentile sur un test facile où tout le monde a bien réussi.
3. Erreur 3 - Arrondir le z-score trop tôt
Arrondir z à une décimale avant de le chercher dans un tableau à deux décimales jette une vraie précision ; arrondissez à exactement deux décimales, correspondant à la résolution du tableau, et arrondissez seulement après avoir complété l'étape de division complète.
4. Erreur 4 - Supposer la normalité sans vérifier
La conversion entière de z en percentile suppose que les données sous-jacentes sont approximativement distribuées normalement. Pour les données asymétriques (comme le revenu des ménages ou les durées de session du site web), un percentile basé sur un z-score peut être très mauvais, et un percentile devrait plutôt être calculé directement à partir de la distribution des données réelles (un percentile empirique) plutôt qu'à partir d'une courbe normale théorique.
Avant de faire confiance à un résultat de percentile, vérifiez deux fois le signe de z, la précision du tableau, et si les données sous-jacentes sont réellement proches de la distribution normale.
Problèmes de pratique : pouvez-vous convertir ces z-scores en percentiles ?
Essayez chaque problème avant de vérifier la réponse. Les quatre réutilisent la même méthode de recherche et de conversion de la section étape par étape ci-dessus, passant d'une recherche directe de z-score à un problème de score brut complet.
1. Problème 1 - Z positif simple
Convertissez z = 2,00 en percentile. Réponse : Φ(2,00) = 0,9772, donc percentile = 97,72.
2. Problème 2 - Petit z négatif
Convertissez z = -0,50 en percentile. Réponse : Φ(0,50) = 0,6915, donc percentile = (1 - 0,6915) × 100 = 30,85.
3. Problème 3 - Du score brut au percentile en une passe
Une moyenne de classe est 70 avec un écart-type de 10. Un étudiant obtient 58. Trouvez le percentile. Réponse : z = (58 - 70) ÷ 10 = -1,20. Φ(1,20) = 0,8849, donc percentile = (1 - 0,8849) × 100 = 11,51.
4. Problème 4 - Travailler à rebours à partir d'un percentile
Un rapport dit qu'une valeur se situe au 84e percentile. Approximativement quel z-score cela correspond-il, en utilisant la règle empirique ? Réponse : puisque z = 1 s'aligne avec le 84,13e percentile, la valeur est approximativement 1 écart-type au-dessus de la moyenne.
Faire plusieurs conversions z-à-percentile à la main rend facile la vérification de la réalité de la sortie de n'importe quelle calculatrice au lieu de lui faire confiance aveuglément.
Comment Solvify peut-il vous aider à vérifier un calcul de z-score en percentile ?
Une fois que vous comprenez la recherche de tableau et la formule derrière cela, le solveur alimenté par IA de Solvify peut prendre une photo d'un problème de statistiques, afficher le calcul du z-score, la recherche du tableau, et l'étape de percentile final étape par étape, afin que vous puissiez comparer son travail contre votre résultat réalisé à la main et attraper les erreurs de signe ou d'arrondi avant qu'elles ne finissent sur une mission notée. Cette même ventilation étape par étape s'étend au-delà des statistiques à l'algèbre, au calcul, à la chimie, et à d'autres sujets, ce qui est utile une fois qu'un cours de statistiques commence à mélanger des problèmes de z-score avec d'autres devoirs dans la même semaine.
Le moyen le plus rapide de construire la confiance avec les z-scores et les percentiles est de résoudre quelques-uns à la main et d'utiliser une calculatrice seulement pour vérifier le résultat.
Articles connexes
Aide aux devoirs de statistiques : concepts clés et exemples résolus
Un aperçu plus large des sujets statistiques, y compris les distributions et les tests d'hypothèse qui s'appuient sur les z-scores et les percentiles.
Calculateur de distribution binomiale
Comparez la méthode de percentile de distribution normale ici avec le calcul des probabilités pour les résultats binomiaux discrets.
Conseils SAT Math : un guide pratique pour des solutions plus rapides et plus nettes
Les scores percentiles sont la façon dont les tests standardisés comme le SAT rapportent les résultats, ce qui rend ceci une lecture naturelle suivante pour les étudiants de préparation aux tests.
Solveurs mathématiques
Solveur Smart Scan
Prenez une photo d'un problème de z-score ou de percentile et obtenez une ventilation étape par étape instantanée.
Solutions étape par étape
Voyez chaque formule et recherche de tableau expliquées clairement, pas seulement le percentile final.
Support multisujets
Résolvez les problèmes en statistiques, algèbre, calcul, chimie, et plus.
Matières connexes
Aide aux devoirs de statistiques
Explorez les distributions, les tests d'hypothèse, et d'autres sujets statistiques qui s'appuient sur le cadre de z-score.
Meilleur tuteur IA pour la préparation aux examens
Voyez comment les outils de tutorat IA aident les étudiants à se préparer aux tests standardisés qui rapportent les résultats en percentiles.
Calculateur ANOVA à deux voies
Continuez à développer les compétences en statistiques avec un autre guide qui utilise la distribution normale standard et les tests F.
Comment lire un tableau normal standard (z) ?
Un tableau normal standard énumère les probabilités cumulatives Φ(z) pour les z-scores arrondis à deux décimales. Les lignes énumèrent le z-score à une décimale (son chiffre « des dixièmes »), et les colonnes énumèrent la deuxième décimale (son chiffre « des centièmes »). Lire le tableau est une recherche, pas un calcul, mais il est utile de savoir que deux formats de tableau existent : un tableau cumulatif de gauche (le type utilisé dans tout ce guide, qui donne directement Φ(z) et donc le percentile) et un tableau cumulatif de la moyenne (qui donne la zone entre 0 et z, nécessitant d'ajouter 0,5 pour un z positif ou de soustraire de 0,5 pour un z négatif). Vérifiez toujours quel format un tableau donné utilise avant de lire les valeurs, car mélanger les deux formats est une source d'erreur courante.
1. Étape 1 - Arrondissez votre z-score à deux décimales
Les tableaux standards sont construits pour une précision de deux décimales, donc arrondissez un z-score brut comme 1,6666... à 1,67 avant de chercher quoi que ce soit.
2. Étape 2 - Trouvez la ligne pour les deux premiers chiffres
Pour z = 1,67, trouvez la ligne étiquetée 1,6 dans la colonne de gauche du tableau.
3. Étape 3 - Trouvez la colonne pour le deuxième chiffre décimal
Déplacez-vous sur cette ligne vers la colonne étiquetée ,07 (le chiffre des centièmes de 1,67).
4. Étape 4 - Lisez l'intersection et convertissez en percentile
La valeur à l'intersection de la ligne 1,6 et de la colonne ,07 est 0,9525. Multipliez par 100 : z = 1,67 correspond au 95,25e percentile.
5. Étape 5 - Vérifiez la direction
Un z positif devrait toujours donner un percentile au-dessus de 50, et un z négatif devrait toujours donner un percentile en dessous de 50. Si votre recherche contredit cela, vous avez probablement lu un format de tableau incorrect ou une mauvaise ligne/colonne.