<\/p>\n
Dalam statistik, skor-z<\/strong> memberi tahu kita berapa banyak standar deviasi suatu nilai dari mean<\/a> . Kami menggunakan rumus berikut untuk menghitung skor-z:<\/span><\/p>\n z<\/strong> = (X \u2013 \u03bc) \/ \u03c3<\/span><\/p>\n Emas:<\/span><\/p>\n Tutorial ini menjelaskan cara menghitung skor-z untuk nilai data mentah dengan Python.<\/span><\/p>\n Kita dapat menghitung skor-z dengan Python menggunakan scipy.stats.zscore<\/strong> , yang menggunakan sintaks berikut:<\/span><\/p>\n scipy.stats.zscore(a, sumbu=0, ddof=0, nan_policy=’sebarkan’)<\/strong><\/span><\/p>\n Emas:<\/span><\/p>\n Contoh berikut mengilustrasikan cara menggunakan fungsi ini untuk menghitung skor-z untuk array numpy satu dimensi, array numpy multi-dimensi, dan Pandas DataFrames.<\/span><\/p>\n Langkah 1: Impor modul.<\/strong><\/span><\/p>\n Langkah 2: Buat tabel nilai.<\/strong><\/span><\/p>\n Langkah 3: Hitung skor-z untuk setiap nilai dalam tabel.<\/strong><\/span><\/p>\n Setiap skor-z memberi tahu kita berapa banyak deviasi standar suatu nilai individu dari mean. Misalnya:<\/span><\/p>\n Jika kita memiliki array multidimensi, kita dapat menggunakan parameter sumbu<\/strong> untuk menentukan bahwa kita ingin menghitung setiap skor-z relatif terhadap arraynya sendiri. Misalnya, kita mempunyai array multidimensi berikut:<\/span><\/p>\n Kita dapat menggunakan sintaks berikut untuk menghitung skor-z untuk setiap tabel:<\/span><\/p>\n Skor-z untuk setiap nilai individual ditampilkan relatif terhadap tabel tempat nilai-nilai tersebut ditemukan. Misalnya:<\/span><\/p>\n Mari kita asumsikan kita memiliki Pandas DataFrame sebagai gantinya:<\/span><\/p>\n Kita dapat menggunakan fungsi apply<\/strong> untuk menghitung skor-z dari nilai individual per kolom:<\/span><\/p>\n Skor-z untuk setiap nilai individual ditampilkan relatif terhadap kolom tempatnya berada. Misalnya:<\/span><\/p>\n Sumber daya tambahan:<\/strong><\/span><\/p>\n Cara Menghitung Z Score di Excel<\/a> Dalam statistik, skor-z memberi tahu kita berapa banyak standar deviasi suatu nilai dari mean . Kami menggunakan rumus berikut untuk menghitung skor-z: z = (X \u2013 \u03bc) \/ \u03c3 Emas: X adalah nilai data mentah tunggal \u03bc adalah rata-rata populasi \u03c3 adalah simpangan baku populasi Tutorial ini menjelaskan cara menghitung skor-z untuk nilai data mentah […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
Cara Menghitung Skor Z dengan Python<\/strong><\/h3>\n
\n
Array satu dimensi yang numpy<\/strong><\/span><\/h3>\n
import pandas<\/span> as pd<\/span>\nimport<\/span> numpy as<\/span> np\nimport<\/span> scipy.stats as<\/span> stats\n<\/strong><\/pre>\n data = np.array([6, 7, 7, 12, 13, 13, 15, 16, 19, 22])\n<\/strong><\/pre>\n
stats.zscore(data)\n\n[-1.394, -1.195, -1.195, -0.199, 0, 0, 0.398, 0.598, 1.195, 1.793]<\/span>\n<\/strong><\/pre>\n\n
Array multidimensi numpy<\/strong><\/span><\/h3>\n
data = np.array([[5, 6, 7, 7, 8],\n [8, 8, 8, 9, 9],\n [2, 2, 4, 4, 5]])\n<\/strong><\/pre>\n
stats.zscore(data, axis=1)\n\n[[-1.569 -0.588 0.392 0.392 1.373]\n[-0.816 -0.816 -0.816 1.225 1.225]\n[-1.167 -1.167 0.5 0.5 1.333]]\n<\/strong><\/pre>\n
\n
Bingkai Data Panda<\/strong><\/span><\/h3>\n
data = pd.DataFrame(np.random.randint(0, 10, size=(5, 3)), columns=['A', 'B', 'C'])\ndata\n\nABC\n0 8 0 9\n1 4 0 7\n2 9 6 8\n3 1 8 1\n4 8 0 8\n<\/strong><\/pre>\n
data.apply(stats.zscore)\n\n ABC\n0 0.659380 -0.802955 0.836080\n1 -0.659380 -0.802955 0.139347\n2 0.989071 0.917663 0.487713\n3 -1.648451 1.491202 -1.950852\n4 0.659380 -0.802955 0.487713\n<\/strong><\/pre>\n
\n
Cara Menghitung Z Score di SPSS<\/a>
Cara Menghitung Z Score pada Kalkulator TI-84<\/a><\/p>\n\n