Personnaliser les préférences

Nous utilisons des cookies pour vous aider à naviguer efficacement et à exécuter certaines fonctions. Vous trouverez ci-dessous des informations détaillées sur tous les cookies sous chaque catégorie de consentement.

Les cookies classés comme « Nécessaires » sont stockés sur votre navigateur car ils sont essentiels pour activer les fonctionnalités de base du site.... 

Toujours actif

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

Aucun cookie à afficher.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

Aucun cookie à afficher.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

Aucun cookie à afficher.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

Aucun cookie à afficher.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

Aucun cookie à afficher.

Comment calculer les scores Z dans SAS



En statistiques, un score z nous indique à combien d’écarts types une valeur se trouve par rapport à la moyenne .

Nous utilisons la formule suivante pour calculer un z-score :

z = (X – μ) / σ

où:

  • X est une valeur de données brutes unique
  • μ est la moyenne de l’ensemble de données
  • σ est l’écart type de l’ensemble de données

L’exemple suivant montre comment calculer les scores z pour les valeurs de données brutes dans SAS.

Exemple : calculer les scores Z dans SAS

Supposons que nous créions l’ensemble de données suivant dans SAS :

/*create dataset*/
data original_data;
    input values;
    datalines;
7
12
14
12
16
18
6
7
14
17
19
22
24
13
17
12
;
run;

/*view dataset*/
proc print data=original_data;

Supposons maintenant que nous souhaitions calculer le score z pour chaque valeur de l’ensemble de données.

Nous pouvons utiliser proc sql pour ce faire :

/*create new variable that shows z-scores for each raw data value*/
proc sql;
    select values, (values - mean(values)) / std(values) as z_scores
    from original_data;
quit;

scores z dans SAS

La colonne valeurs affiche les valeurs des données d’origine et la colonne z_scores affiche le score z pour chaque valeur.

Comment interpréter les scores Z dans SAS

Un score z nous indique à combien d’écarts types une valeur se trouve par rapport à la moyenne.

Un score z peut être positif, négatif ou égal à zéro.

Un score z positif indique qu’une valeur particulière est supérieure à la moyenne, un score z négatif indique qu’une valeur particulière est inférieure à la moyenne et un score z de zéro indique qu’une valeur particulière est égale à la moyenne.

Si nous calculions la moyenne et l’écart type de notre ensemble de données, nous constaterions que la moyenne est de 14,375 et l’écart type est de 5,162 .

Ainsi, la première valeur de notre ensemble de données était 7, qui avait un score z de (7-14,375) / 5,162 = -1,428 . Cela signifie que la valeur « 7 » est inférieure de 1,428 écart-type à la moyenne.

La valeur suivante dans nos données, 12, avait un score z de (12-14,375) / 5,162 = -0,46 . Cela signifie que la valeur « 12 » est inférieure de 0,46 écart-type à la moyenne.

Plus une valeur est éloignée de la moyenne, plus la valeur absolue du score z sera élevée pour cette valeur.

Par exemple, la valeur 7 est plus éloignée de la moyenne (14,375) que la valeur 12, ce qui explique pourquoi 7 avait un z-score avec une valeur absolue plus grande.

Ressources additionnelles

Les articles suivants expliquent comment effectuer d’autres tâches courantes dans SAS :

Comment identifier les valeurs aberrantes dans SAS
Comment calculer les centiles dans SAS
Comment calculer la moyenne, la médiane et le mode dans SAS

Ajouter un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *