Fotografia/Shutterstock di Nicole Glass

Diversi set di dati hanno spesso medie e deviazioni standard uniche, rendendo difficile il confronto diretto. Il punteggio z standardizza i dati distribuiti normalmente, consentendo un confronto equo e una definizione coerente dei percentili tra gli studi. Sebbene i punteggi z siano reperibili nelle tabelle di riferimento, l'utilizzo di una calcolatrice TI‑84 Plus è più veloce, più preciso e più facile da seguire. Esistono due metodi affidabili:(1) calcolare la media e la deviazione standard dell'elenco e quindi applicare la formula del punteggio z oppure (2) utilizzare invNorm della calcolatrice. funzione con il percentile desiderato come input. Gli stessi passaggi si applicano anche alla TI‑84 Plus Silver Edition.

Metodo 1:utilizzo della formula Z‑Score

1. Memorizza i tuoi dati come elenco:premi STAT , quindi seleziona 1:Edit . Lo schermo mostra gli elenchi esistenti e una riga di immissione.
2. Naviga in un elenco vuoto con i tasti freccia e inserisci ciascun punto dati, premendo ENTER dopo ogni valore.
3. Calcola statistiche descrittive:premi STAT , freccia a destra fino al menu delle statistiche, seleziona 1:1‑Var Stats e premi ENTER .
4. Assicurati che il nome dell'elenco corrisponda a quello che hai appena modificato. Lascia FreqList vuoto.
5. Sposta il cursore su CALCULATE e premi ENTER . La calcolatrice visualizza la media (∞) e la deviazione standard (σ). Registra questi due numeri.
6. Applica la formula del punteggio z:z = (x – mean) / SD , dove x è qualsiasi punto dati nel tuo elenco.

Metodo 2:utilizzare il invNorm Funzione

1. Apri la procedura guidata di distribuzione:premi 2ND quindi VARS per visualizzare DISTR menu, seleziona 3:invNorm e premi ENTER .
2. Inserisci il percentile di destinazione come decimale accanto alla parola area (ad esempio, 0.95 per il 95° percentile). Utilizza i tasti freccia per scegliere Paste e premi ENTER .
3. Premi ENTER di nuovo per calcolare il punteggio z corrispondente a quel percentile. La calcolatrice visualizzerà direttamente il risultato.

Entrambi gli approcci forniscono un punteggio z affidabile. Il primo metodo è ideale quando si dispone di un set di dati grezzi, mentre il secondo è utile per conversioni rapide da percentile a z-score.