标准分数与使用在高速筛选分析中的“Z-约数”（z-factor）不同，甚至有时两者会互相混淆。
其约化过程被称为“标准化”（standardizing）。
标准分数可借由以下公式求出：
z
=
x
−
μ
σ
{\displaystyle z={x-\mu \over \sigma }}
其中
σ
≠
0
{\displaystyle \sigma \neq 0}
。
其中
x
{\displaystyle x\,}
是需要被标准化的原始分数
μ
{\displaystyle \mu \,}
是总体的平均值
σ
{\displaystyle \sigma \,}
是总体的标准差Z值的量代表着原始分数和总体平均值之间的距离，是以标准差为单位计算。在原始分数低于平均值时Z则为负数，反之则为正数。换句话说，Z值是从感兴趣的点到均值之间有多少个标准差。
关键点是，计算Z值时需要“总体”的平均值和标准差，而不是“样本”的平均值和标准差。因此需要了解总体的统计数据资料。
但是要确实了解总体真正的标准差往往是不切实际的，除非是在“标准化测验”（Standardized testing（英语：Standardized testing））之类的情形中，整个总体都是经过测量的。在其他情况中，几乎不可能测量总体的每一个组成单位，因此通常会使用随机的样本来评估标准差。例如：“有吸烟习惯的总人数”就不是经过一个一个测量而得出的。
在这种情况下，标准分数为：
z
=
x
−
x
¯
S
{\displaystyle z={\frac {x-{\bar {x}}}{S}}}
其中
S
≠
0
{\displaystyle S\neq 0}
其中
x
¯
{\displaystyle {\bar {x}}}
是样本平均值
S
{\displaystyle S}
是样本的标准差当总体为正态分布时，其百分位数可能是由标准分数和普通表格所决定的。