ماشین حساب آزمون Z - ابزار رایگان معناداری آماری

آزمون z چیست؟

آزمون z یک آزمون آماری است که بررسی می‌کند آیا میانگین نمونه به‌طور معناداری با میانگین معلوم جامعه تفاوت دارد یا نه، در شرایطی که انحراف معیار جامعه از قبل معلوم باشد. این آزمون یک عدد منفرد، یعنی نمره z، تولید می‌کند که نشان می‌دهد میانگین نمونه چند انحراف معیار با میانگین جامعه فاصله دارد. پژوهشگران، بازرسان کیفیت و تحلیلگران از آن برای قضاوت درباره این استفاده می‌کنند که آیا تفاوت مشاهده‌شده احتمالاً واقعی است یا صرفاً حاصل تصادف.

فرمول آزمون Z

آزمون z نمره z را با این فرمول محاسبه می‌کند:

$Z = \dfrac{\bar{x} - \mu}{\sigma / \sqrt{n}}$

• $\bar{x}$ میانگین نمونه است
• $\mu$ میانگین جامعه است
• $\sigma$ انحراف معیار جامعه است
• $n$ اندازه نمونه است

بخش پایینی فرمول، یعنی $\sigma / \sqrt{n}$، خطای استاندارد نام دارد. این مقدار نشان می‌دهد که انتظار می‌رود میانگین‌های نمونه صرفاً بر اثر نمونه‌گیری تصادفی چه‌قدر تغییر کنند.

روش محاسبه آزمون z، گام‌به‌گام

1. میانگین نمونه ($\bar{x}$) را از داده‌های گردآوری‌شده به دست آورید.
2. میانگین معلوم جامعه ($\mu$) را مشخص کنید.
3. انحراف معیار معلوم جامعه ($\sigma$) را مشخص کنید.
4. اندازه نمونه ($n$) را بشمارید.
5. $\mu$ را از $\bar{x}$ کم کنید.
6. $\sigma$ را بر جذر $n$ تقسیم کنید تا خطای استاندارد به دست آید.
7. حاصل گام ۵ را بر حاصل گام ۶ تقسیم کنید. پاسخ، نمره z است.

مثال حل‌شده

یک کارخانه می‌گوید طول متوسط پیچ‌های آن ۱۰ cm است و انحراف معیار جامعه ۰٫۲ cm است. یک بازرس ۱۰۰ پیچ را اندازه می‌گیرد و میانگین نمونه را ۱۰٫۰۵ cm می‌یابد.

• $\bar{x} = 10.05$
• $\mu = 10$
• $\sigma = 0.2$
• $n = 100$

خطای استاندارد: $0.2 / \sqrt{100} = 0.2 / 10 = 0.02$

نمره z: $(10.05 - 10) / 0.02 = 0.05 / 0.02 = 2.5$

نمره z برابر ۲٫۵ است. میانگین نمونه ۲٫۵ خطای استاندارد بالاتر از میانگین جامعه قرار دارد.

نحوه تفسیر نمره z

نمره z نزدیک به ۰ یعنی میانگین نمونه به میانگین جامعه نزدیک است. نمره z بزرگِ مثبت یا منفی یعنی میانگین نمونه از میانگین جامعه فاصله زیادی دارد؛ این امر به وجود تفاوتی واقعی، نه صرفاً تصادفی، اشاره می‌کند.

مقادیر بحرانی رایج برای آزمون دوطرفه:

• α = ۰٫۱۰ (اطمینان ۹۰٪): z = ±۱٫۶۴۵
• α = ۰٫۰۵ (اطمینان ۹۵٪): z = ±۱٫۹۶
• α = ۰٫۰۱ (اطمینان ۹۹٪): z = ±۲٫۵۸

اگر نمره z محاسبه‌شده از مقدار بحرانیِ سطح معناداری انتخاب‌شده فراتر باشد، نتیجه از نظر آماری معنادار نامیده می‌شود و فرض صفر (یعنی نبود تفاوت) رد می‌شود.

در مثال حل‌شده، z = ۲٫۵ از ±۱٫۹۶ فراتر است؛ بنابراین تفاوت در سطح ۰٫۰۵ از نظر آماری معنادار است. مقدار p دوطرفه برای z = ۲٫۵ تقریباً ۱٫۲۴٪ است؛ یعنی اگر طول متوسط واقعی پیچ‌ها واقعاً ۱۰ cm باشد، احتمال مشاهده تفاوتی با این بزرگی تقریباً یک در 80، یعنی ۱، است.

چه زمانی از آزمون z استفاده کنیم؟

آزمون z زمانی مناسب است که:

• انحراف معیار جامعه معلوم باشد.
• اندازه نمونه به‌اندازه کافی بزرگ باشد، معمولاً بیشتر از ۳۰.
• داده‌ها از نمونه‌گیری تصادفی به دست آمده باشند.
• جامعه توزیع نرمال داشته باشد، یا نمونه آن‌قدر بزرگ باشد که قضیه حد مرکزی قابل اعمال باشد.

اگر انحراف معیار جامعه معلوم نباشد یا نمونه کوچک باشد، به‌جای آن از آزمون t استفاده می‌شود. آزمون t تغییرپذیری را از خود نمونه برآورد می‌کند و عدم‌قطعیت اضافی ناشی از این کار را در نظر می‌گیرد.

آزمون z در برابر آزمون t

هر دو آزمون فاصله میانگین نمونه از یک مقدار مورد انتظار را بر حسب واحدهای خطای استاندارد اندازه می‌گیرند. آزمون z فرض می‌کند انحراف معیار جامعه معلوم است. آزمون t این مقدار را از نمونه برآورد می‌کند و برای در نظر گرفتن عدم‌قطعیت اضافی، از توزیعی گسترده‌تر و وابسته به اندازه نمونه استفاده می‌کند. در عمل، آزمون t بسیار بیشتر استفاده می‌شود، زیرا انحراف معیار واقعی جامعه به‌ندرت معلوم است.

کاربردهای آزمون z در دنیای واقعی

• کنترل کیفیت: بررسی اینکه آیا یک دسته از قطعات تولیدشده با مشخصات هدف مطابقت دارد یا نه.
• پژوهش پزشکی: مقایسه میانگین نتیجه یک گروه درمانی با مقدار معلوم جامعه.
• آموزش: مقایسه نمره‌های آزمون یک کلاس با میانگین ملی.
• مالی: بررسی اینکه آیا بازده یک صندوق با میانگین معیار مقایسه تفاوت دارد یا نه.

تاریخچه

توزیع نرمالِ زیربنای آزمون z در ۱۷۳۳ از سوی آبراهام دو مواور، به‌عنوان تقریبی برای توزیع دوجمله‌ای، توصیف شد. کارل فریدریش گاوس و پیر-سیمون لاپلاس این نظریه را در اوایل دهه ۱۸۰۰ گسترش دادند. روش‌های رسمی آزمون فرضیه، از جمله استفاده از نمره‌های z و مقادیر بحرانی برای سنجش معناداری آماری، در اوایل قرن ۲۰ از سوی آماردانانی مانند رونالد فیشر، یرژی نیمن و اگون پیرسون توسعه یافتند.

این محاسبه‌گر چه چیزی نشان می‌دهد؟

این محاسبه‌گر چهار عدد را دریافت می‌کند: میانگین نمونه، میانگین جامعه، انحراف معیار جامعه و اندازه نمونه. نمره z را پس از گرد کردن تا چهار رقم اعشار گزارش می‌کند. در زیر نتیجه، منحنی نرمال استاندارد را رسم می‌کند و نمره z را با خطی عمودی علامت می‌زند تا جایگاه نتیجه روی توزیع دیده شود. این منحنی چگالی نرمال استاندارد است: $\varphi(x) = e^{-x^{2}/2} / \sqrt{2\pi}$.

دو محدودیت برای ورودی‌ها وجود دارد. اندازه نمونه باید بزرگ‌تر از ۰ باشد. انحراف معیار جامعه باید دست‌کم ۰٫۰۰۰۱ باشد؛ پراکندگی کمتر، نمره z را به مقداری بسیار بزرگ می‌رساند که معنای مفیدی ندارد. این محاسبه‌گر مقدار p را گزارش نمی‌کند؛ بنابراین برای تصمیم‌گیری درباره معنادار بودن نتیجه، از مقادیر بحرانی بالا یا جدول نرمال استاندارد استفاده کنید.

سؤالات رایج

تفاوت آزمون z و آزمون t چیست؟

آزمون z به انحراف معیار معلوم جامعه نیاز دارد و با نمونه‌های بزرگ بهترین عملکرد را دارد. آزمون t زمانی استفاده می‌شود که انحراف معیار جامعه معلوم نباشد و لازم باشد از نمونه برآورد شود؛ این آزمون هم برای نمونه‌های کوچک و هم برای نمونه‌های بزرگ کاربرد دارد.

آزمون z به چه اندازه نمونه‌ای نیاز دارد؟

اندازه نمونه بیشتر از ۳۰ قاعده سرانگشتی رایج است. پایین‌تر از آن، نتایج آزمون z غیرقابل‌اعتماد می‌شوند و آزمون t معمولاً انتخاب بهتری است.

نمره z برابر ۲٫۵ چه معنایی دارد؟

نمره z برابر ۲٫۵ یعنی میانگین نمونه ۲٫۵ خطای استاندارد بالاتر از میانگین جامعه است. این مقدار از مقدار بحرانی دوطرفه ±۱٫۹۶ برای اطمینان ۹۵٪ فراتر است؛ بنابراین تفاوت در این سطح از نظر آماری معنادار است. مقدار p دوطرفه برای z = ۲٫۵ تقریباً ۱٫۲۴٪ است.

مقدار p در آزمون z چیست؟

مقدار p احتمال به‌دست‌آمدن نتیجه‌ای دست‌کم به‌اندازه نتیجه مشاهده‌شده افراطی است، در صورتی که واقعاً هیچ تفاوتی با میانگین جامعه وجود نداشته باشد. مقدار p کوچک‌تر، شواهد قوی‌تری علیه فرض صفر فراهم می‌کند. مقدار p کمتر از ۰٫۰۵ معمولاً از نظر آماری معنادار تلقی می‌شود.

فرض صفر در آزمون z چیست؟

فرض صفر بیان می‌کند که بین میانگین نمونه و میانگین جامعه تفاوتی وجود ندارد. آزمون z میزان شواهدی را که نمونه علیه این ادعا فراهم می‌کند اندازه می‌گیرد.

آیا می‌توان از آزمون z برای نمونه‌های کوچک استفاده کرد؟

توصیه نمی‌شود. در نمونه کوچک یا هنگامی که انحراف معیار جامعه معلوم نیست، آزمون t نتایج دقیق‌تری می‌دهد، زیرا عدم‌قطعیت اضافیِ ناشی از برآورد تغییرپذیری از داده‌های محدود را در نظر می‌گیرد.