Z-ટેસ્ટ કેલ્ક્યુલેટર - મફત સાંખ્યિકીય મહત્વતા સાધન

z-ટેસ્ટ શું છે?

z-ટેસ્ટ એક આંકડાકીય પરીક્ષણ છે, જે તપાસે છે કે નમૂનાનો સરેરાશ જાણીતી સમગ્ર વસ્તીના સરેરાશથી નોંધપાત્ર રીતે જુદો છે કે નહીં, જ્યારે સમગ્ર વસ્તીનું પ્રમાણભૂત વિચલન પહેલેથી જાણીતું હોય. તે એક સંખ્યા, z-સ્કોર, આપે છે, જે દર્શાવે છે કે નમૂનાનો સરેરાશ સમગ્ર વસ્તીના સરેરાશથી કેટલાં પ્રમાણભૂત વિચલન દૂર છે. સંશોધકો, ગુણવત્તા નિરીક્ષકો અને વિશ્લેષકો તેનો ઉપયોગ એ નક્કી કરવા માટે કરે છે કે જોવામાં આવેલો તફાવત વાસ્તવિક હોવાની શક્યતા છે કે માત્ર સંયોગનું પરિણામ છે.

z-ટેસ્ટનું સૂત્ર

z-ટેસ્ટ આ સૂત્રથી z-સ્કોરની ગણતરી કરે છે:

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

• $\bar{x}$ નમૂનાનો સરેરાશ છે
• $\mu$ સમગ્ર વસ્તીનો સરેરાશ છે
• $\sigma$ સમગ્ર વસ્તીનું પ્રમાણભૂત વિચલન છે
• $n$ નમૂનાનું કદ છે

સૂત્રનો નીચેનો ભાગ, $\sigma / \sqrt{n}$, પ્રમાણભૂત ભૂલ કહેવાય છે. તે દર્શાવે છે કે માત્ર યાદૃચ્છિક નમૂના-ચયનને કારણે નમૂનાના સરેરાશમાં કેટલો ફેરફાર થવાની અપેક્ષા છે.

z-ટેસ્ટની ગણતરી પગલું-દર-પગલું કેવી રીતે કરવી

1. એકત્રિત માહિતીમાંથી નમૂનાનો સરેરાશ ($\bar{x}$) શોધો.
2. જાણીતો સમગ્ર વસ્તીનો સરેરાશ ($\mu$) ઓળખો.
3. જાણીતું સમગ્ર વસ્તીનું પ્રમાણભૂત વિચલન ($\sigma$) ઓળખો.
4. નમૂનાનું કદ ($n$) ગણો.
5. $\bar{x}$માંથી $\mu$ બાદ કરો.
6. પ્રમાણભૂત ભૂલ મેળવવા માટે $\sigma$ને $n$ના વર્ગમૂળ વડે ભાગો.
7. પગલું 5ના પરિણામને પગલું 6ના પરિણામ વડે ભાગો. મળેલો જવાબ z-સ્કોર છે.

ઉદાહરણ સાથે ગણતરી

એક કારખાનું કહે છે કે તેના બોલ્ટની સરેરાશ લંબાઈ 10 cm છે અને સમગ્ર વસ્તીનું પ્રમાણભૂત વિચલન 0.2 cm છે. એક નિરીક્ષક 100 બોલ્ટનું માપ લે છે અને નમૂનાનો સરેરાશ 10.05 cm શોધે છે.

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

પ્રમાણભૂત ભૂલ: $0.2 / \sqrt{100} = 0.2 / 10 = 0.02$

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

z-સ્કોર 2.5 છે. નમૂનાનો સરેરાશ સમગ્ર વસ્તીના સરેરાશથી 2.5 પ્રમાણભૂત ભૂલ જેટલો ઉપર છે.

z-સ્કોરનું અર્થઘટન કેવી રીતે કરવું

0ની નજીકનો z-સ્કોર દર્શાવે છે કે નમૂનાનો સરેરાશ સમગ્ર વસ્તીના સરેરાશની નજીક છે. મોટો હકારાત્મક અથવા નકારાત્મક z-સ્કોર દર્શાવે છે કે નમૂનાનો સરેરાશ સમગ્ર વસ્તીના સરેરાશથી ઘણો દૂર છે, જે યાદૃચ્છિક સંયોગને બદલે વાસ્તવિક તફાવત સૂચવે છે.

દ્વિપક્ષીય પરીક્ષણ માટેનાં સામાન્ય નિર્ણાયક મૂલ્યો:

• α = 0.10 (90% વિશ્વસનીયતા): z = ±1.645
• α = 0.05 (95% વિશ્વસનીયતા): z = ±1.96
• α = 0.01 (99% વિશ્વસનીયતા): z = ±2.58

ગણવામાં આવેલો z-સ્કોર પસંદ કરેલા મહત્વસ્તર માટેના નિર્ણાયક મૂલ્યની બહાર હોય, તો પરિણામને આંકડાકીય રીતે નોંધપાત્ર કહેવાય છે અને શૂન્ય પરિકલ્પના (કે કોઈ તફાવત નથી) નકારી કાઢવામાં આવે છે.

આપેલા ઉદાહરણમાં, z = 2.5, ±1.96ની બહાર છે, તેથી 0.05 સ્તરે તફાવત આંકડાકીય રીતે નોંધપાત્ર છે. z = 2.5 માટેનું દ્વિપક્ષીય p-મૂલ્ય આશરે 1.24% છે, એટલે કે જો બોલ્ટની સાચી સરેરાશ લંબાઈ ખરેખર 10 cm હોય, તો આટલો મોટો તફાવત જોવા મળવાની શક્યતા આશરે 1માંથી 80 છે.

z-ટેસ્ટનો ઉપયોગ ક્યારે કરવો

z-ટેસ્ટ યોગ્ય છે જ્યારે:

• સમગ્ર વસ્તીનું પ્રમાણભૂત વિચલન જાણીતું હોય.
• નમૂનાનું કદ પૂરતું મોટું હોય, સામાન્ય રીતે 30 કરતાં વધુ.
• માહિતી યાદૃચ્છિક નમૂના-ચયનથી મેળવેલી હોય.
• સમગ્ર વસ્તી સામાન્ય રીતે વિતરિત હોય, અથવા કેન્દ્રીય મર્યાદા પ્રમેય લાગુ પડે તેટલું નમૂનું મોટું હોય.

સમગ્ર વસ્તીનું પ્રમાણભૂત વિચલન અજ્ઞાત હોય અથવા નમૂનું નાનું હોય, તો તેના બદલે t-ટેસ્ટ વપરાય છે. t-ટેસ્ટ ફેરફારક્ષમતાનો અંદાજ નમૂનામાંથી જ કાઢે છે અને તેના કારણે થતી વધારાની અનિશ્ચિતતાને ધ્યાનમાં લે છે.

z-ટેસ્ટ વિરુદ્ધ t-ટેસ્ટ

બંને પરીક્ષણો નમૂનાનો સરેરાશ અપેક્ષિત મૂલ્યથી પ્રમાણભૂત ભૂલના એકમોમાં કેટલો દૂર છે તે માપે છે. z-ટેસ્ટ માને છે કે સમગ્ર વસ્તીનું પ્રમાણભૂત વિચલન જાણીતું છે. t-ટેસ્ટ આ મૂલ્યનો અંદાજ નમૂનામાંથી કાઢે છે અને વધારાની અનિશ્ચિતતાને ધ્યાનમાં લેવા માટે નમૂનાના કદ પર આધારિત વધુ પહોળા વિતરણનો ઉપયોગ કરે છે. વ્યવહારમાં t-ટેસ્ટનો ઉપયોગ ઘણો વધુ થાય છે, કારણ કે સમગ્ર વસ્તીનું સાચું પ્રમાણભૂત વિચલન ભાગ્યે જ જાણીતું હોય છે.

z-ટેસ્ટના વાસ્તવિક જીવનમાં ઉપયોગો

• ગુણવત્તા નિયંત્રણ: ઉત્પાદિત ભાગોના કોઈ બેચ નિર્ધારિત લક્ષ્ય સાથે મેળ ખાય છે કે નહીં તે તપાસવું.
• તબીબી સંશોધન: સારવાર જૂથના સરેરાશ પરિણામની તુલના જાણીતા સમગ્ર વસ્તી મૂલ્ય સાથે કરવી.
• શિક્ષણ: વર્ગના પરીક્ષા ગુણોની તુલના રાષ્ટ્રીય સરેરાશ સાથે કરવી.
• નાણાંકીય ક્ષેત્ર: કોઈ ફંડના વળતરમાં બેન્ચમાર્ક સરેરાશથી તફાવત છે કે નહીં તે તપાસવું.

ઇતિહાસ

z-ટેસ્ટ પાછળનું સામાન્ય વિતરણ અબ્રાહમ દ મોઆવ્રે દ્વારા 1733માં દ્વિપદી વિતરણના અંદાજ તરીકે વર્ણવાયું હતું. કાર્લ ફ્રિડ્રિખ ગાઉસ અને પિયર-સિમોન લાપ્લાસે 1800ના પ્રારંભિક દાયકાઓમાં આ સિદ્ધાંતને વધુ વિકસાવ્યો. આંકડાકીય મહત્વ નક્કી કરવા માટે z-સ્કોર અને નિર્ણાયક મૂલ્યોના ઉપયોગ સહિતની ઔપચારિક પરિકલ્પના-પરીક્ષણ પદ્ધતિઓ 20મી સદીના પ્રારંભમાં રોનાલ્ડ ફિશર, યેઝી નેયમેન અને એગોન પિયર્સન સહિતના આંકડાશાસ્ત્રીઓએ વિકસાવી.

આ કેલ્ક્યુલેટર શું દર્શાવે છે

કેલ્ક્યુલેટર ચાર સંખ્યાઓ માંગે છે: નમૂનાનો સરેરાશ, સમગ્ર વસ્તીનો સરેરાશ, સમગ્ર વસ્તીનું પ્રમાણભૂત વિચલન અને નમૂનાનું કદ. તે z-સ્કોરને ચાર દશાંશ સ્થાનો સુધી પૂર્ણાંકિત કરીને દર્શાવે છે. પરિણામની નીચે તે પ્રમાણભૂત સામાન્ય વક્ર દોરે છે અને z-સ્કોરને ઊભી રેખાથી ચિહ્નિત કરે છે, જેથી વિતરણમાં પરિણામનું સ્થાન જોઈ શકાય. આ વક્ર પ્રમાણભૂત સામાન્ય ઘનતા છે, $\varphi(x) = e^{-x^{2}/2} / \sqrt{2\pi}$.

ઇનપુટ માટે બે મર્યાદાઓ લાગુ પડે છે. નમૂનાનું કદ 0 કરતાં મોટું હોવું જોઈએ. સમગ્ર વસ્તીનું પ્રમાણભૂત વિચલન ઓછામાં ઓછું 0.0001 હોવું જોઈએ; તેનાથી નાનું પ્રસરણ z-સ્કોરને અત્યંત મોટા મૂલ્ય સુધી ધકેલી દે છે, જેનો કોઈ ઉપયોગી અર્થ રહેતો નથી. કેલ્ક્યુલેટર p-મૂલ્ય દર્શાવતું નથી, તેથી પરિણામ નોંધપાત્ર છે કે નહીં તે નક્કી કરવા માટે ઉપરનાં નિર્ણાયક મૂલ્યો અથવા પ્રમાણભૂત સામાન્ય કોષ્ટકનો ઉપયોગ કરો.

વારંવાર પૂછાતા પ્રશ્નો

z-ટેસ્ટ અને t-ટેસ્ટ વચ્ચે શું તફાવત છે?

z-ટેસ્ટ માટે સમગ્ર વસ્તીનું પ્રમાણભૂત વિચલન જાણીતું હોવું જરૂરી છે અને તે મોટા નમૂનાઓ સાથે શ્રેષ્ઠ રીતે કાર્ય કરે છે. સમગ્ર વસ્તીનું પ્રમાણભૂત વિચલન અજ્ઞાત હોય અને નમૂનામાંથી તેનો અંદાજ કાઢવો પડે ત્યારે t-ટેસ્ટ વપરાય છે; તે નાનાં અને મોટાં બંને નમૂનાઓ માટે કાર્ય કરે છે.

z-ટેસ્ટ માટે નમૂનાનું કદ કેટલું હોવું જોઈએ?

30થી વધુ નમૂનાનું કદ સામાન્ય અંગૂઠાનો નિયમ છે. તેનાથી ઓછા કદમાં z-ટેસ્ટનાં પરિણામો અવિશ્વસનીય બને છે અને સામાન્ય રીતે t-ટેસ્ટ વધુ યોગ્ય પસંદગી હોય છે.

2.5નો z-સ્કોર શું દર્શાવે છે?

2.5નો z-સ્કોર દર્શાવે છે કે નમૂનાનો સરેરાશ સમગ્ર વસ્તીના સરેરાશથી 2.5 પ્રમાણભૂત ભૂલ જેટલો ઉપર છે. આ 95% વિશ્વસનીયતા માટેના ±1.96ના દ્વિપક્ષીય નિર્ણાયક મૂલ્યની બહાર છે, તેથી તે સ્તરે તફાવત આંકડાકીય રીતે નોંધપાત્ર છે. z = 2.5 માટેનું દ્વિપક્ષીય p-મૂલ્ય આશરે 1.24% છે.

z-ટેસ્ટમાં p-મૂલ્ય શું છે?

p-મૂલ્ય એ જોવામાં આવેલા પરિણામ જેટલું અથવા તેનાથી વધુ અતિશય પરિણામ મેળવવાની સંભાવના છે, જો ખરેખર સમગ્ર વસ્તીના સરેરાશથી કોઈ તફાવત ન હોય. નાનું p-મૂલ્ય શૂન્ય પરિકલ્પના વિરુદ્ધ વધુ મજબૂત પુરાવો છે. 0.05થી ઓછું p-મૂલ્ય સામાન્ય રીતે આંકડાકીય રીતે નોંધપાત્ર ગણાય છે.

z-ટેસ્ટમાં શૂન્ય પરિકલ્પના શું છે?

શૂન્ય પરિકલ્પના જણાવે છે કે નમૂનાના સરેરાશ અને સમગ્ર વસ્તીના સરેરાશ વચ્ચે કોઈ તફાવત નથી. z-ટેસ્ટ એ દાવા વિરુદ્ધ નમૂનો કેટલો પુરાવો આપે છે તે માપે છે.

શું નાનાં નમૂનાઓ માટે z-ટેસ્ટ વાપરી શકાય?

તેની ભલામણ કરવામાં આવતી નથી. નમૂનું નાનું હોય અથવા સમગ્ર વસ્તીનું પ્રમાણભૂત વિચલન અજ્ઞાત હોય, ત્યારે મર્યાદિત માહિતીમાંથી ફેરફારક્ષમતાનો અંદાજ કાઢવાની વધારાની અનિશ્ચિતતાને ધ્યાનમાં લેવાને કારણે t-ટેસ્ટ વધુ ચોક્કસ પરિણામો આપે છે.