Z-Test kalkulator - Besplatni alat za statističku značajnost

Što je z-test?

Z-test je statistički test kojim se provjerava razlikuje li se aritmetička sredina uzorka značajno od poznate aritmetičke sredine populacije kada je standardna devijacija populacije već poznata. Daje jedan broj, z-rezultat, koji pokazuje koliko standardnih devijacija aritmetička sredina uzorka odstupa od aritmetičke sredine populacije. Istraživači, inspektori kvalitete i analitičari njime procjenjuju je li uočena razlika vjerojatno stvarna ili je samo posljedica slučajnosti.

Formula za Z-test

Z-test izračunava z-rezultat prema ovoj formuli:

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

$\bar{x}$ je sredina uzorka
$\mu$ je sredina populacije
$\sigma$ je standardna devijacija populacije
$n$ je veličina uzorka

Donji dio formule, $\sigma / \sqrt{n}$ , naziva se standardna pogreška. Ona mjeri koliko se očekuje da će sredine uzoraka varirati samo zbog slučajnog uzorkovanja.

Kako izračunati z-test korak po korak

Iz prikupljenih podataka odredite sredinu uzorka ( $\bar{x}$ ).
Odredite poznatu sredinu populacije ( $\mu$ ).
Odredite poznatu standardnu devijaciju populacije ( $\sigma$ ).
Prebrojite elemente u uzorku ( $n$ ).
Od $\bar{x}$ oduzmite $\mu$ .
Podijelite $\sigma$ s kvadratnim korijenom od $n$ kako biste dobili standardnu pogrešku.
Rezultat iz koraka 5 podijelite s rezultatom iz koraka 6. Dobiveni odgovor je z-rezultat.

Primjer s rješenjem

Tvornica navodi da su vijci prosječno dugi 10 cm, uz standardnu devijaciju populacije od 0,2 cm. Inspektor mjeri 100 vijaka i dobiva sredinu uzorka od 10,05 cm.

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

Standardna pogreška: $0.2 / \sqrt{100} = 0.2 / 10 = 0.02$

Z-rezultat: $(10.05 - 10) / 0.02 = 0.05 / 0.02 = 2.5$

Z-rezultat je 2,5. Sredina uzorka nalazi se 2,5 standardnih pogrešaka iznad sredine populacije.

Kako tumačiti z-rezultat

Z-rezultat blizu 0 znači da je sredina uzorka blizu sredine populacije. Velik pozitivan ili negativan z-rezultat znači da je sredina uzorka daleko od sredine populacije, što upućuje na stvarnu razliku, a ne na slučajnost.

Uobičajene kritične vrijednosti za dvostrani test:

α = 0,10 (90 % pouzdanosti): z = ±1,645
α = 0,05 (95 % pouzdanosti): z = ±1,96
α = 0,01 (99 % pouzdanosti): z = ±2,58

Ako je izračunani z-rezultat izvan kritične vrijednosti za odabranu razinu značajnosti, rezultat se naziva statistički značajnim, a nulta hipoteza (da nema razlike) odbacuje se.

U obrađenom primjeru z = 2,5 izvan je vrijednosti ±1,96, pa je razlika statistički značajna na razini 0,05. Dvostrana p-vrijednost za z = 2,5 iznosi približno 1,24 %, što znači da je vjerojatnost otprilike 1 prema 80 da se uoči ovako velika razlika ako je stvarna prosječna duljina vijka doista 10 cm.

Kada koristiti z-test

Z-test je prikladan kada:

Standardna devijacija populacije je poznata.
Veličina uzorka razumno je velika, obično veća od 30.
Podaci potječu iz slučajnog uzorkovanja.
Populacija ima normalnu distribuciju ili je uzorak dovoljno velik da se može primijeniti centralni granični teorem.

Ako standardna devijacija populacije nije poznata ili je uzorak malen, umjesto njega koristi se t-test. T-test procjenjuje varijabilnost iz samog uzorka i uzima u obzir dodatnu nesigurnost koju to uzrokuje.

Z-test u odnosu na t-test

Oba testa mjere koliko je sredina uzorka udaljena od očekivane vrijednosti, izraženo u jedinicama standardne pogreške. Z-test pretpostavlja da je standardna devijacija populacije poznata. T-test tu vrijednost procjenjuje iz uzorka i koristi širu distribuciju ovisnu o veličini uzorka kako bi uzeo u obzir dodatnu nesigurnost. U praksi se t-test koristi mnogo češće jer je stvarna standardna devijacija populacije rijetko poznata.

Primjene z-testa u stvarnom svijetu

Kontrola kvalitete: provjera odgovara li serija proizvedenih dijelova ciljnoj specifikaciji.
Medicinska istraživanja: usporedba prosječnog rezultata skupine koja prima određenu terapiju s poznatom vrijednošću populacije.
Obrazovanje: usporedba rezultata testa razreda s nacionalnim prosjekom.
Financije: provjera razlikuju li se prinosi fonda od referentnog prosjeka.

Povijest

Normalnu distribuciju na kojoj se z-test temelji opisao je Abraham de Moivre godine 1733 kao aproksimaciju binomne distribucije. Carl Friedrich Gauss i Pierre-Simon Laplace dodatno su razvili teoriju početkom 1800-ih. Formalne metode testiranja hipoteza, uključujući uporabu z-rezultata i kritičnih vrijednosti za procjenu statističke značajnosti, razvili su početkom 20. stoljeća statističari među kojima su bili Ronald Fisher, Jerzy Neyman i Egon Pearson.

Što ovaj kalkulator prikazuje

Kalkulator traži četiri broja: sredinu uzorka, sredinu populacije, standardnu devijaciju populacije i veličinu uzorka. Prikazuje z-rezultat zaokružen na četiri decimalna mjesta. Ispod rezultata crta standardnu normalnu krivulju i označava z-rezultat okomitom crtom, pa je vidljiv položaj rezultata na distribuciji. Krivulja je gustoća standardne normalne distribucije, $\varphi(x) = e^{-x^{2}/2} / \sqrt{2\pi}$ .

Na ulaze se primjenjuju dva ograničenja. Veličina uzorka mora biti veća od 0. Standardna devijacija populacije mora biti najmanje 0,0001; manja raspršenost gura z-rezultat prema golemoj vrijednosti koja nema korisno značenje. Kalkulator ne prikazuje p-vrijednost, pa za odlučivanje o značajnosti rezultata upotrijebite navedene kritične vrijednosti ili tablicu standardne normalne distribucije.

Često postavljana pitanja

Koja je razlika između z-testa i t-testa?

Z-test zahtijeva poznatu standardnu devijaciju populacije i najbolje funkcionira s velikim uzorcima. T-test se koristi kada standardna devijacija populacije nije poznata i mora se procijeniti iz uzorka; prikladan je i za male i za velike uzorke.

Kolika je veličina uzorka potrebna za z-test?

Veličina uzorka veća od 30 uobičajeno je pravilo. Ispod te vrijednosti rezultati z-testa postaju nepouzdani, pa je t-test obično bolji izbor.

Što znači z-rezultat od 2,5?

Z-rezultat od 2,5 znači da je sredina uzorka 2,5 standardnih pogrešaka iznad sredine populacije. To je izvan dvostrane kritične vrijednosti ±1,96 za 95 % pouzdanosti, pa je razlika na toj razini statistički značajna. Dvostrana p-vrijednost za z = 2,5 iznosi približno 1,24 %.

Što je p-vrijednost u z-testu?

P-vrijednost je vjerojatnost dobivanja rezultata barem jednako ekstremnog kao što je opaženi rezultat, kada doista ne bi bilo razlike u odnosu na sredinu populacije. Manja p-vrijednost snažniji je dokaz protiv nulte hipoteze. P-vrijednost manja od 0,05 obično se smatra statistički značajnom.

Što je nulta hipoteza u z-testu?

Nulta hipoteza tvrdi da nema razlike između sredine uzorka i sredine populacije. Z-test mjeri koliko dokaza uzorak pruža protiv te tvrdnje.

Može li se z-test koristiti za male uzorke?

Ne preporučuje se. Kod malog uzorka ili nepoznate standardne devijacije populacije t-test daje točnije rezultate jer uzima u obzir dodatnu nesigurnost povezanu s procjenom varijabilnosti na temelju ograničenih podataka.