Z検定計算ツール - 無料の統計的有意性ツール

z検定とは何か？

z検定は、母標準偏差が既知の場合に、標本平均が既知の母平均と有意に異なるかどうかを調べる統計的検定です。zスコアという1つの数値を算出し、標本平均が母平均から標準偏差何個分離れているかを示します。研究者、品質検査員、アナリストは、観測された差が実際の差なのか、単なる偶然の結果なのかを判断するためにこの検定を使います。

Z検定の公式

z検定では、次の式でzスコアを計算します。

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

• $\bar{x}$は標本平均
• $\mu$は母平均
• $\sigma$は母標準偏差
• $n$は標本サイズ

式の分母部分である$\sigma / \sqrt{n}$は標準誤差と呼ばれます。これは、無作為抽出だけによって標本平均がどの程度変動すると予想されるかを測定します。

z検定の計算手順

1. 収集したデータから標本平均（$\bar{x}$）を求めます。
2. 既知の母平均（$\mu$）を確認します。
3. 既知の母標準偏差（$\sigma$）を確認します。
4. 標本サイズ（$n$）を数えます。
5. $\bar{x}$から$\mu$を引きます。
6. 標準誤差を求めるため、$\sigma$を$n$の平方根で割ります。
7. 手順5の結果を手順6の結果で割ります。答えがzスコアです。

計算例

ある工場は、ボルトの長さが平均10 cmで、母標準偏差が0.2 cmだとしています。検査員が100本のボルトを測定したところ、標本平均は10.05 cmでした。

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

標準誤差：$0.2 / \sqrt{100} = 0.2 / 10 = 0.02$

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

zスコアは2.5です。標本平均は母平均より標準誤差2.5個分上にあります。

zスコアの解釈方法

0に近いzスコアは、標本平均が母平均に近いことを意味します。正または負のzスコアの絶対値が大きい場合、標本平均は母平均から大きく離れており、単なる偶然ではなく実際の差である可能性を示します。

両側検定でよく使われる臨界値：

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

計算されたzスコアが、選択した有意水準に対応する臨界値を超える場合、その結果は統計的に有意と呼ばれ、帰無仮説（差がないという仮説）は棄却されます。

例では、z = 2.5が±1.96を超えているため、差は0.05水準で統計的に有意です。z = 2.5に対する両側p値は約1.24%であり、ボルトの真の平均長が実際に10 cmだった場合、この大きさの差が現れる確率はおよそ1対80です。

z検定を使う場合

z検定が適しているのは、次の条件を満たす場合です。

• 母標準偏差が既知である。
• 標本サイズが十分に大きく、通常は30を超えている。
• データが無作為抽出によって得られている。
• 母集団が正規分布に従っているか、中心極限定理を適用できるほど標本が大きい。

母標準偏差が未知である場合、または標本が小さい場合は、代わりにt検定を使います。t検定は標本自体から変動性を推定し、それによって生じる追加の不確実性を考慮します。

z検定とt検定の比較

どちらの検定も、標本平均が期待値から標準誤差何個分離れているかを測定します。z検定では母標準偏差が既知であると仮定します。t検定ではその値を標本から推定し、追加の不確実性を考慮するため、標本サイズに応じたより裾の広い分布を使います。実際には真の母標準偏差が分かっていることはまれなため、t検定のほうがはるかに頻繁に使われます。

z検定の実際の用途

• 品質管理：製造部品のロットが目標仕様に適合しているかを確認する。
• 医学研究：治療群の平均結果を既知の母集団値と比較する。
• 教育：あるクラスのテスト得点を全国平均と比較する。
• 金融：ファンドの収益率がベンチマーク平均と異なるかを確認する。

歴史

z検定の基礎となる正規分布は、二項分布の近似としてAbraham de Moivreが1733年に記述しました。Carl Friedrich GaussとPierre-Simon Laplaceは、1800年代初頭にその理論をさらに発展させました。統計的有意性を判断するためにzスコアや臨界値を用いる方法を含む、正式な仮説検定の手法は、Ronald Fisher、Jerzy Neyman、Egon Pearsonらの統計学者によって20世紀初頭に発展しました。

この計算機が示す内容

この計算機では、標本平均、母平均、母標準偏差、標本サイズの4つの数値を入力します。zスコアは小数点以下4桁に丸めて表示されます。結果の下には標準正規曲線が描かれ、zスコアの位置が縦線で示されるため、分布上の結果の位置を確認できます。この曲線は標準正規密度$\varphi(x) = e^{-x^{2}/2} / \sqrt{2\pi}$です。

入力値には2つの制限があります。標本サイズは0より大きくなければなりません。母標準偏差は少なくとも0.0001でなければなりません。それより小さいばらつきではzスコアが極端に大きくなり、実用的な意味を持たなくなります。この計算機はp値を表示しないため、結果が有意かどうかを判断するには、上記の臨界値または標準正規分布表を使います。

よくある質問

z検定とt検定の違いは何か？

z検定には既知の母標準偏差が必要で、大きな標本で最も適切に機能します。t検定は母標準偏差が未知で、標本から推定する必要がある場合に使われ、小さな標本にも大きな標本にも適用できます。

z検定にはどのくらいの標本サイズが必要か？

30を超える標本サイズが一般的な目安です。それ未満ではz検定の結果は信頼性が低くなり、通常はt検定のほうが適しています。

zスコア2.5は何を意味するか？

zスコア2.5は、標本平均が母平均より標準誤差2.5個分上にあることを意味します。これは信頼水準95%における両側検定の臨界値±1.96を超えているため、その水準で差は統計的に有意です。z = 2.5に対する両側p値は約1.24%です。

z検定におけるp値とは何か？

p値は、母平均との差が実際にはないと仮定した場合に、観測された結果以上に極端な結果が得られる確率です。p値が小さいほど、帰無仮説に反する証拠が強いことを示します。0.05未満のp値は、一般に統計的に有意とみなされます。

z検定における帰無仮説とは何か？

帰無仮説は、標本平均と母平均の間に差がないとする仮説です。z検定は、標本がその主張に反する証拠をどの程度示しているかを測定します。

小さな標本にz検定を使えるか？

推奨されません。標本が小さい場合、または母標準偏差が未知の場合は、限られたデータから変動性を推定する際の追加の不確実性を考慮できるため、t検定のほうが正確な結果を得られます。