Z-Test Kalkulator - Gratis Statistisk Signifikans Verktøy

Hva er en z-test?

En z-test er en statistisk test som undersøker om et utvalgsgjennomsnitt skiller seg signifikant fra et kjent populasjonsgjennomsnitt når populasjonens standardavvik allerede er kjent. Den gir ett enkelt tall, z-skåren, som viser hvor mange standardavvik utvalgsgjennomsnittet ligger fra populasjonsgjennomsnittet. Forskere, kvalitetsinspektører og analytikere bruker den til å vurdere om en observert forskjell sannsynligvis er reell eller bare skyldes tilfeldigheter.

Formel for Z-test

Z-testen beregner en z-skår med denne formelen:

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

• $\bar{x}$ er utvalgsgjennomsnittet
• $\mu$ er populasjonsgjennomsnittet
• $\sigma$ er populasjonens standardavvik
• $n$ er utvalgsstørrelsen

Den nederste delen av formelen, $\sigma / \sqrt{n}$, kalles standardfeilen. Den måler hvor mye utvalgsgjennomsnitt forventes å variere bare på grunn av tilfeldig utvalg.

Slik beregnes en z-test, trinn for trinn

1. Finn utvalgsgjennomsnittet ($\bar{x}$) fra de innsamlede dataene.
2. Finn det kjente populasjonsgjennomsnittet ($\mu$).
3. Finn populasjonens kjente standardavvik ($\sigma$).
4. Tell utvalgsstørrelsen ($n$).
5. Trekk $\mu$ fra $\bar{x}$.
6. Del $\sigma$ på kvadratroten av $n$ for å finne standardfeilen.
7. Del resultatet fra trinn 5 på resultatet fra trinn 6. Svaret er z-skåren.

Regneeksempel

En fabrikk oppgir at boltene i gjennomsnitt er 10 cm lange, med et populasjonsstandardavvik på 0,2 cm. En inspektør måler 100 bolter og finner et utvalgsgjennomsnitt på 10,05 cm.

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

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

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

Z-skåren er 2,5. Utvalgsgjennomsnittet ligger 2,5 standardfeil over populasjonsgjennomsnittet.

Slik tolkes en z-skår

En z-skår nær 0 betyr at utvalgsgjennomsnittet ligger nær populasjonsgjennomsnittet. En stor positiv eller negativ z-skår betyr at utvalgsgjennomsnittet ligger langt fra populasjonsgjennomsnittet, noe som tyder på en reell forskjell snarere enn en tilfeldig variasjon.

Vanlige kritiske verdier for en tosidig test:

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

Hvis den beregnede z-skåren overskrider den kritiske verdien for det valgte signifikansnivået, kalles resultatet statistisk signifikant, og nullhypotesen (at det ikke finnes noen forskjell) forkastes.

I eksempelet er z = 2,5 større enn ±1,96, så forskjellen er statistisk signifikant på 0,05-nivået. Den tosidige p-verdien for z = 2,5 er omtrent 1,24 %, noe som betyr at det er omtrent en 1-av-80 sjanse for å observere en så stor forskjell hvis den sanne gjennomsnittlige boltlengden faktisk var 10 cm.

Når brukes en z-test?

En z-test er egnet når:

• Populasjonens standardavvik er kjent.
• Utvalgsstørrelsen er rimelig stor, vanligvis større enn 30.
• Dataene kommer fra tilfeldig utvalg.
• Populasjonen er normalfordelt, eller utvalget er stort nok til at sentralgrenseteoremet kan anvendes.

Hvis populasjonens standardavvik er ukjent, eller utvalget er lite, brukes en t-test i stedet. T-testen estimerer variasjonen fra selve utvalget og tar hensyn til den ekstra usikkerheten dette medfører.

Z-test versus t-test

Begge testene måler hvor langt et utvalgsgjennomsnitt ligger fra en forventet verdi, målt i standardfeil. Z-testen forutsetter at populasjonens standardavvik er kjent. T-testen estimerer denne verdien fra utvalget og bruker en bredere, utvalgsstørrelsesavhengig fordeling for å ta hensyn til den ekstra usikkerheten. I praksis brukes t-testen langt oftere, fordi det sanne populasjonsstandardavviket sjelden er kjent.

Praktisk bruk av z-testen

• Kvalitetskontroll: kontrollere om et parti med produserte deler samsvarer med målspesifikasjonen.
• Medisinsk forskning: sammenligne gjennomsnittsresultatet for en behandlingsgruppe med en kjent populasjonsverdi.
• Utdanning: sammenligne en klasses prøveresultater med et nasjonalt gjennomsnitt.
• Finans: kontrollere om avkastningen til et fond skiller seg fra et referansegjennomsnitt.

Historikk

Normalfordelingen som ligger til grunn for z-testen, ble beskrevet av Abraham de Moivre i 1733 som en tilnærming til binomisk fordeling. Carl Friedrich Gauss og Pierre-Simon Laplace videreutviklet teorien tidlig på 1800-tallet. Formelle metoder for hypotesetesting, blant annet bruk av z-skårer og kritiske verdier for å vurdere statistisk signifikans, ble utviklet tidlig på 20-tallet av statistikere som Ronald Fisher, Jerzy Neyman og Egon Pearson.

Dette viser kalkulatoren

Kalkulatoren ber om fire tall: utvalgsgjennomsnittet, populasjonsgjennomsnittet, populasjonens standardavvik og utvalgsstørrelsen. Den oppgir z-skåren avrundet til fire desimaler. Under resultatet tegner den standardnormalkurven og markerer z-skåren med en vertikal linje, slik at resultatets plassering i fordelingen blir synlig. Kurven er den standardiserte normaltettheten, $\varphi(x) = e^{-x^{2}/2} / \sqrt{2\pi}$.

Det gjelder to begrensninger for inndataene. Utvalgsstørrelsen må være større enn 0. Populasjonens standardavvik må være minst 0,0001; en mindre spredning gir en enorm z-skår uten nyttig betydning. Kalkulatoren oppgir ikke en p-verdi, så bruk de kritiske verdiene ovenfor eller en standardnormaltabell for å avgjøre om resultatet er signifikant.

Ofte stilte spørsmål

Hva er forskjellen mellom en z-test og en t-test?

En z-test krever et kjent populasjonsstandardavvik og fungerer best med store utvalg. En t-test brukes når populasjonens standardavvik er ukjent og må estimeres fra utvalget; den fungerer både for små og store utvalg.

Hvor stor utvalgsstørrelse trenger en z-test?

En utvalgsstørrelse over 30 er en vanlig tommelfingerregel. Under dette blir resultatene fra en z-test upålitelige, og en t-test er vanligvis et bedre valg.

Hva betyr en z-skår på 2,5?

En z-skår på 2,5 betyr at utvalgsgjennomsnittet ligger 2,5 standardfeil over populasjonsgjennomsnittet. Dette er høyere enn den tosidige kritiske verdien ±1,96 for 95 % konfidensnivå, så forskjellen er statistisk signifikant på dette nivået. Den tosidige p-verdien for z = 2,5 er omtrent 1,24 %.

Hva er en p-verdi i en z-test?

P-verdien er sannsynligheten for å få et resultat som er minst like ekstremt som det observerte, dersom det faktisk ikke var noen forskjell fra populasjonsgjennomsnittet. En lavere p-verdi er sterkere evidens mot nullhypotesen. En p-verdi under 0,05 regnes vanligvis som statistisk signifikant.

Hva er nullhypotesen i en z-test?

Nullhypotesen sier at det ikke er noen forskjell mellom utvalgsgjennomsnittet og populasjonsgjennomsnittet. Z-testen måler hvor mye evidens utvalget gir mot denne påstanden.

Kan en z-test brukes for små utvalg?

Det anbefales ikke. Med et lite utvalg eller et ukjent populasjonsstandardavvik gir en t-test mer nøyaktige resultater fordi den tar hensyn til den ekstra usikkerheten ved å estimere variasjon fra et begrenset datagrunnlag.