Kalkulator Z-Testu - Darmowe Narzędzie do Badania Istotności Statystycznej

Czym jest test z?

Test z to test statystyczny, który sprawdza, czy średnia z próby różni się istotnie od znanej średniej populacji, gdy odchylenie standardowe populacji jest już znane. Daje jedną liczbę, wynik z, która pokazuje, ile odchyleń standardowych dzieli średnią z próby od średniej populacji. Badacze, kontrolerzy jakości i analitycy wykorzystują go do oceny, czy zaobserwowana różnica jest prawdopodobnie rzeczywista, czy tylko wynika z przypadku.

Wzór dla testu Z

Test z oblicza wynik z za pomocą wzoru:

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

• $\bar{x}$ to średnia z próby
• $\mu$ to średnia populacji
• $\sigma$ to odchylenie standardowe populacji
• $n$ to liczebność próby

Dolna część wzoru, $\sigma / \sqrt{n}$, nosi nazwę błędu standardowego. Mierzy on, jak bardzo średnie z prób powinny się różnić wyłącznie wskutek losowego doboru próby.

Jak obliczyć test z krok po kroku

1. Oblicz średnią z próby ($\bar{x}$) na podstawie zebranych danych.
2. Określ znaną średnią populacji ($\mu$).
3. Określ znane odchylenie standardowe populacji ($\sigma$).
4. Policz liczebność próby ($n$).
5. Odejmij $\mu$ od $\bar{x}$.
6. Podziel $\sigma$ przez pierwiastek kwadratowy z $n$, aby uzyskać błąd standardowy.
7. Podziel wynik z kroku 5 przez wynik z kroku 6. Otrzymana wartość to wynik z.

Przykład obliczeniowy

Fabryka twierdzi, że średnia długość jej śrub wynosi 10 cm, a odchylenie standardowe populacji wynosi 0,2 cm. Kontroler mierzy 100 śrub i otrzymuje średnią z próby równą 10,05 cm.

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

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

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

Wynik z wynosi 2,5. Średnia z próby znajduje się 2,5 błędu standardowego powyżej średniej populacji.

Jak interpretować wynik z

Wynik z bliski 0 oznacza, że średnia z próby jest zbliżona do średniej populacji. Duży dodatni lub ujemny wynik z oznacza, że średnia z próby znacznie różni się od średniej populacji, co wskazuje na rzeczywistą różnicę, a nie losowy przypadek.

Typowe wartości krytyczne dla testu dwustronnego:

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

Jeśli obliczony wynik z przekracza wartość krytyczną dla wybranego poziomu istotności, wynik uznaje się za statystycznie istotny, a hipotezę zerową (że nie ma różnicy) odrzuca się.

W przykładzie obliczeniowym z = 2,5 przekracza ±1,96, więc różnica jest statystycznie istotna na poziomie 0,05. Dwustronna wartość p dla z = 2,5 wynosi około 1,24%, co oznacza, że prawdopodobieństwo zaobserwowania tak dużej różnicy wynosi w przybliżeniu 1 do 80, gdyby rzeczywista średnia długość śruby faktycznie wynosiła 10 cm.

Kiedy stosować test z

Test z jest odpowiedni, gdy:

• Odchylenie standardowe populacji jest znane.
• Liczebność próby jest dostatecznie duża, zwykle większa niż 30.
• Dane pochodzą z losowego doboru próby.
• Populacja ma rozkład normalny albo próba jest wystarczająco duża, aby można było zastosować centralne twierdzenie graniczne.

Jeśli odchylenie standardowe populacji jest nieznane lub próba jest mała, stosuje się test t. Test t szacuje zmienność na podstawie samej próby i uwzględnia dodatkową niepewność wynikającą z tego oszacowania.

Test z a test t

Oba testy mierzą, jak bardzo średnia z próby różni się od oczekiwanej wartości, wyrażając tę różnicę w jednostkach błędu standardowego. Test z zakłada, że odchylenie standardowe populacji jest znane. Test t szacuje tę wartość na podstawie próby i wykorzystuje szerszy rozkład zależny od liczebności próby, aby uwzględnić dodatkową niepewność. W praktyce test t stosuje się znacznie częściej, ponieważ prawdziwe odchylenie standardowe populacji rzadko jest znane.

Zastosowania testu z w praktyce

• Kontrola jakości: sprawdzanie, czy partia wyprodukowanych części spełnia docelową specyfikację.
• Badania medyczne: porównywanie średniego wyniku grupy poddanej leczeniu ze znaną wartością populacji.
• Edukacja: porównywanie wyników testu klasy ze średnią krajową.
• Finanse: sprawdzanie, czy stopa zwrotu funduszu różni się od średniej wartości referencyjnej.

Historia

Rozkład normalny leżący u podstaw testu z został opisany przez Abrahama de Moivre’a w 1733 roku jako przybliżenie rozkładu dwumianowego. Carl Friedrich Gauss i Pierre-Simon Laplace rozwinęli tę teorię na początku lat 1800. Formalne metody testowania hipotez, w tym stosowanie wyników z i wartości krytycznych do oceny istotności statystycznej, opracowali na początku 20. wieku statystycy tacy jak Ronald Fisher, Jerzy Neyman i Egon Pearson.

Co pokazuje ten kalkulator

Kalkulator wymaga podania czterech liczb: średniej z próby, średniej populacji, odchylenia standardowego populacji i liczebności próby. Podaje wynik z zaokrąglony do czterech miejsc po przecinku. Poniżej wyniku rysuje standardową krzywą normalną i zaznacza wynik z pionową linią, dzięki czemu widoczne jest położenie wyniku na rozkładzie. Krzywa przedstawia gęstość standardowego rozkładu normalnego, $\varphi(x) = e^{-x^{2}/2} / \sqrt{2\pi}$.

Dane wejściowe podlegają dwóm ograniczeniom. Liczebność próby musi być większa niż 0. Odchylenie standardowe populacji musi wynosić co najmniej 0,0001; mniejsze rozproszenie prowadzi do ogromnej wartości wyniku z, która nie ma użytecznego znaczenia. Kalkulator nie podaje wartości p, dlatego do oceny istotności wyniku należy użyć powyższych wartości krytycznych lub tablicy standardowego rozkładu normalnego.

Często zadawane pytania

Jaka jest różnica między testem z a testem t?

Test z wymaga znajomości odchylenia standardowego populacji i najlepiej sprawdza się przy dużych próbach. Test t stosuje się, gdy odchylenie standardowe populacji jest nieznane i trzeba je oszacować na podstawie próby; działa on zarówno dla małych, jak i dużych prób.

Jakiej liczebności próby wymaga test z?

Liczebność próby większa niż 30 to powszechnie przyjmowana reguła praktyczna. Poniżej tej wartości wyniki testu z stają się niewiarygodne i zazwyczaj lepszym wyborem jest test t.

Co oznacza wynik z równy 2,5?

Wynik z równy 2,5 oznacza, że średnia z próby znajduje się 2,5 błędu standardowego powyżej średniej populacji. To przekracza dwustronną wartość krytyczną ±1,96 przy poziomie ufności 95%, więc różnica jest statystycznie istotna na tym poziomie. Dwustronna wartość p dla z = 2,5 wynosi około 1,24%.

Czym jest wartość p w teście z?

Wartość p to prawdopodobieństwo uzyskania wyniku co najmniej tak ekstremalnego jak zaobserwowany, gdyby rzeczywiście nie było różnicy względem średniej populacji. Mniejsza wartość p stanowi silniejszy dowód przeciwko hipotezie zerowej. Wartość p poniżej 0,05 powszechnie uznaje się za statystycznie istotną.

Czym jest hipoteza zerowa w teście z?

Hipoteza zerowa stwierdza, że nie ma różnicy między średnią z próby a średnią populacji. Test z mierzy, jak wiele dowodów dostarcza próba przeciwko temu twierdzeniu.

Czy test z można stosować do małych prób?

Nie jest to zalecane. W przypadku małej próby lub nieznanego odchylenia standardowego populacji test t daje dokładniejsze wyniki, ponieważ uwzględnia dodatkową niepewność związaną z szacowaniem zmienności na podstawie ograniczonej liczby danych.