Z-тест калькулятор - бесплатный инструмент для статистической значимости

Что такое z-тест?

Z-тест — это статистический критерий, который проверяет, значительно ли отличается выборочное среднее от известного среднего генеральной совокупности, если стандартное отклонение генеральной совокупности уже известно. Он выдаёт одно число — z-значение, показывающее, на сколько стандартных отклонений выборочное среднее удалено от среднего генеральной совокупности. Исследователи, инспекторы по контролю качества и аналитики используют его, чтобы определить, является ли наблюдаемое различие реальным или возникло случайно.

Формула z-теста

В рамках z-теста z-значение рассчитывают по формуле:

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

• $\bar{x}$ — выборочное среднее
• $\mu$ — среднее генеральной совокупности
• $\sigma$ — стандартное отклонение генеральной совокупности
• $n$ — объём выборки

Нижняя часть формулы, $\sigma / \sqrt{n}$, называется стандартной ошибкой. Она показывает, насколько могут изменяться выборочные средние только из-за случайного отбора.

Как пошагово вычислить z-тест

1. Найдите выборочное среднее ($\bar{x}$) по собранным данным.
2. Определите известное среднее генеральной совокупности ($\mu$).
3. Определите известное стандартное отклонение генеральной совокупности ($\sigma$).
4. Определите объём выборки ($n$).
5. Вычтите $\mu$ из $\bar{x}$.
6. Разделите $\sigma$ на квадратный корень из $n$, чтобы получить стандартную ошибку.
7. Разделите результат шага 5 на результат шага 6. Ответ представляет собой z-значение.

Пример расчёта

На заводе утверждают, что средняя длина болтов составляет 10 см, а стандартное отклонение генеральной совокупности равно 0,2 см. Инспектор измеряет 100 болтов и получает выборочное среднее 10,05 см.

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

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

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

Z-значение составляет 2,5. Выборочное среднее находится на 2,5 стандартной ошибки выше среднего генеральной совокупности.

Интерпретация z-значения

Z-значение, близкое к 0, означает, что выборочное среднее близко к среднему генеральной совокупности. Большое по модулю положительное или отрицательное z-значение означает, что выборочное среднее далеко от среднего генеральной совокупности, что указывает на реальное различие, а не на случайность.

Распространённые критические значения для двустороннего критерия:

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

Если вычисленная z-оценка выходит за критическое значение для выбранного уровня значимости, результат считается статистически значимым, а нулевая гипотеза (об отсутствии различия) отвергается.

В приведённом примере z = 2,5 выходит за пределы ±1,96, поэтому различие статистически значимо на уровне 0,05. Двустороннее p-значение для z = 2,5 составляет примерно 1,24 %, то есть вероятность получить настолько большое различие, если истинная средняя длина болта действительно равна 10 см, составляет примерно 1 к 80.

Когда применяют z-тест

Z-тест подходит, если:

• стандартное отклонение генеральной совокупности известно;
• объём выборки достаточно велик, обычно больше 30;
• данные получены методом случайной выборки;
• генеральная совокупность имеет нормальное распределение или выборка достаточно велика для применения центральной предельной теоремы.

Если стандартное отклонение генеральной совокупности неизвестно или выборка мала, вместо него применяют t-тест. T-тест оценивает вариабельность по самой выборке и учитывает дополнительную неопределённость, возникающую из-за этого.

Z-тест и t-тест

Оба критерия измеряют, насколько выборочное среднее отличается от ожидаемого значения, в единицах стандартной ошибки. Z-тест предполагает, что стандартное отклонение генеральной совокупности известно. T-тест оценивает это значение по выборке и использует более широкое распределение, зависящее от объёма выборки, чтобы учесть дополнительную неопределённость. На практике t-тест применяют значительно чаще, поскольку истинное стандартное отклонение генеральной совокупности редко бывает известно.

Практическое применение z-теста

• Контроль качества: проверка того, соответствует ли партия изготовленных деталей целевой спецификации.
• Медицинские исследования: сравнение среднего результата в группе лечения с известным значением для генеральной совокупности.
• Образование: сравнение результатов тестирования класса со средним показателем по стране.
• Финансы: проверка того, отличаются ли доходности фонда от среднего значения контрольного показателя.

История

Нормальное распределение, лежащее в основе z-теста, было описано Абраамом де Муавром в 1733 году как приближение биномиального распределения. Карл Фридрих Гаусс и Пьер-Симон Лаплас развили эту теорию в начале 1800-х годов. Формальные методы проверки гипотез, включая использование z-значений и критических значений для оценки статистической значимости, были разработаны в начале 20-го века статистиками, среди которых были Рональд Фишер, Ежи Нейман и Эгон Пирсон.

Что показывает этот калькулятор

Калькулятор запрашивает четыре числа: выборочное среднее, среднее генеральной совокупности, стандартное отклонение генеральной совокупности и объём выборки. Он выводит z-значение, округлённое до четырёх знаков после запятой. Под результатом он строит кривую стандартного нормального распределения и отмечает положение z-значения вертикальной линией, чтобы положение результата на распределении было наглядным. Кривая представляет собой плотность стандартного нормального распределения: $\varphi(x) = e^{-x^{2}/2} / \sqrt{2\pi}$.

Для входных данных действуют два ограничения. Объём выборки должен быть больше 0. Стандартное отклонение генеральной совокупности должно быть не меньше 0,0001; меньшее стандартное отклонение приводит к чрезвычайно большому z-значению, не имеющему практического смысла. Калькулятор не выводит p-значение, поэтому для определения значимости результата используйте приведённые выше критические значения или таблицу стандартного нормального распределения.

Часто задаваемые вопросы

В чём разница между z-тестом и t-тестом?

Для z-теста требуется известное стандартное отклонение генеральной совокупности; лучше всего он работает с большими выборками. T-тест применяют, когда стандартное отклонение генеральной совокупности неизвестно и его нужно оценить по выборке; он подходит как для малых, так и для больших выборок.

Какой объём выборки нужен для z-теста?

Распространённое практическое правило — объём выборки больше 30. При меньшем объёме результаты z-теста становятся ненадёжными, и обычно предпочтительнее t-тест.

Что означает z-значение 2,5?

Z-значение 2,5 означает, что выборочное среднее находится на 2,5 стандартной ошибки выше среднего генеральной совокупности. Это больше двустороннего критического значения ±1,96 для 95 % доверительного уровня, поэтому различие статистически значимо на этом уровне. Двустороннее p-значение для z = 2,5 составляет примерно 1,24 %.

Что такое p-значение в z-тесте?

P-значение — это вероятность получить результат, по меньшей мере столь же экстремальный, как наблюдаемый, если на самом деле различия со средним генеральной совокупности нет. Чем меньше p-значение, тем сильнее свидетельство против нулевой гипотезы. При p-значении ниже 0,05 результат обычно считают статистически значимым.

Что такое нулевая гипотеза в z-тесте?

Нулевая гипотеза утверждает, что между выборочным средним и средним генеральной совокупности нет различия. Z-тест оценивает, насколько данные выборки свидетельствуют против этого утверждения.

Можно ли применять z-тест к малым выборкам?

Это не рекомендуется. При малой выборке или неизвестном стандартном отклонении генеральной совокупности t-тест даёт более точные результаты, поскольку учитывает дополнительную неопределённость, связанную с оценкой вариабельности по ограниченному объёму данных.