เครื่องคำนวณ Z-Test - เครื่องมือทดสอบนัยสำคัญทางสถิติฟรี

z-test คืออะไร?

z-test คือการทดสอบทางสถิติที่ตรวจสอบว่าค่าเฉลี่ยของกลุ่มตัวอย่างแตกต่างจากค่าเฉลี่ยของประชากรที่ทราบค่าอย่างมีนัยสำคัญหรือไม่ เมื่อทราบส่วนเบี่ยงเบนมาตรฐานของประชากรอยู่แล้ว การทดสอบนี้ให้ค่าตัวเลขเดียว คือค่า z-score ซึ่งแสดงว่าค่าเฉลี่ยของกลุ่มตัวอย่างอยู่ห่างจากค่าเฉลี่ยของประชากรกี่ส่วนเบี่ยงเบนมาตรฐาน นักวิจัย ผู้ตรวจสอบคุณภาพ และนักวิเคราะห์ใช้ค่านี้เพื่อพิจารณาว่าความแตกต่างที่สังเกตได้มีแนวโน้มเป็นความแตกต่างจริง หรือเป็นเพียงผลจากความบังเอิญ

สูตรการทดสอบ Z

z-test คำนวณค่า z-score ด้วยสูตรต่อไปนี้:

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

• $\bar{x}$ คือค่าเฉลี่ยของกลุ่มตัวอย่าง
• $\mu$ คือค่าเฉลี่ยของประชากร
• $\sigma$ คือส่วนเบี่ยงเบนมาตรฐานของประชากร
• $n$ คือขนาดกลุ่มตัวอย่าง

ส่วนล่างของสูตร $\sigma / \sqrt{n}$ เรียกว่า ค่าคลาดเคลื่อนมาตรฐาน ซึ่งวัดว่าค่าเฉลี่ยของกลุ่มตัวอย่างคาดว่าจะเปลี่ยนแปลงมากเพียงใดจากการสุ่มตัวอย่างเท่านั้น

วิธีคำนวณ z-test ทีละขั้นตอน

1. หาค่าเฉลี่ยของกลุ่มตัวอย่าง ($\bar{x}$) จากข้อมูลที่รวบรวมได้
2. ระบุค่าเฉลี่ยของประชากรที่ทราบค่า ($\mu$)
3. ระบุส่วนเบี่ยงเบนมาตรฐานของประชากรที่ทราบค่า ($\sigma$)
4. นับขนาดกลุ่มตัวอย่าง ($n$)
5. ลบ $\mu$ ออกจาก $\bar{x}$
6. หาร $\sigma$ ด้วยรากที่สองของ $n$ เพื่อหาค่าคลาดเคลื่อนมาตรฐาน
7. หารผลลัพธ์ของขั้นตอนที่ 5 ด้วยผลลัพธ์ของขั้นตอนที่ 6 คำตอบคือค่า z-score

ตัวอย่างพร้อมวิธีทำ

โรงงานแห่งหนึ่งระบุว่าสลักเกลียวของโรงงานมีความยาวเฉลี่ย 10 ซม. และมีส่วนเบี่ยงเบนมาตรฐานของประชากรเท่ากับ 0.2 ซม. ผู้ตรวจสอบวัดสลักเกลียวจำนวน 100 ตัว และพบว่าค่าเฉลี่ยของกลุ่มตัวอย่างเท่ากับ 10.05 ซม.

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

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

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

ค่า z-score เท่ากับ 2.5 ค่าเฉลี่ยกลุ่มตัวอย่างสูงกว่าค่าเฉลี่ยประชากร 2.5 เท่าของค่าคลาดเคลื่อนมาตรฐาน

วิธีตีความค่า z-score

ค่า z-score ที่ใกล้ 0 หมายความว่าค่าเฉลี่ยของกลุ่มตัวอย่างใกล้เคียงกับค่าเฉลี่ยของประชากร ค่า z-score ที่เป็นบวกหรือลบและมีขนาดใหญ่หมายความว่าค่าเฉลี่ยของกลุ่มตัวอย่างอยู่ห่างจากค่าเฉลี่ยของประชากรมาก ซึ่งชี้ว่าความแตกต่างนั้นเป็นความแตกต่างจริง ไม่ใช่ความบังเอิญจากการสุ่ม

ค่าวิกฤตที่ใช้กันทั่วไปสำหรับการทดสอบแบบสองทาง:

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

หากค่า z-score ที่คำนวณได้เกินค่าวิกฤตสำหรับระดับนัยสำคัญที่เลือก ผลลัพธ์จะเรียกว่า มีนัยสำคัญทางสถิติ และจะปฏิเสธสมมติฐานว่าง (ซึ่งระบุว่าไม่มีความแตกต่าง)

ในตัวอย่างที่คำนวณไว้ z = 2.5 เกิน ±1.96 ดังนั้นความแตกต่างจึงมีนัยสำคัญทางสถิติที่ระดับ 0.05 ค่า p แบบสองทางสำหรับ z = 2.5 มีค่าประมาณ 1.24% ซึ่งหมายความว่ามีโอกาสประมาณ 1 ใน 80 ที่จะพบความแตกต่างขนาดนี้ หากความยาวเฉลี่ยจริงของสลักเกลียวเท่ากับ 10 ซม.

ควรใช้ z-test เมื่อใด

z-test เหมาะสมเมื่อ:

• ทราบส่วนเบี่ยงเบนมาตรฐานของประชากร
• ขนาดกลุ่มตัวอย่างมีจำนวนมากพอสมควร โดยทั่วไปมากกว่า 30
• ข้อมูลมาจากการสุ่มตัวอย่าง
• ประชากรมีการแจกแจงแบบปกติ หรือกลุ่มตัวอย่างมีขนาดใหญ่พอให้ทฤษฎีบทขีดจำกัดกลางใช้ได้

หากไม่ทราบส่วนเบี่ยงเบนมาตรฐานของประชากร หรือกลุ่มตัวอย่างมีขนาดเล็ก จะใช้ t-test แทน โดย t-test จะประมาณความแปรปรวนจากกลุ่มตัวอย่างเอง และคำนึงถึงความไม่แน่นอนเพิ่มเติมที่เกิดขึ้น

z-test กับ t-test

การทดสอบทั้งสองแบบวัดว่าค่าเฉลี่ยของกลุ่มตัวอย่างอยู่ห่างจากค่าที่คาดหมายมากเพียงใด โดยใช้หน่วยเป็นค่าคลาดเคลื่อนมาตรฐาน z-test ตั้งสมมติฐานว่าทราบส่วนเบี่ยงเบนมาตรฐานของประชากร ส่วน t-test ประมาณค่านี้จากกลุ่มตัวอย่าง และใช้การแจกแจงที่กว้างกว่าและขึ้นอยู่กับขนาดกลุ่มตัวอย่าง เพื่อคำนึงถึงความไม่แน่นอนที่เพิ่มขึ้น ในทางปฏิบัติ t-test ถูกใช้บ่อยกว่ามาก เนื่องจากแทบไม่ทราบส่วนเบี่ยงเบนมาตรฐานที่แท้จริงของประชากร

การใช้งาน z-test ในสถานการณ์จริง

• การควบคุมคุณภาพ: ตรวจสอบว่าชิ้นส่วนที่ผลิตเป็นชุดตรงตามข้อกำหนดเป้าหมายหรือไม่
• การวิจัยทางการแพทย์: เปรียบเทียบผลเฉลี่ยของกลุ่มที่ได้รับการรักษากับค่าประชากรที่ทราบ
• การศึกษา: เปรียบเทียบคะแนนสอบของชั้นเรียนกับค่าเฉลี่ยระดับประเทศ
• การเงิน: ตรวจสอบว่าผลตอบแทนของกองทุนแตกต่างจากค่าเฉลี่ยของดัชนีอ้างอิงหรือไม่

ความเป็นมา

การแจกแจงแบบปกติที่อยู่เบื้องหลัง z-test ได้รับการอธิบายโดย Abraham de Moivre ในปี 1733 เพื่อใช้เป็นค่าประมาณของการแจกแจงทวินาม Carl Friedrich Gauss และ Pierre-Simon Laplace พัฒนาทฤษฎีนี้ต่อในช่วงต้นคริสต์ศตวรรษที่ 1800 วิธีการทดสอบสมมติฐานอย่างเป็นแบบแผน ซึ่งรวมถึงการใช้ค่า z-score และค่าวิกฤตเพื่อตัดสินนัยสำคัญทางสถิติ ได้รับการพัฒนาในช่วงต้นคริสต์ศตวรรษที่ 20 โดยนักสถิติ เช่น Ronald Fisher, Jerzy Neyman และ Egon Pearson

เครื่องคำนวณนี้แสดงอะไร

เครื่องคำนวณจะขอข้อมูลตัวเลขสี่ค่า ได้แก่ ค่าเฉลี่ยของกลุ่มตัวอย่าง ค่าเฉลี่ยของประชากร ส่วนเบี่ยงเบนมาตรฐานของประชากร และขนาดกลุ่มตัวอย่าง จากนั้นรายงานค่า z-score ที่ปัดเศษเป็นทศนิยมสี่ตำแหน่ง ด้านล่างผลลัพธ์จะแสดงเส้นโค้งปกติมาตรฐานและทำเครื่องหมายค่า z-score ด้วยเส้นแนวตั้ง เพื่อให้เห็นตำแหน่งของผลลัพธ์บนการแจกแจง เส้นโค้งนี้คือความหนาแน่นปกติมาตรฐาน $\varphi(x) = e^{-x^{2}/2} / \sqrt{2\pi}$

อินพุตมีข้อจำกัดสองประการ ขนาดกลุ่มตัวอย่างต้องมากกว่า 0 ส่วนเบี่ยงเบนมาตรฐานของประชากรต้องมีค่าอย่างน้อย 0.0001 หากการกระจายตัวน้อยกว่านี้ ค่า z-score จะพุ่งไปเป็นค่ามหาศาลซึ่งไม่มีความหมายที่เป็นประโยชน์ เครื่องคำนวณนี้ไม่รายงานค่า p ดังนั้นให้ใช้ค่าวิกฤตข้างต้น หรือตารางการแจกแจงปกติมาตรฐาน เพื่อตัดสินว่าผลลัพธ์มีนัยสำคัญหรือไม่

คำถามที่พบบ่อย

z-test กับ t-test แตกต่างกันอย่างไร?

z-test ต้องใช้ส่วนเบี่ยงเบนมาตรฐานของประชากรที่ทราบค่า และทำงานได้ดีที่สุดกับกลุ่มตัวอย่างขนาดใหญ่ ส่วน t-test ใช้เมื่อไม่ทราบส่วนเบี่ยงเบนมาตรฐานของประชากรและต้องประมาณค่าจากกลุ่มตัวอย่าง โดยใช้ได้กับทั้งกลุ่มตัวอย่างขนาดเล็กและขนาดใหญ่

z-test ต้องใช้กลุ่มตัวอย่างขนาดเท่าใด?

ขนาดกลุ่มตัวอย่างที่มากกว่า 30 เป็นหลักเกณฑ์โดยทั่วไป หากต่ำกว่านั้น ผลลัพธ์จาก z-test จะไม่น่าเชื่อถือ และโดยปกติ t-test เป็นทางเลือกที่ดีกว่า

ค่า z-score เท่ากับ 2.5 หมายความว่าอย่างไร?

ค่า z-score เท่ากับ 2.5 หมายความว่าค่าเฉลี่ยของกลุ่มตัวอย่างอยู่สูงกว่าค่าเฉลี่ยของประชากรเป็นระยะ 2.5 เท่าของค่าคลาดเคลื่อนมาตรฐาน ค่านี้เกินค่าวิกฤตแบบสองทางที่ ±1.96 สำหรับระดับความเชื่อมั่น 95% ดังนั้นความแตกต่างจึงมีนัยสำคัญทางสถิติที่ระดับดังกล่าว ค่า p แบบสองทางสำหรับ z = 2.5 มีค่าประมาณ 1.24%

ค่า p ใน z-test คืออะไร?

ค่า p คือความน่าจะเป็นที่จะได้ผลลัพธ์ที่มีความสุดขั้วอย่างน้อยเท่ากับผลลัพธ์ที่สังเกตได้ หากในความเป็นจริงไม่มีความแตกต่างจากค่าเฉลี่ยของประชากร ค่า p ที่เล็กกว่าจะเป็นหลักฐานคัดค้านสมมติฐานว่างที่หนักแน่นกว่า โดยทั่วไปค่า p ที่ต่ำกว่า 0.05 จะถือว่ามีนัยสำคัญทางสถิติ

สมมติฐานว่างใน z-test คืออะไร?

สมมติฐานว่างระบุว่าไม่มีความแตกต่างระหว่างค่าเฉลี่ยของกลุ่มตัวอย่างกับค่าเฉลี่ยของประชากร z-test วัดว่ากลุ่มตัวอย่างให้หลักฐานคัดค้านข้ออ้างนี้มากเพียงใด

สามารถใช้ z-test กับกลุ่มตัวอย่างขนาดเล็กได้หรือไม่?

ไม่แนะนำให้ใช้ เมื่อกลุ่มตัวอย่างมีขนาดเล็ก หรือไม่ทราบส่วนเบี่ยงเบนมาตรฐานของประชากร t-test จะให้ผลลัพธ์ที่แม่นยำกว่า เนื่องจากคำนึงถึงความไม่แน่นอนเพิ่มเติมในการประมาณความแปรปรวนจากข้อมูลที่มีอยู่อย่างจำกัด