Калькулятор p-значения для Z-теста: полное руководство

Z-тест — это мощный статистический инструмент для проверки гипотез, который применяется в тех случаях, когда известны параметры генеральной совокупности. Наш онлайн-калькулятор позволяет быстро и безошибочно рассчитать p-значение и Z-статистику для одновыборочного и двухвыборочного тестов (как односторонних, так и двусторонних).

В этой статье мы разберем, в чем суть Z-теста, когда он применяется и как правильно интерпретировать полученные результаты.

Что такое Z-тест и когда его применять?

Z-тест — это параметрический статистический критерий, используемый для проверки гипотез о средних значениях. Он базируется на нормальном распределении (распределении Гаусса).

Для того чтобы результаты Z-теста были достоверными, должны выполняться следующие условия:

• Известно стандартное отклонение генеральной совокупности ($\sigma$).
• Размер выборки достаточно большой (обычно $n > 30$). Если выборка меньше, статистическая мощность теста падает.
• Данные распределены нормально, либо выборка настолько велика, что начинает работать центральная предельная теорема.

В чем отличие Z-теста от t-теста? Z-тест использует известное стандартное отклонение популяции ($\sigma$), тогда как t-тест оценивает его по самой выборке ($s$). Для малых выборок ($n < 30$) и неизвестном $\sigma$ всегда предпочтительнее использовать t-тест Стьюдента.

Формулы расчета Z-статистики

Алгоритм вычисления зависит от количества исследуемых выборок.

1. Одновыборочный Z-тест

Используется для сравнения среднего значения вашей выборки с уже известным (эталонным) средним значением генеральной совокупности.

Формула:

$$Z = \frac{M — \mu}{\sigma / \sqrt{n}}$$

Где:

• $M$ — среднее значение выборки
• $\mu$ — известное среднее генеральной совокупности
• $\sigma$ — стандартное отклонение генеральной совокупности
• $n$ — размер выборки

2. Двухвыборочный Z-тест

Сравнивает средние значения двух независимых выборок между собой.

Формула:

$$Z = \frac{M_1 — M_2}{\sqrt{\frac{\sigma_1^2}{n_1} + \frac{\sigma_2^2}{n_2}}}$$

Как интерпретировать результаты Z-теста?

После ввода данных наш калькулятор выдаст два главных показателя: Z-статистику и p-значение (p-value).

P-значение показывает вероятность получить наблюдаемые результаты (или еще более крайние), если нулевая гипотеза верна (то есть если разницы на самом деле нет).

Стандартным порогом отсечения в статистике считается $\alpha = 0.05$ (5%).

Примеры практического применения

Пример 1: Контроль качества на заводе

Производитель утверждает, что средний вес пачки печенья $\mu = 100$ г при стандартном отклонении $\sigma = 5$ г. Случайная проверка выборки из 50 пачек показала средний вес $M = 98$ г. Действительно ли станок недовешивает печенье?

1. Подставляем данные в формулу одновыборочного теста:$$Z = \frac{98 — 100}{5 / \sqrt{50}} \approx -2.828$$
2. Двустороннее p-значение для такого $Z$ составляет $\approx 0.0047$.

Вывод: Поскольку $p < 0.05$, различия статистически значимы. Нулевая гипотеза отвергается — производителю нужно калибровать оборудование.

Пример 2: Сравнение двух групп

Сравниваются результаты экзамена двух групп студентов (известно, что $\sigma_1 = \sigma_2 = 10$):

• Группа 1: $n_1 = 40$, $M_1 = 75$ баллов
• Группа 2: $n_2 = 35$, $M_2 = 70$ баллов

1. Подставляем в формулу двухвыборочного теста:$$Z = \frac{75 — 70}{\sqrt{\frac{10^2}{40} + \frac{10^2}{35}}} \approx 2.18$$
2. Двустороннее p-значение $\approx 0.029$.

Вывод: Различия между группами статистически значимы ($p < 0.05$). Первая группа действительно сдала экзамен лучше.

Частые вопросы (FAQ)

Как выбрать односторонний или двусторонний тест? По умолчанию всегда рекомендуется использовать двусторонний (Two-tailed) тест — он проверяет наличие разницы в любом направлении. Односторонний (One-tailed) применяется только тогда, когда у вас есть жесткое теоретическое обоснование того, что разница может быть только в сторону увеличения или только в сторону уменьшения.

Что делать, если p-значение близко к 0.05 (например, 0.051)? Такой результат называется маргинальным. В этом случае не стоит слепо полагаться на порог. Рассмотрите возможность увеличения размера выборки ($n$), проверьте исходные данные на выбросы или рассчитайте доверительные интервалы и размер эффекта (например, Cohen’s d), чтобы понять практическую значимость результата.

По теме: Калькулятор χ²-теста и p-значения, Калькулятор F-теста и p-значения, Калькулятор t-теста и p-значения.