Z检验计算器用于假设检验

Z 检验是一种统计假设检验，使用标准正态（Z）分布来判断样本均值是否与已知总体均值存在显著差异，或两个独立样本均值是否彼此存在显著差异。Z 检验假设总体标准差已知，并且总体服从正态分布，或样本量足够大以使中心极限定理适用（通常 n ≥ 30）。 单样本 Z 检验将单个样本均值与假设的总体均值进行比较。公式为 Z = (x̄ − μ) / (σ / √n)，其中 x̄ 是样本均值，μ 是假设的总体均值，σ 是总体标准差，n 是样本量。Z 值的绝对值越大，说明样本均值与假设均值相差越远，也就越不可能由随机因素造成。 双样本 Z 检验在已知两组总体标准差时，用于比较两个独立组的均值。公式为 Z = (x̄₁ − x̄₂) / √(σ₁²/n₁ + σ₂²/n₂)。该检验常用于临床试验、A/B 测试和制造质量比较。 尾部类型的选择反映了备择假设的方向。双尾检验（H₁: μ ≠ μ₀）用于检验是否存在任何方向上的差异。右尾检验（H₁: μ > μ₀）用于检验样本均值是否显著大于假设值。左尾检验（H₁: μ < μ₀）用于检验样本均值是否显著小于假设值。 p 值是在原假设成立的前提下，得到与观察到的 Z 分数一样极端或更极端统计量的概率。如果 p 值小于显著性水平 α（通常为 0.05），就拒绝原假设。临界 Z 值是 Z 统计量必须超过的阈值，才能拒绝 H₀。 Z 检验不同于 t 检验。t 检验适用于总体标准差未知、需要用样本估计的情况。对于大样本（n > 30），t 分布和 Z 分布会趋于一致，因此结果几乎相同。对于总体方差未知的小样本，通常应优先使用 t 检验。 常见应用包括：检验新的生产工艺是否达到质量标准、临床干预是否改变健康结果、某个网站版本的转化率是否不同于另一个版本，以及两种教育方案是否产生不同的学生表现。