免费Z检验计算器

理解Z检验以及如何使用Z检验计算器

Z检验计算器 是一款免费在线工具，用于对总体均值执行单样本Z检验。它支持双尾和单尾检验（左尾或右尾），您可以选择p值法或临界值法来评估假设。这使得它成为任何进行统计推断的人的灵活工具，无论是分析数据的学生还是专业研究人员。

什么是Z检验？

单样本Z检验是一种参数假设检验，用于确定样本均值是否与假设的总体均值存在显著差异。原假设（$H_0$）声明总体均值等于特定值$\mu_0$。备择假设（$H_1$）可以是双尾（$\mu \neq \mu_0$）或单尾（$\mu < \mu_0$ 或 $\mu > \mu_0$）。

何时适合使用Z检验？

如果您的数据满足以下条件之一，可以使用Z检验：

• 数据呈正态分布 且 总体方差已知。
• 样本量足够大（通常$n \geq 30$），使得中心极限定理确保均值的抽样分布近似正态，即使总体分布非正态或方差未知。

当满足第一个条件时，检验统计量精确服从标准正态分布$N(0,1)$。在第二种情况下，它近似服从。没有普适的“足够大”规则，但常见指南建议至少30个观测值；许多教材建议50或更多以获得更好精度。

Z检验公式

给定从均值为$\mu$、方差为$\sigma^2$的总体中抽取的独立样本$x_1, x_2, \dots, x_n$，Z统计量定义为：

$$Z = \frac{\bar{x} - \mu_0}{\sigma / \sqrt{n}}$$

其中：

• $\bar{x}$ 是样本均值，
• $\mu_0$ 是在$H_0$下假设的均值，
• $n$ 是样本容量，
• $\sigma$ 是总体标准差（样本量大时也可用样本标准差）。

如果$H_0$成立，$Z$遵循标准正态分布$N(0,1)$。

p值法

p值是在原假设下，获得至少与观测值$z$一样极端的检验统计量的概率。p值小表明反对$H_0$的有力证据。

• 双尾检验：$\text{p-value} = 2\,\Phi(-|z|)$
• 左尾检验：$\text{p-value} = \Phi(z)$
• 右尾检验：$\text{p-value} = 1 - \Phi(z)$

其中$\Phi$是$N(0,1)$的累积分布函数（CDF）。您也可以将这些p值视为标准正态概率密度函数下的面积。

临界值法

除了p值，您还可以将$z$与定义拒绝域的临界值进行比较。拒绝域取决于显著性水平$\alpha$和备择假设：

• 双尾检验：如果$|z| > z_{\alpha/2}$则拒绝$H_0$，其中$z_{\alpha/2} = \Phi^{-1}(1-\alpha/2)$。
• 左尾检验：如果$z < -z_{\alpha}$则拒绝$H_0$，其中$z_{\alpha} = \Phi^{-1}(1-\alpha)$。
• 右尾检验：如果$z > z_{\alpha}$则拒绝$H_0$。

如果p值小于或等于$\alpha$（或$z$落入拒绝域），则在相应显著性水平下拒绝原假设。

如何计算Z统计量

手动计算$z$：

1. 计算样本均值$\bar{x}$。
2. 减去假设均值$\mu_0$。
3. 将结果乘以$\sqrt{n}$。
4. 除以总体标准差$\sigma$（样本量大时除以样本标准差）。

Z检验在线 计算器自动完成所有这些步骤。您可以直接输入检验统计量，或提供样本均值、假设均值、样本容量和标准差。该工具随后立即返回p值或拒绝域决策。

工作示例

示例1：瓶装填充体积

一台果汁机设定为平均填充1000 mL（标准差30 mL）的瓶子。你怀疑实际平均值更少。9个瓶子的样本给出以下体积（mL）：1020, 970, 1000, 980, 1010, 930, 950, 980, 980。

• 样本容量：$n = 9$
• 样本均值：$\bar{x} = 980$ mL
• 总体标准差：$\sigma = 30$ mL
• 假设均值：$\mu_0 = 1000$ mL

$$z = \frac{980 - 1000}{30 / \sqrt{9}} = \frac{-20}{10} = -2$$

对于左尾检验，$\text{p-value} = \Phi(-2) \approx 0.0228$。由于0.0228 < 0.05，你拒绝原假设，并得出结论：平均填充体积确实低于1000 mL。

示例2：硬币偏差

一枚硬币被抛50次，得到20次反面（成功）。硬币是否有偏差？使用双尾Z检验。原假设为$H_0: p = 0.5$（公平硬币）。由于样本量大，正态近似有效。

• 样本比例：$\bar{x} = 20/50 = 0.4$
• 在$H_0$下，$\sigma = \sqrt{0.5 \times 0.5} = 0.5$
• $z = \dfrac{0.4 - 0.5}{0.5 / \sqrt{50}} \approx -1.414$

双尾p值：$2\,\Phi(-1.414) \approx 0.1573$。由于0.1573 > 0.1，没有足够证据表明硬币不公平。

Z检验 vs. t检验

当总体标准差未知且样本量较小时，使用t检验。此时，样本标准差替代$\sigma$，检验统计量服从自由度为$n-1$的t分布。对于大样本（约$n \ge 30$），t分布接近标准正态分布，因此Z检验和t检验的结果几乎等价。因此，当方差已知或样本量较大时，Z检验尤为有用，能提供快速可靠的假设检验。

为何使用这款免费Z检验计算器？

手动进行Z检验涉及多次计算和查表。这款Z检验免费在线工具简化了流程：您指定检验方向、显著性水平，以及检验统计量或样本汇总统计量。计算器立即提供检验统计量、p值和清晰的拒绝决策。它非常适合学术、商业和科学环境中快速进行假设检验。