Kalkulator testu Z — oblicz wartość krytyczną Z online
Oblicz statystykę Z dla testu istotności przy znanym odchyleniu populacji i dużej próbie. Szybkie wyliczenie z interpretacją.
-
1Wprowadź dane
Wpisz treść, wklej tekst lub załaduj plik z dysku. -
2Kliknij przycisk
Narzędzie natychmiast przetworzy Twoje dane w przeglądarce. -
3Pobierz wynik
Skopiuj gotowy tekst lub zapisz plik na urządzeniu.
return "Wynik gotowy w 0.1s";
}
Oceń to narzędzie:
Powiązane narzędzia
Inne narzędzia, które mogą Ci się przydaćKalkulator testu Z – weryfikacja hipotez statystycznych dla dużych prób
Testowanie hipotez to jeden z najważniejszych filarów statystyki matematycznej, pozwalający na podejmowanie decyzji opartych na danych w nauce, medycynie, marketingu i ekonomii. Jednym z podstawowych testów parametrycznych służących do weryfikacji hipotez o średniej w populacji jest **test Z** (Z-test). Stosuje się go w sytuacjach, gdy próba badawcza jest duża (standardowo przyjmuje się liczebność $n \ge 30$) oraz znamy odchylenie standardowe populacji ($\sigma$). Nasz darmowy kalkulator testu Z online to precyzyjne narzędzie statystyczne, które na podstawie wprowadzonych danych (średnia z próby, średnia teoretyczna, odchylenie standardowe i liczebność próby) oblicza statystykę testową $Z$, wyznacza wartość krytyczną oraz wartość $p$ (p-value).
Dzięki temu szybko zweryfikujesz hipotezę zerową $H_0$ na wybranym poziomie istotności $\alpha$ (np. 0.05) i dowiesz się, czy zaobserwowane różnice są istotne statystycznie.
Wzór na statystykę testową Z i założenia testu
Aby móc poprawnie przeprowadzić test Z, muszą zostać spełnione następujące założenia metodologiczne:
- Zmienna badana ma rozkład zbliżony do normalnego (lub liczebność próby jest na tyle duża, że na mocy Centralnego Twierdzenia Granicznego rozkład średniej dąży do normalnego).
- Próby zostały pobrane w sposób losowy i niezależny.
- Odchylenie standardowe populacji ($\sigma$) jest znane (w przeciwnym wypadku, gdy $\sigma$ jest nieznane, należy zastosować test t-Studenta).
Wzór na obliczenie statystyki testowej $Z$ ma postać:
$$Z = \frac{\bar{X} - \mu_0}{\sigma / \sqrt{n}}$$
Gdzie:
- $\bar{X}$ – średnia obliczona z próby badawczej.
- $\mu_0$ – średnia teoretyczna (hipotetyczna) w populacji określona w hipotezie zerowej $H_0$.
- $\sigma$ – znane odchylenie standardowe populacji.
- $n$ – liczebność próby (liczba obserwacji).
- $\sigma / \sqrt{n}$ – tzw. błąd standardowy średniej.
Tabela wartości krytycznych Z dla popularnych poziomów istotności
Wartość krytyczna $Z_{\text{crit}}$ wyznacza granicę obszaru odrzucenia hipotezy zerowej. Zależy od wybranego poziomu istotności ($\alpha$) oraz kierunku testu (jedno- lub dwustronny):
| Poziom istotności ($\alpha$) | Poziom ufności (%) | Wartość krytyczna Z (Test jednostronny) | Wartość krytyczna Z (Test dwustronny) | Obszar odrzucenia $H_0$ (Test dwustronny) |
|---|---|---|---|---|
| 0.10 | 90% | 1.28 | 1.645 | $|Z| > 1.645$ |
| 0.05 (standard) | 95% | 1.645 | 1.96 | $|Z| > 1.96$ |
| 0.01 | 99% | 2.33 | 2.576 | $|Z| > 2.576$ |
| 0.001 | 99.9% | 3.09 | 3.29 | $|Z| > 3.29$ |
Jak interpretować wyniki kalkulatora testu Z?
Weryfikacja hipotezy zerowej w naszym kalkulatorze odbywa się na dwa równoważne sposoby:
- Metoda wartości krytycznej: Jeśli obliczona statystyka $|Z|$ jest większa niż wartość krytyczna $|Z_{\text{crit}}|$ odczytana z tabeli (czyli wpada w obszar krytyczny), **odrzucamy hipotezę zerową $H_0$** na rzecz hipotezy alternatywnej $H_1$. Oznacza to, że wynik jest istotny statystycznie.
- Metoda p-value: Jeśli obliczona wartość prawdopodobieństwa $p$ (p-value) jest mniejsza lub równa wybranemu poziomowi istotności $\alpha$ (np. $p \le 0.05$), **odrzucamy hipotezę zerową $H_0$**. Jeśli $p > \alpha$, nie ma podstaw do odrzucenia $H_0$.
Często zadawane pytania (FAQ)
Jaka jest różnica między testem Z a testem t-Studenta?
Test Z stosuje się, gdy znamy odchylenie standardowe populacji ($\sigma$), a liczebność próby jest duża ($n \ge 30$). Test t-Studenta stosuje się w sytuacjach, gdy odchylenie standardowe populacji jest nieznane (szacujemy je na podstawie odchylenia z próby $s$) oraz gdy próba jest mała ($n < 30$). Rozkład t-Studenta ma grubsze ogony, co uwzględnia większą niepewność przy małych próbach.
Co to jest hipoteza zerowa (H0) i hipoteza alternatywna (H1)?
Hipoteza zerowa ($H_0$) to założenie wyjściowe, które mówi o braku różnic, braku efektu lub równości średnich (np. „nowa metoda nauczania nie zmienia średniej ocen uczniów”). Hipoteza alternatywna ($H_1$) to hipoteza przeciwna, którą chcemy wykazać (np. „nowa metoda poprawia średnią ocen”). Cel testu to próba odrzucenia hipotezy zerowej na podstawie danych z próby.
Czym różni się test jednostronny od dwustronnego?
Test dwustronny weryfikuje różnicę w obu kierunkach (np. czy średnia się zmieniła – wzrosła lub spadła). Hipoteza alternatywna ma postać $\mu \neq \mu_0$. Test jednostronny sprawdza kierunek zmiany (np. czy średnia wzrosła, $\mu > \mu_0$ lub spadła, $\mu < \mu_0$). Test jednostronny ma większą moc statystyczną w wybranym kierunku, ale musi być zaplanowany przed zebraniem danych.
Co oznacza poziom istotności alfa (α)?
Poziom istotności $\alpha$ (najczęściej ustawiany na 0.05, czyli 5%) to prawdopodobieństwo popełnienia błędu I rodzaju – czyli odrzucenia hipotezy zerowej $H_0$, gdy w rzeczywistości jest ona prawdziwa (fałszywy alarm). Ustawienie $\alpha = 0.05$ oznacza, że zgadzamy się na maksymalnie 5% szans na wykazanie nieistniejącego efektu.
Czy test Z można stosować dla porównania średnich z dwóch prób?
Tak, istnieją dwie wersje testu Z: dla jednej próby (porównanie średniej z próby ze znaną średnią populacji) oraz dla dwóch prób (porównanie średnich z dwóch niezależnych grup, np. grupy kontrolnej i eksperymentalnej, przy znanych odchyleniach standardowych obu populacji).