Kalkulator testu Z
Przeprowadź jednopróbkowy test Z średniej przy znanym odchyleniu populacji, wybierz kierunek hipotezy i odczytaj wartość p oraz decyzję.
Przeprowadź test Z średniej
Od danych do świadomej decyzji
- Dane
- Obliczenie
- Wykres
- Decyzja
Test zaczyna się od pytania o średnią populacji, nie od wpisania liczb
Hipoteza zerowa wskazuje wartość odniesienia μ₀
Jednopróbkowy test Z sprawdza, czy średnia populacji jest zgodna z konkretną wartością μ₀. Przykładem może być deklarowana masa napełnienia 100 g, średni czas 30 minut albo wynik procesu ustalony w specyfikacji. Do pola μ₀ wpisujemy właśnie tę wartość odniesienia.
Hipoteza zerowa przyjmuje równość na granicy testu, na przykład H₀: μ=100. Statystyka opisuje, jak daleko średnia z próby leży od 100 w jednostkach błędu standardowego. Nie sprawdza zgodności pojedynczych obserwacji ze 100.
Wartość μ₀ powinna wynikać z pytania postawionego przed analizą: normy, wcześniejszego modelu lub deklaracji. Wybieranie punktu odniesienia po obejrzeniu średniej z próby zmienia znaczenie wartości p i może sztucznie ułatwić uzyskanie oczekiwanego wniosku.
Hipoteza alternatywna wybiera właściwy ogon rozkładu
Test dwustronny odpowiada na pytanie, czy μ różni się od μ₀ w dowolnym kierunku. Użyj go, gdy zarówno wzrost, jak i spadek mają znaczenie. Dla dodatniego z bierze on prawdopodobieństwo w prawym ogonie i podwaja je, uwzględniając równie skrajny lewy ogon.
Test prawostronny ma alternatywę μ>μ₀. Pasuje do wcześniej sformułowanego pytania o wzrost. Test lewostronny ma alternatywę μ<μ₀ i dotyczy spadku. Kierunku nie wolno wybierać po zobaczeniu znaku różnicy x̄−μ₀.
Jednostronność nie oznacza, że wynik w przeciwnym kierunku staje się dowodem na hipotezę. Jeśli zaplanowano H₁: μ>100, a średnia wyszła znacznie poniżej 100, prawostronna wartość p będzie duża. Taki rezultat wymaga osobnego merytorycznego wyjaśnienia, nie odwrócenia testu po fakcie.
Test Z średniej wymaga znanego σ, a nie tylko odchylenia z tej próby
Symbol σ oznacza standardowe odchylenie populacji przyjęte jako znane. Może pochodzić z dobrze ustabilizowanego procesu, wcześniejszego bardzo dużego badania lub modelu pomiarowego. Nie jest automatycznie równe odchyleniu s obliczonemu z aktualnej małej próby.
Jeżeli nie znamy σ i zastępujemy je s z tych samych danych, klasycznym wyborem jest test t Studenta z n−1 stopniami swobody. Dla dużego n rozkłady t i normalny są podobne, ale metoda oraz raport powinny nadal odpowiadać rzeczywistemu źródłu odchylenia.
Znane σ jest w praktyce rzadsze, niż sugeruje popularność szkolnych zadań. Kalkulator nie potrafi rozpoznać, czy wpisane 15 jest parametrem populacji czy estymatą z próby. To decyzja analityczna, którą trzeba zapisać wraz ze źródłem wartości.
Dla przykładowych danych dwustronna wartość p wynosi około 0,2861
Błąd standardowy średniej wynosi σ/√n
Odchylenie 15 opisuje rozproszenie pojedynczych obserwacji. Średnia z 64 niezależnych obserwacji jest stabilniejsza, dlatego jej standardowe odchylenie w powtarzanych próbach wynosi 15/√64=15/8=1,875. To błąd standardowy używany w mianowniku statystyki.
Zwiększenie liczebności czterokrotnie zmniejsza błąd standardowy dwukrotnie, a nie czterokrotnie. Zależność od pierwiastka pokazuje malejący zwrot z kolejnych obserwacji. Ten rachunek zakłada jednak, że nowe pomiary wnoszą niezależną informację.
Jeżeli obserwacje tworzą klastry, serie czasowe lub wielokrotne pomiary tych samych osób, efektywna liczebność może być mniejsza od 64. Proste σ/√n wtedy zaniża niepewność. Potrzebny jest model uwzględniający zależność albo właściwie zagregowana jednostka analizy.
Różnica 2 odpowiada statystyce z≈1,0667
Średnia z próby 102 leży o 2 jednostki powyżej μ₀=100. Dzielimy tę różnicę przez błąd standardowy 1,875, otrzymując z≈1,0667. Znak dodatni wskazuje kierunek, a moduł mówi o odległości w standardowej skali.
Statystyka około 1,07 nie jest szczególnie odległa w standardowym rozkładzie normalnym. Wiele losowych prób z populacji o średniej 100 da średnią oddaloną o co najmniej taką wartość błędu standardowego w jednym z kierunków.
Przeliczenie na z usuwa jednostkę zmiennej. Dzięki temu ten sam rozkład odniesienia obsługuje gramy, minuty i punkty, pod warunkiem że model średniej, znane σ i niezależność są uzasadnione.
Dwustronne p≈0,2861 jest większe od α=0,05
Dla alternatywy μ≠100 wartość p obejmuje oba ogony poza ±1,0667. Wynosi około 0,2861. Oznacza to, że przy prawdziwej hipotezie zerowej statystyka co najmniej tak odległa od zera pojawiałaby się z prawdopodobieństwem około 28,6%.
Ponieważ 0,2861>0,05, wynik nie przekracza ustalonego progu istotności. Nie odrzucamy H₀. Nie piszemy jednak, że „udowodniono μ=100”; dane po prostu nie są wystarczająco niezgodne ze 100 w ramach tego testu.
Dla tej samej dodatniej statystyki test prawostronny daje około 0,1431, a lewostronny około 0,8569. Różne liczby odpowiadają różnym pytaniom. Kalkulator zmienia obszar ogona zgodnie z wybraną alternatywą, nie według korzystniejszego wyniku.
Poprawna wartość p zależy od losowania, niezależności i rozkładu średniej
Losowy lub dobrze zaplanowany dobór wyznacza zakres wniosku
Rachunek probabilistyczny zakłada próbę reprezentującą populację, o której chcemy wnioskować. Wygodna próba klientów jednego sklepu może mieć poprawnie policzone z, ale nie uzasadnia automatycznie wniosku o wszystkich konsumentach.
Randomizacja nie naprawia braków danych powiązanych z wynikiem. Jeśli pomiary nieudane lub osoby z określoną cechą częściej wypadają z próby, średnia 102 może być obciążona. Wartość p uwzględnia losową zmienność w modelu, a nie systematyczny błąd zbierania danych.
Zakres populacji, okres i reguły włączenia powinny być ustalone przed testem. Inaczej pozornie precyzyjne p odnosi się do niejasnego celu. Dobra dokumentacja pozwala odróżnić niepewność próbkowania od problemu z definicją populacji.
Normalność dotyczy rozkładu średniej w próbach
Jeżeli populacja jest normalna, statystyka Z ma rozkład normalny dla każdej liczebności przy znanym σ. Dla n=64 centralne twierdzenie graniczne często wspiera przybliżenie także dla nienormalnych obserwacji, o ile rozkład nie jest skrajnie ciężkoogonowy i wariancja istnieje.
Sama granica n≥30 nie jest magiczną gwarancją. Silna skośność, rzadkie ekstremalne wartości lub mieszanina populacji mogą wymagać większej próby. Obejrzyj histogram, wykres wartości i proces generowania danych, zamiast polegać wyłącznie na liczebności.
Dane binarne, liczniki i proporcje mają osobne wersje testów Z z innym błędem standardowym. Wpisanie proporcji jako średniej do tego kalkulatora może pominąć warunki przybliżenia dwumianowego. Ta strona liczy jednopróbkowy test średniej z podanym σ.
Niezależność nie oznacza jedynie różnych numerów w arkuszu
Pomiary z tej samej maszyny co minutę mogą być autokorelacyjne, a uczniowie z jednej klasy podobniejsi do siebie niż losowe osoby. Traktowanie 64 powiązanych obserwacji jak 64 niezależnych zwykle zaniża błąd standardowy i wartość p.
W badaniu z doborem bez zwracania z niewielkiej skończonej populacji czasem stosuje się poprawkę na skończoną populację. W doświadczeniach klastrowych używa się efektu planu lub modelu wielopoziomowego. Prosty test Z nie ma pól na te korekty.
Powtórzenia techniczne tego samego materiału zwiększają dokładność pomiaru, lecz niekoniecznie biologiczną lub społeczną liczebność próby. Jednostkę niezależną trzeba zdefiniować merytorycznie przed wpisaniem n.
Wniosek statystyczny nie zastępuje oceny wielkości i znaczenia efektu
Próg alfa jest regułą decyzji ustaloną przed analizą
Poziom α określa tolerowane prawdopodobieństwo odrzucenia H₀ w sytuacji, gdy model zerowy jest prawdziwy, przy powtarzaniu tej samej procedury. Typowe 0,05 jest konwencją, nie prawem natury. Konsekwencje błędu mogą uzasadniać inny próg.
Wynik p=0,049 i p=0,051 dostarcza niemal tej samej informacji, choć decyzje względem progu 0,05 są różne. Nie opisuj pierwszego jako przełomu, a drugiego jako braku jakiegokolwiek sygnału. Podaj dokładne p oraz oszacowanie efektu z niepewnością.
Zmiana alfa po zobaczeniu p niszczy sens wcześniej określonej częstości błędu. Jeżeli analiza jest eksploracyjna, nazwij ją tak i potraktuj jako podstawę do niezależnego potwierdzenia, zamiast udawać test zaplanowany z góry.
Różnica dwóch jednostek może być ważna lub nieistotna praktycznie
Test mówi o zgodności danych z μ₀, a nie o znaczeniu różnicy 102−100=2. Dwa gramy mogą być krytyczne w dawkowaniu, lecz obojętne w dużym opakowaniu. Próg praktycznej różnicy powinien wynikać z dziedziny zastosowania.
Przy bardzo dużym n nawet drobna różnica może dać małe p. Przy małym n ważny efekt może pozostać nieistotny z powodu szerokiej niepewności. Dlatego warto raportować różnicę w naturalnej jednostce oraz przedział ufności średniej.
Dla znanego σ dwustronny 95-procentowy przedział ma postać x̄±1,96·σ/√n. W przykładzie to około 102±3,675, czyli 98,325–105,675. Punkt 100 mieści się w przedziale, zgodnie z dwustronnym p większym od 0,05.
Pełny raport podaje z, p, alternatywę i źródło σ
Czytelny zapis może brzmieć: „Jednopróbkowy dwustronny test Z, x̄=102, μ₀=100, znane σ=15, n=64, z=1,067, p=0,286; przy α=0,05 nie odrzucono H₀”. Taki wynik można odtworzyć bez zgadywania strony testu.
Dodaj sposób doboru próby, jednostkę pomiaru i uzasadnienie znanego σ. Jeśli przeprowadzono wiele testów, opisz kontrolę wielokrotności. Dwadzieścia niezależnych testów przy α=0,05 tworzy znacznie większą szansę co najmniej jednego przypadkowego małego p.
Nie ograniczaj podsumowania do słowa „istotne” lub „nieistotne”. Pokaż różnicę, przedział, kontekst praktyczny i najważniejsze odstępstwa od planu. Test Z jest jednym elementem argumentu, a nie automatyczną odpowiedzią na jakość badania.
Najczęstsze pytania
Czy p=0,2861 potwierdza, że μ=100?
Nie. Oznacza brak podstaw do odrzucenia H₀ przy typowym progu, a nie dowód dokładnej równości.
Kiedy wybrać test prawostronny?
Gdy jeszcze przed analizą pytanie i hipoteza alternatywna dotyczą wyłącznie μ>μ₀.
Czy stronę testu można dobrać po zobaczeniu średniej?
Nie. Taki wybór zaniża wartość p i narusza wcześniej określoną procedurę.
Czy do pola σ wpisuje się odchylenie z aktualnej próby?
Klasyczny test Z zakłada znane odchylenie populacji. Gdy używasz s z tej samej próby, zwykle właściwy jest test t.
Dlaczego błąd standardowy dzieli się przez √n?
Wariancja średniej niezależnych obserwacji wynosi σ²/n, więc jej odchylenie standardowe to σ/√n.
Czy n=30 zawsze wystarcza do testu Z?
Nie. Potrzebne są też niezależność, odpowiedni dobór próby i rozkład średniej niewrażliwy na skrajne ogony.
Co oznacza α=0,05?
To ustalony przed analizą próg reguły decyzji, kontrolujący częstość błędu pierwszego rodzaju w ramach założeń testu.
Co raportować oprócz wartości p?
Średnią, μ₀, różnicę, znane σ i jego źródło, n, z, stronę testu, alfa, przedział ufności oraz kontekst praktyczny.
Źródła i dalsza lektura
- OpenStax. (n.d.). Hypothesis Testing: mean with known population standard deviation.
- OpenStax. (n.d.). Distribution Needed for Hypothesis Testing.
- NIST/SEMATECH. (n.d.). e-Handbook of Statistical Methods.