Z 检验计算器：假设检验

Z 检验是一种统计假设检验，使用标准正态（Z）分布来评估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 检验假定总体标准差已知，并且总体服从正态分布，或样本量足够大以适用中心极限定理（通常 n ≥ 30）。 单样本 Z 检验将一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 是假设总体均值，σ 是总体标准差，n 是样本量。较大的 Z 值绝对值表示样本均值远离假设均值，随机出现这种结果的可能性较低。 双样本 Z 检验在两个组的总体标准差均已知时，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备择假设的方向。双尾检验（H₁: μ ≠ μ₀）检验任意方向的差异。右尾检验（H₁: μ > μ₀）检验样本均值是否显著大于假设值。左尾检验（H₁: μ < μ₀）检验样本均值是否显著小于假设值。 p 值是在原假设为真的前提下，获得与观测 Z 分数一样极端或更极端的检验统计量的概率。如果 p 值小于显著性水平 α（常用 0.05），则拒绝原假设。临界 Z 值是 Z 统计量必须超过才能拒绝 H₀ 的阈值。 Z 检验不同于 t 检验。当总体标准差未知且必须由样本估计时，应使用 t 检验。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，始终优先使用 t 检验。 常见应用包括检验新的制造流程是否达到质量标准、临床干预是否改变健康结果、某个网站版本是否与另一个版本有不同的转化率，以及两个教育项目是否产生不同的学生表现结果。