Z 検定

この記事では、統計における Z 検定とは何か、またその用途について説明します。したがって、Z 検定の実行方法、さまざまな Z 検定の公式、そして最後に、Z 検定と他の統計検定の違いを理解することができます。

Z テストとは何ですか?

統計学におけるZ 検定は、検定統計量が正規分布に従う場合に使用される仮説検定です。 Z 検定から得られる統計量は、Z 統計量または Z 値と呼ばれます。

Z 検定の式は常に同じです。より正確には、Z 検定の統計量は、計算されたサンプル値と提案された母集団の値の差を母集団パラメーターの標準偏差で割ったものに等しくなります。

Z=\cfrac{\widehat{X}-X}{\sigma_{_X}}

Z 検定は、検定統計量が正規分布に従う仮説検定の帰無仮説を棄却または受け入れるために使用されます。

たとえば、Z 検定は、母集団の分散がわかっている場合に、母集団の平均値に関する仮説を棄却または受け入れるために、平均の仮説を検定するために使用されます。

Z テストの種類

仮説検定が実行されるパラメーターに応じて、さまざまなタイプの Z 検定を区別できます。

  • 平均値の Z 検定。
  • 比率の Z 検定。
  • 平均の差の Z 検定。
  • 比率の差についての Z 検定。

以下に、Z テストの各タイプの式を示します。

平均値の Z 検定

平均値の Z 検定式は次のとおりです。

\displaystyle Z=\frac{\overline{x}-\mu}{\displaystyle \frac{\sigma}{\sqrt{n}}}

金:

  • Z

    は、平均値の Z 検定統計量です。

  • \overline{x}

    はサンプル平均です。

  • \mu

    は提案された平均値です。

  • \sigma

    は母集団の標準偏差です。

  • n

    はサンプルサイズです。

平均の仮説検定統計量が計算されると、その結果は帰無仮説を棄却または棄却すると解釈される必要があります。

  • 平均値の仮説検定が両側である場合、統計量の絶対値が臨界値 Z α/2より大きい場合、帰無仮説は棄却されます。
  • 平均の仮説検定が右裾に一致する場合、統計量が臨界値 Z αより大きい場合、帰無仮説は棄却されます。
  • 平均の仮説検定が左裾に一致する場合、統計量が臨界値 -Z αより小さい場合、帰無仮説は棄却されます。

\begin{array}{l}H_1: \mu\neq \mu_0 \ \color{orange}\bm{\longrightarrow}\color{black} \ \text{Si } |Z|>Z_{\alpha/2} \text{ se rechaza } H_0\\[3ex]H_1: \mu> \mu_0 \ \color{orange}\bm{\longrightarrow}\color{black} \ \text{Si } Z>Z_{\alpha} \text{ se rechaza } H_0\\[3ex]H_1: \mu< \mu_0 \ \color{orange}\bm{\longrightarrow}\color{black} \ \text{Si } Z<-Z_{\alpha} \text{ se rechaza } H_0\end{array}

Z 検定の臨界値は標準正規分布表から得られます。

比率の Z 検定

比率の Z 検定式は次のとおりです。

\displaystyle Z=\frac{\widehat{p}-p}{\displaystyle\sqrt{\frac{p(1-p)}{n}}}

金:

  • Z

    は割合の Z 検定統計量です。

  • \widehat{p}

    はサンプルの割合です。

  • p

    提案された比率の値です。

  • n

    はサンプルサイズです。

  • \displaystyle\sqrt{\frac{p(1-p)}{n}}

    は比率の標準偏差です。

比率の Z 検定統計量を計算するだけでは十分ではなく、得られた結果を解釈する必要があることに注意してください。

  • 比率の仮説検定が両側である場合、統計量の絶対値が臨界値 Z α/2より大きい場合、帰無仮説は棄却されます。
  • 比率の仮説検定が右裾に一致する場合、統計量が臨界値 Z αより大きい場合、帰無仮説は棄却されます。
  • 割合の仮説検定が左裾に一致する場合、統計量が臨界値 -Z αより小さい場合、帰無仮説は棄却されます。

\begin{array}{l}H_1: p\neq p_0 \ \color{orange}\bm{\longrightarrow}\color{black} \ \text{Si } |Z|>Z_{\alpha/2} \text{ se rechaza } H_0\\[3ex]H_1: p> p_0 \ \color{orange}\bm{\longrightarrow}\color{black} \ \text{Si } Z>Z_{\alpha} \text{ se rechaza } H_0\\[3ex]H_1: p< p_0 \ \color{orange}\bm{\longrightarrow}\color{black} \ \text{Si } Z<-Z_{\alpha} \text{ se rechaza } H_0\end{array}

平均値の差の Z 検定

平均の差の Z 検定統計量を計算する式は次のとおりです。

\displaystyle Z=\frac{\displaystyle (\overline{x_1}-\overline{x_2})-(\mu_1-\mu_2)}{\displaystyle\sqrt{\frac{\sigma_1^2}{n_1}+\frac{\sigma_2^2}{n_2}}}

金:

  • Z

    は、既知の分散を持つ 2 つの平均の差の Z 検定統計量であり、標準正規分布に従います。

  • \mu_1

    は母集団 1 の平均です。

  • \mu_2

    は母集団 2 の平均です。

  • \overline{x_1}

    はサンプル 1 の平均です。

  • \overline{x_2}

    はサンプル 2 の平均です。

  • \sigma_1

    は母集団 1 の標準偏差です。

  • \sigma_2

    は母集団 2 の標準偏差です。

  • n_1

    サンプルサイズは1です。

  • n_2

    サンプルサイズは2です。

比率の差の Z 検定

2 つの母集団の比率の差に関する Z 検定統計量を計算する式は次のとおりです。

\displaystyle Z=\frac{\displaystyle (\widehat{p_1}-\widehat{p_2})-(p_1-p_2)}{\displaystyle \sqrt{p_0(1-p_0)\left(\frac{1}{n_1}+\frac{1}{n_2}\right)}}

金:

  • Z

    は、比率の差を表す Z 検定統計量です。

  • p_1

    は人口 1 の割合です。

  • p_2

    は人口2の割合です。

  • \widehat{p_1}

    はサンプル 1 の割合です。

  • \widehat{p_2}

    サンプル比率 2 です。

  • n_1

    サンプルサイズは1です。

  • n_2

    サンプルサイズは2です。

  • p_0

    は 2 つのサンプルを合わせた比率です。

2 つのサンプルの合計比率は次のように計算されます。

p_0=\cfrac{x_1+x_2}{n_1+n_2}

x_i

サンプル iy 内の結果の数です。

n_i

はサンプルサイズ i です。

Z テストのやり方

さまざまな Z テストの公式が何であるかを理解したので、次は Z テストを実行する方法を見てみましょう。

Z テストを実行する手順は次のとおりです。

  1. 仮説検定の帰無仮説と対立仮説を定義します。
  2. 仮説検定のアルファ (α) 有意水準を決定します。
  3. Z テストを使用するための要件が満たされていることを確認します。
  4. 対応する Z 検定式を適用し、検定統計量を計算します。
  5. Z テストの結果を臨界テスト値と比較して解釈します。

Z 検定と t 検定

最後に、Z 検定と t 検定の違いについて説明します。これらは統計学で最もよく使用される 2 種類の仮説検定であるためです。

t 検定はスチューデントの t 検定とも呼ばれ、調査対象の母集団が正規分布に従っているが、サンプル サイズが小さすぎて母集団の分散を知ることができない場合に使用される仮説検定です。

したがって、 Z 検定と t 検定の主な違いは、分散が既知であるかどうかです。母集団分散が既知の場合は Z 検定が使用され、母集団分散が不明な場合は t 検定が使用されます。

参照: t 検定 (統計)

コメントを追加する

メールアドレスが公開されることはありません。 が付いている欄は必須項目です