单样本 z 检验

当总体标准差已知(来自以往研究或历史数据)时,单样本 z 检验将样本均值与假设均值进行比较。数据应为连续、随机且相互独立的,并且服从正态分布,或样本量大于 20 且没有严重偏斜。如果标准差未知,请使用单样本 t 检验。输出包括 z 统计量、p 值和置信区间。

最后审阅

核心要点

当总体标准差已知时,单样本 z 检验利用标准正态分布判断样本均值与假设的总体均值是否存在显著差异。

本页内容
  1. 什么是单样本 z 检验?
  2. 何时使用单样本 z 检验?
    1. 使用单样本 z 检验的条件:
  3. 正确使用单样本 z 检验的指南
  4. 替代方法:何时不宜使用单样本 z 检验
  5. 单样本 z 检验示例
  6. 如何进行单样本 z 检验
  7. 如何对汇总数据进行单样本 z 检验

什么是单样本 z 检验?

单样本 z 检验是推断统计中的一种基本方法,用于判断样本均值与已知的总体均值是否存在显著差异。这种参数检验适用于总体标准差已知、数据点相互独立,且数据服从正态分布或样本量足够大(大于 20,且数据没有严重偏斜)从而使样本均值近似服从正态分布的情形。它用途广泛,在假设检验中可用于单个样本、两个样本或比率。z 检验可根据数据的性质和所检验的假设分为左侧检验、右侧检验和双侧检验。该检验利用标准正态分布将样本均值与总体均值进行比较,以计算临界值。

单样本 z 检验评估样本均值是否显著大于、小于或不等于总体均值。原假设认为样本均值与总体均值之间没有显著差异。计算检验统计量并与临界值比较;如果它落入拒绝域,则拒绝原假设。

何时使用单样本 z 检验?

通常在只有一个样本、并希望将其与已知的总体值进行比较时使用。

使用单样本 z 检验的条件:

  1. 总体标准差已知:总体标准差(σ\sigmaσ)必须已知。
  2. 样本量:如果数据不服从正态分布,则样本量应大于 20,且数据不应严重偏斜。
  3. 正态分布:抽取样本的总体应服从正态分布,尤其是在样本量较小(20 或更少)时。不过,样本量较大时,z 检验对非正态性具有稳健性。
  4. 数据点相互独立:样本中的数据点必须相互独立。这意味着一个数据点的值不会影响另一个数据点的值。

以下是一些可能使用单样本 z 检验的场景:

  • 质量控制:某工厂生产小部件,您想知道小部件的重量是否符合客户的规格。此时,可以抽取一个小部件样本,测量其重量,并与客户的规格进行比较。
  • 医学研究:已开发出一种降血压的新药,您想知道它是否有效。可以抽取一组高血压患者作为样本,给他们服药,并在一段时间后测量其血压。然后可以将样本的平均血压与总体均值进行比较。
  • 顾客满意度:某公司想知道顾客对其产品是否满意。此时,公司可以随机抽取一个顾客样本,请他们按 1 到 10 的等级对满意度打分。然后公司可以将样本的平均满意度得分与总体均值进行比较。

正确使用单样本 z 检验的指南

  • 如果总体标准差已知,请使用单样本 z 检验
  • 使用连续数据进行分析,例如包装的重量
  • 计数数据请使用单样本泊松率,合格/不合格类数据请使用单比率
  • 样本量应大于 20,且数据不应严重偏斜
  • 随机选取样本数据,并确保每个观测值相互独立
  • 确定合适的样本量,以确保估计精确、置信区间较窄,并控制犯错风险。

替代方法:何时不宜使用单样本 z 检验

如果不知道总体的标准差,应使用 单样本 t 检验。

单样本 z 检验示例

某加工食品公司的一位科学家想评估公司瓶装酱汁的脂肪百分比。标示的百分比为 15%。这位科学家测量了 20 个随机样本的脂肪百分比。以往的测量发现总体标准差为 2.6%。科学家进行单样本 z 检验,以判断脂肪百分比是否与 15% 存在差异。步骤如下:

  1. 收集所需数据。
One sample z-test — figure 1
  1.  现在,在 Zometric Statistical Software 中分析数据,网址为 https://statsai.zometric.com/。
  2.  要找到单样本 z 检验,请选择 Statistical module> Graphical analysis> One sample z-test.
  3.  在工具中,按如下方式输入数据及其他输入项:
  4. 使用上述工具后,得到的输出如下:
One sample z-test — figure 2One sample z-test — figure 3One sample z-test — figure 4

如何进行单样本 z 检验

操作步骤如下:

  1. 登录 Zometric Statistical Software,网址为 https://statsai.zometric.com/
  2. 在首页选择 Statistical Tool> Graphical analysis >One sample z-test。
  3. 点击 One sample z-test,进入工具界面。
  4. 接下来,手动更新数据,或从 Excel 表格中完整复制(Ctrl+C)数据并粘贴(Ctrl+V)到此处。
  5. 接下来,需要填入置信水平、已知标准差和假设均值的值。
  6. 最后,点击页面底部的 calculate,即可得到所需结果。

在单样本 z 检验的工具界面中,窗口分为两个部分。

One sample z-test — figure 5

左侧是数据窗格(Data Pane)。在 Data Pane 中,每一行构成一个子组。可以手动输入数据,也可以从 Excel 表格中完整复制(Ctrl+C)数据并粘贴(Ctrl+V)到此处。

Load example: 将加载示例数据。

Load File: 用于直接加载 Excel 数据。

右侧提供以下选项:

  • Confidence level: 在假设检验中,置信水平表示我们对统计分析所具有的确定程度或信心水平。它是一个概率值,表示真实总体参数落在指定取值范围内的可能性。置信水平通常以百分比表示,记作 (1 - α),其中 α 为显著性水平,即拒绝一个为真的原假设的概率。例如,如果置信水平为 95%,则表示我们有 95% 的把握认为真实总体参数位于我们的区间估计之内,并且有 5% 的可能性犯第一类错误(拒绝一个为真的原假设)。从实际角度看,置信水平越高,意味着我们对统计分析及其结果越有信心。然而,提高置信水平也会使置信区间变宽,从而更难检测到较小的效应。因此,置信水平的选择取决于研究的背景和研究者的目标。
  • Known standard deviation: 总体标准差(σ),来自以往研究或历史数据,而不是由样本估计得到。检验统计量 z 的计算方法是:样本均值与假设均值之差,除以均值的标准误(σ 除以样本量的平方根),并与标准正态分布进行比较。
  • Hypothesized mean: 假设均值,也称为期望均值或总体均值,是原假设中指定的值,代表被检验变量的平均值。它是一个理论值,用于与实际样本均值比较,以判断差异在统计上是否显著,还是由偶然因素造成。
  • Alternative hypothesis: 在假设检验中,备择假设(也称为研究假设)是代表与原假设不同结论的陈述。原假设通常代表现状,或认为两个或多个组或变量之间没有显著差异或关系的假定。备择假设是被检验的陈述,它提出所研究的组或变量之间存在显著差异或关系。
  • Box Plot: 勾选后将提供箱线图,否则不提供。
  • Histogram: 勾选后将提供直方图,否则不提供。
  • Label:  用于设置数据标签,包含三个选项:
    • Outlier: 与其他数据值相距甚远的数据值,可能对您的结果产生很大影响。
    • All quartiles: 四分位数是将样本数据分成四等份的值。可快速评估数据集的离散程度和集中趋势。
    • Mean: 箱线图中的均值,用于提供有关数据集中趋势的额外信息。
    • Individual Data: 单个数据点是数据集中的一个观测值。
  • Download as Excel: 以 Excel 格式显示结果,该格式易于编辑,并可使用 load file 选项重新加载以进行计算。

如何对汇总数据进行单样本 z 检验

操作步骤如下:

  1. 登录 Zometric Statistical Software,网址为 https://statsai.zometric.com/
  2. 在首页选择 Statistical Tool> Graphical analysis >One sample z-test for summarized data
  3. 点击 One sample z-test for summarized data,进入工具界面。
  4. 接下来,手动更新数据,或从 Excel 表格中完整复制(Ctrl+C)数据并粘贴(Ctrl+V)到此处。
  5. 接下来,需要填入样本量、样本均值、已知标准差、假设均值和置信水平的值。
  6. 最后,点击页面底部的 calculate,即可得到所需结果。

在汇总数据单样本 z 检验的工具界面中,窗口只有左侧部分。

Load File: 用于直接加载 Excel 数据。

One sample z-test — figure 6

此部分提供以下选项:

  • Sample size: 样本量是指从总体中选取、用于研究以得出关于整个总体的结论的个体、对象或事件的数量。换言之,它是研究中包含的观测值或参与者的数量。样本量的大小会对研究结果的准确性和可靠性产生重大影响。较大的样本量通常能更具代表性地反映总体,并有助于降低随机抽样误差的影响。因此,在开展研究之前确定合适的样本量非常重要,以确保结果在统计上有效且可靠。
  • Sample mean: 样本均值是从较大总体中选取的一组观测值或数据点的平均值。其计算方法是将样本中所有值相加,再除以观测值的个数。样本均值常用作总体均值(即整个总体的平均值)的估计量。
  • Confidence level: 在假设检验中,置信水平表示我们对统计分析所具有的确定程度或信心水平。它是一个概率值,表示真实总体参数落在指定取值范围内的可能性。置信水平通常以百分比表示,记作 (1 - α),其中 α 为显著性水平,即拒绝一个为真的原假设的概率。例如,如果置信水平为 95%,则表示我们有 95% 的把握认为真实总体参数位于我们的区间估计之内,并且有 5% 的可能性犯第一类错误(拒绝一个为真的原假设)。从实际角度看,置信水平越高,意味着我们对统计分析及其结果越有信心。然而,提高置信水平也会使置信区间变宽,从而更难检测到较小的效应。因此,置信水平的选择取决于研究的背景和研究者的目标。
  • Known standard deviation: 总体标准差(σ),来自以往研究或历史数据,而不是由样本估计得到。检验统计量 z 的计算方法是:样本均值与假设均值之差,除以均值的标准误(σ 除以样本量的平方根),并与标准正态分布进行比较。
  • Hypothesized mean: 假设均值,也称为期望均值或总体均值,是原假设中指定的值,代表被检验变量的平均值。它是一个理论值,用于与实际样本均值比较,以判断差异在统计上是否显著,还是由偶然因素造成。
  • Alternative hypothesis: 在假设检验中,备择假设(也称为研究假设)是代表与原假设不同结论的陈述。原假设通常代表现状,或认为两个或多个组或变量之间没有显著差异或关系的假定。备择假设是被检验的陈述,它提出所研究的组或变量之间存在显著差异或关系。
  • Download as Excel: 以 Excel 格式显示结果,该格式易于编辑,并可使用 load file. 选项重新加载以进行计算。

常见问题

什么是单样本 z 检验?

当总体标准差已知时,单样本 z 检验用于判断样本均值与已知的总体均值是否存在显著差异。z 统计量等于样本均值与假设均值之差除以标准误,即 σ 除以样本量的平方根。它可以作为左侧检验、右侧检验或双侧检验进行。

单样本 z 检验的条件是什么?

总体标准差必须已知,数据点必须相互独立、连续并且是随机抽样得到的。数据应服从正态分布,尤其是在样本量为 20 或更少时;如果数据不服从正态分布,则样本量应大于 20 且数据不应严重偏斜,以使样本均值近似服从正态分布。

单样本 z 检验与 t 检验有什么区别?

总体标准差已知时使用 z 检验。如果总体标准差未知、必须由样本估计,则改用单样本 t 检验。计数数据使用单样本泊松率检验,合格/不合格数据使用单比率。

如何在 Zometric Statistical Software 中进行单样本 z 检验?

打开单样本 z 检验工具,输入或粘贴数据,然后设置置信水平、已知标准差、假设均值和备择假设,并点击 Calculate。汇总数据版本则接受样本量、样本均值、已知标准差、假设均值和置信水平,而不是原始数据。