Calculateur de Test Z

Effectue des tests Z a un echantillon pour moyenne avec ecart-type population connu ou proportion unique

Tags associés
Math 176 Écart-type 12 Valeur p 10

Exemples de résultats

1 Exemples

Executer un test Z de moyenne

Teste si une moyenne echantillon de 105 differe dune moyenne hypothese de 100

{
  "result": {
    "zStatistic": 2.6667,
    "pValue": 0.0077,
    "rejectNull": true
  }
}
Voir paramètres d'entrée
{ "testType": "mean", "sampleMean": 105, "hypothesizedMean": 100, "populationStandardDeviation": 15, "sampleSize": 64, "successCount": 60, "trialCount": 100, "hypothesizedProportion": 0.5, "alternative": "two-sided", "alpha": 0.05, "decimalPlaces": 4 }

Points clés

Catégorie
Maths, dates et finance
Types d’entrée
select, number
Type de sortie
json
Couverture des échantillons
4
API disponible
Yes

Vue d’ensemble

Le Calculateur de Test Z est un outil statistique conçu pour effectuer des tests Z à un échantillon. Il permet d'évaluer si la moyenne d'un échantillon diffère significativement d'une moyenne hypothétique (lorsque l'écart-type de la population est connu) ou de comparer une proportion d'échantillon à une proportion théorique. Obtenez instantanément la statistique Z, la valeur p et la décision de rejet de l'hypothèse nulle pour vos analyses de données.

Quand l’utiliser

  • •Lorsque vous connaissez l'écart-type de la population et souhaitez tester la moyenne d'un grand échantillon.
  • •Pour vérifier si la proportion d'un événement dans un échantillon correspond à une proportion théorique attendue.
  • •Pour valider des hypothèses statistiques bilatérales ou unilatérales avec un seuil de signification (alpha) personnalisé.

Comment ça marche

  • •Sélectionnez le type de test souhaité : test sur une moyenne ou test sur une proportion.
  • •Saisissez les données de votre échantillon (moyenne, taille, ou nombre de succès) et les paramètres de l'hypothèse (moyenne ou proportion attendue).
  • •Définissez l'hypothèse alternative (bilatérale, supérieure ou inférieure) et le niveau de signification (alpha).
  • •Consultez les résultats générés au format JSON, incluant le score Z, la valeur p (p-value) et la conclusion sur le rejet de l'hypothèse nulle.

Cas d’usage

Contrôle qualité en usine pour vérifier si le poids moyen des produits correspond à la norme, en connaissant l'écart-type historique.
Analyse marketing pour déterminer si le taux de conversion d'une nouvelle campagne dépasse significativement l'objectif fixé.
Recherche académique nécessitant la validation d'une hypothèse sur une proportion de population à partir de données d'enquête.

Exemples

1. Test de moyenne pour le contrôle qualité

Ingénieur Qualité
Contexte
Une usine produit des pièces dont le poids historique a un écart-type de 15g. Un échantillon de 64 pièces donne un poids moyen de 105g.
Problème
Vérifier si le poids moyen actuel diffère significativement de la cible de 100g.
Comment l’utiliser
Sélectionnez le test de 'Moyenne', entrez 105 pour la moyenne de l'échantillon, 100 pour l'hypothèse, 15 pour l'écart-type et 64 pour la taille.
Configuration d’exemple
testType: mean, sampleMean: 105, hypothesizedMean: 100, populationStandardDeviation: 15, sampleSize: 64, alternative: two-sided, alpha: 0.05
Résultat
Le calculateur renvoie un score Z de 2.6667 et une valeur p de 0.0077. L'hypothèse nulle est rejetée (rejectNull: true), indiquant une déviation significative du poids.

2. Évaluation d'un taux de conversion

Analyste Marketing
Contexte
Une entreprise espère qu'au moins 50% des visiteurs cliquent sur un nouveau bouton. Sur 100 essais, 60 succès ont été enregistrés.
Problème
Déterminer si la proportion de clics est statistiquement supérieure à 50%.
Comment l’utiliser
Choisissez le test de 'Proportion', saisissez 60 succès sur 100 essais, une proportion hypothétique de 0.5, et une hypothèse alternative 'Supérieur à'.
Configuration d’exemple
testType: proportion, successCount: 60, trialCount: 100, hypothesizedProportion: 0.5, alternative: greater, alpha: 0.05
Résultat
Le test calcule la statistique Z et la valeur p correspondante, confirmant statistiquement si le taux de conversion de 60% est significativement supérieur à l'objectif de 50%.

Tester avec des échantillons

barcode
Exemples de Normalisation des Espaces Blancs
Fichiers texte d'échantillon avec divers problèmes d'espaces blancs pour tester les outils de normalisation
task process
sample
Exemples d'Analyse de Journaux Nginx
Échantillons complets de journaux Nginx pour tester l'outil log-parser, incluant divers formats et scénarios de journaux d'accès et d'erreur
task process
sample
Exemples d'Analyse de Logs ELK Stack
Exemples complets ELK Stack pour agrégation, traitement et visualisation de logs dans les systèmes distribués
task process
sample
Groupes de Capture Nommés Regex
Collection de modèles regex utilisant des groupes de capture nommés pour extraire des données structurées du texte. Les groupes nommés rendent les modèles plus lisibles et maintenables en assignant des noms significatifs aux parties capturées.
task process
sample

Hubs associés

Outils de codes-barres, QR et etiquettes
Regroupe dans un meme hub les outils de generation de codes-barres, creation et decodage QR, validation UPC/EAN, partage WiFi par QR et etiquettes imprimables.

FAQ

Quelle est la différence entre un test Z et un test T ?

Le test Z est utilisé lorsque l'écart-type de la population est connu ou que la taille de l'échantillon est grande. Le test T s'utilise quand l'écart-type de la population est inconnu et doit être estimé à partir de l'échantillon.

Que signifie la valeur p (p-value) ?

La valeur p indique la probabilité d'obtenir des résultats au moins aussi extrêmes que ceux observés, en supposant que l'hypothèse nulle est vraie. Une valeur p inférieure à votre seuil alpha entraîne le rejet de l'hypothèse nulle.

Puis-je effectuer un test unilatéral avec cet outil ?

Oui, vous pouvez choisir une hypothèse alternative 'Supérieur à' ou 'Inférieur à' dans les paramètres du test pour effectuer une analyse unilatérale.

Qu'est-ce que le niveau alpha ?

Alpha est le seuil de signification (généralement fixé à 0,05). Il représente le risque acceptable de rejeter à tort l'hypothèse nulle (erreur de type I).

Comment interpréter le résultat 'rejectNull' ?

Si 'rejectNull' est vrai (true), cela signifie que les données fournissent des preuves statistiques suffisantes pour rejeter l'hypothèse nulle au niveau de signification choisi.

Documentation de l'API

Point de terminaison de la requête

POST /fr/api/tools/z-test-calculator

Paramètres de la requête

Nom du paramètre Type Requis Description
testType select Non -
sampleMean number Non -
hypothesizedMean number Non -
populationStandardDeviation number Non -
sampleSize number Non -
successCount number Non -
trialCount number Non -
hypothesizedProportion number Non -
alternative select Non -
alpha number Non -
decimalPlaces number Non -

Format de réponse

{
  "key": {...},
  "metadata": {
    "key": "value"
  },
  "error": "Error message (optional)",
  "message": "Notification message (optional)"
}
Données JSON: Données JSON

Documentation de MCP

Ajoutez cet outil à votre configuration de serveur MCP: 

{
  "mcpServers": {
    "elysiatools-z-test-calculator": {
      "name": "z-test-calculator",
      "description": "Effectue des tests Z a un echantillon pour moyenne avec ecart-type population connu ou proportion unique",
      "baseUrl": "https://elysiatools.com/mcp/sse?toolId=z-test-calculator",
      "command": "",
      "args": [],
      "env": {},
      "isActive": true,
      "type": "sse"
    }
  }
}

Vous pouvez chaîner plusieurs outils, par ex.: `https://elysiatools.com/mcp/sse?toolId=png-to-webp,jpg-to-webp,gif-to-webp`, max 20 outils.

Si vous rencontrez des problèmes, veuillez nous contacter à [email protected]