关键信息
- 分类
- 数学、日期与金融
- 输入类型
- number, select
- 输出类型
- json
- 样本覆盖
- 4
- 支持 API
- Yes
概览
双比例 Z 检验计算器是一款专为比较两个独立样本比例差异而设计的统计工具。通过输入两组数据的成功次数和试验总数，结合自定义的显著性水平和备择假设，该工具能快速计算出 Z 统计量、P 值以及比例差异，帮助用户在 A/B 测试、转化率分析等场景中做出科学的数据驱动决策。
适用场景
- •需要评估两个独立样本的转化率或成功率是否存在显著差异时。
- •在进行 A/B 测试后，验证新方案是否比旧方案带来实质性提升时。
- •撰写市场调研报告或学术论文，需要提供严谨的统计学 P 值和 Z 统计量支持时。
工作原理
- •输入第 1 组和第 2 组的成功次数与试验总数。
- •根据需求设置假设差异、备择假设（双侧、大于或小于）以及显著性水平（如 0.05）。
- •工具将使用合并比例公式自动计算两组的实际比例、比例差异、Z 统计量和 P 值。
- •最终输出结构化的 JSON 结果，并明确给出是否拒绝原假设的结论。
使用场景
电商平台的 A/B 测试分析，比较两个不同落地页的购买转化率。
医疗临床试验，评估两种不同治疗方案的治愈率差异。
市场营销活动复盘，对比不同广告渠道的点击率（CTR）表现。
用户案例
1. 电商落地页 A/B 测试转化率对比
数据分析师- 背景原因
- 团队测试了两个版本的商品详情页。旧版（第 2 组）有 1000 次访问，450 次购买；新版（第 1 组）有 1000 次访问，600 次购买。
- 解决问题
- 需要验证新版页面的转化率提升是否具有统计学显著性。
- 如何使用
- 将第 1 组成功次数设为 600，试验总数 1000；第 2 组成功次数设为 450，试验总数 1000。备择假设选择“双侧”，显著性水平保持 0.05。
- 示例配置
-
{ "group1Successes": 600, "group1Trials": 1000, "group2Successes": 450, "group2Trials": 1000, "alternative": "two-sided", "alpha": 0.05 } - 效果
- 计算得出第 1 组比例为 0.6，第 2 组为 0.45，P 值远小于 0.05，结论为拒绝原假设，证明新版页面转化率显著提升。
2. 广告渠道点击率（CTR）评估
营销优化师- 背景原因
- 在两个不同的广告平台投放了相同的素材。平台 A 展现 5000 次，点击 120 次；平台 B 展现 5500 次，点击 150 次。
- 解决问题
- 判断平台 B 的点击率是否显著高于平台 A。
- 如何使用
- 输入平台 B 数据作为第 1 组（成功 150，总数 5500），平台 A 作为第 2 组（成功 120，总数 5000）。备择假设选择“大于”。
- 示例配置
-
{ "group1Successes": 150, "group1Trials": 5500, "group2Successes": 120, "group2Trials": 5000, "alternative": "greater", "alpha": 0.05 } - 效果
- 工具输出两组的实际点击率及 Z 统计量，P 值结果帮助优化师决定是否将预算倾斜至平台 B。
用 Samples 测试
math-&-numbersTest Pyramid Examples - 测试策略指导
全面的测试金字塔实现示例，包括单元测试、集成测试、端到端测试、测试组织和平衡软件质量保证的战略测试模式
keywords test,rate
零信任架构示例
全面的零信任架构示例，包含身份验证、网络分段、微隔离策略和安全访问控制
keywords two,rate
Nginx 日志解析示例
用于测试 log-parser 工具的综合 Nginx 日志样本，包括访问日志和错误日志的各种格式和场景
task process
ELK Stack 日志分析示例
全面的 ELK Stack（Elasticsearch、Logstash、Kibana）示例，用于分布式系统中的日志聚合、处理和可视化
task process
常见问题
什么是双比例 Z 检验？
双比例 Z 检验是一种统计方法，用于判断两个独立人群或样本中某一特征的比例是否存在显著差异。
备择假设中的“双侧”、“大于”和“小于”有什么区别？
“双侧”用于检验两组比例是否不相等；“大于”或“小于”属于单侧检验，用于明确判断一组比例是否显著高于或低于另一组。
显著性水平（Alpha）通常设置多少？
在大多数商业和科学研究中，显著性水平通常设置为 0.05，意味着有 5% 的概率会错误地拒绝原假设。
试验总数有最低要求吗？
为了保证 Z 检验的准确性，通常建议每组的成功次数和失败次数都应大于或等于 5。
计算结果中的 P 值代表什么？
P 值表示在原假设成立的前提下，观察到当前数据差异或更极端情况的概率。P 值越小，说明两组比例存在显著差异的证据越强。