Elysia Tools
导航
Math & Numbers
执行总体标准差已知的单样本均值 Z 检验，或单总体比例 Z 检验
执行
填写表单、运行工具，并在同一页面查看结果。
案例
相关内容
等待运行
工具使用指南
Z 检验计算器是一款专业的统计分析工具，专为执行总体标准差已知的单样本均值 Z 检验或单总体比例 Z 检验而设计。通过输入样本数据、假设参数和显著性水平，该工具能快速计算出 Z 统计量和 P 值，并直接给出是否拒绝原假设的结论，帮助研究人员、数据分析师和质量控制人员高效完成假设检验与统计推断。
背景
工厂生产一种标准重量为 100g 的零件，历史数据显示总体标准差为 15g。最近抽检了 64 个零件，测得平均重量为 105g。
问题
需要确认这批抽检零件的平均重量是否显著偏离标准重量 100g。
如何使用
选择“均值”检验类型，输入样本均值 105，假设均值 100，总体标准差 15，样本量 64，选择“双侧”检验，显著性水平设为 0.05。
{"testType": "mean", "sampleMean": 105, "hypothesizedMean": 100, "populationStandardDeviation": 15, "sampleSize": 64, "alternative": "two-sided", "alpha": 0.05}结果
计算得出 Z 统计量为 2.6667，P 值为 0.0077。由于 P 值小于 0.05，结果显示拒绝原假设（rejectNull: true），说明该批次零件重量存在显著偏差。
背景
某电商平台历史平均转化率为 50%。近期推出了一项新营销活动，在 100 次用户访问中，有 60 次成功转化。
问题
评估新活动的转化率是否显著高于历史平均水平（50%）。
如何使用
选择“比例”检验类型，输入成功次数 60，试验总数 100，假设比例 0.5，备择假设选择“大于”，显著性水平设为 0.05。
{"testType": "proportion", "successCount": 60, "trialCount": 100, "hypothesizedProportion": 0.5, "alternative": "greater", "alpha": 0.05}结果
Z 检验适用于总体标准差已知或样本量足够大（通常 n≥30）的情况；而 T 检验适用于总体标准差未知且样本量较小的情况。
显著性水平是拒绝原假设的概率阈值，通常设定为 0.05。如果计算出的 P 值小于该值，则认为结果具有统计学显著性。
如果只关心样本值是否大于或小于假设值，选择单侧（大于/小于）；如果关心是否不等于假设值（无论偏大还是偏小），则选择双侧检验。
需要输入试验总数、成功次数（或发生特定事件的次数）以及假设的总体比例。
代表计算出的 P 值小于设定的显著性水平，因此拒绝原假设，说明样本数据与假设值之间存在显著差异。
工具计算出 Z 统计量为 2.0000，单侧 P 值为 0.0228。P 值小于 0.05，拒绝原假设，证明新营销活动确实显著提升了转化率。