Z检验：修订间差异

删除的内容添加的内容

行内

2023年3月9日 (四) 01:51的最新版本

Z检验，也称“U检验”，是为了检验在零假设情况下测试数据能否可以接近正态分布的一种统计测试。根据中心极限定理，在大样本条件下许多测验可以被贴合为正态分布。在不同的显著性水平上，Z检验有着同一个临界值，因此它比临界值标准不同的司徒頓t檢定更简单易用。当实际标准差未知，而样本容量较小（小于等于30）时，司徒頓t檢定更加适用。

如果发现一个统计T接近于正态分配，Z检验的第二步为在零假设情况下估计T的期望值θ ，随后获得T的标准差s。在计算标准分数Z=(T-θ)/s后，单侧或双侧的p值可以用标准累积分布函数Φ来计算，分别为Φ(−Z)（左侧） Φ(Z)（右侧）和 2Φ(−|Z|) （双侧）。

这是一篇关于数学的小作品。您可以通过编辑或修订扩充其内容。

@@ 第1行： / 第1行： @@
 {{unreferenced|time=2017-02-18T07:06:25+00:00}}
+{{noteTa
-'''Z检验'''，也称“U检验”，是为了检验在[[零假设]]情况下测试数据能否可以接近[[正态分布]]的一种统计测试。根据[[中心极限定理]]，在大样本条件下许多测验可以被贴合为正态分布。在不同的显著性水平上，Z检验有着同一个临界值，因此它比临界值标准不同[[学生t检验]]更简单易用。当实际标准差未知，而样本容量较小（小于等于30）时，学生T检验更加适用。
+|G1=Math
+|T=zh-cn:Z检验; zh-tw:Z檢定;
-如果发现一个统计T接近于正态分布，Z检验的第二步为在零假设情况下估计T的[[期望值]]θ ，随后获得T的[[标准差]]s。在计算[[标准分数]]Z=(T-θ)/s后，单侧或双侧的p值可以用标准[[累积分布函数]]Φ来计算，分别为Φ(−Z)（上侧） Φ(Z)（下侧）和 2Φ(−|Z|) （双侧）。
+|1= zh-cn:参数; zh-tw:母數;zh-hant:母數
+|2= zh-cn:水平; zh-tw:水準
+|3= zh-cn:学生t检验; zh-tw:司徒頓t檢定
+|4= zh-cn:检验; zh-tw:檢定
+|5= zh-cn:零假设; zh-tw:虛無假說
+}}
+'''Z检验'''，也称“U检验”，是为了检验在[[零假设]]情况下测试数据能否可以接近[[正态分布]]的一种统计测试。根据[[中心极限定理]]，在大样本条件下许多测验可以被贴合为正态分布。在不同的显著性水平上，Z检验有着同一个临界值，因此它比临界值标准不同的[[司徒頓t檢定]]更简单易用。当实际标准差未知，而样本容量较小（小于等于30）时，司徒頓t檢定更加适用。
+如果发现一个统计T接近于正态分配，Z检验的第二步为在零假设情况下估计T的[[期望值]]θ ，随后获得T的[[标准差]]s。在计算[[标准分数]]Z=(T-θ)/s后，单侧或双侧的p值可以用标准[[累积分布函数]]Φ来计算，分别为Φ(−Z)（左侧） Φ(Z)（右侧）和 2Φ(−|Z|) （双侧）。
+{{統計學}}
 {{math-stub}}