- 統計教程
- 首頁
- 調整 R 方
- 方差分析
- 算術平均數
- 算術中位數
- 算術眾數
- 算術極差
- 條形圖
- 最佳點估計
- 貝塔分佈
- 二項分佈
- 布萊克-斯科爾斯模型
- 箱線圖
- 中心極限定理
- 切比雪夫定理
- 卡方分佈
- 卡方表
- 圓排列
- 整群抽樣
- 科恩 Kappa 係數
- 組合
- 有放回組合
- 比較圖表
- 連續均勻分佈
- 連續數列算術平均數
- 連續數列算術中位數
- 連續數列算術眾數
- 累積頻率
- 變異係數
- 相關係數
- 累積圖
- 累積泊松分佈
- 資料收集
- 資料收集 - 問卷設計
- 資料收集 - 觀察法
- 資料收集 - 案例研究法
- 資料模式
- 十分位數統計
- 離散數列算術平均數
- 離散數列算術中位數
- 離散數列算術眾數
- 點圖
- 指數分佈
- F 分佈
- F 檢驗表
- 階乘
- 頻數分佈
- 伽馬分佈
- 幾何平均數
- 幾何機率分佈
- 擬合優度
- 總平均數
- Gumbel 分佈
- 調和平均數
- 調和數
- 諧振頻率
- 直方圖
- 超幾何分佈
- 假設檢驗
- 個體數列算術平均數
- 個體數列算術中位數
- 個體數列算術眾數
- 區間估計
- 逆伽馬分佈
- Kolmogorov-Smirnov 檢驗
- 峰度
- 拉普拉斯分佈
- 線性迴歸
- 對數伽馬分佈
- 邏輯迴歸
- 麥克尼馬爾檢驗
- 平均差
- 均值差異
- 多項分佈
- 負二項分佈
- 正態分佈
- 奇排列和偶排列
- 單比例 Z 檢驗
- 異常值函式
- 排列
- 有放回排列
- 餅圖
- 泊松分佈
- 合併方差 (r)
- 功效計算器
- 機率
- 機率加法定理
- 機率乘法定理
- 機率貝葉斯定理
- 機率密度函式
- 過程能力 (Cp) 和過程效能 (Pp)
- 過程 sigma
- 二次迴歸方程
- 定性資料與定量資料
- 四分位差
- 經驗法則
- 瑞利分佈
- 迴歸截距置信區間
- 相對標準偏差
- 信度係數
- 所需樣本量
- 殘差分析
- 殘差平方和
- 均方根
- 樣本規劃
- 抽樣方法
- 散點圖
- Shannon-Wiener 多樣性指數
- 信噪比
- 簡單隨機抽樣
- 偏度
- 標準差
- 標準誤 (SE)
- 標準正態表
- 統計顯著性
- 統計公式
- 統計符號
- 莖葉圖
- 分層抽樣
- 學生 t 檢驗
- 平方和
- t 分佈表
- TI-83 指數迴歸
- 轉換
- 截尾均值
- I 型和 II 型錯誤
- 方差
- 韋恩圖
- 大數弱定律
- Z 表
- 統計實用資源
- 統計 - 討論
統計 - 單比例 Z 檢驗
檢驗統計量是一個 z 分數 (z),由以下公式定義:${z = \frac{(p - P)}{\sigma}}$,其中 P 是零假設中總體比例的假設值,p 是樣本比例,${\sigma}$ 是抽樣分佈的標準差。
檢驗統計量由以下函式定義和給出
公式
${ z = \frac {\hat p -p_o}{\sqrt{\frac{p_o(1-p_o)}{n}}} }$
其中:
${z}$ = 檢驗統計量
${n}$ = 樣本量
${p_o}$ = 零假設值
${\hat p}$ = 觀察比例
示例
問題陳述
一項調查聲稱,十分之九的醫生推薦阿司匹林用於治療頭痛患者。為了檢驗這一說法,隨機抽取了 100 名醫生進行調查。在這 100 名醫生中,有 82 名錶示他們推薦阿司匹林。這一說法準確嗎?使用 alpha = 0.05。
解決方案
定義零假設和備擇假設
${ H_0;p = .90 \\[7pt] H_1;p \ne .90 }$
此處 Alpha = 0.05。使用雙尾檢驗的 alpha 值為 0.05,我們預計我們的分佈看起來像這樣
這裡每個尾部有 0.025。在我們的 z 表中查詢 1 - 0.025,我們發現臨界值為 1.96。因此,對於此雙尾檢驗,我們的決策規則是:如果 Z 小於 -1.96 或大於 1.96,則拒絕零假設。計算檢驗統計量
${ z = \frac {\hat p -p_o}{\sqrt{\frac{p_o(1-p_o)}{n}}} \\[7pt] \hat p = .82 \\[7pt] p_o = .90 \\[7pt] n = 100 \\[7pt] z_o = \frac {.82 - .90}{\sqrt{\frac{ .90 (1- .90)}{100}}} \\[7pt] \ = \frac{-.08}{0.03} \\[7pt] \ = -2.667 }$
由於 z = -2.667,因此我們應該拒絕零假設,結論是,十分之九的醫生推薦阿司匹林用於治療患者的說法並不準確,z = -2.667,p < 0.05。