Was ist ein Z-Test?

Ein z-Test ist ein messbarer Test, der dazu dient, zu entscheiden, ob zwei Bevölkerungsmittel unterschiedlich sind, wenn die Schwankungen bekannt sind und die Beispielgröße enorm ist. Es wird erwartet, dass die Testmessung eine gewöhnliche Aneignung hat, und Irritationsparameter, z.B. die Standardabweichung, sollten alle zusammen bekannt sein, damit ein exakter z-Test durchgeführt werden kann.

Eine z-Messung oder ein z-Score ist eine Zahl, die angibt, wie viele Standardabweichungen über oder unter der mittleren Bevölkerungszahl ein Score aus einem z-Test erhalten hat.

SCHLÜSSEL TAKEAWAYS

Ein z-Test ist ein faktischer Test, um zu entscheiden, ob zwei Bevölkerungsmittel unterschiedlich sind, wenn die Unterschiede bekannt sind und die Beispielgröße enorm ist.

Er kann sehr wohl dazu verwendet werden, Spekulationen zu testen, in denen der z-Test eine typische Aneignung verfolgt.

Eine z-Messung oder ein z-Score ist eine Zahl, die das Ergebnis des z-Tests angibt.

Z-Tests werden fest mit t-Tests identifiziert, doch t-Tests lassen sich am besten durchführen, wenn eine Studie eine kleine Beispielgröße hat.

Gleichermaßen akzeptieren t-Tests, dass die Standardabweichung unklar ist, während z-Tests erwarten, dass sie bekannt ist.

Wie Z-Tests funktionieren

Instanzen von Tests, die als z-Tests geleitet werden können, umfassen einen Ein-Beispiel-Flächentest, einen Zwei-Beispiel-Flächentest, einen Matched-Unterscheidungstest und das Messgerät für die größte Wahrscheinlichkeit. Z-Tests werden fest mit t-Tests identifiziert, t-Tests werden jedoch am besten durchgeführt, wenn ein Test eine kleine Beispielgröße hat. Außerdem akzeptieren t-Tests, dass die Standardabweichung unklar ist, während z-Tests erwarten, dass sie bekannt ist. Für den unwahrscheinlichen Fall, dass die Standardabweichung der Bevölkerung unklar ist, kann der Verdacht auf das Beispiel

Hypothesen-Test

Der z-Test ist ebenfalls ein Hypothesentest, bei dem die z-Statistik einer Normalverteilung folgt. Der z-Test eignet sich am besten für mehr als 30 Beispiele mit der Begründung, dass die Beispiele im Rahmen einer möglichen Hypothese mit zunehmender Testmenge als in etwa normalangemessen angesehen werden. Wenn man einen z-Test leitet, sollten die ungültigen und wahlweisen Spekulationen, der Alpha- und der z-Score ausgedrückt werden. Als nächstes sollte die Testmessung bestimmt und die Ergebnisse und das Ende ausgedrückt werden.

Z-Test-Modell mit einem Beispiel

Erwarten Sie, dass ein Finanzspezialist testen möchte, ob die normale tägliche Rendite einer Aktie höher als 1% ist. Ein grundlegend unregelmäßiges Beispiel von 50 Renditen wird ermittelt und hat eine Normale von 2%. Erwarten Sie, dass die Standardabweichung der Gewinne 2,5% beträgt. Auf diese Weise ist die ungültige Theorie der Punkt, an dem das Normal oder der Mittelwert 3% entspricht.

Auf der anderen Seite ist die Wahlspekulation, ob die mittlere Rendite bemerkenswerter als 3% ist. Akzeptieren Sie einen Alpha-Wert von 0,05% wird mit einem zweistufigen Test gewählt. Somit befinden sich 0,025% der Beispiele in jedem Schwanz, und der Alpha hat eine Basisschätzung von 1,96 oder – 1,96. Für den Fall, dass die Schätzung von z bemerkenswerter als 1,96 oder nicht genau – 1,96 ist, wird die ungültige Theorie verworfen.

Der Anreiz für z wird bestimmt, indem die Schätzung der für den Test gewählten normalen täglichen Rendite oder 1% für diese Situation von der beobachteten Normalität der Beispiele abgezogen wird. Als nächstes trennt man den nachfolgenden Anreiz durch die Standardabweichung, isoliert durch die Quadratbasis der Menge der beobachteten Wertschätzungen. Entlang dieser Linien wird die Testmessung mit 2,83 oder (0,02 – 0,01)/(0,025/(50)^(1/2)) bestimmt. Der Finanzspezialist weist die ungültige Theorie zurück, da z prominenter als 1,96 ist und die normale tägliche Rendite bemerkenswerter als 1% ist.