Расчёт z-критерия: формула, примеры и онлайн-калькулятор

Представьте, что средняя пицца в городе весит 500 г, а стандартное отклонение — 50 г. Вы купили пиццу весом 650 г. Насколько она тяжелее средней? На 150 г. Но если перевести в стандартные отклонения: (650-500)/50 = 3. Это значит, ваша пицца на 3 стандартных отклонения тяжелее средней — очень редкое событие (вероятность менее 0,3%). Z-критерий (или z-score) — это число, показывающее, на сколько сигм (стандартных отклонений) значение отстоит от среднего. Он используется для:

• проверки гипотез (например, отличается ли среднее новой батарейки от заявленного);
• сравнения результатов из разных распределений (например, баллы двух классов);
• выявления выбросов (если |Z| > 3, значение часто считают аномальным).

В статистике Z-критерий лежит в основе многих тестов, включая t-критерий (для малых выборок). Если вы работаете с данными, без z-критерия как без рук. Например, маркетологи используют его, чтобы понять, сработала ли рекламная кампания лучше случайных колебаний.

Важно: Z-критерий предполагает нормальное распределение данных или большой объем выборки (n ≥ 30) благодаря центральной предельной теореме.

Основная формула Z-критерия для одного наблюдения:

Где:

• X — значение признака (например, вес пиццы, балл ученика);
• μ (мю) — среднее арифметическое генеральной совокупности (средний вес всех пицц);
• σ (сигма) — стандартное отклонение генеральной совокупности (мерило разброса данных).

Если вы проверяете гипотезу о среднем выборки (например, средний балл класса), формула меняется:

Где:

• x̄ (икс с чертой) — выборочное среднее;
• μ₀ — гипотетическое среднее генеральной совокупности (например, заявленное производителем);
• n — объем выборки;
• σ/√n — стандартная ошибка среднего.

Когда σ неизвестна, а n мало (меньше 30), вместо Z используют t-критерий Стьюдента. Для больших выборок разница между Z и t минимальна. Если вы не уверены в σ, лучше воспользуйтесь Калькулятором t-критерия Стьюдента.

Условие: Средний балл по математике в городе — 70, стандартное отклонение — 10. Петя набрал 85. Его Z-оценка равна (85-70)/10 = 1,5. Что это значит?

1. Интерпретация: Балл Пети на 1,5 стандартных отклонения выше среднего.
2. Вероятность: По таблице Z: P(Z ≤ 1,5) ≈ 0,9332, то есть Петя попал в топ 6,68% (100% - 93,32%).
3. Вывод: Результат Пети хороший, но не выдающийся (Z<2).

Этот пример — базовое применение Z-оценки для единичного наблюдения. Так вы можете сравнивать любые данные, приведенные к единой шкале.

Условие: Обычно конверсия на сайте составляет 5% (μ₀ = 0,05). После внедрения новой кнопки протестировали 2000 посетителей, конверсия стала 6,5% (x̄ = 0,065). Стандартное отклонение конверсий (σ) 0,22. Проверим, значимо ли изменение.

1. Формула: Z = (0,065 – 0,05) / (0,22/√2000) = 0,015 / (0,22/44,72) = 0,015 / 0,00492 ≈ 3,05.
2. Вывод: |Z| = 3,05 > 1,96 — разница статистически значима на уровне 0,05. Новая кнопка работает!

Также можно использовать Калькулятор Z-критерия для быстрого расчета — вводите данные и получаете p-значение.

Условие: Средние дневные продажи — 100 000 ₽, σ = 15 000 ₽. Сегодня продажи — 150 000 ₽. Z = (150000 – 100000)/15000 = 3,33. |Z| > 3 — это потенциальный выброс. Однако в малом бизнесе 150 000 — возможная удача. Решение: Проверьте данные на ошибки (например, двойной платеж). Если ошибок нет, выделите это наблюдение как аномалию для отдельного анализа. Методика универсальна:

• Рассчитайте Z для каждого наблюдения;
• Если |Z| > 3 (или 2,5 для более строгого порога), считайте наблюдение выбросом;
• Для категориальных данных лучше используйте Калькулятор χ-квадрат критерия.

1. Путать σ и σ/√n. Для среднего выборки стандартное отклонение среднего — это σ/√n, а не просто σ.
2. Использовать Z при малой выборке и неизвестной σ. Вместо этого берите t-критерий Стьюдента.
3. Игнорировать нормальность. Z-критерий работает для нормальных данных или n > 30. Иначе результаты некорректны.
4. Неправильно интерпретировать p-значение. p — это вероятность получить такое же или более экстремальное значение при условии, что нулевая гипотеза верна. Малый p (меньше 0,05) — повод отвергнуть нулевую гипотезу, но не доказательство альтернативы.
5. Сравнивать Z-оценки разных распределений. Z-оценки — это стандартизованные величины, но они всегда относятся к своему распределению. Сравнивать Z одного теста с Z другого можно, только если распределения идентичны.

1. Средняя температура в городе — 20°C, σ=5°C. Сегодня 30°C. Чему равен Z? Ответ: 2.
2. Выборка из 100 человек, средний доход 55 000 ₽, гипотетическое среднее 50 000 ₽, σ=10 000 ₽. Найдите Z для среднего. Ответ: Z = (55000-50000)/(10000/√100) = 5000/1000 = 5.
3. При каком |Z| наблюдение считают выбросом? Ответ: Обычно |Z| > 3.
4. Если для Z=2.5 получить p=0.0124, можно ли отвергнуть нулевую гипотезу на уровне 0.05? Ответ: Да, т.к. p < 0.05.

Ручные расчёты — отличная тренировка, но на практике используйте:

• Калькулятор Z-критерия — сразу даёт Z и p-значение.
• Калькулятор t-критерия Стьюдента — для малых выборок.
• Калькулятор χ-квадрат критерия — для категориальных данных.

Таблицы Z (стандартного нормального распределения) можно найти в интернете или встроенные в Excel/Google Sheets функциями НОРМ.СТ.РАСП и НОРМ.СТ.ОБР. Они помогут найти p-значение вручную.