Калькулятор критических значений

Калькулятор критических значений

Популярный AI Skill PRO

Введите расчет

Математическая формула

zα/2=Φ−1(1−α2)гдеα=100−Уровень доверия (%)100\begin{gathered} z_{\alpha/2} = \Phi^{-1}\!\left(1 - \tfrac{\alpha}{2}\right) \\[1.5em] \text{где}\quad \alpha = \frac{100 - \text{Уровень доверия (\%)}}{100} \end{gathered}
Статистика использования

Реклама

Результаты

Критическое значение
± 1,96
Уровень доверия 95%
Тип распределения Нормальное (Z)
Число степеней свободы 30
Альфа (α) 0,05

Сообщить об ошибке на этой странице

Что делает калькулятор критических значений

Этот калькулятор находит критическое значение, необходимое для проверки статистической гипотезы или построения доверительного интервала. Критическое значение — это граничная точка на распределении вероятностей, которая отделяет область отклонения нулевой гипотезы от области, где её отклонять не следует. Больше не нужно рыться в громоздких статистических таблицах: достаточно ввести несколько параметров и получить точное число для нормального распределения (Z), распределения Стьюдента (t), хи-квадрат (χ²) или распределения Фишера (F).

Колоколообразная кривая распределения с закрашенными хвостами, обозначающими критические значения и области отклонения гипотезы
Критические значения задают границы критических областей в хвостах распределения.

Разбор входных данных

  • Уровень доверия (%) — например, 95. Калькулятор переводит его в уровень значимости альфа по формуле \(\alpha = \frac{100 - \text{Уровень доверия (\%)}}{100}\). При 95 % получаем \(\alpha = 0{,}05\).
  • Тип распределения — выберите нормальное (Z), Стьюдента (t), хи-квадрат (χ²) или Фишера (F).
  • Число степеней свободы — требуется для t, χ² и F. Для распределения F это число степеней свободы числителя.
  • Число степеней свободы (знаменатель) — используется только распределением F.

Формула, лежащая в основе

Калькулятор использует обратную функцию распределения (квантильную функцию) выбранного распределения:

  • Нормальное и t (двусторонний критерий): критическое значение = \(\lvert \text{обратнаяФР}(\alpha / 2) \rvert\). Здесь альфа делится поровну между двумя хвостами.
  • Хи-квадрат и F (правосторонний критерий): критическое значение = \(\text{обратнаяФР}(1 - \alpha)\), вся альфа сосредоточена в верхнем хвосте.
Реклама
Сравнение форм четырёх кривых распределения: нормального, t, хи-квадрат и F
Разные распределения критериев дают разную форму критических значений.

Пример расчёта

Предположим, вы проводите двусторонний t-критерий при уровне доверия 95 % и 20 степенях свободы. \(\alpha = \frac{100 - 95}{100} = 0{,}05\), значит, \(\alpha / 2 = 0{,}025\). Калькулятор вычисляет обратную ФР распределения Стьюдента с 20 степенями свободы в точке 0,025 и возвращает модуль результата — критическое значение составляет примерно 2,086. Если ваша тестовая статистика по абсолютной величине превышает 2,086, нулевая гипотеза отклоняется.

Для критерия хи-квадрат при 95 % и 10 степенях свободы калькулятор вычисляет \(\text{обратнаяФР}(0{,}95) \approx\) 18,31.

Реклама
Закрашенные области одностороннего и двустороннего критерия на колоколообразных кривых
В односторонних и двусторонних критериях область альфа располагается по-разному.

Интерпретация вашего критического значения

Критическое значение — это граница области отклонения — точка на горизонтальной оси распределения, за которой статистика теста считается слишком экстремальной, чтобы её можно было приписать одной лишь случайности при выбранном вами уровне значимости \(\alpha\).

Правила принятия решения

  1. Двусторонний Z или t тест. Отклоните нулевую гипотезу \(H_0\), если \(|\text{тестовая статистика}| \ge\) критическое значение; в противном случае не отклоняйте. Область отклонения — обе хвосты, каждая содержит площадь \(\alpha/2\).
  2. Односторонний Z или t тест. Для правостороннего альтернатива отклоните, если статистика \(\ge +\) критическое значение; для левостороннего альтернатива отклоните, если статистика \(\le -\) критическое значение. Один хвост содержит полную площадь \(\alpha\).
  3. Тесты хи-квадрат и F. Они используются как верхнехвостные тесты: отклоните \(H_0\), когда статистика превышает верхнее критическое значение, в противном случае не отклоняйте. Обе статистики неотрицательны, и большие значения означают большее отклонение от нулевой гипотезы.

Эквивалентное правило p-значения

Сравнение статистики с критическим значением и сравнение p-значения с \(\alpha\) — это два описания одного и того же решения, и они всегда совпадают:

$$\text{отклонить } H_0 \iff |T| \ge c_{\alpha} \iff p \le \alpha$$

Это верно, потому что критическое значение \(c_{\alpha}\) определяется как статистика, вероятность хвоста которой равна ровно \(\alpha\). При \(T = c_{\alpha}\) p-значение равно \(\alpha\) ровно; статистика дальше в хвосте имеет меньшее p-значение, а одна ближе к центру имеет большее. Например, при двусторонний z тест при 95% доверии, \(z = 2.30\) превышает 1.960, а его двустороннее p-значение составляет около 0.021, что ниже 0.05 — то же самое отклонение в любом случае.

Что вам говорит величина критического значения

  • Большее критическое значение означает более строгий тест. Повышение уровня доверия снижает \(\alpha\) и отодвигает границу наружу: 2.576 при 99% против 1.960 при 95%. Статистика 2.10 приводит к отклонению при 95%, но не при 99%, поэтому уровень значимости должен быть установлен до изучения данных.
  • t критические значения приближаются к Z с увеличением df. С малым числом степеней свободы стандартная ошибка сама плохо оценивается, поэтому t-распределение имеет более тяжелые хвосты и требует больше свидетельств: 2.571 при df = 5 против 2.042 при df = 30 и 1.960 в пределе.
  • Критические значения хи-квадрат и F зависят от df в противоположном направлении для хи-квадрат — они возрастают с df, потому что статистика суммирует больше членов, поэтому хи-квадрат 20 является экстремальным при df = 5 (критическое значение 11.070), но не при df = 20 (критическое значение 31.410).

Что означает неотклонение и что оно не означает

Неотклонение \(H_0\) не является доказательством того, что \(H_0\) верна. Это означает, что данные не предоставили достаточно доказательств против неё при выбранном \(\alpha\) — результат, одинаково согласующийся с истинной нулевой гипотезой, с реальным эффектом, слишком малым для обнаружения, или с выборкой, слишком малой для адекватной мощности. Тест может только отклонить или не отклонить; он никогда не подтверждает.

Связь с доверительными интервалами

То же самое критическое значение, которое определяет область отклонения, также устанавливает ширину соответствующего доверительного интервала:

$$\text{оценка} \pm c_{\alpha} \times \text{стандартная ошибка}$$

Двусторонний тест на уровне \(\alpha\) отклоняет \(H_0: \mu = \mu_0\) ровно когда доверительный интервал \(100(1-\alpha)\%\) исключает \(\mu_0\). При выборочном среднем 52.0, стандартной ошибке 1.5 и \(z_{\alpha/2} = 1.960\), интервал 95% составляет \(52.0 \pm 1.960 \times 1.5 = 52.0 \pm 2.94\), т.е. от 49.06 до 54.94 — поэтому нулевое значение 50 не было бы отклонено, тогда как нулевое значение 48 было бы.

Часто задаваемые вопросы

Почему результат для Z/t двусторонний? Для нормального распределения и распределения Стьюдента калькулятор делит альфу пополам, что соответствует стандартному двустороннему критерию. Для одностороннего критерия задайте скорректированный уровень доверия (например, используйте 90 %, чтобы получить одностороннюю границу, эквивалентную 95 %).

Нужны ли степени свободы для нормального распределения? Нет. Критическое значение Z зависит только от уровня доверия. Степени свободы важны для t, χ² и F.

Когда указывать степени свободы знаменателя? Только для распределения Фишера (F), которому нужны степени свободы и числителя, и знаменателя (используется в дисперсионном анализе ANOVA и при сравнении дисперсий).

Последнее обновление:

Самые популярные в разделе Математика и статистика

Все калькуляторы раздела Математика и статистика