MCP ile bağlan →

Hesaplamaya Girin

Formül

Show calculation steps (1)
  1. One-Proportion Z-Statistic

    One-Proportion Z-Statistic: Tek Oran Z-Testi Hesaplama Aracı

    p-hat = x / n is the sample proportion; p0 is the hypothesized proportion; standard error = sqrt(p0(1-p0)/n)

Reklam

Sonuç

Test İstatistiği (z)
-1
standart normal z-skoru
Örneklem oranı (p̂) 0,45
Standart hata 0,05
P-değeri 0,317311

Tek Oran Z-Testi Nedir?

Tek oran z-testi, bir örneklem oranının (\(\hat{p}\)) bilinen ya da varsayılan bir evren oranından (\(p_0\)) anlamlı şekilde farklı olup olmadığını sınar. Evet/hayır türünde bir sonucu ölçtüğünüzde ve gözlemlediğiniz oranın iddia edilen oranla uyumlu olup olmadığını merak ettiğinizde; anketlerde, kalite kontrolde, A/B testlerinde ve tıbbi çalışmalarda yaygın olarak kullanılır.

Gözlenen örneklem oranını varsayılan orana karşı gösteren iki çubuk
Test, gözlenen oran \(\hat{p}\)'nin varsayılan değer \(p_0\)'dan ne kadar uzak olduğunu ölçer.

Bu Hesaplama Aracı Nasıl Kullanılır?

Başarı sayısını (\(x\)), toplam örneklem büyüklüğünü (\(n\)) ve 0 ile 1 arasında varsayılan oranı (\(p_0\)) girin. Alternatif hipotezinizi seçin: iki yönlü, sol yönlü veya sağ yönlü. Araç; örneklem oranını, standart hatayı, z test istatistiğini ve buna karşılık gelen p-değerini verir. P-değerini seçtiğiniz anlamlılık düzeyiyle (genellikle 0,05) karşılaştırın: p-değeri daha küçükse sıfır hipotezini reddedersiniz.

Formülün Açıklaması

Standart hata, sıfır hipotezi altında \(\sqrt{p_0(1-p_0)/n}\) ile hesaplanır. Z istatistiği, örneklem oranı ile \(p_0\) arasındaki uzaklığın standart hata cinsinden ölçümüdür: \(z = (\hat{p} - p_0) / SE\). P-değeri ise standart normal dağılımdan elde edilir.

$$z = \frac{\hat{p} - p_0}{\sqrt{\dfrac{p_0(1-p_0)}{n}}}$$

Bu test, örnekleme dağılımının yaklaşık olarak normal olduğunu varsayar; bu varsayım \(n \cdot p_0 \ge 10\) ve \(n \cdot (1-p_0) \ge 10\) olduğunda geçerlidir.

Reklam
z istatistiği çizgisi ve p-değerini gösteren taralı kuyruk alanı bulunan normal eğri
z istatistiği örneklem sonucunu standart normal eğri üzerinde konumlandırır; taralı kuyruk p-değeridir.

Örnek Uygulama

Diyelim ki 100 kişiden 45'i yeni bir ürünü tercih ediyor ve bunu \(p_0 = 0{,}5\)'e karşı sınamak istiyorsunuz. Bu durumda \(\hat{p} = 0{,}45\), \(SE = \sqrt{0{,}5 \cdot 0{,}5/100} = 0{,}05\) ve

$$z = \frac{0{,}45 - 0{,}5}{0{,}05} = -1{,}0$$

olur. İki yönlü p-değeri yaklaşık 0,317'dir; dolayısıyla %50'den anlamlı bir fark yoktur.

Sıkça Sorulan Sorular

T-testi yerine ne zaman z-testi kullanmalıyım? Yeterince büyük bir örneklemle oranlar için z-testi standart yöntemdir; t-testi ise varyansı bilinmeyen ortalamalar içindir.

Hangi örneklem büyüklüğü yeterli sayılır? Yaygın bir kural, en az 10 beklenen başarı ve 10 beklenen başarısızlık olmasıdır (\(n \cdot p_0 \ge 10\) ve \(n \cdot (1-p_0) \ge 10\)).

Küçük bir p-değeri ne anlama gelir? Gerçek oran \(p_0\)'a eşit olsaydı gözlemlenen oranın pek olası olmayacağını gösterir; yani sıfır hipotezini reddetmek için kanıt sunar.

Son güncelleme: