Z検定

Z検定（Zけんてい）は、正規分布を用いる統計学的検定法で、標本の平均と母集団の平均とが統計学的にみて有意に異なるかどうかを検定する方法である。

Z検定を用いるにはいくつかの条件に適合しなければならない。最も重要なのは、Z検定は母集団の平均と標準偏差（母数）を用いるものであるから、これらがわかっていなければならない、ということである。標本は母集団から抽出された単純ランダム標本でなければならない。また母集団は正規分布に従うことがわかっていなければならない。ただし母集団が正規分布に従うかどうか判然としない場合でも、用いる標本のサイズが十分大きければ（一般に30から40以上ならば）よい。

Z検定は、標準テスト（全国の生徒に同じテストを行い、各学校の成績がその中でどのレベルにあるかを調べる）など、母集団が完全にわかっている場合に用いられる。しかし母集団の正しい標準偏差σを知るというのは一般には現実的でない。

母数を正確に知るのが不可能な場合には、スチューデントのt検定（t分布を用いるので母数を扱う必要がない）を用いるのが現実的である。

方法

まず次の数値が既知であるとする：

σ（母集団の標準偏差）
μ（母集団の平均）
x （標本の平均）
n （標本サイズ）

次のように平均の標準誤差（SE）を求める：

$SE={\frac {\sigma }{\sqrt {n}}}$

次にzスコアを次の式から求める：

$z={\frac {x-\mu }{SE}}$

このzスコアをZ数表（平均とzスコアの間の正規分布曲線の下の面積パーセントを数表にしたもの）と比較する。これにより、zの計算値が偶然の範囲内にあるか、それとも平均と大きく離れており偶然とは考えられないかが示される。

関連項目

偏差値

位置	平均算術幾何調和中央値分位数順序統計量最頻値階級値
分散	範囲偏差偏差値標準偏差標準誤差変動係数決定係数相関係数自己相関共分散自己共分散分散共分散行列百分率統計的ばらつき
モーメント	分散歪度尖度

カテゴリデータ

頻度
分割表

推計統計学

仮説検定

パラメトリック	t検定ウェルチのt検定 F検定 Z検定二項検定ジャック-ベラ検定シャピロ–ウィルク検定分散分析共分散分析
ノンパラメトリック	ウィルコクソンの符号順位検定マン・ホイットニーのU検定カイ二乗検定イェイツのカイ二乗検定累積カイ二乗検定フィッシャーの正確確率検定尤度比検定 G検定アンダーソン–ダーリング検定コルモゴロフ–スミルノフ検定カイパー検定マンテル検定コクラン・マンテル・ヘンツェルの統計量
その他	帰無仮説対立仮説有意棄却

区間推定

モデル選択基準

その他

ベイズ統計学

確率	主観確率ベイズ確率事前確率事後確率最大事後確率
その他	ベイズ推定ベイズ因子

相関

モデル

回帰

線形	リッジ回帰ラッソ回帰エラスティックネット
非線形	k近傍法決定木ランダムフォレストニューラルネットワークサポートベクターマシン射影追跡回帰
時系列	自己回帰モデル自己回帰移動平均モデル ARCHモデル対移動平均比率法トレンド定常傾向推定共和分構造変化

分類

線形	線形判別分析ロジスティック回帰 <! -- 名前に回帰とついていますが確率を回帰する分類手法です --> 単純ベイズ分類器単純パーセプトロン線形サポートベクターマシン
二次	二次判別分析
非線形	k近傍法決定木ランダムフォレストニューラルネットワークサポートベクターマシンベイジアンネットワーク隠れマルコフモデル
その他	二項分類多クラス分類第一種過誤と第二種過誤

教師なし学習

クラスタリング	k平均法（k-means++法） DBSCAN
密度推定（英語版）	カーネル密度推定（カーネル）
その他	主成分分析独立成分分析自己組織化写像