Python 如何找到Z临界值

在本文中，我们将学习如何在Python中找到Z临界值。

什么是Z临界值

在统计学中，常规正态模型下的区域被称为Z临界值。它显示了每个可能变量的概率。当我们进行假设检验时，测试统计量是我们得到的结果。为了确定假设检验的结果在统计上是否显著，可以将测试统计量与Z临界值进行比较。当结果的绝对值超过Z临界值时，结果被视为在统计上显著。本教程将涵盖在Python中确定Z临界值的方法。

当进行假设检验时，将会得到一个测试统计量。将测试统计量与Z临界值进行比较，以确定假设检验结果是否在统计上显著。如果测试统计量的绝对值超过Z临界值，则假设检验结果在统计上显著。

语法

在Python中，可以使用scipy.stats.norm.ppf()方法获取Z临界值，其语法如下：

scipy.stats.norm.ppf(q)

其中q代表所使用的显著性水平。

Z中值在Python中的应用

1. 左尾检验

假设我们要确定左尾检验的Z临界值，显著性水平为0.05 –

示例

!pip3 install scipy
import scipy.stats

#find Z critical value
scipy.stats.norm.ppf(.05)

输出

-1.6448536269514729

关于Z值的关键值是-1.64485。因此，如果检验统计量低于此阈值，则该检验的结果在统计上是显著的。

2. 右尾检验

假设我们正在寻找以0.05的显著性水平进行右尾检验的Z临界值 –

示例

import scipy.stats

#find Z critical value
scipy.stats.norm.ppf(1-.05)

输出

1.6448536269514722

关键数字Z为1.64485。因此，如果检验统计量大于该数字，则认为该检验结果在统计学上具有显著性。

3. 双侧检验

假设我们正在寻找双侧检验的Z临界值，显著性水平为0.05 −

案例

import scipy.stats

#find Z critical value
scipy.stats.norm.ppf(1-.05/2)

输出

1.959963984540054

当你进行双尾检验时，总会有两个关键值。在这种情况下，1.95996和-1.95996是临界值。因此，如果检验统计量小于-1.95996或大于1.95996，那么该检验结果在统计上是显著的。

结论

在统计学中，Z临界值用于确定数据的见解，因此机器学习模型可以使用它并基于此给出预测。