Z检验，也称“U检验”，是为了检验在零假设情况下测试数据能否可以接近正态分布的一种统计测试。根据中心极限定理，在大样本条件下许多测验可以被贴合为正态分布。在不同的显著性水平上，Z检验有着同一个临界值，因此它比临界值标准不同的司徒頓t檢定更简单易用。当实际标准差未知，而样本容量较小（小于等于30）时，司徒頓t檢定更加适用。
如果发现一个统计T接近于正态分配，Z检验的第二步为在零假设情况下估计T的期望值θ ，随后获得T的标准差s。在计算标准分数Z=(T-θ)/s后，单侧或双侧的p值可以用标准累积分布函数Φ来计算，分别为Φ(−Z)（左侧） Φ(Z)（右侧）和 2Φ(−|Z|) （双侧）。
|
|---|
| | 描述统计学 | | | |
|---|
| | |
|---|
| 分布形态（英语：Shape of the distribution） | |
|---|
|
|---|
| | - 次數（英语：Count data）
- · 列聯表（英语：Contingency table）
|
|---|
| |
|---|
| 推論統計學
和假說檢定 | | |
|---|
| | |
|---|
| 样本量（英语：Sample size） | |
|---|
| 常规估计 | - 贝叶斯推断
- 區間估計（英语：Interval estimation）
- 最大似然估计
- 最小距離估計（英语：Minimum distance estimation）
- 矩估计
- 最大间距
|
|---|
| | - Z檢驗
- 学生t检验
- F檢定
- 卡方检验
- Wald檢定（英语：Wald test）
- 曼-惠特尼檢定（英语：Mann–Whitney U test）
- 秩和检验
|
|---|
| | |
|---|
|
|---|
| 相關及
迴歸分析 | 相关性 | |
|---|
| | - 線性模型（英语：Linear model）
- 一般线性模型
- 廣義線性模型
- 简单线性回归
- 普通最小二乘法
- 贝叶斯回归（英语：Bayesian linear regression）
- 方差分析
- 协方差分析（英语：Analysis of covariance）
|
|---|
| | - 非参数回归模型（英语：Nonparametric regression）
- 半参数回归模型（英语：Semiparametric regression）
- 邏輯斯諦迴歸
|
|---|
|
|---|
| | 统计图形 | |
|---|
| | 其他 | |
|---|
| |
|
 | 这是一篇关于数学的小作品。你可以通过编辑或修订扩充其内容。 |
