如何在Python中找到 Z 临界值？

本文重点介绍确定Python中的 Z 临界值。当我们进行假设检验时，我们会得到一个检验统计量作为结果。为了找出假设检验的结果是否具有统计显着性，我们可以将检验统计量与 Z 临界值进行比较。当检验统计量的绝对值大于 Z 临界值时，结果的结果被认为具有统计显着性。

Z 临界值是与标准正态模型下的面积相关的统计术语。它提供了一个关于任何特定变量的概率的想法。

在Python中安装 scipy 库的语法：

pip3 install scipy

Scipy 是一个用于科学计算的Python库。它为我们提供了 scipy.stats.norm.ppf()函数来计算 z 临界值。

scipy.stats.norm.ppf()函数：

Syntax:

scipy.stats.norm.ppf(level)

Parameters:

level: It specifies the significance level to be used

左尾检验的 Z 值：

在这个程序中，我们正在计算显着性水平为 0.01 的左尾检验的 Z 临界值。

例子：

Python3

# Python program to find the z-value 
# in a left-tailed test
  
# Importing the library
import scipy.stats
  
# Determine the z-critical value
scipy.stats.norm.ppf(.01)

输出：

左尾检验的 Z 值

Z 临界值等于 -2.326。因此，如果检验统计量大于该值，则检验结果将被认为具有统计显着性。

右尾检验的 Z 值：

在这个程序中，我们正在计算显着性水平为 0.01 的右尾检验的 Z 临界值。

例子：

Python3

# Python program to find the
# z-value in a two-tailed test
  
# Importing the library
import scipy.stats
  
# Determine the z-critical value
scipy.stats.norm.ppf(1-.01)

输出：

右尾检验的 Z 值

Z 临界值等于 2.326。因此，如果检验统计量大于该值，则检验结果将被认为具有统计显着性。

双尾检验的 Z 值：

在这个程序中，我们正在计算显着性水平为 0.01 的双尾检验的 Z 临界值。

例子：

Python3

# Python program to find the z-value
# in a two-tailed test
  
# Importing the library
import scipy.stats
  
# Determine the z-critical value
scipy.stats.norm.ppf(1-.01/2)

输出：

双尾检验的 Z 值

请注意，当我们执行双尾检验时，存在两个临界值。 Z 临界值等于 2.575，这意味着两个临界值是 -2.575 和 2.575。因此，如果检验统计量小于 -2.575 或大于 2.575，则认为检验结果具有统计显着性。