在線即時計算器 · 純前端本地秒算 · 零數據上傳

📚 One Proportion Z Test 計算機

專業免費的 One Proportion Z Test 計算機。純前端本機毫秒級計算、零資料上傳、極致隱私保護。提供詳細公式推導、實例示範與常見問答。

即時推算結果 (Computed Output)
-1 標準常態 z 分數
專業公認計算模型,即時運算完畢
📜 計算歷史記錄 (試算軌跡)
尚無歷史記錄,每次點擊「計算」將在此留下試算軌跡...

什麼是單比例 Z 檢定?

單比例 z 檢定用來判斷樣本比例(\hat{p})是否與已知或假設的母體比例(p_0)有顯著差異。舉凡問卷調查、品質管制、A/B 測試與醫學研究,只要你測量的是「是/否」這類二元結果,並想知道觀察到的比率是否與宣稱的比率一致,都會用到這個檢定。

如何使用本計算器

請輸入成功次數(x)、樣本總數(n),以及介於 0 與 1 之間的假設比例(p_0)。接著選擇你的對立假設——雙尾、左尾或右尾。計算器會回傳樣本比例、標準誤、z 檢定統計量與對應的 p 值。將 p 值與你設定的顯著水準(常用 0.05)相比:若 p 值較小,就拒絕虛無假設。

公式說明

標準誤是在虛無假設下計算,公式為 \sqrt{\dfrac{p_0(1-p_0)}{n}}。z 統計量則是樣本比例與 p_0 之間的差距,以標準誤為單位來衡量:

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

p 值由標準常態分配求得。本檢定假設抽樣分配近似常態,當 n · p_0 ≥ 10 且 n · (1-p_0) ≥ 10 時,這項假設大致成立。

實例演算

假設 100 人中有 45 人偏好某項新產品,而你想針對 p_0 = 0.5 進行檢定。此時 \hat{p} = 0.45,SE = √(0.5 · 0.5 / 100) = 0.05,z = (0.45 - 0.5) / 0.05 = -1.0。雙尾 p 值約為 0.317,因此與 50% 之間並無顯著差異。

使用注意事項與精準校對原則(6 大核心守則)

📐 1. 嚴格對齊輸入量綱與單位

輸入各項數值時請務必確認量綱(例如小時、天數、金額、百分比),避免單位不匹配引發推算偏差。

🔒 2. 純前端本機毫秒級隱私保障

所有計算邏輯 100% 在您的終端瀏覽器內完成,資料絕不上傳伺服器,嚴格守護商業與個人隱私。

📊 3. 符合公認學術與產業計算模型

演算法嚴格遵循國際通用數學公式與標準計算模型,經多重情境交叉核對,數值嚴密精確。

📋 4. 一鍵複製與免登入 PDF 匯出

支援一鍵複製推算結果字串至剪貼簿,亦可直接點擊列印按鈕輸出純淨 PDF 工作報表。

🔄 5. 多情景敏感度動態對比

建議針對極端值與多組預期情景分別試算,觀察輸出數據的波動區間,輔助做出更穩健的決策。

🛡️ 6. 專業諮詢與日常參考免責聲明

本工具運算結果供日常排程、學業研習與事前參考之用,如涉及重大法規或投資決策請諮詢持證專家。

常見問題 (FAQ)

什麼時候該用 z 檢定而不是 t 檢定?
當樣本數夠大、檢定對象為比例時,z 檢定是標準做法;t 檢定則適用於變異數未知的平均數檢定。
樣本數要多大才算足夠?
常見的經驗法則是預期成功與預期失敗各至少 10 次(即 \(n \cdot p_0 \ge 10\) 且 \(n \cdot (1-p_0) \ge 10\))。
p 值很小代表什麼?
代表若真實比例真的等於 \(p_0\),觀察到目前這個比例的機率很低,因此提供了拒絕虛無假設的證據。