Z检验和卡方检验是两种不同的统计假设检验。这两个测试都为空值假设提供了另一种观点。

Z检验(ztest) vs. chisquare公司(chisquare)

Z检验与卡方检验的区别在于，Z检验是检验两个总体均值的结果是否存在差异的一种统计检验。另一方面，卡方检验是检验两个分类变量在某一总体中是否相关的一种方法。

Z检验通常用于处理与大样本（n>30）有关的问题。当标准差可用时，它更容易使用。这是一个统计过程，给出一个替代假设对一个无效的假设。

卡方检验用于检验范畴值之间的关系。卡方检验的零假设认为总体中的两个分类变量应该是独立的。

z检验与卡方检验对照表（表格形式）

什么是z-检验(z-test)？

Z检验只是一种假设检验。样品通常在进行试验时分发。仅当存在给定的标准偏差且样本数据应始终较大（n>30）时才使用。

换句话说，它验证了样本对同一人群所得出的假设。

执行Z测试所需的条件：

1. 样本数据应大于30。
2. 数据点应该相互独立，也就是说不应该有相似或重叠。
3. 数据应该总是正态分布的。
4. 从人口中，通过随机抽样收集数据。

如何运行Z测试？

1. 首先必须说明空值（H0），然后是备选假设（HA）。
2. 然后，选择alpha级别。
3. Z表用于确定Z的临界性。
4. 现在计算Z状态统计。
5. 现在应将试验统计值与临界值z进行比较。这将引导您找到是否接受零假设（H0）的解决方案。

建议在数据规模较大且标准差已知的情况下，应采用Z检验来分析零假设。

什么是卡方(chi-square)？

卡方检验最好定义为统计假设检验。此测试用于比较具有值的组或比较具有分类数据的多个组。

这种测试的优点是对给定数据的鲁棒性。它只能在存在两个分类变量且与某些总体相关时使用。

卡方检验是一种优度拟合统计量，因为它衡量了观测数据与分布数据的拟合程度。只有当两个给定的变量相互独立时，才会发生这种情况。

z检验与卡方检验的主要区别

• 这两个测试都是统计假设。它们只能在给定的数据规模较大时使用。
• 只有当有给定的标准差且数据大于30%时才使用Z检验。但是，当两个分类变量相互独立且属于同一总体时，使用卡方检验。
• Z检验判断是否接受了零假设，并用卡方检验对两个变量进行比较。
• 在Z检验中，样本是均匀分布的，而在卡方检验中，样本应该是从给定的总体中随机抽取的。
• 这两个测试使用不同的方法，但用于给空值假设的替代假设。

结论

这两种测试方法都适用于大规模数据。它们有自己独特的方法和局限性。只有当有一个给定的标准差时，Z检验数据才能发生，这有助于检验的适用性。当两个不同的变量相互独立时，卡方检验是有帮助的。这两种统计检验都是有用的，并为大规模数据提供了更好的假设。

参考文献

• https://www3.nd.edu/~z~京元/文件/nest-chisq-z.pdf文件
• https://www.sciencedirect.com/science/article/pii/s0167947313003204