A Z-թեստը վիճակագրական թեստ է, որի համար թեստի վիճակագրությունը բաշխված նոտայական հիպոթեզի սահմաններում տարածվում է նորմալ բաշխմամբ: Կենտրոնական սահմանային թորման պատճառով շատ փորձարկման վիճակագրությունը մոտավորապես տարածվում է մեծ նմուշների համար: Յուրաքանչյուր նշանակության մակարդակի համար Z-test- ը ունի միայն մեկ կարեւոր արժեք (օրինակ, 1.96 5% երկու պոչի համար), ինչը այն ավելի հարմար է դարձնում, քան ուսանողի t-test- ը, որն ունի առանձին քննադատական արժեքներ յուրաքանչյուր նմուշի չափի համար: Հետեւաբար, շատ վիճակագրական թեստեր կարելի է կատարել որպես մոտավոր Z- թեստեր, եթե ընտրանքի չափը մեծ է կամ հայտնի է բնակչության տարբերությունը: Եթե բնակչության տարբերությունը անհայտ է (եւ, հետեւաբար, պետք է գնահատել նմուշի նրանից) եւ նմուշի չափը մեծ չէ (n <30), ուսանողի t-test- ը կարող է ավելի համապատասխան լինել: Եթե T- ն վիճակագրական է, որը մոտավորապես սովորաբար տարածվում է զրոյական վարկածի ներքո, Z-test- ի կատարման հաջորդ քայլն է գնահատել ակնկալվող արժեքը T- ն առնվազն հիպոթեզով, ապա ձեռք բերեք T- ի ստանդարտ շեղումը Որից հետո հաշվարկվում է Z = (T - θ) / s ստանդարտ հաշիվը, որտեղից կարելի է հաշվարկել միա - թեքված եւ երկկողմանի p - արժեքները `Φ (- Z) (վերին թեքված փորձերի համար), Φ (Z ) (ցածր պոչամբարների համար) եւ 2Φ (- | Z |) (երկկողմանի թեստերի համար), որտեղ ֆ ֆունկցիոնալ ստանդարտ նորմալ կուտակային բաշխման գործառույթ է: [Վիճակագրական հիպոթեզների փորձարկում][Նորմալ բաշխում] |