In this article, we are going to learn about how to find the Z Critical Value in Python.
Z临界值是什么？
在统计学中，常用正态模型下的区域被称为Z临界值。显示了每个可能变量的概率。当我们进行假设检验时，产生的是一个检验统计量。为了确定假设检验的结果是否具有统计学意义，可以将检验统计量与Z临界值进行比较。当结果的绝对值超过Z临界值时，被认为具有统计学意义。本教程将介绍如何在Python中确定Z临界值。
当进行假设检验时，你将会得到一个检验统计量作为结果。为了判断假设检验的结果是否具有统计学意义，需要将检验统计量与Z临界值进行比较。如果检验统计量的绝对值超过了Z临界值，那么检验结果具有统计学意义。
语法
在Python中，您可以使用scipy.stats.norm.ppf()方法获取Z临界值，其语法如下所示−
立即学习“Python免费学习笔记（深入）”；
scipy.stats.norm.ppf(q)
其中q代表要使用的显著性水平。
在Python中的Z临界值
1. 左尾检验
假设我们希望确定一个左尾检验的Z临界值，显著性水平为0.05 −
Example
!pip3 install scipy import scipy.stats #find Z critical value scipy.stats.norm.ppf(.05)
输出
-1.6448536269514729
关键值 Z 的值为 -1.64485。如果检验统计量低于此阈值，则测试结果在统计上是显著的。
2. 右尾检验
假设我们正在寻找一个右尾检验的Z临界值，显著性水平为0.05 −
Example
import scipy.stats #find Z critical value scipy.stats.norm.ppf(1-.05)
输出
1.6448536269514722
Z的关键数字是1.64485。因此，如果测试统计量高于这个数字，则测试结果被认为是具有统计学意义的。
3. 双尾检验
假设我们正在寻找双尾检验的Z临界值，显著性水平为0.05 -
Example
import scipy.stats #find Z critical value scipy.stats.norm.ppf(1-.05/2)
输出
1.959963984540054
There are always two essential values when you do a two-tailed test. 1.95996 and -1.95996 are the Z critical values in this situation. Therefore, the test's findings are statistically significant if the test statistic is either less than -1.95996 or more than 1.95996.
结论
在统计学中，Z临界值用于确定数据的见解，因此机器学习模型可以使用它并基于它进行预测。
