Z-Test (Z-тест) — статистический тест для проверки гипотез и определения того, является ли наблюдаемая разница между показателями статистически значимой.
Что такое Z-Test
Z-Test — метод статистической проверки гипотез, основанный на стандартном нормальном распределении. С его помощью можно оценить, насколько полученный результат отличается от ожидаемого и могла ли наблюдаемая разница возникнуть случайно.
Z-тест применяется для сравнения средних значений, а также долей и пропорций. Например, с его помощью можно сравнить конверсию двух вариантов страницы в A/B-тестировании.
Результатом анализа становится Z-статистика, на основании которой рассчитывается p-value и принимается решение о статистической значимости результата.

Для чего используют Z-Test
Z-тест применяется в аналитике, маркетинге, исследованиях и других областях, где необходимо принимать решения на основании данных.
С его помощью можно:
- сравнивать средние значения двух выборок;
- сравнивать показатель выборки с заданным значением;
- проверять различия между долями;
- анализировать результаты экспериментов;
- оценивать статистическую значимость результатов A/B-тестов.
Например, компания тестирует две версии страницы и получает разные показатели конверсии. Одного факта, что вариант B показывает 12%, а вариант A — 10%, недостаточно, чтобы уверенно считать B эффективнее. Необходимо учитывать размер выборки и случайные колебания.
Как работает Z-Test
Сначала формулируются две гипотезы.
Нулевая гипотеза (H₀) предполагает, что статистически значимого различия между сравниваемыми показателями нет.
Альтернативная гипотеза (H₁) предполагает наличие различия.
После этого рассчитывается Z-статистика — стандартизированная величина, показывающая, насколько наблюдаемый результат отклоняется от значения, ожидаемого при нулевой гипотезе.
Общий принцип можно представить так:
Z = (наблюдаемое значение − ожидаемое значение) / стандартная ошибка
Чем сильнее результат отклоняется от ожидаемого относительно стандартной ошибки, тем больше оснований сомневаться в нулевой гипотезе.
Что такое p-value в Z-Test
После расчета Z-статистики можно определить p-value. Этот показатель отражает вероятность получить наблюдаемый или более экстремальный результат при условии, что нулевая гипотеза верна.
До проведения теста выбирают уровень значимости α. Часто используется значение 0,05.
Если:
p-value < 0,05 — результат считают статистически значимым при α = 0,05;
p-value ≥ 0,05 — имеющихся данных недостаточно, чтобы отвергнуть нулевую гипотезу на этом уровне значимости.
Важно: p-value меньше 0,05 не доказывает, что один вариант «действительно лучше» во всех будущих случаях. Тест показывает наличие статистических оснований отвергнуть H₀ при выбранных предположениях и уровне значимости.
Z-Test в A/B-тестировании
Одно из применений Z-теста — сравнение долей, например коэффициентов конверсии.
Допустим:
- вариант A получил 1000 посещений и 100 конверсий — CR 10%;
- вариант B получил 1000 посещений и 120 конверсий — CR 12%.
На первый взгляд вариант B эффективнее. Однако разница в два процентных пункта могла возникнуть из-за случайных колебаний.
Тест для двух пропорций позволяет учесть размер выборок и количество успешных событий. Если полученное p-value оказывается ниже заранее выбранного уровня значимости, нулевая гипотеза о равенстве долей отвергается.
Когда применяется Z-Test
Классический Z-тест среднего особенно уместен, когда известно стандартное отклонение генеральной совокупности и выполнены соответствующие предпосылки модели.
Правило «выборка обязательно больше 30» является лишь распространенным упрощением, а не универсальным требованием. Для больших выборок нормальное приближение часто становится обоснованнее благодаря центральной предельной теореме.
При сравнении конверсий используются Z-тесты для пропорций, для которых важны достаточные количества наблюдений и событий в каждой группе.
Если предпосылки Z-теста не выполняются, в зависимости от задачи могут использоваться t-тесты, точные или непараметрические методы.
Z-Test и T-Test: в чем разница
Оба метода применяются для проверки статистических гипотез, однако используют разные распределения и предпосылки.
Классический Z-тест среднего опирается на нормальное распределение и предполагает известную дисперсию генеральной совокупности. T-Test использует распределение Стьюдента и особенно распространен при оценке среднего, когда дисперсия генеральной совокупности неизвестна.
Выбор теста зависит не просто от количества наблюдений, а от типа данных, проверяемой гипотезы и статистических предпосылок.
Зачем нужен Z-Test
Z-Test позволяет отделить наблюдаемую разницу в данных от статистического шума. Это помогает не делать выводы только на основании того, что один показатель визуально выше другого.
Поэтому Z-тест используется как один из инструментов статистического анализа экспериментов и A/B-тестов, позволяя принимать решения на основании измеримых данных и заранее заданного уровня статистической значимости.

Занимаюсь развитием контента Affelist: публикую новости индустрии, добавляю актуальные события и конференции, обновляю разделы с компаниями и специалистами CPA-рынка. Слежу за главными изменениями в affiliate-маркетинге, чтобы пользователи всегда имели доступ к свежей и полезной информации.



