Hypotestestkalkylator
Beräkna ett z-värde eller t-statistika för att avgöra om ditt stickprovs medelvärde skiljer sig signifikant från ett hypotetiskt populationsmedelvärde. Använd den för kvalitetskontroller, kliniska prövningar och andra experiment där du behöver acceptera eller förkasta en nollhypotes.
Last updated: May 2026
Om denna räknare
Hypotesprövning utvärderar om ett observerat stickprovsresultat är sannolikt givet en antagen nollhypotes (H₀). Teststatistikan beräknas som |z| eller |t| = |( x̄ − μ₀ ) / ( σ / √n )|, där x̄ är stickprovets medelvärde, μ₀ är det hypotetiska populationsmedelvärdet, σ är standardavvikelsen och n är stickprovsstorleken. För stora stickprov eller känd populationsvarians är ett z-test lämpligt; för små stickprov med okänd varians föredras ett t-test. Den beräknade statistikan jämförs sedan med ett kritiskt värde vid vald signifikansnivå (t.ex. 1,96 för α = 0,05, tvåsidigt test). Om teststatistikan överskrider det kritiska värdet förkastar du H₀ och drar slutsatsen att skillnaden är statistiskt signifikant. Ju lägre p-värdet är, desto starkare är evidensen mot nollhypotesen.
Hur du använder den
En fabrik hävdar att dess bultar har en medeldiameter på 10 mm (μ₀ = 10). En kvalitetsinspektör mäter ett stickprov på 49 bultar och finner x̄ = 10,3 mm med σ = 0,7 mm. Steg 1: Beräkna teststatistikan: |z| = |( 10,3 − 10 ) / ( 0,7 / √49 )| = |0,3 / 0,1| = 3,0. Steg 2: Jämför med det kritiska värdet 1,96 (α = 0,05, tvåsidigt). Steg 3: Eftersom 3,0 > 1,96 förkastas H₀. Datan ger starkt stöd för att den verkliga medeldiametern skiljer sig från 10 mm.
Vanliga frågor
Vad är skillnaden mellan ett z-test och ett t-test vid hypotesprövning?
Ett z-test används när populationens standardavvikelse är känd eller stickprovet är stort (vanligtvis n ≥ 30), eftersom samplingfördelningen då approximeras väl av en normalfördelning. Ett t-test används när populationens standardavvikelse är okänd och stickprovet är litet — det bygger på t-fördelningen, som har tyngre svansar för att hantera den extra osäkerheten. Ju större stickprovet är, desto mer liknar t-fördelningen normalfördelningen, och de två testen ger nästan identiska resultat för stora n. I praktiken är t-testet det säkrare valet vid osäkerhet.
Hur tolkar jag p-värdet från ett hypotestest?
P-värdet är sannolikheten att observera en teststatistika lika extrem som din — eller mer extrem — givet att nollhypotesen är sann. Ett lågt p-värde (vanligtvis under 0,05) indikerar att ditt resultat sannolikt inte beror på slumpen, vilket ger stöd för att förkasta H₀. P-värdet är inte sannolikheten att H₀ är sann, och inte heller att ditt resultat uppstod av en slump. Att passera gränsen 0,05 är en konvention, inte en absolut regel — sammanhang, effektstorlek och studiedesign spelar alla in när slutsatser ska dras.
Vad innebär det att ett hypotestests resultat är statistiskt signifikant?
Statistisk signifikans innebär att teststatistikan överskrider det kritiska tröskelvärdet för din valda signifikansnivå, vilket tyder på att den observerade skillnaden sannolikt inte beror på slumpmässig stickprovsvariation. Det innebär inte nödvändigtvis att skillnaden är praktiskt viktig eller stor. En studie med ett mycket stort stickprov kan visa statistisk signifikans för minimala, obetydliga skillnader. Komplettera alltid signifikansen med effektstorleksmått (som Cohens d) och konfidensintervall för att bedöma om ett fynd är relevant i praktiken.