Teste z é um teste de hipótese que compara uma média ou uma proporção com um valor de referência, ou duas proporções entre si, usando a distribuição normal padrão. Calcula-se z = (estimativa − valor de referência) ÷ erro padrão. Vale quando o desvio padrão da população é conhecido ou quando a amostra de uma proporção é grande. |z| acima de 1,96 rejeita a hipótese nula a 5%, nos dois lados.
“Com mais de 30 dados, use o teste z; com menos, o teste t.” A frase passa de apostila em apostila e quase todo mundo já a repetiu numa prova. Ela tem a vantagem de ser fácil de lembrar. E tem um defeito: responde à pergunta errada.
O tamanho da amostra não decide entre z e t. O que decide é de onde vem o desvio padrão que entra no denominador. Se ele é conhecido, o teste é z, com 16 frascos ou com 1.600. Se ele foi estimado da própria amostra, o teste é t, com 16 ou com 1.600. Com amostra grande os dois dão quase o mesmo número, e é daí que nasceu o atalho. O atalho, porém, esconde o que o teste está calculando.
O que é teste z?
É o teste de hipótese mais simples da estatística: mede quantos erros padrão a estimativa está longe do valor que a hipótese nula afirma. Se a distância é grande demais para ser variação aleatória, a hipótese nula é rejeitada. Os outros testes paramétricos seguem a mesma lógica, com outra distribuição de referência.
O teste z faz parte da família de testes de hipótese, junto com o t, o qui-quadrado e a ANOVA. A diferença dele para os vizinhos está numa hipótese só: a de que a estatística calculada segue a normal padrão, com média 0 e desvio padrão 1. Isso acontece em duas situações práticas:
- Média com desvio padrão conhecido. O processo tem um histórico longo e estável, e o desvio padrão é um parâmetro do processo, não uma estimativa da amostra de hoje.
- Proporção com amostra grande. Taxa de defeito, de conversão, de aprovação. Pelo teorema central do limite, a proporção amostral fica aproximadamente normal quando n·p e n·(1 − p) passam de 10, e o desvio padrão sai da própria hipótese nula.
Fórmula do teste z para uma média e para proporções
Antes da fórmula, a pergunta que ela responde: se nada mudou no processo, qual a chance de ver uma diferença deste tamanho só por acaso? A fórmula mede a diferença na unidade certa, o erro padrão.
| Caso | Estatística z | Erro padrão | Quando usar |
|---|---|---|---|
| Uma média | z = (x̄ − μ₀) ÷ EP | σ ÷ √n | σ conhecido por histórico estável |
| Uma proporção | z = (p̂ − p₀) ÷ EP | √[p₀(1 − p₀) ÷ n] | n·p₀ e n·(1 − p₀) ≥ 10 |
| Duas proporções | z = (p̂₂ − p̂₁) ÷ EP | √[p̄(1 − p̄)(1/n₁ + 1/n₂)] | p̄ = total de sucessos ÷ total de observações |
O z calculado é então comparado com a normal padrão. A distribuição aparece tabulada na tabela Z; a mesma conta, aplicada a um valor individual e não a uma média, é o escore z. São três coisas diferentes que usam a mesma curva.
Como fazer o teste z passo a passo
- Escreva as hipóteses. H₀: a média do processo é 500 g. H₁: é diferente de 500 g (bilateral), ou maior, ou menor (unilateral). A escolha vem antes de olhar os dados.
- Fixe o nível de significância. Em geral α = 5%. Valores críticos: 1,96 no teste bilateral, 1,645 no unilateral; a 1%, 2,576 e 2,326.
- Confira as condições. σ conhecido de verdade, observações independentes, proporção com sucessos e fracassos suficientes.
- Calcule z e o p-valor. O p-valor é a área da normal além do z observado (nos dois lados, no teste bilateral).
- Decida e traduza. p-valor menor que α: rejeita-se H₀. Depois, a pergunta que o teste não responde: a diferença tem tamanho que importa para o processo?
Exemplo de teste z para uma média: a envasadora de detergente
Uma linha envasa detergente em frascos de 500 g. A carta de controle da linha está estável há 14 meses e o desvio padrão do peso, medido em milhares de frascos, é 2,0 g. Depois de uma troca de bico dosador, a qualidade pesa 16 frascos: média 501,3 g. A dosagem mudou?
Erro padrão = 2,0 ÷ √16 = 0,5 g. z = (501,3 − 500) ÷ 0,5 = 2,6. O p-valor bilateral é 0,009. Menos de 1% de chance de ver essa média se a dosagem não tivesse mudado: a troca do bico deslocou o processo.
Aqui cabe a objeção que todo leitor atento faz: “mas são só 16 frascos, não devia ser t?”. Não devia. O 2,0 g não saiu desses 16 frascos; saiu de 14 meses de processo estável. É exatamente o caso do teste z. Se a qualidade calculasse o desvio padrão desses 16 frascos e o usasse na fórmula, aí sim o teste seria o teste t de Student, com 15 graus de liberdade.
E a ressalva prática: 1,3 g a mais por frasco, numa linha de 40.000 frascos por dia, são 52 kg de produto dado de graça por dia. O teste diz que a diferença existe; a conta de custo diz que ela importa.
Teste z para duas proporções: o checkout que “converteu mais”
Uma loja virtual trocou a página de pagamento. Nos 14 dias anteriores, foram 380 compras em 12.000 sessões que chegaram ao carrinho (3,17%). Nos 14 dias seguintes, 455 compras em 12.000 sessões (3,79%).
Proporção combinada p̄ = 835 ÷ 24.000 = 0,0348. Erro padrão = √[0,0348 × 0,9652 × (2 ÷ 12.000)] = 0,00237. z = (0,0379 − 0,0317) ÷ 0,00237 = 2,64. p-valor bilateral = 0,008. O relatório foi para a diretoria com o título “novo checkout aumenta a conversão em 20%”.
Responda antes de continuar: o que falta conferir? Falta olhar os 14 dias, um por um. Nos três primeiros dias depois da troca, um cupom de frete grátis estava no ar: 152 compras em 2.700 sessões (5,6%). Nos 11 dias restantes, 303 compras em 9.300 sessões (3,26%). Comparando esses 11 dias com o período anterior, z = 0,38 e p-valor = 0,71. Sem o cupom, não há diferença detectável.
O teste z estava certo na conta e errado na conclusão. Ele tratou 14 dias como uma amostra homogênea, e não eram: havia uma causa especial misturada no meio. Comparar dois agregados é comparar dois pontos; quem plota a série diária, numa carta de controle ou num simples gráfico de sequência, vê o salto dos três primeiros dias antes de rodar qualquer teste.

Calculadora de teste z
Preencha os campos de um dos dois blocos. O cálculo é feito na hora, no seu navegador; o botão gera um CSV com os resultados.
Hipótese alternativa:
1. Uma média, σ conhecido
Média da amostra (x̄)
Valor de referência (μ₀)
Desvio padrão conhecido (σ)
Tamanho da amostra (n)
z = 2,600 · p-valor = 0,0093 · rejeita H₀ a 5%
2. Duas proporções
Grupo 1: sucessos de
Grupo 2: sucessos de
p₁ = 3,17% · p₂ = 3,79% · z = 2,642 · p-valor = 0,0082 · rejeita H₀ a 5%
A calculadora não confere se σ é conhecido de verdade nem se os dados são homogêneos no tempo. Essa parte é sua.
Teste z ou teste t: o critério que vale
A régua correta tem duas perguntas. O desvio padrão é conhecido ou estimado? Se estimado, o teste é t. A estatística é uma proporção com amostra grande? Se sim, o teste é z, porque o desvio padrão sai de p₀.
Na prática industrial, σ “conhecido” é mais raro do que parece. Ele exige um processo estável, demonstrado em carta de controle, e um sistema de medição que não mudou. Se a linha de detergente tivesse trocado de balança no mês passado, o 2,0 g histórico deixaria de valer e o teste certo seria t. Por isso, em pesquisa e em projetos de melhoria, o t é o padrão para médias e o z fica com as proporções.
Dentro do DMAIC, os dois entram na fase Analisar, para confirmar se uma causa suspeita muda o resultado, e na fase Controlar, para verificar se a melhoria se manteve. Quem conduz projeto de Green Belt aprende a escolher o teste pelo tipo de dado e pela origem do desvio padrão, não pelo tamanho da planilha.
Quando o teste z engana
Três situações produzem p-valores baixos com conclusões erradas:
- Dados que não são homogêneos no tempo. O caso do checkout. O teste supõe uma única população; uma promoção, um turno diferente ou um lote de matéria-prima formam outra.
- Observações dependentes. Frascos seguidos da mesma cabeça de envase não são independentes. O erro padrão real é maior que σ ÷ √n e o z fica inflado.
- Amostra enorme. Com 2 milhões de sessões, uma diferença de 0,05 ponto percentual dá p-valor baixíssimo. Significante não é sinônimo de relevante: olhe o intervalo de confiança da diferença.
O cálculo do teste z cabe numa linha e qualquer planilha faz. O que nenhuma planilha faz é perguntar se o desvio padrão é mesmo conhecido, se os dias são comparáveis e se a diferença paga a mudança. A conta é a parte fácil. O método que vem antes dela — olhar os dados no tempo, separar causa comum de causa especial, decidir o que seria uma diferença importante — é o que transforma o z num argumento.
Conteúdo revisado pelo Master Black Belt Marcelo Petenate, estatístico, formado pela Unicamp, mestre pela USP e especialista em Lean Six Sigma e melhoria contínua.
Nesta revisão, o foco foi a origem do desvio padrão como critério entre z e t e a homogeneidade dos dados no tempo antes do teste.
O checkout que “convertia 20% mais” passou no teste z e não sobreviveu a um gráfico de 14 pontos. A ordem certa — primeiro a série no tempo, depois o teste — é o raciocínio que o White Belt gratuito da Escola EDTI ensina antes de qualquer ferramenta estatística: o que é variação, de onde ela vem e quando um número merece uma decisão.
Perguntas frequentes sobre teste z
Quando usar o teste z?
Para testar uma média quando o desvio padrão da população é conhecido, e para testar uma ou duas proporções com amostra grande (pelo menos 10 sucessos e 10 fracassos em cada grupo). Se o desvio padrão de uma média foi calculado da própria amostra, use o teste t.
Qual a diferença entre teste z e teste t?
O teste z usa a normal padrão porque o desvio padrão é conhecido. O teste t usa a distribuição t, de caudas mais largas, porque o desvio padrão foi estimado e carrega incerteza. Com amostras grandes, os resultados ficam muito próximos, mas o critério de escolha continua sendo a origem do desvio padrão.
O que significa z = 1,96?
É o valor crítico do teste bilateral a 5%: 95% da área da normal padrão fica entre −1,96 e +1,96. Um z calculado maior que 1,96 em valor absoluto corresponde a p-valor menor que 0,05.
Como calcular o p-valor do teste z?
No teste bilateral, p-valor = 2 × [1 − Φ(|z|)], em que Φ é a função acumulada da normal padrão. No Excel: =2*(1-DIST.NORMP.N(ABS(z);VERDADEIRO)). No unilateral superior, 1 − Φ(z).
Teste z serve para amostras pequenas?
Serve, desde que o desvio padrão seja conhecido e a variável seja aproximadamente normal. O exemplo dos 16 frascos é legítimo. Para proporções, amostra pequena não serve: use o teste exato binomial ou o teste exato de Fisher.
Que erro as pessoas mais cometem com o teste z?
Rodar o teste sobre agregados de períodos sem olhar a série no tempo. Uma causa especial dentro do período (promoção, falha, troca de lote) produz um z alto que não tem nada a ver com a mudança que se quer avaliar.