Skirtumas tarp hipotezių testavimo Z ir T testų
Skirtumai tarp Z-T ir T-Test
Z testas yra statistinė hipotezė, naudojama siekiant nustatyti, ar dviejų apskaičiuotų imčių vidurkiai skiriasi, jei yra standartinis nuokrypis ir imtis yra didelė, o T testas naudojamas siekiant nustatyti, kaip skirtingų duomenų rinkinių vidurkiai skiriasi viena nuo kitos tuo atveju, kai standartinis nuokrypis ar dispersija nėra žinoma.
Z-testai ir t-testai yra du statistiniai metodai, apimantys duomenų analizę, kuri taikoma mokslo, verslo ir daugelyje kitų disciplinų. T testą galima vadinti vienkartiniu hipotezės testu, kuris pagrįstas t statistika, kur žinomas vidurkis, ty vidurkis, ir populiacijos dispersija, ty standartinis nuokrypis yra apytiksliai apskaičiuotas pagal imtį. Kita vertus, Z testas, taip pat vieno kintamojo testas, pagrįstas standartiniu normaliu pasiskirstymu.
Naudoja
1 - „Z-Test“
Z-testo formulė, kaip minėta anksčiau, yra statistiniai skaičiavimai, kuriuos galima naudoti norint palyginti populiacijos vidurkius su imties duomenimis. „Z“ testas jums parodys, kiek atstumas, atsižvelgiant į standartinius nuokrypius, yra nuo duomenų rinkinio vidurkio. Z testas padės palyginti imtį su apibrėžta populiacija, kuri paprastai naudojama sprendžiant problemas, susijusias su didelėmis imtimis (ty n> 30). Dažniausiai jie yra labai naudingi, kai žinomas standartinis nuokrypis.
# 2 - T-testas
T testai taip pat yra skaičiavimai, kurie gali būti naudojami hipotezei patikrinti, tačiau jie yra labai naudingi, kai turime nustatyti, ar yra statistiškai reikšmingas 2 nepriklausomų imčių grupių palyginimas. Kitaip tariant, t testas klausia, ar mažai tikėtina, kad 2 grupių vidurkių palyginimas įvyko dėl atsitiktinio atsitiktinumo. Paprastai t testai yra tinkamesni, kai sprendžiate problemas, kurių imties dydis yra ribotas (ty n <30).
„Z-Test“ ir „T-Test“ infografika
Čia pateikiame jums 5 svarbiausius „z-test“ ir „t-test“ skirtumus, kuriuos privalote žinoti.
Pagrindiniai skirtumai
- Viena iš svarbiausių sąlygų t bandymui atlikti yra ta, kad populiacijos standartinis nuokrypis arba dispersija nėra žinoma. Priešingai, turėtų būti daroma prielaida, kad pirmiau nurodyta populiacijos dispersijos formulė yra žinoma arba žinoma z testo atveju.
- Kaip minėta anksčiau, t testas yra pagrįstas Studento t skirstiniu. Priešingai, z testas priklauso nuo prielaidos, kad imties vidurkis bus normalus. Normalus ir studento t skirstinys atrodo tas pats, nes abu yra varpo formos ir simetriški. Tačiau jie skiriasi vienu iš atvejų, kai paskirstymo metu centre yra mažiau vietos, o jų uodegose - daugiau.
- Z bandymas naudojamas, kaip nurodyta pirmiau pateiktoje lentelėje, kai imties dydis yra didelis, ty n> 30, o t bandymas yra tinkamas, kai imties dydis nėra didelis, t. Y. N <30.
„Z-Test“ ir „T-Test“ palyginamoji lentelė
Pagrindas | Z bandymas | T-testas | ||
Pagrindinis apibrėžimas | Z testas yra tam tikras hipotezės testas, kuriuo nustatoma, ar dviejų duomenų rinkinių vidurkiai skiriasi, kai pateikiamas standartinis nuokrypis ar dispersija. | T testą galima vadinti tam tikru parametriniu testu, kuris taikomas tapatybei, kaip 2 duomenų rinkinių vidurkiai skiriasi vienas nuo kito, kai nenurodomas standartinis nuokrypis ar dispersija. | ||
Populiacijos dispersija | Čia yra žinoma populiacijos dispersija arba standartinis nuokrypis. | Populiacijos dispersija ar standartinis nuokrypis čia nežinomas. | ||
Imties dydis | Imties dydis yra didelis | Čia imties dydis yra mažas. | ||
Pagrindinės prielaidos |
|
|
||
Remiantis (platinimo tipu) | Remiantis normaliu pasiskirstymu. | Remiantis Student-t paskirstymu. |
Išvada
Apskritai abu šie bandymai yra beveik panašūs, tačiau palyginama tik su jų taikymo sąlygomis, o tai reiškia, kad t testas yra tinkamesnis ir taikomas, kai imties dydis yra ne didesnis kaip trisdešimt vienetų. Tačiau jei jis didesnis nei trisdešimt vienetų, reikėtų naudoti z testą. Panašiai yra ir kitų sąlygų, kurios aiškiai parodys, kuris bandymas turi būti atliekamas situacijoje.
Na, taip pat yra įvairių testų, tokių kaip f testas, dviejų uodegų ir vienos uodegos ir kt., Statistikai turi būti atsargūs juos taikydami, išanalizavę situaciją ir nuspręsdami, kurią naudoti. Žemiau pateikiama pavyzdinė diagrama, apie kurią mes aptarėme aukščiau.