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
  • Visi duomenų taškai yra nepriklausomi.
  • Normalus Z pasiskirstymas, kai vidutinis nulis ir dispersija = 1.
  • Visi duomenų taškai nėra priklausomi.
  • Mėginių vertės turi būti registruojamos ir tiksliai paimamos
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.


$config[zx-auto] not found$config[zx-overlay] not found