Le test T se réfère à un test d’hypothèse univarié appuyé par une statistique T, dans lequel la moyenne est comprise et la variance de la population est approchée à partir de l’échantillon. D’autre part, le test Z est en outre un test univarié qui s’appuie sur une distribution gaussienne standard.

Différence entre le test T et le test Z

Dernière mise à jour le 20 mars 2018 par Surbhi S

T-test vs z-testT-test se réfère à un test d’hypothèse univarié soutenu par une statistique t, dans lequel la moyenne est comprise et la variance de la population est approchée à partir de l’échantillon. D’autre part, le test Z est en outre un test univarié qui prend en charge la distribution gaussienne standard .

En termes simples, une hypothèse se réfère à une supposition qui doit être acceptée ou rejetée. Il existe deux procédures de test d’hypothèse, à savoir le test paramétrique et le test non paramétrique, dans lesquelles le test paramétrique est fondé sur le fait même que les variables sont mesurées sur une échelle d’intervalle, alors que dans le test non paramétrique, un équivalent est supposé être mesuré sur une échelle ordinale. Or, dans le cadre du test paramétrique, il existe souvent deux sortes de test, le test t et le test z.

Différence entre le test T et le test Z

T-test vs z-testT-test se réfère à un test d’hypothèse univarié soutenu par une statistique t, dans lequel la moyenne est comprise et la variance de la population est approchée à partir de l’échantillon. D’autre part, le test Z est en outre un test univarié qui prend en charge la distribution gaussienne standard .

En termes simples, une hypothèse se réfère à une supposition qui doit être acceptée ou rejetée. Il existe deux procédures de test d’hypothèse, à savoir le test paramétrique et le test non paramétrique, dans lesquelles le test paramétrique est fondé sur le fait même que les variables sont mesurées sur une échelle d’intervalle, alors que dans le test non paramétrique, un équivalent est supposé être mesuré sur une échelle ordinale. Or, dans le cadre du test paramétrique, il existe souvent deux sortes de test, le test t et le test z.

BASE DE COMPARAISON TEST T-TEST Z-TEST

La signification du test T fait référence à une sorte de test paramétrique appliqué à l’identification, c’est-à-dire à la façon dont les moyennes de deux ensembles de connaissances diffèrent l’une de l’autre lorsque la variance n’est pas donnée. Le test Z implique un test d’hypothèse qui détermine si les moyennes de deux ensembles de données sont différentes l’une de l’autre lorsque la variance est donnée.

Basé sur la distribution Student-t Distribution normale

Variation de la population Inconnu Connu

Taille de l’échantillon Petit Grand

Définition du test T

Un test t peut être un test d’hypothèse utilisé par le chercheur pour faire correspondre les moyennes de population pour une variable, classée en deux catégories comptant sur la variable de moins d’un intervalle. Plus précisément, un test t est utilisé pour examiner la différence entre les moyennes de deux échantillons indépendants.

Le test T suit la distribution t, ce qui est acceptable lorsque la taille de l’échantillon est faible et que la variance de la population n’est donc pas connue. La forme de la distribution t souffre beaucoup du degré de liberté. Le degré de liberté implique la quantité d’observations indépendantes au cours d’un ensemble d’observations donné.

Hypothèses du test T :

Tous les points de données sont indépendants.

La taille de l’échantillon est faible. En général, un échantillon de plus de 30 unités est considéré comme grand, sinon petit, mais qui ne devrait pas être plus de 5, pour utiliser le test t.

Les valeurs de l’échantillon doivent être prises et enregistrées avec précision.

La statistique du test est :

x ̅is la moyenne de l’échantillon

est la variance de l’échantillon

n est la taille de l’échantillon

μ est que la population signifie

Test t jumelé : Un test statistique appliqué lorsque les 2 échantillons sont dépendants et que des observations appariées sont effectuées.

Définition du test Z

Le test Z se réfère à une analyse statistique univariée destinée à tester l’hypothèse selon laquelle les proportions de deux échantillons indépendants sont très différentes. Il détermine dans quelle mesure un point de connaissance est éloigné de sa moyenne de l’ensemble d’informations, en variance .

Le chercheur adopte le test z, lorsque la variance de la population est comprise, c’est-à-dire lorsque la taille de l’échantillon est trop grande, la variance de l’échantillon est considérée comme approximativement adéquate à la variance de la population.

Hypothèses du test Z :

Toutes les observations de l’échantillon sont indépendantes

La taille de l’échantillon devrait être d’environ 30.

La distribution de Z est normale, avec une moyenne nulle et une variance de 1.

La statistique du test est :

x ̅is la moyenne de l’échantillon

σ est la variance de la population

n est la taille de l’échantillon

μ est que la population signifie

Principales différences entre le test T et le test Z

La différence entre le test t et le test z est souvent clairement établie sur les motifs suivants :

Le test t est souvent considéré comme un test statistique utilisé pour comparer et analyser si les moyennes des deux populations sont différentes ou non lorsque l’écart de qualité n’est pas connu. Par contre, le test Z peut être un test paramétrique, qui est appliqué lorsque l’écart de qualité est connu, pour déterminer si les moyennes des deux ensembles de données diffèrent l’une de l’autre.

Le test t est basé sur la distribution t de Student. Au contraire, le test z repose sur l’idée que la distribution des moyennes de l’échantillon est normale. La distribution t de Student et la distribution gaussienne se ressemblent, car elles sont toutes deux symétriques et en forme de cloche. Cependant, elles diffèrent dans le sens où, lors d’une distribution t, il y a moins d’espace au centre et plus d’espace à l’arrière.

L’une des conditions importantes pour adopter le test t est que la variance de la population est inconnue. Inversement, la variance de la population doit être connue ou supposée être connue juste dans le cas d’un test z.

Le test Z est utilisé lorsque la taille de l’échantillon est importante, c’est-à-dire n > 30, et le test t est acceptable lorsque les dimensions de l’échantillon sont faibles, au sens où n < 30.