T-test odnosi się do jednoczynnikowej hipotezy wspomaganej testem t-statystyką, w której rozumiana jest średnia, a wariancja populacyjna jest przybliżona z próby. Z drugiej strony, test Z jest dodatkowo testem jednoczynnikowym, który jest wspierany przez standardowy rozkład gaussowski.
Różnica między testem T i Z-testem
Ostatnia aktualizacja w dniu 20 marca 2018 r. dokonana przez Surbhi S
T-test vs z-testT-test odnosi się do hipotezy jednokierunkowej wspomaganej t-statystyką, w której rozumiana jest średnia, a wariancja populacyjna jest przybliżona z próby. Z drugiej strony, test Z jest dodatkowo testem jednoczynnikowym, który jest wspierany przez standardowy rozkład Gaussian.
W uproszczeniu, hipoteza odnosi się do przypuszczenia, które ma być przyjęte lub odrzucone. Istnieją dwie procedury testowania hipotez, tj. test parametryczny i test nieparametryczny, w których test parametryczny opiera się na samym fakcie, że zmienne są mierzone w skali interwałowej, podczas gdy w ramach testu nieparametrycznego przyjmuje się, że odpowiednik jest mierzony w skali rzędnej. Obecnie, w ramach testu parametrycznego, często występują dwa rodzaje testu, test t i test z.
Różnica między badaniem T i Z-testem
T-test vs z-testT-test odnosi się do hipotezy jednokierunkowej wspomaganej t-statystyką, w której rozumiana jest średnia, a wariancja populacyjna jest przybliżona z próby. Z drugiej strony, test Z jest dodatkowo testem jednoczynnikowym, który jest wspierany przez standardowy rozkład Gaussian.
W uproszczeniu, hipoteza odnosi się do przypuszczenia, które ma być przyjęte lub odrzucone. Istnieją dwie procedury testowania hipotez, tj. test parametryczny i test nieparametryczny, w których test parametryczny opiera się na samym fakcie, że zmienne są mierzone w skali interwałowej, podczas gdy w ramach testu nieparametrycznego przyjmuje się, że odpowiednik jest mierzony w skali rzędnej. Obecnie, w ramach testu parametrycznego, często występują dwa rodzaje testu, test t i test z.
PODSTAWA DO PORÓWNANIA T-TEST Z-TEST
Znaczenie T-test odnosi się do rodzaju testu parametrycznego, który jest stosowany do spotu , jak środki dwóch zestawów wiedzy różnią się od siebie, gdy nie podano wariancji. Test Z zakłada test hipotetyczny, który ustala, czy środki dwóch zestawów danych różnią się od siebie, gdy podana jest wariancja.
Na podstawie rozkładu Student-t Rozkład normalny
Odchylenie liczby ludności Nieznane Nieznane
Wielkość próbki Mały Duży
Definicja T-testu
Test t może być testem hipotetycznym stosowanym przez badacza w celu dopasowania środków populacyjnych do zmiennej, podzielonej na dwie kategorie, licząc na zmienną o wartości mniejszej niż interwał. Mówiąc dokładniej, test t stosuje się, aby przyjrzeć się, jak różne są środki pobrane z dwóch niezależnych próbek.
T-test następuje po t-rozwoju, który jest akceptowalny, gdy wielkość próby jest mała, a zatem wariancja populacji nie jest znana. Stopień swobody oznacza ilość niezależnych obserwacji podczas danego zbioru obserwacji.
Założenia T-testu:
Wszystkie punkty danych są niezależne.
Wielkość próby jest niewielka . Ogólnie rzecz biorąc, liczebność próby przekraczająca 30 jednostek próby jest uważana za dużą, w przeciwnym razie za małą, ale nie powinna być większa niż 5, aby można było zastosować badanie t.
Wartości próbek powinny być pobierane i dokładnie rejestrowane.
Statystyka testu jest taka:
x ̅is średnia próbka
s to przykładowa wariancja
n to wielkość próbki
μ jest to, że populacja oznacza
Para t-testów: Badanie statystyczne stosuje się, gdy 2 próbki są zależne od siebie i pobierane są obserwacje parami.
Definicja badania Z
Z-test odnosi się do jednoczynnikowej analizy statystycznej, która nie sprawdza hipotezy, że proporcje z dwóch niezależnych próbek znacznie się różnią. Określa on, w jakim stopniu punkt wiedzy jest odległy od swojej średniej zestawu informacji, w wariancie .
Badacz przyjmuje test z, gdy wariancja w populacji jest rozumiana , w istocie, gdy wielkość próby jest zbyt duża, wariancja próby jest uważana za w przybliżeniu adekwatną do wariancji w populacji. w ten sposób przyjmuje się, że jest ona znana, pomimo tego, że są tylko dane z próby, to często stosuje się test normalny.
Założenia testu Z:
Wszystkie obserwacje próby są niezależne
Wielkość próbki powinna wynosić około 30.
Rozkład Z jest normalny, przy średnim zerze i wariancie 1.
Statystyka badania jest:
x ̅is średnia wielkość próbki
σ to wariancja populacji
n to wielkość próbki
μ jest to, że populacja oznacza
Kluczowe różnice między testem T a testem Z
Różnica między t-testem a z-testem jest często wyraźnie rysowana na podstawie kolejnych powodów:
Badanie t-test jest często rozumiane jako badanie statystyczne, które jest stosowane do dopasowania i analizy, czy środki z 2 populacji różnią się od siebie, czy nie, gdy odchylenie jakościowe nie jest znane. W przeciwieństwie do tego, badanie Z może być badaniem parametrycznym, które stosuje się, gdy odchylenie jakościowe jest rozumiane, aby ustalić, jeżeli średnie 2 zbiorów danych różnią się od siebie.
Test t jest oparty na dystrybucji t Studenta. Przeciwnie, test z opiera się na założeniu, że rozkład środków w próbie jest normalny. Zarówno dystrybucja t-Studenta jak i dystrybucja gaussowska wydają się być podobne, ponieważ obie są symetryczne i mają kształt dzwoneczka. Różnią się one jednak w tym sensie, że podczas t-rozkładu jest mniej miejsca w środku, a więcej w ogonach.
Jednym z ważnych warunków przyjęcia t-testu jest to, że wariancja populacji jest nieznana. I odwrotnie, wariancja populacji powinna być znana lub zakłada się, że jest znana tylko w przypadku testu z.
Badanie Z stosuje się, gdy wielkość próby jest duża, tj. n > 30, a badanie t jest dopuszczalne, gdy wielkość próby jest mała, w tym sensie, że n < 30.
