Atšķirības starp Z-testu un T-testu
Z tests ir statistiskā hipotēze, kas tiek izmantota, lai noteiktu, vai abu aprēķināto vidējo vidējo rādītāju atšķirība ir atšķirīga, ja ir pieejama standarta novirze un izlase ir liela, turpretī T testu izmanto, lai noteiktu dažādu datu kopu vidējos rādītājus. atšķiras viena no otras, ja standarta novirze vai dispersija nav zināma.
Z-testi un t-testi ir divas statistikas metodes, kas saistītas ar datu analīzi, kuru izmanto zinātnē, uzņēmējdarbībā un daudzās citās disciplīnās. T-testu var saukt par vienveidīgo hipotēzes testu, kas balstīts uz t-statistiku, kur vidējais, ti, vidējais ir zināms, un populācijas dispersija, ti, standartnovirze, ir aptuvena no izlases. No otras puses, Z-tests, arī viena mainīgā tests, kura pamatā ir standarta normāls sadalījums.
Izmanto
# 1 - Z-tests
Z-testa formula, kā minēts iepriekš, ir statistikas aprēķini, kurus var izmantot, lai salīdzinātu populācijas vidējos rādītājus ar paraugu. Z-tests jums parādīs, cik tālu datu punkts ir vidējais no datu kopas standarta noviržu izteiksmē. Z-tests salīdzinās izlasi ar noteiktu kopu, ko parasti izmanto, lai risinātu problēmas, kas saistītas ar lieliem paraugiem (ti, n> 30). Pārsvarā tie ir ļoti noderīgi, ja ir zināma standartnovirze.
# 2 - T-tests
T-testi ir arī aprēķini, kurus var izmantot hipotēzes pārbaudei, taču tie ir ļoti noderīgi, ja mums jānosaka, vai pastāv statistiski nozīmīgs salīdzinājums starp 2 neatkarīgajām izlases grupām. Citiem vārdiem sakot, t-tests jautā, vai salīdzinājums starp 2 grupu vidējiem rādītājiem, visticamāk, nav noticis nejaušu iespēju dēļ. Parasti t-testi ir piemērotāki, risinot problēmas ar ierobežotu izlases lielumu (ti, n <30).
Z-testa un T-testa infografika
Šeit mēs piedāvājam jums piecas galvenās atšķirības starp z-testu un t-testu, kas jums jāzina.
Galvenās atšķirības
- Viens no būtiskajiem nosacījumiem t-testa veikšanai ir tas, ka populācijas standartnovirze vai dispersija nav zināma. Un otrādi, jāpieņem, ka populācijas dispersijas formula, kā norādīts iepriekš, ir zināma vai zināma z-testa gadījumā.
- T-tests, kā minēts iepriekš, ir balstīts uz studenta t-sadalījumu. Gluži pretēji, z-tests ir atkarīgs no pieņēmuma, ka parauga vidējais sadalījums būs normāls. Gan normālais sadalījums, gan studenta t-sadalījums šķiet vienādi, jo abi ir zvana formas un simetriski. Tomēr tie atšķiras vienā no gadījumiem, kad izplatīšanas laikā centrā ir mazāk vietas, bet astēs - vairāk.
- Z-tests tiek izmantots, kā norādīts iepriekšējā tabulā, ja parauga lielums ir liels, kas ir n> 30, un t-tests ir piemērots, ja parauga lielums nav liels, kas ir mazs, ti, ka n < 30.
Z-testa un T-testa salīdzinošā tabula
| Pamats | Z tests | T-tests | ||
| Pamata definīcija | Z-tests ir sava veida hipotēzes tests, kas nosaka, vai 2 datu kopu vidējie rādītāji atšķiras, ja tiek dota standarta novirze vai dispersija. | T-testu var saukt par sava veida parametru testu, kas tiek piemērots identitātei, kā divu datu kopu vidējie rādītāji atšķiras viens no otra, ja nav norādīta standarta novirze vai dispersija. | ||
| Iedzīvotāju dispersija | Šeit ir zināma populācijas dispersija vai standartnovirze. | Populācijas dispersija vai standartnovirze šeit nav zināma. | ||
| Parauga lielums | Izlases lielums ir liels. | Šeit izlases lielums ir mazs. | ||
| Galvenie pieņēmumi |
|
|
||
| Pamatojoties uz (izplatīšanas veids) | Pamatojoties uz Normal distribution. | Pamatojoties uz Student-t sadalījumu. |
Secinājums
Lielākoties abi šie testi ir gandrīz līdzīgi, taču salīdzinājums attiecas tikai uz to piemērošanas nosacījumiem, kas nozīmē, ka t-tests ir piemērotāks un piemērotāks, ja parauga lielums nepārsniedz trīsdesmit vienības. Tomēr, ja tā ir lielāka par trīsdesmit vienībām, jāizmanto z-tests. Līdzīgi ir arī citi nosacījumi, kas skaidri parādīs, kurš tests jāveic situācijā.
Nu, ir arī dažādi testi, piemēram, f tests, divdaļīgs vai vienastrāls utt., Statistikas speciālistiem jābūt piesardzīgiem, tos piemērojot pēc situācijas analīzes un pēc tam izlemjot, kuru izmantot. Zemāk ir diagrammas paraugs tam, ko mēs iepriekš apspriedām.
