seychellesartprojects.org

Erot Z-testin ja T-testin välillä

Z-testi on tilastollinen hypoteesi, jota käytetään sen määrittämiseksi, ovatko molemmat lasketut keskiarvot keskiarvoja erilaiset, jos keskihajonta on käytettävissä ja näyte on suuri, kun taas T-testiä käytetään erilaisten tietojoukkojen keskiarvojen määrittämiseen eroaa toisistaan, jos keskihajonta tai varianssi ei ole tiedossa.

Z-testit ja t-testit ovat kaksi tilastollista menetelmää, joihin sisältyy data-analyysi, jota on sovellettu tieteen, liiketoiminnan ja monien muiden alojen kanssa. T-testi voidaan viitata yksimuuttujaiseen hypoteesitestiin, joka perustuu t-tilastoon, jossa keskiarvo eli keskiarvo on tiedossa ja populaation varianssi eli keskihajonta arvioidaan otoksesta. Toisaalta Z-testi, myös yksimuuttujainen testi, joka perustuu normaaliin normaalijakaumaan.

Käyttää

# 1 - Z-testi

Kuten aiemmin mainittiin, Z-testikaava ovat tilastollisia laskelmia, joita voidaan käyttää populaatiokeskiarvojen vertaamiseen otokseen. Z-testi kertoo kuinka kaukana standardipoikkeamien suhteen datapiste on tietojoukon keskiarvosta. Z-testi vertaa näytettä määriteltyyn populaatioon, jota käytetään tyypillisesti suuriin näytteisiin (ts. N> 30) liittyvien ongelmien käsittelemiseen. Enimmäkseen ne ovat erittäin hyödyllisiä, kun keskihajonta tiedetään.

# 2 - T-testi

T-testit ovat myös laskelmia, joita voidaan käyttää hypoteesin testaamiseen, mutta ne ovat erittäin hyödyllisiä, kun meidän on määritettävä, onko kahden itsenäisen otosryhmän välillä tilastollisesti merkitsevä vertailu. Toisin sanoen t-testi kysyy, onko todennäköistä, että kahden ryhmän keskiarvojen vertailua on satunnaisten sattumien vuoksi tapahtunut. Yleensä t-testit ovat tarkoituksenmukaisempia, kun käsittelet ongelmia, joiden otos on rajallinen (ts. N <30).

Z-Test vs T-Test Infographics

Tässä tarjoamme sinulle 5 parasta eroa z-testin ja t-testin välillä, jotka sinun on tiedettävä.

Tärkeimmät erot

• Yksi tärkeimmistä olosuhteista t-testin suorittamiseksi on, että populaation keskihajonta tai varianssi on tuntematon. Päinvastoin, edellä esitetyn väestövarianssikaavan tulisi olettaa olevan tiedossa tai tiedossa z-testin tapauksessa.
• Aikaisemmin mainittu t-testi perustuu Studentin t-jakaumaan. Päinvastoin, z-testi riippuu oletuksesta, että näytekeskiarvojen jakauma on normaali. Sekä normaalijakauma että opiskelijan t-jakauma näyttävät samoilta, koska molemmat ovat kellomaisia ​​ja symmetrisiä. Ne eroavat kuitenkin eräässä tapauksessa siitä, että jakelussa keskellä on vähemmän tilaa ja hännissä enemmän.
• Z-testiä käytetään yllä olevan taulukon mukaisesti, kun näytteen koko on suuri, joka on n> 30, ja t-testi on sopiva, kun näytteen koko ei ole suuri, mikä on pieni eli että n <30.

Z-Test vs T-Test vertailutaulukko

Perusta		Z Testi		T-testi
Perusmäärittely		Z-testi on eräänlainen hypoteesitesti, jolla varmistetaan, poikkeavatko kahden aineiston keskiarvot toisistaan, kun annetaan keskihajonta tai varianssi.		T-testi voidaan viitata eräänlaiseen parametriseen testiin, jota sovelletaan identiteettiin, kuinka kahden tietojoukon keskiarvot eroavat toisistaan, kun keskihajontaa tai varianssia ei anneta.
Väestön vaihtelu		Populaation varianssi tai keskihajonta tunnetaan tässä.		Populaation varianssia tai keskihajontaa ei tunneta tässä.
Otoskoko		Näytteen koko on suuri		Tässä näytekoko on pieni.
Keskeiset oletukset		Kaikki datapisteet ovat riippumattomia. Normaali jakauma Z: lle, keskimääräinen nolla ja varianssi = 1.		Kaikki datapisteet eivät ole riippuvaisia ​​toisistaan. Näytearvot on kirjattava ja otettava tarkasti
Perustuu (jakelutyyppiin)		Perustuu normaalijakaumaan.		Perustuu Student-t-jakaumaan.

Johtopäätös

Molemmat testit ovat suurimmaksi osaksi melkein samanlaisia, mutta vertailu koskee vain niiden soveltamisolosuhteita, mikä tarkoittaa, että t-testi on sopivampi ja sovellettavampi, kun otoksen koko on enintään 30 yksikköä. Jos se on kuitenkin suurempi kuin kolmekymmentä yksikköä, tulisi käyttää z-testiä. Vastaavasti on myös muita ehtoja, jotka tekevät selväksi, mikä testi suoritetaan tilanteessa.

No, on olemassa myös erilaisia ​​testejä, kuten f-testi, kaksisuuntainen vs. yksihäntäinen jne., Tilastotieteilijöiden on oltava varovaisia ​​soveltaessaan niitä tilanteen analysoinnin jälkeen ja sitten päättäneet, mitä käyttää. Alla on esimerkkikaavio siitä, mitä keskustelimme edellä.