Różnice między testem Z a testem T.
Test Z jest hipotezą statystyczną, która służy do określenia, czy obliczone średnie z dwóch próbek są różne w przypadku, gdy odchylenie standardowe jest dostępne, a próbka jest duża, podczas gdy test T jest używany w celu określenia średniej z różnych zestawów danych różni się od siebie, jeżeli odchylenie standardowe lub wariancja nie jest znana.
Testy Z i testy t to dwie metody statystyczne obejmujące analizę danych, które mają zastosowanie w nauce, biznesie i wielu innych dyscyplinach. Test t można odnieść do jednowymiarowego testu hipotezy opartego na statystyce t, w którym średnia, tj. Średnia jest znana, a wariancja populacji, tj. Odchylenie standardowe, jest przybliżana z próby. Z drugiej strony, test Z, również test jednoczynnikowy oparty na standardowym rozkładzie normalnym.
Używa
# 1 - Z-Test
Formuła testu Z, jak wspomniano wcześniej, to obliczenia statystyczne, których można użyć do porównania średnich populacji z próbkami. Test z powie Ci, jak daleko, w kategoriach odchyleń standardowych, punkt danych jest od średniej ze zbioru danych. Test z porównuje próbkę z określoną populacją, która jest zwykle używana do rozwiązywania problemów związanych z dużymi próbami (tj. N> 30). Przeważnie są one bardzo przydatne, gdy znane jest odchylenie standardowe.
# 2 - Test T
Testy T to również obliczenia, które można wykorzystać do sprawdzenia hipotezy, ale są one bardzo przydatne, gdy musimy określić, czy istnieje statystycznie istotne porównanie między 2 niezależnymi grupami prób. Innymi słowy, test t stawia pytanie, czy porównanie średnich z dwóch grup jest mało prawdopodobne z powodu przypadkowego przypadku. Zwykle testy t są bardziej odpowiednie, gdy masz do czynienia z problemami z ograniczoną wielkością próby (tj. N <30).
Infografiki testu Z vs T-Test
Tutaj przedstawiamy 5 najważniejszych różnic między testem z a testem t, które musisz znać.
Kluczowe różnice
- Jednym z najważniejszych warunków przeprowadzenia testu t jest nieznane odchylenie standardowe populacji lub wariancja. I odwrotnie, należy założyć, że formuła wariancji populacji, jak podano powyżej, jest znana lub znana w przypadku testu z.
- Test t-Studenta, jak wspomniano wcześniej, oparty jest na rozkładzie t-Studenta. Wręcz przeciwnie, test z zależy od założenia, że rozkład średnich z próby będzie normalny. Zarówno rozkład normalny, jak i rozkład t-Studenta wydają się takie same, ponieważ oba mają kształt dzwonu i są symetryczne. Jednak różnią się w jednym z przypadków, w którym w rozkładzie jest mniej miejsca w środku, a więcej w ogonach.
- Test Z jest stosowany zgodnie z powyższą tabelą, gdy wielkość próby jest duża, czyli n> 30, a test t jest odpowiedni, gdy wielkość próby jest mała, czyli mała, tj. N <30.
Tabela porównawcza testu Z i testu T.
| Podstawa | Z Test | Test T. | ||
| Podstawowa definicja | Test Z jest rodzajem testu hipotez, który sprawdza, czy średnie z 2 zestawów danych różnią się od siebie, gdy podane jest odchylenie standardowe lub wariancja. | Test t można odnieść do rodzaju testu parametrycznego, który jest stosowany do tożsamości, jak średnie z 2 zestawów danych różnią się od siebie, gdy nie podano odchylenia standardowego lub wariancji. | ||
| Wariancja populacji | Znana jest tutaj wariancja populacji lub odchylenie standardowe. | Wariancja populacji lub odchylenie standardowe jest tutaj nieznane. | ||
| Wielkość próbki | Wielkość próbki jest duża | Tutaj rozmiar próbki jest mały. | ||
| Kluczowe założenia |
|
| ||
| Na podstawie (rodzaj dystrybucji) | Na podstawie rozkładu normalnego. | Na podstawie rozkładu t Studenta. |
Wniosek
W większym stopniu oba te testy są prawie podobne, ale porównanie dotyczy tylko warunków ich stosowania, co oznacza, że test t jest bardziej odpowiedni i ma zastosowanie, gdy wielkość próbki nie przekracza trzydziestu jednostek. Jeśli jednak jest większa niż trzydzieści jednostek, należy użyć testu z. Podobnie istnieją również inne warunki, które wyjaśnią, jaki test należy wykonać w danej sytuacji.
Cóż, istnieją również różne testy, takie jak test f, dwustronny vs jednostronny itp., Statystycy muszą zachować ostrożność podczas ich stosowania po przeanalizowaniu sytuacji, a następnie zdecydować, którego użyć. Poniżej znajduje się przykładowy wykres przedstawiający to, co omówiliśmy powyżej.
