Atšķirība starp T-testu un Z-testu

T-tests attiecas uz vienvērtīgu hipotēzes testu, kura pamatā ir t-statistika, kur vidējais lielums ir zināms, un populācijas dispersija tiek tuvināta no parauga. No otras puses, Z-tests ir arī vienvērtīgs tests, kura pamatā ir parastais normālais sadalījums.

Vienkārši izsakoties, hipotēze attiecas uz pieņēmumu, kas ir jāpieņem vai jānoraida. Pastāv divas hipotēžu pārbaudes procedūras, ti, parametriskā pārbaude un neparametriskā pārbaude, kur parametriskā pārbaude ir balstīta uz faktu, ka mainīgos lielumus mēra intervāla skalā, turpretī neparametriskā testā tiek pieņemts, ka tie tiek mērīti kārtējā mērogā. Tagad parametriskajā testā var būt divu veidu testi: t-tests un z-tests.

Šis raksts jums sniegs detalizētu izpratni par atšķirību starp T-testu un Z-testu.

Saturs: T-tests V-Z-tests

1. Salīdzināšanas tabula
2. Definīcija
3. Galvenās atšķirības
4. Secinājums

Salīdzināšanas tabula

Salīdzināšanas pamats	T-tests	Z-tests
Nozīme	T-tests attiecas uz parametriskā testa veidu, ko izmanto, lai identificētu, kā divu datu kopu līdzekļi atšķiras viens no otra, ja nav norādīta dispersija.	Z tests nozīmē hipotēzes pārbaudi, kurā noskaidro, vai divu datu kopu vidējie rādītāji atšķiras, kad tiek piešķirta dispersija..
Balstoties uz	Studentu-t sadaljums	Normāls sadalījums
Iedzīvotāju dispersija	Nezināms	Zināms
Parauga lielums	Maza	Liela

T-testa definīcija

T-tests ir hipotēzes tests, kuru pētnieks izmanto, lai salīdzinātu mainīgā lieluma populācijas vidējos lielumus, kas iedalīti divās kategorijās atkarībā no mazāka nekā intervāla mainīgā lieluma. Precīzāk, t-testu izmanto, lai pārbaudītu, kā atšķiras no diviem neatkarīgiem paraugiem ņemtie līdzekļi.

T testam seko t sadalījums, kas ir piemērots, ja parauga lielums ir mazs, un populācijas standartnovirze nav zināma. T-sadalījuma formu ļoti ietekmē brīvības pakāpe. Brīvības pakāpe nozīmē neatkarīgu novērojumu skaitu noteiktā novērojumu kopumā.

T-testa pieņēmumi:

• Visi datu punkti ir neatkarīgi.
• Izlases lielums ir mazs. Parasti, lai piemērotu t-testu, parauga lielumu, kas pārsniedz 30 paraugu vienības, uzskata par lielu, pretējā gadījumā par mazu, bet tam nevajadzētu būt mazākam par 5.
• Paraugu vērtības jāņem un precīzi jāreģistrē.

Pārbaudes statistika ir:

x ir parauga vidējais lielums
s ir parauga standartnovirze
n ir parauga lielums
μ ir vidējais populācijas lielums

Pāris t-tests: Statistikas pārbaude, ko veic, ja abi paraugi ir atkarīgi un tiek veikti pāru novērojumi.

Z-testa definīcija

Z-tests attiecas uz vienveidīgu statistisko analīzi, ko izmanto, lai pārbaudītu hipotēzi, ka proporcijas no diviem neatkarīgiem paraugiem ievērojami atšķiras. Tas nosaka, cik lielā mērā datu punkts atrodas tālu no vidējā datu kopuma, ar standarta novirzi.

Pētnieks izmanto z-testu, kad populācijas novirze ir zināma, būtībā, ja ir liels izlases lielums, tiek uzskatīts, ka izlases dispersija ir aptuveni vienāda ar populācijas novirzi. Šādā veidā tiek uzskatīts, ka tas ir zināms, neskatoties uz to, ka ir pieejami tikai dati par paraugiem, un tāpēc var piemērot parasto testu.

Z-testa pieņēmumi:

• Visi novērojumu paraugi ir neatkarīgi
• Parauga lielumam jābūt lielākam par 30.
• Z sadalījums ir normāls, ar vidējo nulli un dispersiju 1.

Pārbaudes statistika ir:

x ir parauga vidējais lielums
σ ir populācijas standarta novirze
n ir parauga lielums
μ ir vidējais populācijas lielums

Galvenās atšķirības starp T-testu un Z-testu

Atšķirību starp t-testu un z-testu var skaidri noteikt šādu iemeslu dēļ:

1. T-testu var saprast kā statistisko testu, ko izmanto, lai salīdzinātu un analizētu, vai abu populāciju vidējie rādītāji atšķiras viens no otra vai nē, ja standarta novirze nav zināma. Pretstatā Z-testam ir parametrisks tests, ko piemēro, kad ir zināma standarta novirze, lai noteiktu, vai abu datu kopu vidējie rādītāji atšķiras viens no otra..
2. T-tests ir balstīts uz Studenta t-sadalījumu. Tieši pretēji, z-tests balstās uz pieņēmumu, ka izlases līdzekļu sadalījums ir normāls. Gan studenta t, gan normālais sadalījums šķiet līdzīgi, jo abi ir simetriski un zvanveida. Tomēr tie atšķiras tādā nozīmē, ka t-sadalījumā centrā ir mazāk vietas un astes vairāk.
3. Viens no svarīgākajiem t-testa pieņemšanas nosacījumiem ir tas, ka nav zināma populācijas dispersija. Un otrādi, z-testa gadījumā būtu jāzina populācijas novirze vai jāpieņem, ka tā ir zināma.
4. Z-pārbaude tiek pielietota, ja parauga lielums ir liels, t.i., n> 30, un t-tests ir piemērots, ja parauga lielums ir mazs, tādā nozīmē, ka n < 30.

Secinājums

Kopumā t-tests un z-tests ir gandrīz līdzīgi testi, taču to piemērošanas nosacījumi ir atšķirīgi, kas nozīmē, ka t-tests ir piemērots, ja parauga lielums nepārsniedz 30 vienības. Tomēr, ja tas ir vairāk nekā 30 vienības, jāveic z-tests. Līdzīgi ir arī citi nosacījumi, kas skaidri norāda, kurš tests ir jāveic attiecīgajā situācijā.