seychellesartprojects.org

Rozdíly mezi Z-testem a T-testem

Z Test je statistická hypotéza, která se používá k určení, zda jsou vypočtené prostředky dvou vzorků odlišné v případě, že je k dispozici standardní odchylka a vzorek je velký, zatímco T test se používá k určení toho, jak průměry různých dat liší se od sebe v případě, že není známa směrodatná odchylka nebo odchylka.

Z-testy a t-testy jsou dvě statistické metody, které zahrnují analýzu dat, která má aplikace ve vědě, podnikání a mnoha dalších oborech. T-test lze označit jako test jednorozměrné hypotézy, který je založen na t-statistice, kde je znám průměr, tj. Průměr, a populační odchylka, tj. Směrodatná odchylka, se aproximuje od vzorku. Na druhou stranu, Z-test, také jednorozměrný test, který je založen na standardním normálním rozdělení.

Použití

# 1 - Z-test

Vzorec Z-testu, jak již bylo zmíněno dříve, jsou statistické výpočty, které lze použít k porovnání průměrů populace se vzorkem. Z-test vám řekne, jak daleko, z hlediska směrodatných odchylek, je datový bod od průměru datové sady. Z-test provede srovnání vzorku s definovanou populací, která se obvykle používá k řešení problémů souvisejících s velkými vzorky (tj. N> 30). Většinou jsou velmi užitečné, když je známa směrodatná odchylka.

# 2 - T-test

T-testy jsou také výpočty, které lze použít k testování hypotézy, ale jsou velmi užitečné, když potřebujeme zjistit, zda existuje statisticky významné srovnání mezi 2 nezávislými skupinami vzorků. Jinými slovy, t-test se ptá, zda je nepravděpodobné, že by došlo ke srovnání průměrů 2 skupin kvůli náhodné náhodě. Obvykle jsou t-testy vhodnější, pokud máte problémy s omezenou velikostí vzorku (tj. N <30).

Infografika Z-Test vs T-Test

Zde vám poskytneme prvních 5 rozdílů mezi z-testem a t-testem, které musíte znát.

Klíčové rozdíly

• Jednou z nejdůležitějších podmínek pro provedení t-testu je neznámá směrodatná odchylka populace nebo rozptyl. Naopak, vzorec odchylky populace, jak je uvedeno výše, by měl být považován za známý nebo známý v případě z-testu.
• T-test, jak již bylo zmíněno, je založen na Studentově t-distribuci. Naopak, z-test závisí na předpokladu, že rozdělení průměrů vzorku bude normální. Normální rozdělení i studentovo t-rozdělení se jeví stejné, protože oba jsou zvonovité a symetrické. Liší se však v jednom z případů, že při distribuci je ve středu menší prostor a více v jejich ocasech.
• Z-test se používá, jak je uvedeno ve výše uvedené tabulce, když je velikost vzorku velká, což je n> 30, a t-test je vhodný, když velikost vzorku není velká, což je malé, tj. N <30.

Srovnávací tabulka Z-testu vs T-testu

Základ		Z test		T-test
Základní definice		Z-test je druh testu hypotézy, který zjišťuje, zda se průměry 2 datových souborů navzájem liší, když je uvedena standardní odchylka nebo odchylka.		T-test lze odkázat na druh parametrického testu, který se aplikuje na identitu, jak se průměry 2 sad dat od sebe liší, když není uvedena standardní odchylka nebo odchylka.
Populační odchylka		Zde je známa odchylka populace nebo standardní odchylka.		Populační odchylka nebo standardní odchylka zde není známa.
Velikost vzorku		Velikost vzorku je velká		Zde je velikost vzorku malá.
Klíčové předpoklady		Všechny datové body jsou nezávislé. Normální rozdělení pro Z, s průměrnou nulou a rozptylem = 1.		Všechny datové body nejsou závislé. Hodnoty vzorků je třeba zaznamenávat a přesně odebírat
Na základě (typ distribuce)		Založeno na normální distribuci.		Na základě Student-t distribuce.

Závěr

Ve větší míře jsou oba tyto testy téměř podobné, ale srovnání přichází pouze s podmínkami jejich použití, což znamená, že t-test je vhodnější a použitelnější, pokud velikost vzorku není větší než třicet jednotek. Pokud je však větší než třicet jednotek, měl by se použít z-test. Podobně existují i ​​další podmínky, které objasní, který test se má v situaci provést.

Existují také různé testy, jako je f test, dvousměrný vs jednostranný atd., Statistici musí být opatrní při jejich aplikaci po analýze situace a poté při rozhodování, který použít. Níže je ukázkový graf toho, o čem jsme diskutovali výše.