Różnica między testem Z a testem T testowania hipotez

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 określić jako jednoczynnikowy test hipotezy oparty na statystyce t, w którym średnia, tj. Średnia jest znana, a wariancja populacji, tj. Odchylenie standardowe, jest aproksymowana z próby. Z drugiej strony, test Z, również test jednowymiarowy, który jest 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 znajduje się 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 2 grup jest mało prawdopodobne z powodu przypadkowego przypadku. Zazwyczaj testy t są bardziej odpowiednie w przypadku problemów z ograniczoną wielkością próby (tj. N <30).

Infografiki testu Z vs. test T.

Tutaj przedstawiamy 5 najważniejszych różnic między testem z a testem t, które musisz znać.

Kluczowe różnice

• Jednym z podstawowych 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, jak wspomniano wcześniej, jest oparty 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 liczebność próby jest duża, czyli n> 30, a test t jest odpowiedni, gdy wielkość próby jest niewielka, 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 zbiorów danych różnią się od siebie, gdy podane jest odchylenie standardowe lub wariancja.		Test t można określić jako rodzaj testu parametrycznego, który jest stosowany do tożsamości, w jaki sposób 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		Wszystkie punkty danych są niezależne. Rozkład normalny dla Z, ze średnim zerem i wariancją = 1.		Wszystkie punkty danych nie są zależne. Wartości próbek należy dokładnie zarejestrować i pobrać.
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 próby 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 kontra jednostronny itp., Statystycy muszą zachować ostrożność podczas ich stosowania po przeanalizowaniu sytuacji, a następnie zdecydować, którego z nich użyć. Poniżej znajduje się przykładowy wykres przedstawiający to, co omówiliśmy powyżej.