Разлика између З-теста и Т-теста тестирања хипотезе

Разлике између З-теста и Т-теста

З Тест је статистичка хипотеза која се користи да би се утврдило да ли се разликују израчуната средства за два узорка у случају да је стандардна девијација доступна и да је узорак велик, док Т тест користи се да би се утврдило на који се начин разликују просеци различитих скупова података у случају да стандардна девијација или варијанса нису познате.

З-тестови и т-тестови су две статистичке методе које укључују анализу података која има примену у науци, пословању и многим другим дисциплинама. Т-тест се може упутити на тест униваријантне хипотезе који се заснива на т-статистици, при чему је позната средња вредност, тј. Просек, а варијанса популације, тј. Стандардна девијација се приближава узорку. С друге стране, З-тест, такође униваријантни тест који се заснива на стандардној нормалној расподели.

Користи

# 1 - З-тест

Формула З-теста, као што је раније поменуто, су статистички прорачуни који се могу користити за упоређивање просека популације са узорком. З-тест ће вам рећи колико је тачка података, у терминима стандардних одступања, удаљена од просека скупа података. З-тест ће извршити поређење узорка са дефинисаном популацијом која се обично користи за решавање проблема који се односе на велике узорке (тј. Н> 30). Углавном су веома корисни када је позната стандардна девијација.

# 2 - Т-тест

Т-тестови су такође прорачуни који се могу користити за тестирање хипотезе, али су веома корисни када треба да утврдимо да ли постоји статистички значајно поређење између 2 независне групе узорака. Другим речима, т-тест поставља питање да ли је вероватно да је дошло до поређења између просека 2 групе због случајних шанси. Обично су т-тестови прикладнији када имате посла са проблемима ограничене величине узорка (тј. Н <30).

З-Тест вс Т-Тест Инфограпхицс

Овде вам пружамо 5 главних разлика између з-теста и т-теста које морате знати.

Кључне разлике

Један од најважнијих услова за спровођење т-теста је да стандардна девијација популације или варијанса нису познате. Супротно томе, за формулу варијансе популације, као што је горе наведено, треба претпоставити да је позната или да је позната у случају з-теста.
Т-тест као што је раније поменуто заснован је на Студент-овој т-расподели. Супротно томе, з-тест зависи од претпоставке да ће расподела узорака бити нормална. И нормална расподела и т-расподела ученика изгледају исто, јер су обе у облику звона и симетричне. Међутим, они се разликују у једном од случајева да је при расподели мање простора у центру, а више у реповима.
З-тест се користи као што је дато у горњој табели када је величина узорка велика, што је н> 30, а т-тест је прикладан када величина узорка није велика што је мало, тј. Да је н <30.

З-тест у односу на Т-тест упоредна табела

Основа	З Тест	Т-тест
Основна дефиниција	З-тест је врста теста хипотезе којим се утврђује да ли се просеци из 2 скупа података међусобно разликују када је дата стандардна девијација или варијанса.	Т-тест се може односити на неку врсту параметарског теста који се примењује на идентитет, како се просеци 2 скупа података међусобно разликују када није дата стандардна девијација или варијанса.
Варијација становништва	Овде је позната варијанса становништва или стандардна девијација.	Варијација становништва или стандардна девијација овде нису познате.
Величина узорка	Величина узорка је велика	Овде је величина узорка мала.
Кључне претпоставке	Све тачке података су независне. Нормална расподела за З, са просечном нулом и одступањем = 1.	Све тачке података нису зависне. Вредности узорака треба евидентирати и узети тачно
На основу (врста дистрибуције)	На основу нормалне дистрибуције.	На основу дистрибуције Студент-т.

Закључак

У већој мери су оба ова теста готово слична, али поређење долази само до услова за њихову примену, што значи да је т-тест примеренији и применљивији када величина узорка није већа од тридесет јединица. Међутим, ако је већи од тридесет јединица, треба користити з-тест. Слично томе, постоје и други услови, који ће јасно показати који тест треба извршити у одређеној ситуацији.

Па, постоје и различити тестови попут ф теста, двостраног или једностраног итд., Статистичари морају бити опрезни док их примењују након анализе ситуације и затим одлучивања који ће користити. Испод је пример графикона за оно о чему смо горе разговарали.

photosdematures.com