Razlika između Z-testa i T-testa ispitivanja hipoteze

Razlike između Z-testa i T-testa

Z test je statistička hipoteza koja se koristi da bi se utvrdilo razlikuju li se izračunana sredstva za dva uzorka u slučaju da je standardno odstupanje dostupno i da je uzorak velik, dok se T test koristi za određivanje prosjeka različitih skupova podataka međusobno se razlikuje u slučaju da standardna devijacija ili varijansa nisu poznate.

Z-testovi i t-testovi dvije su statističke metode koje uključuju analizu podataka koja ima primjenu u znanosti, poslovanju i mnogim drugim disciplinama. T-test se može označiti kao test univarijantne hipoteze zasnovan na t-statistici, pri čemu je srednja vrijednost, tj. Prosjek poznat, a varijansa populacije, odnosno standardna devijacija, približna je uzorku. S druge strane, Z-test, također univarijantni test koji se temelji na standardnoj normalnoj raspodjeli.

Koristi

# 1 - Z-test

Formule Z-testa, kao što je ranije spomenuto, statistički su izračuni koji se mogu koristiti za usporedbu prosjeka populacije s uzorcima. Z-test će vam reći koliko je, u uvjetima standardnih odstupanja, točka podataka udaljena od prosjeka skupa podataka. Z-test uspoređivat će uzorak s definiranom populacijom koja se obično koristi za rješavanje problema koji se odnose na velike uzorke (tj. N> 30). Uglavnom su vrlo korisni kad je poznato standardno odstupanje.

# 2 - T-test

T-testovi su također izračuni koji se mogu koristiti za testiranje hipoteze, ali vrlo su korisni kada moramo utvrditi postoji li statistički značajna usporedba između 2 neovisne skupine uzoraka. Drugim riječima, t-test pita je li malo vjerojatno da je došlo do usporedbe između prosjeka dviju skupina zbog slučajnih šansi. Obično su t-testovi prikladniji kada se bave problemima s ograničenom veličinom uzorka (tj. N <30).

Z-test naspram T-testa Infografika

Ovdje vam donosimo 5 glavnih razlika između z-testa i t-testa koje morate znati.

Ključne razlike

• Jedan od bitnih uvjeta za provođenje t-testa je da standardna devijacija populacije ili varijansa nisu poznate. Suprotno tome, za formulu varijance populacije, kao što je gore navedeno, treba pretpostaviti da je poznata ili da je poznata u slučaju z-testa.
• T-test, kao što je ranije spomenuto, temelji se na učenikovoj t-raspodjeli. Suprotno tome, z-test ovisi o pretpostavci da će raspodjela uzoraka biti normalna. I normalna raspodjela i t-raspodjela učenika izgledaju isto, jer su obje u obliku zvona i simetrične. Međutim, razlikuju se u jednom od slučajeva da je u distribuciji manje mjesta u središtu, a više u repovima.
• Z-test se koristi kao što je dato u gornjoj tablici kada je veličina uzorka velika, što je n> 30, a t-test je prikladan kada veličina uzorka nije velika, što je malo, tj. Da je n < 30.

Z-test naspram T-testa Usporedna tablica

Osnova		Z Test		T-test
Osnovna definicija		Z-test je vrsta testa hipoteze koja utvrđuje jesu li prosjeci 2 skupa podataka međusobno različiti kada se daju standardne devijacije ili varijance.		T-test se može nazvati nekom vrstom parametarskog testa koji se primjenjuje na identitet, kako se prosjeci 2 seta podataka međusobno razlikuju kada nije navedeno standardno odstupanje ili varijanca.
Varijacija stanovništva		Ovdje je poznata varijansa stanovništva ili standardna devijacija.		Varijacija stanovništva ili standardna devijacija ovdje nisu poznate.
Veličina uzorka		Veličina uzorka je velika.		Ovdje je veličina uzorka mala.
Ključne pretpostavke		Sve su podatkovne točke neovisne. Normalna raspodjela za Z, s prosječnom nulom i varijancom = 1.		Sve podatkovne točke nisu ovisne. Vrijednosti uzoraka moraju se točno zabilježiti i uzeti.
Na temelju (vrsta distribucije)		Na temelju normalne raspodjele.		Na temelju distribucije Student-t.

Zaključak

U većoj su mjeri oba ova ispitivanja gotovo slična, ali usporedba dolazi samo do uvjeta za njihovu primjenu, što znači da je t-test prikladniji i primjenjiviji kada veličina uzorka nije veća od trideset jedinica. Međutim, ako je veća od trideset jedinica, treba koristiti z-test. Slično tome, postoje i drugi uvjeti koji će jasno pokazati koje se ispitivanje treba provesti u određenoj situaciji.

Pa, postoje i različiti testovi poput f testa, dvostranog nasuprot jednostranog itd., Statističari moraju biti oprezni dok ih primjenjuju nakon analize situacije i zatim odlučivanja koji će koristiti. Ispod je uzorak grafikona za ono o čemu smo gore razgovarali.