Rozdíly mezi Z-testem a T-testem
Z Test je statistická hypotéza, která se používá k určení, zda jsou vypočtené dva vzorky znamenají odlišné v případě, že je k dispozici standardní odchylka a vzorek je velký, zatímco T test se používá k určení toho, jak průměry různých souborů 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 založený na t-statistice, kde je znám průměr, tj. Průměr, a populační odchylka, tj. Standardní odchylka, je aproximována ze 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 porovná vzorek s definovanou populací, která se obvykle používá pro 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 při řešení problémů 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 ze základních 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 obě 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 tak, 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. Že 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 dvou souborů dat od sebe liší, když je uvedena standardní odchylka nebo odchylka. | T-test lze označit jako druh parametrického testu, který se aplikuje na identitu, jak se liší průměry 2 sad dat, když není uvedena standardní odchylka nebo odchylka. | ||
| Populační odchylka | Zde je známa odchylka populace nebo standardní odchylka. | Populační odchylka nebo směrodatná odchylka zde není známa. | ||
| Velikost vzorku | Velikost vzorku je velká. | Zde je velikost vzorku malá. | ||
| Klíčové předpoklady |
|
|
||
| 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, dvoustranný vs. jednostranný atd., Statistici musí být opatrní při jejich aplikaci po analýze situace a poté při rozhodování, který z nich použít. Níže je ukázkový graf toho, o čem jsme diskutovali výše.
