le test T fait référence à un test d’hypothèse univarié basé sur la statistique t, dans lequel la moyenne est connue et la variance de la population est approchée D’autre part, z-test est également un test univarié basé sur la distribution normale standard.
En termes simples, une hypothèse se réfère à une supposition qui doit être accepté ou rejeté. Il existe deux procédures de test d’hypothèse, c’est-à-dire, test paramétrique et test non paramétrique, dans lequel le test paramétrique est basé sur le fait que les variables sont mesurées sur une échelle d’intervalle, alors que dans le test non paramétrique, la même chose est supposée être mesurée sur une échelle ordinale. Maintenant, dans le test paramétrique, il peut y avoir deux types de test, T-test et Z-test.
Cet article vous donnera une compréhension de la différence entre T-test et Z-test en détail.,
contenu: T-test Vs Z-test
- tableau comparatif
- définition
- principales différences
- Conclusion
tableau comparatif
| comparaison | T-test | z-test |
|---|---|---|
| ce qui signifie | t-test fait référence à un type de test paramétrique qui est appliqué pour identifier, comment les moyennes de deux ensembles de données diffèrent les unes des autres lorsque la variance, | z-test implique un test d’hypothèse qui vérifie si les moyennes de deux ensembles de données sont différentes l’une de l’autre lorsque la variance est donnée., |
| sur la Base | Étudiant-t distribution | distribution Normale |
| variance de Population | Inconnu | Connu |
| Taille de l’Échantillon | Petits | Grand |
Définition de T-test
Un t-test est un test d’hypothèse utilisés par le chercheur pour comparer la population des moyens pour une variable, classés en deux catégories selon le moins que l’intervalle de la variable., Plus précisément, un test t est utilisé pour examiner comment les moyens prélevés sur deux échantillons indépendants diffèrent.
le test t suit la distribution t, ce qui est approprié lorsque la taille de l’échantillon est petite et que l’écart type de la population n’est pas connu. La forme d’une distribution t est fortement affectée par le degré de liberté. Le degré de liberté implique le nombre d’observations indépendantes dans un ensemble d’observations.
hypothèses du test T:
- tous les points de données sont indépendants.
- La taille de l’échantillon est petite., Généralement, une taille d’échantillon supérieure à 30 unités d’échantillon est considérée comme grande, sinon petite, mais qui ne doit pas être inférieure à 5, pour appliquer le test T.
- Les valeurs des échantillons doivent être prises et enregistrées avec précision.
la statistique du test est la suivante:
x est la moyenne de l’échantillon
s est l’écart type de l’échantillon
n est la taille de l’échantillon
μ est la moyenne de la population
Test t apparié: un test statistique appliqué lorsque les deux échantillons sont dépendants et que des observations appariées sont prises.,
définition du test Z
Le test Z fait référence à une analyse statistique univariée utilisée pour tester l’hypothèse selon laquelle les proportions de deux échantillons indépendants diffèrent considérablement. Il détermine dans quelle mesure un point de données est loin de sa moyenne de l’ensemble de données, en écart-type.
le chercheur adopte le test z, lorsque la variance de la population est connue, essentiellement, lorsqu’il y a une grande taille d’échantillon, la variance de l’échantillon est réputée être approximativement égale à la variance de la population., De cette façon, il est supposé être connu, malgré le fait que seules des données d’échantillon sont disponibles et que le test normal peut donc être appliqué.
hypothèses du test Z:
- toutes les observations de l’échantillon sont indépendantes
- La Taille de l’échantillon doit être supérieure à 30.
- La Distribution De Z est normale, avec une moyenne nulle et une variance 1.,
la statistique de test est la suivante:
x est la moyenne de l’échantillon
σ est l’écart type de la population
n est la taille de l’échantillon
μ est la moyenne de la population
principales différences motifs suivants:
- le test T peut être compris comme un test statistique utilisé pour comparer et analyser si les moyennes des deux populations sont différentes l’une de l’autre ou non lorsque l’écart type n’est pas connu., Par contre, z-test est un test paramétrique, qui est appliqué lorsque l’écart type est connu, pour déterminer, si les moyennes des deux ensembles de données diffèrent l’un de l’autre.
- Le test t est basé sur la distribution T de Student. Au contraire, z-test repose sur l’hypothèse que la distribution des moyennes d’échantillon est normale. La distribution en T et la distribution normale de student se ressemblent, car les deux sont symétriques et en forme de cloche. Cependant, ils diffèrent en ce sens que dans une distribution en t, il y a moins d’espace au centre et plus dans les queues.,
- l’une des conditions importantes pour l’adoption du test t est que la variance de la population est inconnue. Inversement, la variance de la population devrait être connue ou supposée être connue dans le cas d’un test z.
- Z-test est utilisé lorsque la taille de l’échantillon est grand, c’est à dire n > le 30, et le t-test est approprié lorsque la taille de l’échantillon est de petite taille, dans le sens que n < 30.,
Conclusion
dans l’ensemble, le test t et le test z sont des tests presque similaires, mais les conditions de leur application sont différentes, ce qui signifie que le test t est approprié lorsque la taille de l’échantillon ne dépasse pas 30 unités. Cependant, s’il s’agit de plus de 30 unités, z-test doit être effectué. De même, il existe d’autres conditions, ce qui indique clairement quel test doit être effectué dans une situation donnée.
