T-test si riferisce a un test di ipotesi univariata basato sulla statistica t, in cui la media è nota e la varianza di popolazione è approssimata dal campione. D’altra parte, Z-test è anche un test univariato basato sulla distribuzione normale standard.
In termini semplici, un’ipotesi si riferisce a una supposizione che deve essere accettata o rifiutata. Esistono due procedure di test di ipotesi, vale a dire, test parametrico e test non parametrico, in cui il test parametrico si basa sul fatto che le variabili sono misurate su una scala di intervallo, mentre nel test non parametrico, si presume che lo stesso sia misurato su una scala ordinale. Ora, nel test parametrico, ci possono essere due tipi di test, t-test e z-test.
Questo articolo vi darà una comprensione della differenza tra T-test e Z-test in dettaglio.,
Contenuto: T-test Vs Z-test
- tabella di Confronto
- Definizione
- Differenze Chiave
- Conclusione
tabella di Confronto
| Confronto | T-test | Z-test |
|---|---|---|
| Significato | T-test si riferisce ad un tipo di test parametrico che viene applicato per identificare, come il mezzo di due insiemi di dati diversi l’uno dall’altro, quando la varianza non è dato., | Z-test implica un test di ipotesi che accerta se i mezzi di due set di dati sono diversi l’uno dall’altro quando viene data la varianza., |
| Base | Studente-distribuzione t | distribuzione Normale |
| varianza della Popolazione | Sconosciuto | Nota |
| Dimensione del Campione | Piccolo | Grande |
Definizione di T-test
Un t-test è un test di ipotesi utilizzate dai ricercatori per confrontare popolazione significa per una variabile, classificati in due categorie in base alla minore intervallo variabile., Più precisamente, un test t viene utilizzato per esaminare in che modo i mezzi prelevati da due campioni indipendenti differiscono.
T-test segue la distribuzione t, che è appropriata quando la dimensione del campione è piccola e la deviazione standard della popolazione non è nota. La forma di una distribuzione t è fortemente influenzata dal grado di libertà. Il grado di libertà implica il numero di osservazioni indipendenti in un dato insieme di osservazioni.
Ipotesi di T-test:
- Tutti i punti dati sono indipendenti.
- La dimensione del campione è piccola., Generalmente, una dimensione del campione superiore a 30 unità di campione è considerata grande, altrimenti piccola ma che non dovrebbe essere inferiore a 5, per applicare il t-test.
- I valori del campione devono essere presi e registrati con precisione.
La statistica test è:
x è la media del campione
s è la deviazione standard del campione
n è la dimensione del campione
µ è la media della popolazione.
Paired t-test: Un test statistico applicato quando i due campioni sono dipendente e coppie di osservazioni sono presi.,
Definizione di Z-test
Z-test si riferisce a un’analisi statistica univariata utilizzata per testare l’ipotesi che le proporzioni di due campioni indipendenti differiscano notevolmente. Determina in che misura un punto di dati è lontano dalla sua media del set di dati, in deviazione standard.
Il ricercatore adotta il test z, quando la varianza di popolazione è nota, in sostanza, quando c’è una grande dimensione del campione, la varianza del campione è considerata approssimativamente uguale alla varianza di popolazione., In questo modo, si presume che sia noto, nonostante il fatto che solo i dati di esempio sono disponibili e quindi il test normale può essere applicato.
Ipotesi di Z-test:
- Tutte le osservazioni del campione sono indipendenti
- La dimensione del campione dovrebbe essere superiore a 30.
- La distribuzione di Z è normale, con uno zero medio e varianza 1.,
La statistica test è:
x è la media del campione
s è la deviazione standard della popolazione
n è la dimensione del campione
µ è la media della popolazione
Differenze principali Tra le T-test e Z-test
La differenza tra il t-test e test z può essere disegnato chiaramente, per i seguenti motivi:
- Il t-test può essere inteso come un test statistico che viene utilizzato per confrontare e analizzare se il mezzo di due popolazione è diverso l’uno dall’altro, quando la deviazione standard non è noto., Come contro, Z-test è un test parametrico, che viene applicato quando la deviazione standard è nota, per determinare, se i mezzi dei due set di dati differiscono l’uno dall’altro.
- Il t-test si basa sulla distribuzione t di Student. Al contrario, z-test si basa sul presupposto che la distribuzione dei mezzi di campionamento sia normale. Sia la distribuzione t di student che la distribuzione normale appaiono uguali, poiché entrambe sono simmetriche e a forma di campana. Tuttavia, differiscono nel senso che in una distribuzione a t, c’è meno spazio al centro e più nelle code.,
- Una delle condizioni importanti per l’adozione del t-test è che la varianza della popolazione è sconosciuta. Al contrario, la varianza di popolazione dovrebbe essere nota o presumibilmente nota nel caso di un test Z.
- Z-test viene utilizzato quando la dimensione del campione è grande, cioè n >30, e t-test è appropriato quando la dimensione del campione è piccola, nel senso che n< 30.,
Conclusione
In generale, t-test e z-test sono test quasi simili, ma le condizioni per la loro applicazione sono diverse, il che significa che t-test è appropriato quando la dimensione del campione non è superiore a 30 unità. Tuttavia, se è più di 30 unità, z-test deve essere eseguito. Allo stesso modo, ci sono altre condizioni, il che rende chiaro che quale test deve essere eseguito in una data situazione.
