Differenze tra Z-Test e T-Test
Il test Z è l'ipotesi statistica che viene utilizzata per determinare se le medie dei due campioni calcolate sono diverse nel caso in cui sia disponibile la deviazione standard e il campione è grande mentre il test T viene utilizzato per determinare le medie di diversi set di dati differiscono l'uno dall'altro nel caso in cui la deviazione standard o la varianza non sia nota.
Z-test e t-test sono i due metodi statistici che implicano l'analisi dei dati che ha applicazioni nella scienza, negli affari e in molte altre discipline. Il test t può essere riferito a un test di ipotesi univariata basato sulla statistica t, in cui la media, ovvero la media, è nota e la varianza della popolazione, ovvero la deviazione standard, è approssimata dal campione. D'altra parte, Z-test, anche un test univariato che si basa su una distribuzione normale standard.
Utilizza
# 1 - Z-Test
La Formula Z-test, come accennato in precedenza, sono i calcoli statistici che possono essere utilizzati per confrontare le medie della popolazione con quelle di un campione. Lo z-test ti dirà quanto dista, in termini di deviazioni standard, un punto dati dalla media di un set di dati. Uno z-test farà un confronto di un campione con una popolazione definita che viene tipicamente utilizzata per trattare problemi relativi a campioni di grandi dimensioni (cioè n> 30). Per lo più, sono molto utili quando la deviazione standard è nota.
# 2 - T-Test
Anche i test T sono calcoli che possono essere utilizzati per testare un'ipotesi, ma sono molto utili quando è necessario determinare se esiste un confronto statisticamente significativo tra i 2 gruppi di campioni indipendenti. In altre parole, un test t chiede se è improbabile che il confronto tra le medie di 2 gruppi si sia verificato a causa del caso casuale. Di solito, i test t sono più appropriati quando si hanno a che fare con problemi con una dimensione del campione limitata (cioè n <30).
Infografiche Z-Test vs T-Test
Qui ti forniamo le 5 principali differenze tra z-test e t-test che devi conoscere.
Differenze chiave
- Una delle condizioni più importanti per condurre un test t è che la deviazione standard della popolazione o la varianza non siano note. Al contrario, la formula della varianza della popolazione come indicato sopra dovrebbe essere considerata nota o nota nel caso di un test z.
- Il test t come accennato in precedenza si basa sulla distribuzione t di Student. Al contrario, il test z dipende dal presupposto che la distribuzione delle medie campionarie sarà normale. Sia la distribuzione normale che la distribuzione t di Student appaiono le stesse, poiché entrambe sono a forma di campana e simmetriche. Tuttavia, differiscono in uno dei casi in cui nella distribuzione at, c'è meno spazio al centro e più nelle loro code.
- Il test Z viene utilizzato come indicato nella tabella precedente quando la dimensione del campione è grande, che è n> 30, e il test t è appropriato quando la dimensione del campione non è grande, ovvero n <30.
Tabella comparativa Z-Test vs T-Test
| Base | Z Test | T-Test | ||
| Definizione di base | Z-test è una sorta di test di ipotesi che accerta se le medie dei 2 set di dati sono diverse tra loro quando viene fornita la deviazione standard o la varianza. | Il t-test può essere riferito a una sorta di test parametrico che viene applicato a un'identità, come le medie di 2 set di dati differiscono tra loro quando la deviazione standard o la varianza non è data. | ||
| Varianza della popolazione | La varianza della popolazione o deviazione standard è nota qui. | La varianza della popolazione o deviazione standard è sconosciuta qui. | ||
| Misura di prova | La dimensione del campione è grande | Qui la dimensione del campione è piccola. | ||
| Presupposti chiave |
|
| ||
| Basato su (un tipo di distribuzione) | Basato sulla distribuzione normale. | Basato sulla distribuzione Student-t. |
Conclusione
In misura maggiore, entrambi questi test sono quasi simili, ma il confronto riguarda solo le condizioni per la loro applicazione, il che significa che il test t è più appropriato e applicabile quando la dimensione del campione non è superiore a trenta unità. Tuttavia, se è maggiore di trenta unità, si dovrebbe utilizzare uno z-test. Allo stesso modo, ci sono anche altre condizioni, che chiariranno quale test deve essere eseguito in una situazione.
Bene, ci sono anche diversi test come f test, two-tailed vs single-tailed, ecc., Gli statistici devono fare attenzione mentre li applicano dopo aver analizzato la situazione e quindi aver deciso quale usare. Di seguito è riportato un grafico di esempio per ciò che abbiamo discusso sopra.
