假设检验的Z检验和T检验之间的差异

Z检验和T检验之间的差异

Z检验 是统计假设,用于确定在可获得标准差且样本较大的情况下,计算得出的两个样本的均值是否不同。 T检验 在标准偏差或方差未知的情况下,使用来确定不同数据集的平均值如何彼此不同。

Z检验和t检验是涉及数据分析的两种统计方法,已在科学,商业和许多其他学科中得到应用。可以将t检验称为基于t统计量的单变量假设检验,其中平均值(即平均值)是已知的,总体方差(即标准差)是从样本中近似得出的。另一方面,Z检验也是基于标准正态分布的单变量检验。

用途

#1 – Z测试

如前所述,Z检验公式是一种统计计算,可用于将总体平均值与样本的平均值进行比较。 z检验会告诉您,以标准差的形式,数据点距数据集的平均值有多远。 Z检验将样本与已定义的总体进行比较,该总体通常用于处理与大样本有关的问题(即n> 30)。通常,当已知标准偏差时,它们非常有用。

#2 – T测验

T检验也是可用于检验假设的计算,但是当我们需要确定两个独立样本组之间是否存在统计上显着的比较时,它们非常有用。换句话说,t检验询问由于随机机会,不太可能发生两组平均值之间的比较。通常,当您要处理样本量有限(即n <30)的问题时,t检验更为合适。

Z测试与T测试信息图表

在这里,我们为您提供z检验和t检验之间您必须知道的前5个区别。

关键差异

  • 进行t检验的最重要条件之一是总体标准偏差或方差未知。相反,应该假定上述总体方差公式是已知的,或者在z检验的情况下是已知的。
  • 如前所述,t检验基于学生的t分布。相反,z检验取决于以下假设:样本均值的分布将是正态的。正态分布和学生的t分布看起来都是一样的,因为它们都是钟形和对称的。但是,它们在以下情况之一不同:在分布情况下,中心的空间较小,而尾部的空间较大。
  • 当样本大小较大(n> 30)时,如上表所示使用Z检验;当样本大小较小(n <30)时,则使用t检验。

Z-Test与T-Test比较表

基础Z检验T检验
基本定义Z检验是一种假设检验,用于确定在给出标准差或方差时两个数据集的平均值是否彼此不同。t检验可以称为一种应用于身份的参数检验,在没有给出标准偏差或方差的情况下,两组数据的平均值如何彼此不同。
人口差异总体方差或标准差在这里是已知的。总体方差或标准差在此处未知。
样本量样本量大这里的样本量很小。
关键假设
  • 所有数据点都是独立的。
  • Z的正态分布,平均为零,方差= 1。
  • 所有数据点都不相关。
  • 样品值应记录并准确采集
基于(一种分布)基于正态分布。基于学生t分布。

结论

总的来说,这两个测试几乎是相似的,但是比较只是针对它们的应用条件,这意味着t检验在样本大小不超过三十个单位时更为合适和适用。但是,如果大于三十个单位,则应使用z检验。同样,还存在其他条件,这将使您清楚地确定要在某种情况下执行哪个测试。

嗯,还有其他测试,例如f检验,二尾与单尾,等等,统计学家在分析情况并决定使用哪一种后,在应用它们时必须格外小心。下面是我们上面讨论的示例图表。