Ero T-TEST ja ANOVA



T-TEST vs ANOVA

Kerääminen ja laskemalla tilastotietoja hankkia keskiarvo on usein pitkä ja työläs tehtävä. T-testi ja yksisuuntainen varianssianalyysi (ANOVA) ovat kaksi yleisintä testejä käytetään tähän tarkoitukseen.

T-testi on tilastollinen hypoteesi testi, jossa testin tilastollinen seuraa Student 'st jakelun jos nollahypoteesi on tuettu. Tätä testiä käytetään silloin, kun testin tilastollinen noudattaa normaalijakaumaa ja arvo skaalauksen termi tilastollinen arvo on tiedossa. Jos skaalaustermin on tuntematon, se korvataan sitten arvio perustuu käytettävissä oleviin tietoihin. testimuuttuja seuraa Student 's t-jakeluun.

William Sealy Gosset esitteli t-tilaston 1908. Gosset oli kemisti Guinnessin panimo Dublinissa, Irlannissa. Guinnessin panimo oli politiikkaa rekrytoinnin parhaat valmistuneet Oxford ja Cambridge, valitsemalla ne, jotka voisivat tarjota sovelluksia biokemian ja tilastoja yritys 's perustettu teollisuuden prosesseissa. William Sealy Gosset oli yksi tällainen valmistunut. Prosessissa, William Sealy Gosset laatineet t-testiä. alun perin visioi keinona valvoa laatua stout (tumma olut panimon tuottaa) kustannustehokkaalla tavalla. Gosset julkaistu testiä kynä-name 'Student' in Biometrika noin 1908. syynä Nimimerkkiä johtui Guinness 'vaatimuksesta, koska yhtiö halusi säilyttää politiikan noin hyödyntämällä tilastoja osana' liikesalaisuuksia '.

T-testi tilastoista seurata muodossa T = Z / s, jossa Z ja n ovat toimintoja datan. Z muuttuja on suunniteltu olevan herkkä vaihtoehtoinen hypoteesi; tehokkaasti suuruus Z muuttuja on suurempi silloin, kun vaihtoehtoinen hypoteesi on totta. Tällä välin 's' on skaalaus parametri, jolloin jakelu T määritetään. Perusoletuksista t-testi on, että a) Z on seuraava vakio normaalijakaumaa alla nollahypoteesia; b) ps2 noudattaa ?? 2 jakaumaa p vapausasteita alle nollahypoteesin (jossa p on positiivinen vakio); ja c) Z-arvo ja arvosta ovat riippumattomia. Tietyn tyyppinen t-testi, nämä ehdot ovat seurausta väestön tutkitaan, ja tavasta, jolla data näytteistetään.

Toisaalta, analyysi varianssianalyysillä (ANOVA) on kokoelma tilastollisia malleja. Vaikka periaatteet ANOVA on hyödynnetty tutkijoiden ja tilastotieteilijät pitkään, se ei ollut 't vasta 1918 Sir Ronald Fisher teki ehdotukseen vahvistaa varianssianalyysi artikkelissa otsikolla' Korrelaatio Sukulaiset olettamuksella on Mendelin perinnöllisyys ' . Sittemmin ANOVA on laajennettu sen soveltamisalaa ja soveltamista. ANOVA on oikeastaan ​​harhaanjohtava, koska se ei ole peräisin eroista varianssien vaan pikemminkin erot avulla ryhmissä. Siihen sisältyy siihen liittyvien menettelyjen jos todetut varianssi on erityisesti muuttuja on jaettu komponentteja johtuvat eri lähteistä vaihtelua.

Pohjimmiltaan, ANOVA tarjoaa tilastollinen testi sen määrittämiseksi, onko avulla useat ryhmät ovat kaikki sama tai ei, ja sen seurauksena, yleistyy t-testin enemmän kuin kaksi ryhmää. ANOVA voi olla enemmän hyötyä kuin kahden otoksen t-testiä, koska se on heikommat mahdollisuudet syyllistymättä tyypin I virhe. Esimerkiksi jossa on useita kahden otoksen t-testejä olisi suurempi mahdollisuus virhettä kuin ANOVA saman muuttujien mukana saada keskiarvo. Malli on sama ja Testimuuttuja on F suhde. Yksinkertaisemmin, t-testit ovat vain erikoistapaus ANOVA: tekemässä ANOVA on sama tulos useiden t-testejä. On olemassa kolme luokkaa ANOVA malleissa: a) kiinteiden vaikutusten malleja, jotka olettaa tiedot ovat peräisin normaalista populaatiot, jotka eroavat toisistaan ​​vain niiden avulla; b) satunnaisvaikutusten malleja, jotka olettaa data kuvaa hierarkian vaihtelevan väestön joiden erot rajoittavat hierarkian; ja c) Mixed-vaikutus malleja, jotka ovat tilanteet, joissa kiinteä ja satunnainen vaikutukset ovat läsnä.



Yhteenveto:

1.

T-testiä käytetään määritettäessä, jos kaksi keskiarvoihin tai keinot ovat samoja tai erilaisia. ANOVA on edullista, jos verrataan kolmea tai useampaa keskiarvoihin tai keinoin.

2.