Perbezaan Antara Ujian-Z dan Ujian-T
Uji Z adalah hipotesis statistik yang digunakan untuk menentukan bahawa sama ada kedua-dua sampel yang dikira adalah berbeza sekiranya sisihan piawai tersedia dan sampelnya besar sedangkan ujian T digunakan untuk menentukan bagaimana purata set data yang berbeza berbeza antara satu sama lain sekiranya sisihan piawai atau perbezaannya tidak diketahui.
Ujian-Z dan ujian-t adalah dua kaedah statistik yang melibatkan analisis data yang mempunyai aplikasi dalam sains, perniagaan, dan banyak disiplin lain. Ujian-t boleh dirujuk pada ujian hipotesis univariate yang berdasarkan pada statistik-t, di mana rata-rata iaitu rata-rata diketahui, dan varians populasi iaitu sisihan piawai didekati dari sampel. Sebaliknya, ujian-Z, juga ujian univariat yang berdasarkan pada taburan normal standard.
Kegunaan
# 1 - Ujian-Z
Formula Uji-Z, seperti yang disebutkan sebelumnya, adalah perhitungan statistik yang dapat digunakan untuk membandingkan rata-rata populasi dengan sampel. Ujian-z akan memberitahu anda sejauh mana, dari segi sisihan piawai, titik data adalah dari rata-rata set data. Ujian-z akan melakukan perbandingan sampel dengan populasi yang ditentukan yang biasanya digunakan untuk menangani masalah yang berkaitan dengan sampel besar (iaitu n> 30). Selalunya, ia sangat berguna apabila sisihan piawai diketahui.
# 2 - Ujian-T
Ujian-t juga merupakan pengiraan yang dapat digunakan untuk menguji hipotesis, tetapi sangat berguna apabila kita perlu menentukan apakah ada perbandingan yang signifikan secara statistik antara 2 kumpulan sampel bebas. Dengan kata lain, ujian-t bertanya sama ada perbandingan antara purata 2 kumpulan tidak mungkin berlaku kerana kebarangkalian secara rawak. Biasanya, ujian-t lebih sesuai apabila anda menghadapi masalah dengan ukuran sampel yang terhad (iaitu n <30).
Ujian Z vs Ujian-T Infografik
Di sini kami memberi anda 5 perbezaan teratas antara ujian-z vs ujian-t yang mesti anda ketahui.
Perbezaan Utama
- Salah satu syarat terpenting untuk melakukan ujian-t adalah bahawa sisihan piawai populasi atau varians tidak diketahui. Sebaliknya, formula varians populasi seperti yang dinyatakan di atas harus dianggap diketahui atau diketahui dalam hal ujian-z.
- Ujian-t seperti yang disebutkan sebelumnya adalah berdasarkan taburan t Pelajar. Sebaliknya, ujian-z bergantung pada andaian, bahawa taburan kaedah sampel akan normal. Taburan normal dan taburan t pelajar sama, kerana kedua-duanya berbentuk loceng dan simetri. Walau bagaimanapun, mereka berbeza dalam salah satu kes bahawa dalam pengedaran, terdapat lebih sedikit ruang di pusat dan lebih banyak di ekornya.
- Uji-Z digunakan seperti yang diberikan dalam tabel di atas ketika ukuran sampel besar, yaitu n> 30, dan uji-t sesuai apabila ukuran sampel tidak besar yang kecil, yaitu n <30.
Jadual Perbandingan Ujian-Z vs Ujian-T
| Asas | Ujian Z | Ujian-T | ||
| Definisi Asas | Uji-Z adalah jenis ujian hipotesis yang memastikan sama ada purata 2 set data berbeza antara satu sama lain apabila sisihan piawai atau varians diberikan. | Uji-t dapat dirujuk pada semacam ujian parametrik yang diterapkan pada identiti, bagaimana rata-rata 2 set data berbeza antara satu sama lain ketika sisihan piawai atau varians tidak diberikan. | ||
| Varians Penduduk | Variasi penduduk atau sisihan piawai diketahui di sini. | Variasi penduduk atau sisihan piawai tidak diketahui di sini. | ||
| Saiz sampel | Saiz sampel adalah besar | Di sini Saiz Sampelnya kecil. | ||
| Andaian Utama |
|
| ||
| Berdasarkan (sejenis Pembahagian) | Berdasarkan taburan Normal. | Berdasarkan taburan Pelajar-t. |
Kesimpulannya
Pada tahap yang lebih besar, kedua-dua ujian ini hampir serupa, tetapi perbandingannya hanya berkaitan dengan keadaannya untuk aplikasi mereka, yang bermaksud bahawa ujian-t lebih sesuai dan berlaku apabila ukuran sampel tidak lebih dari tiga puluh unit. Walau bagaimanapun, jika lebih besar daripada tiga puluh unit, seseorang harus menggunakan ujian-z. Begitu juga, ada juga syarat-syarat lain, yang akan menjelaskan bahawa ujian mana yang akan dilakukan dalam situasi.
Nah, terdapat juga ujian yang berbeza seperti ujian f, dua sisi vs satu sisi, dan lain-lain, ahli statistik mesti berhati-hati semasa menggunakannya setelah menganalisis keadaan dan kemudian memutuskan mana yang akan digunakan. Berikut adalah contoh carta untuk apa yang telah kita bincangkan di atas.
