హైపోథెసిస్ టెస్టింగ్ యొక్క Z- టెస్ట్ మరియు T- టెస్ట్ మధ్య వ్యత్యాసం

Z- టెస్ట్ మరియు T- టెస్ట్ మధ్య తేడాలు

Z టెస్ట్ ప్రామాణిక విచలనం లభిస్తే మరియు నమూనా పెద్దది అయితే రెండు నమూనాలు లెక్కించబడినా భిన్నంగా ఉన్నాయో లేదో తెలుసుకోవడానికి ఉపయోగించే గణాంక పరికల్పన టి పరీక్ష ప్రామాణిక విచలనం లేదా వ్యత్యాసం తెలియకపోతే వేర్వేరు డేటా సెట్ల సగటులు ఒకదానికొకటి ఎలా భిన్నంగా ఉంటాయో తెలుసుకోవడానికి దీనిని ఉపయోగిస్తారు.

Z- పరీక్షలు మరియు t- పరీక్షలు సైన్స్, వ్యాపారం మరియు అనేక ఇతర విభాగాలలో అనువర్తనాలను కలిగి ఉన్న డేటా విశ్లేషణను కలిగి ఉన్న రెండు గణాంక పద్ధతులు. టి-పరీక్షను టి-స్టాటిస్టిక్స్ మీద ఆధారపడిన ఒక ఏకైక పరికల్పన పరీక్షకు సూచించవచ్చు, దీనిలో సగటు అంటే సగటు అంటారు, మరియు జనాభా వ్యత్యాసం అనగా ప్రామాణిక విచలనం నమూనా నుండి అంచనా వేయబడుతుంది. మరోవైపు, Z- పరీక్ష, ప్రామాణిక సాధారణ పంపిణీపై ఆధారపడిన ఏకరీతి పరీక్ష.

ఉపయోగాలు

# 1 - Z- టెస్ట్

Z- టెస్ట్ ఫార్ములా, ముందు చెప్పినట్లుగా, జనాభా సగటులను ఒక నమూనాతో పోల్చడానికి ఉపయోగించే గణాంక లెక్కలు. ప్రామాణిక విచలనాల పరంగా, డేటా పాయింట్ డేటా సమితి సగటు నుండి ఎంత దూరం అని z- పరీక్ష మీకు తెలియజేస్తుంది. ఒక z- పరీక్ష ఒక నమూనా యొక్క నిర్వచించిన జనాభాతో పోలిక చేస్తుంది, ఇది సాధారణంగా పెద్ద నమూనాలకు సంబంధించిన సమస్యలను పరిష్కరించడానికి ఉపయోగిస్తారు (అనగా n> 30). ఎక్కువగా, ప్రామాణిక విచలనం తెలిసినప్పుడు అవి చాలా ఉపయోగపడతాయి.

# 2 - టి-టెస్ట్

T- పరీక్షలు కూడా ఒక పరికల్పనను పరీక్షించడానికి ఉపయోగపడే లెక్కలు, కానీ 2 స్వతంత్ర నమూనా సమూహాల మధ్య సంఖ్యాపరంగా గణనీయమైన పోలిక ఉందో లేదో తెలుసుకోవలసినప్పుడు అవి చాలా ఉపయోగకరంగా ఉంటాయి. మరో మాటలో చెప్పాలంటే, యాదృచ్ఛిక అవకాశం కారణంగా 2 సమూహాల సగటుల మధ్య పోలిక సంభవించలేదా అని టి-టెస్ట్ అడుగుతుంది. సాధారణంగా, మీరు పరిమిత నమూనా పరిమాణంతో (అంటే n <30) సమస్యలతో వ్యవహరించేటప్పుడు టి-పరీక్షలు మరింత సరైనవి.

Z- టెస్ట్ vs టి-టెస్ట్ ఇన్ఫోగ్రాఫిక్స్

మీరు తప్పక తెలుసుకోవలసిన z- టెస్ట్ vs టి-టెస్ట్ మధ్య టాప్ 5 తేడాలను ఇక్కడ మేము మీకు అందిస్తున్నాము.

కీ తేడాలు

  • టి-టెస్ట్ నిర్వహించడానికి ముఖ్యమైన పరిస్థితులలో ఒకటి జనాభా ప్రామాణిక విచలనం లేదా వ్యత్యాసం తెలియదు. దీనికి విరుద్ధంగా, పైన పేర్కొన్న విధంగా జనాభా వ్యత్యాస సూత్రం ఒక z- పరీక్ష విషయంలో తెలిసి ఉండాలని లేదా తెలుసుకోవాలని అనుకోవాలి.
  • ముందు చెప్పినట్లుగా టి-టెస్ట్ విద్యార్థుల టి-డిస్ట్రిబ్యూషన్ మీద ఆధారపడి ఉంటుంది. దీనికి విరుద్ధంగా, z- పరీక్ష నమూనా మార్గాల పంపిణీ సాధారణమైనదని umption హపై ఆధారపడి ఉంటుంది. సాధారణ పంపిణీ మరియు విద్యార్థుల టి-పంపిణీ రెండూ ఒకే విధంగా కనిపిస్తాయి, ఎందుకంటే రెండూ బెల్ ఆకారంలో మరియు సుష్టంగా ఉంటాయి. ఏదేమైనా, పంపిణీలో, మధ్యలో తక్కువ స్థలం మరియు వాటి తోకలలో ఎక్కువ ఉన్న సందర్భాలలో ఒకదానిలో ఇవి విభిన్నంగా ఉంటాయి.
  • నమూనా పరిమాణం పెద్దగా ఉన్నప్పుడు పై పట్టికలో ఇచ్చిన విధంగా Z- పరీక్ష ఉపయోగించబడుతుంది, ఇది n> 30, మరియు నమూనా పరిమాణం పెద్దది కానప్పుడు t- పరీక్ష తగినది, ఇది చిన్నది, అనగా n <30.

Z- టెస్ట్ vs టి-టెస్ట్ కంపారిటివ్ టేబుల్

ఆధారంగాZ టెస్ట్టి-టెస్ట్
ప్రాథమిక నిర్వచనంZ- పరీక్ష అనేది ఒక రకమైన పరికల్పన పరీక్ష, ఇది ప్రామాణిక విచలనం లేదా వ్యత్యాసం ఇచ్చినప్పుడు 2 డేటాసెట్ల సగటులు ఒకదానికొకటి భిన్నంగా ఉన్నాయో లేదో నిర్ధారిస్తుంది.టి-పరీక్షను ఒక గుర్తింపుకు వర్తించే ఒక రకమైన పారామెట్రిక్ పరీక్షకు సూచించవచ్చు, ప్రామాణిక విచలనం లేదా వ్యత్యాసం ఇవ్వనప్పుడు 2 సెట్ల డేటా సగటులు ఒకదానికొకటి భిన్నంగా ఉంటాయి.
జనాభా వ్యత్యాసంజనాభా వ్యత్యాసం లేదా ప్రామాణిక విచలనం ఇక్కడ తెలుసు.జనాభా వ్యత్యాసం లేదా ప్రామాణిక విచలనం ఇక్కడ తెలియదు.
నమూనా పరిమాణంనమూనా పరిమాణం పెద్దదిఇక్కడ నమూనా పరిమాణం చిన్నది.
కీ అంచనాలు
  • అన్ని డేటా పాయింట్లు స్వతంత్రంగా ఉంటాయి.
  • Z కోసం సాధారణ పంపిణీ, సగటు సున్నా మరియు వ్యత్యాసం = 1 తో.
  • అన్ని డేటా పాయింట్లు ఆధారపడి ఉండవు.
  • నమూనా విలువలు రికార్డ్ చేయబడతాయి మరియు ఖచ్చితంగా తీసుకోవాలి
ఆధారంగా (ఒక రకమైన పంపిణీ)సాధారణ పంపిణీ ఆధారంగా.స్టూడెంట్-టి పంపిణీ ఆధారంగా.

ముగింపు

పెద్దగా, ఈ రెండు పరీక్షలు దాదాపు సమానంగా ఉంటాయి, కానీ పోలిక వారి అనువర్తనం కోసం వారి పరిస్థితులకు మాత్రమే వస్తుంది, అనగా నమూనా పరిమాణం ముప్పై యూనిట్ల కంటే ఎక్కువ కానప్పుడు టి-పరీక్ష మరింత సముచితమైనది మరియు వర్తిస్తుంది. అయితే, ఇది ముప్పై యూనిట్ల కంటే ఎక్కువగా ఉంటే, ఒకరు z- పరీక్షను ఉపయోగించాలి. అదేవిధంగా, ఇతర షరతులు కూడా ఉన్నాయి, ఇది ఒక పరిస్థితిలో ఏ పరీక్ష చేయించుకోవాలో స్పష్టం చేస్తుంది.

సరే, ఎఫ్ టెస్ట్, టూ-టెయిల్డ్ వర్సెస్ సింగిల్-టెయిల్డ్, వంటి వేర్వేరు పరీక్షలు కూడా ఉన్నాయి, పరిస్థితిని విశ్లేషించిన తరువాత వాటిని వర్తించేటప్పుడు గణాంకవేత్తలు జాగ్రత్తగా ఉండాలి. మేము పైన చర్చించిన వాటికి నమూనా చార్ట్ క్రింద ఉంది.