Forskel mellem Anova og T-test Forskel mellem

< Anova vs T-test

En T-test, der undertiden kaldes Studentens T-test, udføres, når du vil sammenligne middelværdierne for to grupper og se om de adskiller sig fra hinanden. Det bruges hovedsagelig, når der gives en tilfældig opgave, og der er kun to, ikke mere end to sæt, der skal sammenlignes. Ved udførelse af T-testen er der behov for visse betingelser for at blive opfyldt, så resultaterne vil give præcise resultater. De primære antagelser er, at befolkningsdataene, der skal indsamles, normalt fordeles, og at du sammenligner lige variationer af befolkningen. T-testen har to hovedtyper: Uafhængige målinger T-test og Matched Pair T-test, også kendt som afhængig T-test eller Paired T-test.

Når du sammenligner to prøver, der ikke matcher par, eller prøverne er uafhængige, anvendes uafhængige T-testen. Den anden type, Matched-pair T-test anvendes imidlertid, når de givne prøver vises i par. For eksempel skal du måle mellem før og efter sammenligninger. Hvis du har mere end to prøver, skal Anova testen bruges. Det er muligt at differentiere mere end to midler med hinanden ved at udføre flere T-test, men der ville være en stor mulighed for at lave en fejl og derfor have større chance for at komme med et unøjagtigt resultat.

Anova-testen er det populære udtryk for variansanalysen. Det er en teknik, der udføres ved at analysere kategoriske faktorer effekter. Denne test bruges, når der er mere end to grupper. De er stort set ligesom T-test, men som nævnt ovenfor skal de bruges, når du har mere end to grupper. Anova tests bruger afvigelser for at vide, om midlerne er ens eller ej. Før du udfører en Anova-test, skal du først opfylde de grundlæggende antagelser. Den første antagelse er, at hver prøve, der skal anvendes, vælges uafhængigt og er tilfældig. For det andet antager, at befolkningen du tager prøverne fra er normal og har samme standardafvigelser.

Der findes fire typer af analyse af variationstests. Den første er One-Way Anova. Du skal kun bruge denne type Anova, hvis der kun er en kategorisk faktor. For det andet er Multifactor Anova, der bruges, når de kategoriske faktorer er mere end en. Interaktioner og hovedvirkninger mellem faktorerne estimeres. Den tredje type Anova er Variance Components Analysis. Denne type Anova bruges, når faktorerne er multiple og hierarkisk arrangeret. Hovedmålet med denne test er at kende procentdelen af ​​procesvariabiliteten, som du introducerer i hvert niveau. Den fjerde og sidste metode er de generelle lineære modeller. Hvis dine faktorer er både indlejret og krydset, er nogle af de faktorer tilfældige, og nogle er faste.Når begge de foreliggende faktorer er kvantitative og kategoriske, anvendes denne test.

Sammendrag:

1. Anova-testen har fire typer, nemlig: One-Way Anova, Multifactor Anova, Variance Components Analysis og Generelle Lineære Modeller. T-test har kun to typer: T-test og Matched Pair T-test, der også kaldes afhængig T-test eller Paired T-test.

2. T-test udføres kun, når du kun har to grupper at sammenligne. Anova-test er på den anden side stort set ligesom T-test, men det er designet til grupper, der er mere end to.

3. Nogle betingelser før udførelse af de to prøver er nødvendige for at blive gennemført. For T-testen skal befolkningsdata, der indsamles, normalt fordeles, og du sammenligner lige variationer af befolkningen. Mens til Anova tests, skal prøver, der skal bruges, vælges uafhængigt og tilfældigt. Du skal også antage, at befolkningen du tager prøverne fra er normal og har samme standardafvigelser.