Ero Anova-testin ja T-testin välillä

Anova vs. T-testi

T-testi, jota joskus kutsutaan opiskelijan T-testiksi, suoritetaan, kun haluat verrata kahden ryhmän keskiarvoja ja nähdä, eroavatko ne toisistaan. Sitä käytetään pääasiassa, kun satunnainen tehtävä on annettu, ja vertailtavia joukkoja on vain kaksi, enintään kaksi. T-testiä suoritettaessa jotkin ehdot on täytettävä, jotta tulokset antavat tarkkoja tuloksia. Ensisijaiset oletukset ovat, että kerättävät väestötiedot jakautuvat normaalisti ja vertaat väestön yhtäläisiä variansseja. T-testissä on kaksi päätyyppiä: Itsenäisten mittojen T-testi ja vastaavien parien T-testi, joka tunnetaan myös nimellä riippuvainen T-testi tai parillinen T-testi.

Kun vertaat kahta näytettä, jotka eivät ole pareittain, tai näytteet ovat riippumattomia, käytetään riippumatonta T-testiä. Toista tyyppiä, sovitetun parin T-testiä käytetään kuitenkin, kun annetut näytteet esiintyvät pareittain. Sinun on esimerkiksi mitattava ennen ja jälkeen vertailut. Jos sinulla on enemmän kuin kaksi näytettä, tulee käyttää Anova-testiä. On mahdollista erottaa useampi kuin kaksi tapaa toistensa kanssa suorittamalla useita T-testejä, mutta olisi suuri mahdollisuus tehdä virhe ja siten suuremmat mahdollisuudet saapua virheellisellä tuloksella.

Anova-testi on suosittu termi varianssianalyysille. Se on luokan tekijöiden vaikutusten analysoinnissa käytetty tekniikka. Tätä testiä käytetään aina, kun ryhmiä on enemmän kuin kaksi. Ne ovat periaatteessa samanlaisia ​​kuin T-testit, mutta kuten edellä mainittiin, niitä on käytettävä, kun sinulla on enemmän kuin kaksi ryhmää. Anova-testit käyttävät variansseja tietääkseen, ovatko keskiarvot samat. Ennen Anova-testin suorittamista sinun on ensin täytettävä perusoletus. Ensimmäinen oletus on, että jokainen käytettävä näyte valitaan itsenäisesti ja on satunnainen. Toiseksi oletetaan, että populaatio, josta otat näytteitä, on normaali ja sillä on yhtä suuret keskihajonnat.

Varianssianalyysejä on neljä tyyppiä. Ensimmäinen niistä on yksisuuntainen Anova. Käytät tämän tyyppistä Anovaa vain, jos on vain yksi kategorinen tekijä. Toinen on Multifactor Anova, jota käytetään, kun kategoriset tekijät ovat enemmän kuin yksi. Tekijöiden väliset vuorovaikutukset ja päävaikutukset arvioidaan. Kolmas Anova-tyyppi on varianssikomponenttianalyysi. Tämän tyyppistä Anovaa käytetään, kun tekijät ovat useita ja hierarkkisesti järjestettyjä. Tämän testin päätavoite on tietää prosenttimäärä prosessivaihteluista, jotka otat käyttöön jokaisella tasolla. Neljäs ja viimeinen menetelmä on yleiset lineaariset mallit. Jos tekijät ovat sekä sisäkkäisiä että ristikkäisiä, jotkut tekijät ovat satunnaisia ​​ja osa kiinteitä. Kun molemmat läsnä olevat tekijät ovat kvantitatiivisia ja kategorisia, tätä testiä käytetään.

Yhteenveto:

1.Anova-testissä on neljä tyyppiä, nimittäin: Yksisuuntainen Anova, Monitekijäinen Anova, Varianssikomponenttianalyysi ja Yleiset lineaariset mallit. T-testeillä on vain kahta tyyppiä: riippumattomien mittojen T-testi ja sovittujen parien T-testi, joka tunnetaan myös nimellä riippuvainen T-testi tai parillinen T-testi.
2.T-testit tehdään vain, kun sinulla on vain kaksi ryhmää vertailtavaksi. Toisaalta Anova-testit ovat aivan kuten T-testejä, mutta ne on suunniteltu ryhmille, joissa on enemmän kuin kaksi.
3.Jotkut ehdot on suoritettava ennen kahden testin suorittamista. T-testiä varten kerättävät väestötiedot tulisi jakaa normaalisti, ja vertaat populaation yhtäläisiä variansseja. Anova-testeissä käytettävät näytteet valitaan itsenäisesti ja satunnaisesti. Sinun tulisi myös olettaa, että populaatio, josta otat näytteitä, on normaali ja että sillä on yhtä suuret keskihajonnat.