Anova ja T-testi

Anova vs. T-testi

T-testi, jota kutsutaan toisinaan opiskelijan T-testiksi, suoritetaan, kun haluat vertailla kahden ryhmän ryhmää ja selvittää, eroavatko ne toisistaan. Sitä käytetään pääasiassa satunnaisen tehtävän antamiseksi, ja vertailua varten on vain kaksi, enintään kaksi, joukkoa. T-testin suorittamisessa tarvitaan joitakin ehtoja, jotta tulokset saataisivat tuloksen tarkasti. Ensisijaiset olettamukset ovat, että kerättävät väestötiedot jaetaan normaalisti ja että verrataan väestön yhtäläisiä variansseja. T-testissä on kaksi päätyyppiä: Independent Measures T-test ja Matched Pair T-testi, joka tunnetaan myös riippuvana T-testinä tai Paired T-testinä.

Kun vertaat kahta näytettä, jotka eivät ole yhteensopivia pareja tai näytteet ovat riippumattomia, käytetään riippumatonta T-testiä. Toista tyyppiä vastaava pari-T-testi kuitenkin käytetään, kun annetut näytteet näkyvät pareittain. Esimerkiksi sinun on mitattava vertailujen välillä ennen ja jälkeen. Jos sinulla on enemmän kuin kaksi näytettä, käytä Anova-testiä. Useita T-testejä voidaan erottaa toisistaan ​​useammalla kuin kahdella eri tavalla, mutta suurella mahdollisuudella tehdä virhe ja siten suuremmat mahdollisuudet saada aikaan epätarkka tulos.

Anova-testi on suosittu termi analyysin poikkeavuudesta. Se on tekniikka, jota tehdään kategorisen tekijän vaikutusten analysoinnissa. Tätä testiä käytetään aina, kun on enemmän kuin kaksi ryhmää. 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 tietää, ovatko keinot yhtä lailla vai eivät. Ennen Anova-testin suorittamista sinun on ensin täytettävä perusoletukset. Ensimmäinen oletus on, että jokainen käytettävä näyte valitaan itsenäisesti ja on satunnaista. Toiseksi, oletetaan, että näytteen ottama väestö on normaalia ja että siinä on tasavertaiset poikkeamat.

Varianssitestien analyysiä on neljä tyyppiä. Ensimmäinen on One-Way Anova. Sinun on käytettävä tällaista Anovaa vain, jos on vain yksi kategorinen tekijä. Toinen on Multifactor Anova, jota käytetään silloin, kun kategoriset tekijät ovat useampia kuin yksi. Arvioidaan tekijöiden väliset vuorovaikutukset ja tärkeimmät vaikutukset. Kolmas tyyppi Anova on Variance Components Analysis. Tämän tyyppistä Anovaa käytetään, kun tekijät ovat moninkertaisia ​​ja hierarkkisesti järjestettyjä. Tämän testin päätavoite on tietää prosessin vaihteluvälit, jotka esität kullakin tasolla. Neljäs ja viimeinen menetelmä ovat yleiset lineaariset mallit. Jos tekijät ovat sekä sisäkkäisiä että risteytettyjä, jotkin tekijät ovat satunnaisia ​​ja jotkut ovat kiinteitä. Kun molemmat tekijät ovat kvantitatiivisia ja kategorisia, käytetään tätä testiä.

Yhteenveto:

1.Anova-testissä on neljä tyyppiä, nimittäin yksisuuntainen Anova, Multifactor Anova, Variance Components Analysis ja General Linear Models. T-testeillä on vain kaksi tyyppiä: Independent Measures T-test ja Matched Pair T-testi, joka tunnetaan myös riippuvana T-testinä tai Paired T-testinä. 2.T-testit suoritetaan vain, kun vertailussa on vain kaksi ryhmää. Anova-testit puolestaan ​​ovat periaatteessa samanlaisia ​​kuin T-testit, mutta ne on suunniteltu ryhmille, jotka ovat yli kaksi. 3.Jotkin olosuhteet ennen kahden testin suorittamista on suoritettava. T-testissä kerätään kerättävät väestötiedot normaalisti ja verrataan väestön yhtäläisiä variansseja. Vaikka Anova-testeissä käytettävät näytteet valitaan itsenäisesti ja satunnaisesti. Sinun on myös oletettava, että näytteen ottama väestö on normaalia ja sillä on samanlaiset standardipoikkeamat.