Forskjellen mellom Anova og T-test

Anova vs T-test

En T-test, som noen ganger kalles Studentens T-test, utføres når du vil sammenligne middelene til to grupper og se om de er forskjellige fra hverandre. Det brukes hovedsakelig når en tilfeldig oppgave er gitt, og det er bare to, ikke mer enn to, sett for å sammenligne. Ved utførelse av T-testen er det nødvendig med visse forhold som skal oppfylles slik at resultatene vil gi nøyaktige resultater. De primære forutsetningene er at befolkningsdataene som skal samles, distribueres normalt, og at du sammenligner like avvik mellom befolkningen. T-testen har to hovedtyper: Uavhengige tiltak T-test og Matched Pair T-test, også kjent som avhengig T-test eller Paired T-test.

Når du sammenligner to prøver som ikke matcher par, eller prøvene er uavhengige, brukes den uavhengige T-testen. Den andre typen, Matched-pair T-test, brukes imidlertid når de oppgitte prøvene vises i par. For eksempel må du måle mellom før og etter sammenligninger. Hvis du har mer enn to prøver, bør Anova-testen brukes. Det er mulig å skille flere enn to måter med hverandre ved å gjennomføre flere T-tester, men det ville være en stor mulighet for å gjøre en feil og derfor ha større sjanse for å komme med et unøyaktig resultat.

Anova-testen er den populære termen for variasjonsanalysen. Det er en teknikk som utføres ved å analysere kategoriske faktorer effekter. Denne testen brukes når det er mer enn to grupper. De er i utgangspunktet også som T-tester, men som nevnt ovenfor skal de brukes når du har mer enn to grupper. Anova tester bruker variasjoner for å vite om midlene er lik eller ikke. Før du utfører en Anova-test, bør du først oppfylle de grunnleggende antagelsene. Den første antakelsen er at hver prøve som skal brukes, velges uavhengig og er tilfeldig. For det andre, anta at befolkningen du tar prøver fra, er normal og har like standardavvik.

Det er fire typer analyse av variasjonstester. Den første er One-Way Anova. Du skal bare bruke denne typen Anova hvis det bare er en kategorisk faktor. For det andre er Multifactor Anova som brukes når de kategoriske faktorene er mer enn en. Interaksjoner og hovedvirkninger mellom faktorene er estimert. Den tredje typen Anova er Variant Components Analysis. Denne typen Anova brukes når faktorene er flere og hierarkisk arrangert. Hovedmålet med denne testen er å kjenne prosentandelen av prosessvariabiliteten som du introduserer i hvert nivå. Den fjerde og siste metoden er de generelle lineære modellene. Hvis faktorene dine er både nestet og krysset, er noen av faktorene tilfeldige, og noen er løst. Når begge faktorene er kvantitative og kategoriske, brukes denne testen.

Sammendrag:

1.The Anova-testen har fire typer, nemlig: One-Way Anova, Multifactor Anova, Variant Components Analysis og Generelle Lineære Modeller. T-tester har bare to typer: T-test og Matched Pair T-test som er kjent som den avhengige T-testen eller Paired T-testen.
2.T-tester utføres bare når du bare har to grupper å sammenligne. Anova-tester, derimot, er i utgangspunktet like T-tester, men det er designet for grupper som er mer enn to.
3.Some forhold før du utfører de to testene er nødvendig for å bli oppnådd. For T-testen må populasjonsdata som skal samles, distribueres normalt, og du sammenligner like variasjoner av befolkningen. Mens for Anova-tester, skal prøver som skal brukes velges uavhengig og tilfeldig. Du bør også anta at befolkningen du tar prøver fra, er normal og har like standardavvik.