Różnica między Anova a testem T.

Anova vs test T.

Test T, czasami nazywany testem T Studenta, jest przeprowadzany, gdy chcesz porównać średnie dwóch grup i sprawdzić, czy różnią się one od siebie. Stosuje się go głównie, gdy podano losowe przypisanie i do porównania są tylko dwa, nie więcej niż dwa zestawy. Podczas przeprowadzania testu T należy spełnić pewne warunki, aby wyniki dały dokładne wyniki. Główne założenia są takie, że dane dotyczące populacji, które mają być gromadzone, są zwykle rozłożone i że porównujesz równe wariancje populacji. Test T ma dwa główne typy: test T niezależnych pomiarów i test T dopasowanych par, znany również jako test T zależny lub test T sparowany.

Kiedy porównujesz dwie próbki, które nie są dopasowanymi parami lub próbki są niezależne, stosuje się niezależny test T. Drugi typ, test T z dopasowanymi parami, jest jednak stosowany, gdy dane próbki występują w parach. Na przykład, należy mierzyć między porównaniami przed i po. Jeśli masz więcej niż dwie próbki, należy użyć testu Anova. Możliwe jest rozróżnienie między sobą więcej niż dwóch środków poprzez przeprowadzenie wielu testów T, ale istnieje duża możliwość popełnienia błędu, a zatem większa szansa na uzyskanie niedokładnego wyniku.

Test Anova jest popularnym terminem do analizy wariancji. Jest to technika wykonywana w analizie efektów czynników kategorialnych. Ten test jest stosowany, gdy istnieją więcej niż dwie grupy. Są one w zasadzie podobne do testów T, ale, jak wspomniano powyżej, należy ich używać, gdy masz więcej niż dwie grupy. Testy Anova wykorzystują wariancje, aby dowiedzieć się, czy średnie są równe, czy nie. Przed wykonaniem testu Anova należy najpierw spełnić podstawowe założenia. Pierwszym założeniem jest to, że każda próbka, która ma być użyta, jest wybierana niezależnie i jest losowa. Po drugie, załóż, że populacja, z której pobierasz próbki, jest normalna i ma takie same odchylenia standardowe.

Istnieją cztery rodzaje testów analizy wariancji. Pierwszym z nich jest One-Way Anova. Tego typu Anova należy używać tylko wtedy, gdy istnieje tylko jeden kategoryczny czynnik. Drugim jest Multifactor Anova, który jest używany, gdy czynniki kategoryczne są więcej niż jeden. Szacuje się interakcje i główne efekty między czynnikami. Trzecim rodzajem Anova jest Analiza Składników Zmienności. Ten typ Anova jest używany, gdy czynniki są liczne i ułożone hierarchicznie. Głównym celem tego testu jest poznanie odsetka zmienności procesu wprowadzanego na każdym poziomie. Czwarta i ostatnia metoda to ogólne modele liniowe. Jeśli czynniki są zarówno zagnieżdżone, jak i skrzyżowane, niektóre z nich są losowe, a niektóre są naprawione. Gdy oba obecne czynniki są ilościowe i kategoryczne, stosuje się ten test.

Streszczenie:

1. Test Anova ma cztery typy, a mianowicie: Anova jednokierunkowa, Anova wieloczynnikowa, Analiza składników wariancji i Ogólne modele liniowe. Testy T mają tylko dwa typy: test T niezależnych pomiarów i test T dopasowanych par, znany również jako test T zależny lub test T sparowany.
2. Testy T są przeprowadzane tylko wtedy, gdy masz tylko dwie grupy do porównania. Z drugiej strony testy Anova są zasadniczo podobne do testów T, ale są przeznaczone dla grup składających się z więcej niż dwóch osób.
3. Niektóre warunki przed wykonaniem dwóch testów są konieczne do spełnienia. W przypadku testu T gromadzone dane o populacji powinny być normalnie rozłożone, a porównujesz równe wariancje populacji. Podczas gdy w przypadku testów Anova próbki, które mają być użyte, są wybierane niezależnie i losowo. Należy również założyć, że populacja, z której pobierane są próbki, jest normalna i ma takie same odchylenia standardowe.