Unterschied zwischen ANOVA und T-Test

ANOVA gegen T-Test

Ein T-Test, der manchmal als T-Test des Schülers bezeichnet wird, wird durchgeführt, wenn Sie die Mittel von zwei Gruppen vergleichen und feststellen möchten, ob sie sich voneinander unterscheiden. Es wird hauptsächlich verwendet, wenn eine zufällige Zuordnung angegeben wird und es nur zwei, nicht mehr als zwei, Sets zum Vergleichen gibt. Bei der Durchführung des T-Tests müssen einige Bedingungen erfüllt werden, damit die Ergebnisse genaue Ergebnisse erzielen werden. Die primären Annahmen sind, dass die zu sammelnden Bevölkerungsdaten normal verteilt sind und Sie gleiche Abweichungen der Bevölkerung vergleichen. Der T-Test verfügt über zwei Haupttypen: unabhängige Messungst-Test und Matched-Paar-T-Test, auch als abhängiger T-Test oder gepaarter T-Test bezeichnet.

Wenn Sie zwei Stichproben vergleichen, die keine übereinstimmenden Paare sind oder die Proben unabhängig sind, wird der unabhängige T-Test verwendet. Der zweite Typ, der mit dem T-Test übereinstimmte. Zum Beispiel müssen Sie vor und nach Vergleiche messen. Wenn Sie mehr als zwei Proben haben, sollte der ANOVA -Test verwendet werden. Es ist möglich, mehr als zwei Mittel miteinander zu unterscheiden, indem mehrere T-Tests durchgeführt werden, aber es würde eine große Möglichkeit geben, einen Fehler zu machen und daher eine größere Chance zu haben, mit einem ungenauen Ergebnis zu kommen.

Der ANOVA -Test ist der beliebte Begriff für die Varianzanalyse. Es handelt sich um eine Technik, die bei der Analyse kategorischer Faktoreneffekte durchgeführt wird. Dieser Test wird verwendet, wenn es mehr als zwei Gruppen gibt. Sie sind im Grunde genommen auch wie T-Tests, aber wie oben erwähnt, sind sie zu verwenden, wenn Sie mehr als zwei Gruppen haben. ANOVA -Tests verwenden Abweichungen, um zu wissen, ob die Mittel gleich sind oder nicht. Bevor Sie einen ANOVA -Test durchführen, sollten Sie zuerst die grundlegenden Annahmen erfüllen. Die erste Annahme ist, dass jede zu verwendende Probe unabhängig ausgewählt wird und zufällig ist. Zweitens nehmen Sie an, dass die Bevölkerung, von der Sie die Proben entnehmen, normal ist und gleiche Standardabweichungen aufweist.

Es gibt vier Arten der Analyse von Varianztests. Der erste ist die Einweg-ANOVA. Sie müssen diese Art von ANOVA nur dann verwenden, wenn es nur einen kategorischen Faktor gibt. Zweitens ist die Multifaktor -ANOVA, die verwendet wird, wenn die kategorialen Faktoren mehr als eins sind. Wechselwirkungen und Haupteffekte zwischen den Faktoren werden geschätzt. Die dritte Art von ANOVA ist die Varianzkomponentenanalyse. Diese Art von ANOVA wird verwendet, wenn die Faktoren mehrfach und hierarchisch angeordnet sind. Das Hauptziel dieses Tests ist es, den Prozentsatz der Prozessvariabilität, die Sie in jeder Ebene einführen, zu kennen. Die vierte und letzte Methode sind die allgemeinen linearen Modelle. Wenn Ihre Faktoren sowohl verschachtelt als auch gekreuzt sind, sind einige der Faktoren zufällig und einige festgelegt. Wenn beide vorhandenen Faktoren quantitativ und kategorisch sind, wird dieser Test verwendet.

Zusammenfassung:

1.Der ANOVA-Test verfügt über vier Typen: Einweg-ANOVA, Multifaktor-ANOVA, Varianzkomponentenanalyse und allgemeine lineare Modelle. T-Tests haben nur zwei Typen: unabhängige Messungstest und Matched-Paar-T-Test, der auch als abhängiger T-Test oder gepaarter T-Test bezeichnet wird.
2.T-Tests werden nur durchgeführt, wenn Sie nur zwei Gruppen vergleichen müssen. ANOVA-Tests hingegen sind im Grunde genommen genau wie T-Tests, aber es sind für Gruppen ausgelegt, die mehr als zwei sind.
3.Einige Bedingungen vor der Durchführung der beiden Tests müssen durchgeführt werden. Für den T-Test sollten die zu sammelnden Bevölkerungsdaten normal verteilt werden, und Sie vergleichen gleiche Abweichungen der Bevölkerung. Während für ANOVA -Tests, werden Proben, die verwendet werden, unabhängig und zufällig ausgewählt. Sie sollten auch davon ausgehen, dass die Bevölkerung, aus der Sie die Proben entnehmen, normal ist und gleiche Standardabweichungen aufweisen.