В мире статистики преобладают расчеты, предположения и выводы. Среди всех тестов и результатов t-тесты и p-значение - два самых запутанных метода допущения.
В то время как эти два находятся в одном подмножестве статистики и обеспечивают дополнительную меру предположений, а также взаимосвязаны. Два теста - это не одно и то же!
T-тест против P-значения
Разница между T-тестом и P-значением заключается в том, что T-тест используется для анализа степени различия между средними значениями выборок, в то время как p-значение выполняется для получения доказательства, которое может быть использовано для отрицания безразличия между средние значения двух образцов.
T-тест обеспечивает разницу между двумя измерениями в пределах нормального диапазона, тогда как p-value фокусируется на крайней стороне образца и, таким образом, обеспечивает экстремальный результат.
Несмотря на то, что они взаимосвязаны, они демонстрируют различные аспекты выборки и определяют разные параметры совокупности, из которой были выведены выборки.
Таблица сравнения T-теста и P-значения (в табличной форме)
Параметр сравнения | Т-тест | P-значение |
---|---|---|
Полная форма | Статистика теста | Величина вероятности |
Раздел статистики | Выведенный статистика | Выведенный статистика |
Проверка гипотезы | да | да |
Средние значения образцов | Чередование | Null-Same |
Результат | Разница в среднем | Отрицание нулевых предположений |
Что такое Т-тест?
T-тест - это статистический тест, который определяет степень разницы между средними значениями двух связанных наборов. Он попадает в категорию статистики, которая относится к прогнозам на основе выборки населения.
T-тест может быть выполнен на наборе данных, которые каким-то образом связаны между собой; общей чертой может быть возраст, место проживания, предоставление услуг или любой другой подобный фактор. Два разных предположения не могут быть использованы для Т-анализа.
Образцы следует выбирать случайным образом, чтобы определить результат Т-теста. Хотя размер выборки должен быть таким, чтобы он выглядел как стандартный разброс, при этом оба набора имеют значения, разбросанные по среднему значению в одинаковой пропорции.
Три известных типа t-тестов: парная выборочная модель, одна выборка и независимые двухвыборочные тесты.
Тест на парной выборке - это когда тест проводится на одной и той же выборке в разное время. Это сделано для того, чтобы установить влияние различных внешних факторов на выборку. Сравнение производительности рабочих в дневное и ночное время может быть выполнено с помощью t-критерия с одной выборкой.
Единичная выборка, когда один фактор определенной вещи сравнивается с предоставленным стандартом. С помощью этой меры можно сравнить средний срок службы лампочки и их сравнение с образцом лампочек, чтобы вывести средний срок службы.
Автономный образец теста - это имя, данное; когда взят определенный коэффициент из проб; берутся два разных набора данных из двух разнородных выборок. С помощью этого метода можно определить уровни IQ студентов мужского и женского пола.
Это сравнение помогает пользователю расшифровать связь между двумя наборами данных или понять истину, лежащую в основе заявленных стандартов.
Что такое P-Value?
P-значение - это тест допущения, используемый для отрицания того факта, что средние значения двух выборок не имеют разницы.
Альфа - это термин, используемый для описания заранее определенной вероятности, в то время как p-значение - это термин, используемый для вероятности, которая рассчитывается после тщательного анализа генеральной совокупности и выборки.
Противоположной гипотезе о нулевом значении или отсутствии различия является флуктуирующее или альтернативное среднее значение, в таком случае, если результирующее значение p меньше наиболее примечательного числа, статическая гипотеза отклоняется.
В некоторых случаях одна и та же гипотеза ошибочно отвергается; это делается в тех случаях, когда на самом деле нулевое предположение верно, но поскольку существенное число выше, чем p-значение, оно отклоняется.
В другом случае гипотеза принимается неверно. Несмотря на очевидную разницу, считается, что это связано с внешними причинами, а не с какими-либо измерениями или такими показателями.
Меньшее значение p означает, что влияние, которое оно оказывает на всю выборку, имеет более высокую величину и значимость.
Если p-значение имеет такую тривиальную природу, что в конечном итоге должно быть объявлено, что средства не имеют разницы; чем в таком случае тесты и результаты всего теста считаются несущественными.
Основные различия между T-тестом и P-Value
Пылкий взгляд показывает основные различия между Т-тестом и Р-значением:
Вывод
Предположения относительно совокупности и ее ограничений являются важной частью аналитической отрасли статистики, тогда как выборка и предположения делаются на начальном этапе.
T-тестирование и расчет p-значения составляют жизненно важный этап, после которого строятся дальнейшие вычисления.
Первые два теста дают четкое представление об отобранной выборке и возможной совокупности, в отношении которой разрабатывается предположение для тестирования.
Результаты обоих тестов составляют неотъемлемую часть статистики, поэтому очень важно понимать значительную разницу между ними.