Z-тест и P-значение, хотя и являются двумя статистическими тестами, но это две разные вещи, где первый является статистическим тестом, который проливает свет на то, следует ли отвергать нулевую гипотезу или нет, тогда как последний является вероятностным тестом, указывающим на то, что существует вероятность того, что нулевая гипотеза будет отклонена.
Z-тест против P-значения
Разница между Z-тестом и P-значением заключается в том, что Z-тест говорит о том, следует ли отвергать нулевую гипотезу или нет, но, наоборот, P-значение проливает свет на наблюдения, которые были сделаны во время эксперимента, если они такие же или крайние, когда нулевая гипотеза верна.
Z-тест в статистике - это инструмент, который используется для определения того, различаются ли два средних значения генеральной совокупности, даже если переменные известны. Это тип проверки гипотез при нулевой гипотезе, который может быть аппроксимирован нормальным распределением.
Проверка гипотез в статистике - это способ выяснить, значимы ли результаты опроса или эксперимента.
Принимая во внимание, что значение P или значение вероятности в статистической гипотезе - это вероятность получения результатов теста / эксперимента, наблюдаемых во время теста или эксперимента, при предположении, что нулевая гипотеза верна.
Нулевая гипотеза - это общее заявление о том, что между двумя измеряемыми группами нет никакой связи.
Таблица сравнения между Z-тестом и P-значением (в табличной форме)
| Параметры сравнения | P-значение | Z-тест |
|---|---|---|
| Значение | P-значение - это вероятность того, что наблюдения останутся такими же или экстремальными, если нулевая гипотеза верна. | Z-тест описывает отклонение от среднего значения в единицах стандартного отклонения. |
| Предположения | P-Value - это тест, проводимый с предположением, что нулевая гипотеза верна. | В случае Z-Test он не делает таких предположений. |
| Цель | Цель этого теста - выяснить, следует ли принимать нулевую гипотезу. | Цель этого теста - проверить, остаются ли наблюдения такими же или нет, если нулевая гипотеза верна. |
| Показания теста | P-значение указывает, насколько маловероятна статистика. | Принимая во внимание, что Z-тест показывает, насколько далеко находится среднее значение. |
Что такое Z-Test?
Z-тест в статистике - это инструмент, который используется для определения того, различаются ли два средних значения генеральной совокупности, даже если переменные известны. Причем размер выборки большой. Это тип проверки гипотез при нулевой гипотезе, который может быть аппроксимирован нормальным распределением.
Он используется для проверки того, следует ли отвергать нулевую гипотезу. Z-баллы являются мерой стандартного отклонения, например, +1,95 или -1,95 обозначают, насколько статистический результат теста отклонился от среднего.
Есть несколько предположений, которые сделаны в Z-тесте One-Sample:
Что такое P-Value?
P-значение - это вероятность того, что результат статистической проверки будет отклонен или принят с предположением, что нулевая гипотеза верна. Эксперимент устанавливает уровень значимости, и когда значение p меньше значимого уровня, нулевая гипотеза будет отклонена.
Чтобы узнать p-значение в своей статистике:
Основные различия между Z-тестом и P-значением
Значение
P-значение - это вероятность получения статистического результата теста, по крайней мере, равного или столь же экстремального, как результат, который наблюдался в эксперименте с предположением, что нулевая гипотеза верна.
Принимая во внимание, что Z-тест - это тест, который используется для определения того, является ли среднее значение генеральной совокупности большим, меньшим или равным определенному значению. Поскольку в нем используется стандартное нормальное распределение, этот тест часто называют Z-тестом с одной выборкой. Предполагается, что стандартное отклонение совокупности известно.
Нулевая гипотеза
В случае значения P предполагается, что нулевая гипотеза верна, на основании чего проверяется статистический результат теста, который наблюдается в эксперименте, чтобы увидеть, является ли результат таким же или экстремальным, как он наблюдался ранее. С другой стороны, Z-тест используется для проверки того, следует ли отвергать нулевую гипотезу.
Альтернативная гипотеза
В P-Value альтернативная гипотеза - это решающее утверждение, которое экспериментатор хотел бы сделать в ходе экспериментальной проверки, если данные позволяют это. В то время как в Z-тесте альтернативная гипотеза играет важную роль вместе с нулевой гипотезой, альфой и Z-оценкой. Альтернативная гипотеза - это противоположная гипотеза, это утверждение о различиях в популяции. Это гипотеза, которую экспериментатор надеется доказать.
Ограничения
В случае P-Value значение p может быть неверным, если размер выборки небольшой. Более того, p-значение имеет тенденцию заключаться как значимое или незначимое на основании фактора, что p-значение меньше или равно 0,5, что не относится к Z-тесту, однако есть несколько ограничения использования Z-Test.
Во-первых, размер выборки может варьироваться от небольшого числа до нескольких сотен. Если данные дискретны и содержат по крайней мере пять уникальных значений, то можно игнорировать предположение о непрерывной переменной. Возможно, самым большим ограничением является то, что данные должны быть случайными, иначе уровни значимости могут быть неверными.
Результаты
Если p-значение очень мало по сравнению с пороговым значением, которое было ранее выбрано, известное как значимый уровень (обычно 5% или 1%), это предполагает, что наблюдаемые данные несовместимы с предположением, что нулевая гипотеза верна и таким образом, гипотеза должна быть отвергнута, а альтернативная гипотеза принята.
Например:
Принимая во внимание, что в Z-тесте, чтобы привести пример: критические значения Z-Score при использовании уровня достоверности 95%, стандартные отклонения -1,96 и +1,96. Значение p, связанное с уровнем достоверности 95%, составляет 0,05. Если ваш показатель Z составляет от -1,96 до +1,96, ваше значение p будет больше 0,05, и вы не сможете отклонить свою нулевую гипотезу.
Если оценка Z выходит за пределы этого диапазона (например, -2,5 или +5,4), показанный образец, вероятно, слишком необычен, чтобы быть просто еще одной версией случайной вероятности, и значение p будет небольшим, чтобы отразить это. В этом случае можно отказаться от гипотезы.
Ключевой идеей здесь является то, что значения в середине нормального распределения (например, Z-баллы, такие как 0,19 или -1,2), представляют ожидаемый результат.
Вывод
P-Value и Z-Test - это два статистических теста с разными целями. Значение P вращается вокруг вероятности того, что наблюдения или результаты эксперимента будут такими же или экстремальными, если нулевая гипотеза верна.
С другой стороны, Z-тест означает достоверность наблюдений, сделанных во время эксперимента. Он используется только тогда, когда размер выборки превышает 30, как в случае генеральной совокупности, это из-за центральной теоремы, которая используется во время этого теста, поскольку количество выборок увеличивается, образцы считаются распределенными нормально и данные выбираются случайным образом.
P-Value зависит от размера выборки, а также от нулевой гипотезы. Чем больше размер выборки, тем меньше P-значения, тогда как на Z-тест влияют нулевая гипотеза, альтернативная гипотеза, альфа и Z-оценка.
