Hypotesprovning börjar med att inrätta lokalerna, vilket följs av att man väljer en signifikansnivå. Därefter måste vi välja teststatistik, dvs t-test eller f-test. Medan t-test används för att jämföra två relaterade prover, f-testet används för att testa jämlikheten mellan två populationer.
Hypotesen är en enkel proposition som kan bevisas eller bestridas genom olika vetenskapliga tekniker och etablerar förhållandet mellan oberoende och viss beroende variabel. Det kan testas och verifieras för att fastställa dess giltighet, genom en objektiv undersökning. Test av en hypotes försöker klargöra huruvida antagandet är giltigt eller inte.
För en forskare är det absolut nödvändigt att välja rätt test för hans / hennes hypotes eftersom hela beslutet att validera eller vägra nollhypotesen är baserat på det. Ta en läsning av den givna artikeln för att förstå skillnaden mellan t-test och f-test.
Grunder för jämförelse | T-test | F-test |
---|---|---|
Menande | T-test är ett univariat hypotesprov, som tillämpas när standardavvikelsen inte är känd och provstorleken är liten. | F-test är ett statistiskt test, som bestämmer jämlikheten av variationerna hos de två normala populationerna. |
Teststatistik | T-statistik följer Student t-distribution, under null hypotes. | F-statistiken följer Snedecor f-distributionen, under null hypotesen. |
Ansökan | Att jämföra medel för två populationer. | Att jämföra två populationsvariationer. |
Ett t-test är en form av det statistiska hypotesetestet, baserat på Studentens t-statistik och t-fördelning för att ta reda på p-värdet (sannolikheten) som kan användas för att acceptera eller avvisa nollhypotesen.
T-testanalyser om medelvärdet för två dataset skiljer sig väsentligt från varandra, dvs om populationens medelvärde är lika med eller skiljer sig från standardmedlet. Det kan också användas för att se om regressionslinjen har en lutning som skiljer sig från noll. Testet bygger på ett antal antaganden, vilka är:
Medel och standardavvikelse för de två proven används för att göra jämförelse mellan dem, så att:
var,
X1 = Medel från första datasetet
x̄2 = Medel från den andra datasatsen
S1 = Standardavvikelse för det första datasetet
S2 = Standardavvikelse för den andra datasatsen
n1 = Storlek på första dataset
n2 = Storlek på andra dataset
F-test beskrivs som en typ av hypotesprov, som är baserat på Snedecor f-distributionen, under nollhypotesen. Testet utförs när det inte är känt om de två populationerna har samma varians.
F-test kan också användas för att kontrollera om data överensstämmer med en regressionsmodell, vilken förvärvas genom minst kvadratanalys. När det finns flera linjära regressionsanalyser undersöker den modellens övergripande giltighet eller bestämmer huruvida någon av de oberoende variablerna har ett linjärt förhållande med den beroende variabeln. Ett antal förutsägelser kan göras genom jämförelsen av de två dataseterna. Expressionen av f-testvärdet är i förhållandet mellan variationer av de två observationerna, vilket visas som under:
Var, σ2 = varians
De antaganden som f-test bygger på är:
Skillnaden mellan t-test och f-test kan dras tydligt av följande skäl:
T-test och f-test är de två, av antalet olika typer av statistiskt test som används för hypotesprovning och avgör om vi ska acceptera nollhypotesen eller avvisa den. Hypotesetestet fattar inte beslut själv, det hjälper snarare forskaren i beslutsfattandet.