Skillnaden mellan Anova och T-test



Anova vs T-test

En T-test, som ibland kallas Student 's T-test, genomförs när du vill jämföra medelvärdena för två grupper och se om de skiljer sig från varandra. Den används främst när ett slumpmässigt uppdrag ges och det finns bara två, inte mer än två sätter att jämföra. Vid utförandet av T-test, behövs vissa villkor som måste uppfyllas så att resultaten kommer att göra korrekta resultat. de primära antaganden är att befolkningsdata som samlas in är normalfördelade och att du jämför lika varianser av befolkningen T-testet har två huvudtyper:. oberoende Åtgärder t-test och matchade par T-test också känd som den beroende T-test eller parat t-test.

När du jämför två prover som inte är matchade par, eller proverna är oberoende, är oberoende T-test används. Den andra typen, matchade par T-test, men används när de givna proven visas i par. Till exempel, du är att mäta mellan före och efter jämförelser. Om du har mer än två prover, då Anova Test ska användas. Det är möjligt att skilja mer än två sätt med varandra genom att utföra multipla T-test, men det skulle vara en stor möjlighet att göra ett misstag och, därför, att ha en större chans att anländer med ett felaktigt resultat.

ANOVA-testet är den populära termen för variansanalys. Det är en teknik som utförs i att analysera kategoriska faktorer effekter. Detta test används när det finns fler än två grupper. De är i grund och botten som T-test också, men, som nämnts ovan, är de som ska användas när du har mer än två grupper. ANOVA test använder avvikelser att veta om medlen är lika eller inte. Innan du utför en Anova testet, bör du uppfylla de grundläggande antaganden först. Den första en antagande är att varje prov som skall användas väljs oberoende av varandra och är slumpmässigt. För det andra, antar att befolkningen du tar prover från är normalt och har lika standardavvikelser.



Det finns fyra typer av Variansanalys tester. Den första är den enkelriktade Anova. Du ska använda denna typ av Anova endast om det finns bara en kategorisk faktor. Andra är multifaktor Anova som används när kategoriska faktorer är mer än en. Interaktioner och huvudeffekter mellan faktorer uppskattas. Den tredje typen av Anova är variansen Components Analysis. Denna typ av Anova används när faktorerna är många och hierarkiskt ordnade. Det huvudsakliga målet med detta test är att veta hur stor andel av processen variation som du introducerar på varje nivå. Den fjärde och sista metoden är den allmänna linjära modeller. Om dina faktorer både kapslade och korsade, några av de faktorer som är slumpmässiga och vissa är fasta. När båda faktorerna närvarande är kvantitativa och kategoriska, är detta test används.

Sammanfattning:

1. Anova testet har fyra typer, nämligen: envägs ANOVA, multifaktor ANOVA varianskomponentanalys, och General Linear Models. T-tester har bara har två typer: självständiga åtgärder t-test och matchade Pair T-test, som också är känd som den beroende T-test eller parat t-test.
2. T-test görs endast när du bara har två grupper att jämföra. ANOVA test, å andra sidan, är i princip precis som T-test, men det är utformade för grupper som är mer än två.