Anova와 T-test의 차이점

<0인지 확인하기 위해 T-test (학생의 T- 테스트라고도 함) Anova vs T-test

학생의 T- 테스트라고도하는 T- 테스트는 두 그룹의 평균을 비교하고 서로 다른지 확인하려는 경우 수행됩니다. 이것은 주로 무작위 배정이 주어 졌을 때 사용되며 비교할 집합이 2 개 이상 2 개 이하일 때 주로 사용됩니다. T- 테스트를 실시 할 때, 결과가 정확한 결과를 제공 할 수 있도록 몇 가지 조건이 충족되어야합니다. 주된 가정은 수집 할 모집단 데이터가 정상적으로 배포되고 모집단의 균등 분산을 비교한다는 것입니다. T- 테스트에는 두 가지 주요 유형이 있습니다. 독립적 인 측정 T- 테스트 및 종속 된 T- 테스트 또는 종속 T- 테스트 또는 페어 티드 T- 테스트.

일치하는 쌍이 아닌 두 개의 표본을 비교하거나 표본이 독립적 인 경우 독립 T- 검정이 사용됩니다. 그러나 두 번째 유형 인 Matched-pair T-test는 주어진 샘플이 쌍으로 나타날 때 사용됩니다. 예를 들어 비교 전후를 측정해야합니다. 샘플이 두 개 이상인 경우 Anova 테스트를 사용해야합니다. 여러 개의 T- 테스트를 수행하여 서로 다른 두 가지 방법을 구별하는 것이 가능하지만, 실수를 범할 가능성이 높으므로 부정확 한 결과로 도착할 가능성이 더 커집니다.

Anova 테스트는 분산 분석에 널리 사용되는 용어입니다. 이것은 범주 적 요인 효과를 분석 할 때 수행되는 기술입니다. 이 테스트는 두 개 이상의 그룹이있을 때마다 사용됩니다. 그들은 기본적으로 T- 테스트와 비슷하지만 위에서 언급 한 것처럼 두 개 이상의 그룹이있을 때 사용됩니다. Anova는 평균이 동등한 지 여부를 알기 위해 분산을 테스트합니다. Anova 테스트를 수행하기 전에 먼저 기본 가정을 수행해야합니다. 첫 번째 가정은 사용되는 각 샘플이 독립적으로 선택되고 임의적이라는 것입니다. 둘째, 샘플을 가져 오는 인구가 정상이며 표준 편차가 동일하다고 가정합니다.

분산 분석의 분석에는 네 가지 유형이 있습니다. 첫 번째는 편도 Anova입니다. 단 하나의 범주 적 요소가있는 경우에만이 유형의 Anova를 사용해야합니다. 두 번째는 범주 적 요소가 둘 이상일 때 사용되는 Multifactor Anova입니다. 요소 간의 상호 작용 및 주 효과가 예측됩니다. Anova의 세 번째 종류는 분산 구성 요소 분석입니다. 이 유형의 아노아는 요소가 여러 계층으로 정렬되어있을 때 사용됩니다. 이 테스트의 주요 목표는 각 단계에서 도입하는 공정 변동성의 백분율을 파악하는 것입니다. 네 번째이자 마지막 방법은 일반 선형 모델입니다. 요인이 중첩되고 교차되는 경우 요인 중 일부는 무작위이며 일부는 고정되어 있습니다.존재하는 두 요소가 정량적이며 범주 적이면이 테스트가 사용됩니다.

요약:

1. Anova 테스트에는 단방향 Anova, 다중 요인 Anova, 분산 구성 요소 분석 및 일반 선형 모델의 네 가지 유형이 있습니다. T- 테스트에는 독립적 인 측정 T- 테스트와 종속 T- 테스트 또는 페어 티드 T- 테스트라고도하는 일치 쌍 T- 테스트의 두 가지 유형 만 있습니다. 2. T- 테스트는 오직 두 그룹 만 비교할 때 수행됩니다. 반면 Anova 테스트는 기본적으로 T 테스트와 비슷하지만 두 개 이상의 그룹에 맞게 설계되었습니다. 3. 두 가지 테스트를 수행하기 전에 일부 조건을 수행해야합니다. T- 테스트의 경우 수집 할 모집단 데이터를 정규 분포해야하며 모집단의 균등 분산을 비교해야합니다. Anova 테스트에서 사용되는 샘플은 독립적으로 무작위로 선택됩니다. 또한 표본을 채집하는 인구는 정상이며 표준 편차가 동일하다고 가정해야합니다.