Z-Test与T-Test的深入剖析与区别
2019-02-18 weixin_33928467 CSDN
推论统计，提到假设检验，从脑海里一跃而出的便是 Z-Test 与 T-Test。可能在大学里学习时对这个两个检验方法囫囵吞枣，现在重新理解，更是疑问重重。 都知道， Z-Test 与 T-Test 用于正态分布的统计检验，大致也能知道T或Zvalue 大于查表后的某个数，便是统计显著差异，需要拒绝，百度搜索也能得知 Z-Test 与 T-Test 的区别： Z-Test 用
推论统计，提到假设检验，从脑海里一跃而出的便是 Z-Test 与 T-Test。可能在大学里学习时对这个两个检验方法囫囵吞枣，现在重新理解，更是疑问重重。 都知道， Z-Test 与 T-Test 用于正态分布的统计检验，大致也能知道T或Zvalue 大于查表后的某个数，便是统计显著差异，需要拒绝，百度搜索也能得知 Z-Test 与 T-Test 的区别： Z-Test 用于大样本(n>30)，或总体方差已知； T-Test 在小样本(n<30)，且总体方差未知时，适用性优于Z-Test，而在大样本时，T-Test 与 Z-Test 结论趋同。 不禁要问，为什么？为什么？为什么？ 这里，尝试从假设检验，Z与T的含义来重新理解。 假设检验 假设统计，分为描述统计与推论统计。顾名思义，描述统计如同画画似的，将一个事务的特征用数字描绘出来，每一幅数码相片背后是一组组的数字，将这组数字经过总结（我认为总结便是降低维度）, 变成容易记忆的数字，这些数字能在人的脑海里刻画出一个可识别的形象。那便是描述统计。 推论统计，显然是在描述差异，寻找规律。回归是在求同，寻找规律。聚类，是在求异，
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#Test#
40
#EST#
33