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