Diferença entre T-TEST e ANOVA Diferença entre

TEST DE TIPO versus ANOVA

A coleta e cálculo de dados estatísticos para adquirir a média é freqüentemente um processo longo e tedioso. O teste t e a análise de variância unidireccional (ANOVA) são os dois testes mais comuns utilizados para esse fim.

O teste t é um teste de hipóteses estatísticas em que a estatística de teste segue a distribuição t de Student se a hipótese nula for suportada. Este teste é aplicado quando a estatística de teste segue uma distribuição normal e o valor de um termo de escala na estatística de teste é conhecido. Se o termo de escala for desconhecido, ele será substituído por uma estimativa com base nos dados disponíveis. A estatística de teste seguirá a distribuição t de Student.

William Sealy Gosset introduziu a estatística t em 1908. Gosset era um químico para a cervejaria Guinness em Dublin, Irlanda. A cervejaria Guinness teve a política de recrutar os melhores graduados de Oxford e Cambridge, selecionando aqueles que poderiam fornecer aplicações de bioquímica e estatística aos processos industriais estabelecidos pela empresa. William Sealy Gosset era um desses formados. No processo, William Sealy Gosset desenvolveu o teste t, que foi originalmente concebido como uma maneira de monitorar a qualidade do robusto (a cerveja escura que a cervejaria produz) de uma maneira econômica. Gosset publicou o teste sob o nome da caneta 'Student' em Biometrika, por volta de 1908. O motivo do penúltimo era a insistência de Guinness, pois a empresa queria manter sua política sobre a utilização de estatísticas como parte de seus "segredos comerciais".

As estatísticas de teste T seguem geralmente a forma T = Z / s, onde Z e s são funções dos dados. A variável Z é projetada para ser sensível à hipótese alternativa; efetivamente, a magnitude da variável Z é maior quando a hipótese alternativa é verdadeira. Enquanto isso, 's' é um parâmetro de escala, permitindo determinar a distribuição de T. Os pressupostos subjacentes a um teste t são que a) Z segue uma distribuição normal padrão sob a hipótese nula; b) ps2 segue uma distribuição ‡ 2 com p graus de liberdade sob a hipótese nula (onde p é uma constante positiva); e c) o valor Z e o valor s são independentes. Em um tipo específico de teste t, essas condições são conseqüências da população em estudo, bem como a forma como os dados são amostrados.

Por outro lado, a análise de variância (ANOVA) é uma coleção de modelos estatísticos. Embora os princípios da ANOVA tenham sido utilizados por pesquisadores e estatísticos há muito tempo, não foi até 1918 que Sir Ronald Fisher fez uma proposta para formalizar a análise de variância em um artigo intitulado "A correlação entre parentes na suposição da herança mendeliana".Desde então, a ANOVA foi expandida em seu escopo e aplicação. A ANOVA é, na verdade, um nome incorreto, pois não é derivado das diferenças de variâncias, mas sim das diferenças entre os meios de grupos. Inclui os procedimentos associados em que a variância observada em uma variável particular é particionada em componentes atribuíveis a diferentes fontes de variação.

Essencialmente, uma ANOVA fornece um teste estatístico para determinar se os meios de vários grupos são todos iguais e, como resultado, generaliza t-test para mais de dois grupos. Uma ANOVA pode ser mais útil que um teste t de duas amostras, pois tem menor chance de cometer um erro de tipo I. Por exemplo, ter múltiplos testes t de duas amostras teria maior chance de cometer um erro do que uma ANOVA das mesmas variáveis ​​envolvidas para obter a média. O modelo é o mesmo e a estatística de teste é a relação F. Em termos mais simples, as t-tests são apenas um caso especial de ANOVA: fazer uma ANOVA terá o mesmo resultado de múltiplas t-tests. Existem três classes de modelos ANOVA: a) Modelos de efeitos fixos que assumem que os dados provêm de populações normais, diferindo apenas em seus meios; b) Modelos de efeitos aleatórios que assumem os dados descrevem uma hierarquia de populações variadas cujas diferenças são restringidas pela hierarquia; e, c) Modelos de efeito misto que são situações em que os efeitos fixo e aleatório estão presentes.

Resumo:

1. O teste t é usado para determinar se duas médias ou médias são iguais ou diferentes. A ANOVA é preferida ao comparar três ou mais médias ou meios.
2. Um teste t tem mais probabilidades de cometer um erro quando os meios mais são usados, razão pela qual a ANOVA é usada quando se comparam dois ou mais meios.