Der Ursprung von T-Test und F-Test
Im Allgemeinen zur Bestimmung der Probe ) Die Wahrscheinlichkeit, einen Fehler zu machen, wenn die statistischen Ergebnisse auf die Grundgesamtheit übertragen werden. Wir werden einige von Statistikern entwickelte statistische Methoden verwenden, um statistische Tests durchzuführen.
Durch den Vergleich des erhaltenen statistischen Testwerts mit der Wahrscheinlichkeitsverteilung einiger von Statistikern ermittelter Zufallsvariablen können wir die prozentuale Chance ermitteln, dass wir das aktuelle Ergebnis erhalten. (Empfohlenes Lernen: PHP-Video-Tutorial)
Wenn nach dem Vergleich festgestellt wird, dass die Wahrscheinlichkeit, dass dieses Ergebnis auftritt, sehr gering ist, ist es ein sehr seltenes und seltenes Ergebnis Situation erst aufgetreten ist; dann können wir mit Sicherheit sagen, dass dies kein Zufall ist, sondern statistisch signifikant (statistisch gesehen bedeutet dies, dass die Nullhypothese abgelehnt werden kann, Ho). Im Gegenteil, wenn sich nach dem Vergleich herausstellt, dass die Wahrscheinlichkeit des Auftretens sehr hoch ist und es nicht ungewöhnlich ist, können wir nicht mit hoher Sicherheit sagen, dass dies kein Zufall ist. Vielleicht ist es ein Zufall, vielleicht auch nicht, aber wir können nicht Seien Sie sicher.
F-Wert und t-Wert sind diese statistischen Testwerte, und die ihnen entsprechenden Wahrscheinlichkeitsverteilungen sind F-Verteilung und t-Verteilung. Statistische Signifikanz (sig) ist die Wahrscheinlichkeit, dass dieses Ergebnis in der aktuellen Stichprobe auftritt.
Sie möchten testen, ob der Unterschied in den Mittelwerten zweier unabhängiger Stichproben auf die Grundgesamtheit zurückgeführt werden kann, und verwenden den t-Test.
Das Prinzip des F-Tests, der Varianzanalyse (oder Übersetzungsanalyse der Varianz, Varianzanalyse), ist ungefähr das gleiche wie oben erwähnt, wird jedoch durch die Untersuchung der Varianz von Variablen durchgeführt. Es wird hauptsächlich verwendet für: Signifikanztests von Mittelwertdifferenzen, Trennung relevanter Faktoren und Schätzung ihrer Auswirkungen auf die Gesamtvariation, Analyse von Wechselwirkungen zwischen Faktoren, Tests auf Varianzgleichheit usw.
Die Beziehung zwischen T-Test und F-Test
Der T-Testprozess dient dazu, die Signifikanz der Differenz zwischen den Mittelwerten zweier Stichproben zu testen. Der T-Test erfordert jedoch die Kenntnis, ob die Varianzen der beiden Populationen gleich sind. Die Berechnung des T-Test-Werts hängt davon ab, ob die Varianzen gleich sind. Mit anderen Worten: Der t-Test hängt vom Ergebnis der Varianzgleichheit (Gleichheit der Varianzen) ab. Daher führt SPSS zwar einen t-Test für die Gleichheit der Mittelwerte durch, aber auch den Levene-Test für die Gleichheit der Varianzen.
Was Sie tun, ist ein T-Test. Warum gibt es einen F-Wert?
Das liegt daran, dass Sie bewerten müssen, ob die Varianzen der beiden Populationen gleich sind, und das müssen Sie tun Levene-Test auf Varianzgleichheit: Um die Varianz zu testen, gibt es einen F-Wert.
Weitere technische Artikel zum Thema PHP finden Sie in der Spalte PHP-Grafik-Tutorial, um mehr darüber zu erfahren!
Das obige ist der detaillierte Inhalt vonDer Unterschied und Zusammenhang zwischen f-Test und t-Test. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
