ٹی ٹیسٹنگ اور انووا کے درمیان فرق > فرق کے درمیان
T-TEST vs ANOVA
مطلب حاصل کرنے کے لئے اعداد و شمار کے اعداد و شمار جمع اور حساب ایک طویل اور مشکل عمل. ٹی ٹیسٹ اور مختلف قسم کے تجزیہ (اینواوا) اس مقصد کے لئے استعمال ہونے والے دو عام ٹیسٹ ہیں.
ٹی ٹیسٹ ایک اعداد و شمار کی تحریری نظریاتی جانچ ہے جہاں ٹیسٹ اعداد و شمار طالب علم کی تقسیم کی پیروی کرتا ہے اگر نچلی نظریے کی حمایت کی جاتی ہے. یہ امتحان لاگو ہوتا ہے جب ٹیسٹ کے اعداد و شمار ایک عام تقسیم کی پیروی کرتا ہے اور ٹیسٹ کے اعداد و شمار میں اسکیلنگ کی اصطلاح کی قیمت معلوم ہوتی ہے. اگر سکیننگ کی اصطلاح نامعلوم نہیں ہے، تو پھر دستیاب اعداد و شمار پر مبنی تخمینہ کی طرف سے تبدیل کیا جاتا ہے. ٹیسٹ کی حیثیت ایک طالب علم کی ٹی تقسیم کی پیروی کرے گی.
ولیم سیالی گاسٹ نے 1 9 08 میں ٹی-اسٹیٹسٹک متعارف کرایا. گاسٹ ڈبلن، آیرلین میں گینیس بریوری کے لئے کیمسٹ تھا. گینیس بریوری نے آکسفورڈ اور کیمبرج سے بہتر گریجویٹوں کو بھرتی کرنے کی پالیسی کی، ان لوگوں کو منتخب کیا جو کمپنی کی قائم کردہ صنعتی عملوں کے لئے بائیو کیمسٹری اور اعداد و شمار فراہم کرسکتے تھے. ولیم سیالی گاسٹ ایک ایسا گریجویٹ تھا. اس عمل میں، ولیم سیالی گاسٹ نے ٹی ٹیسٹنگ کا اہتمام کیا، جس میں اصل میں نقطہ نظر کے مؤثر انداز میں پٹھوں کی کیفیت (سیاہ بیر کی پیداوار) کی نگرانی کرنے کا ایک طریقہ تھا. گاسٹ نے بائیوومیٹرکا میں قلم کا نام 'طالب علم' کے تحت ٹیسٹ شائع کیا، تقریبا 1 9 08 کے دوران. قلم کا نام گوینیس کا اصرار تھا، کیونکہ کمپنی اپنے اعداد و شمار کو استعمال کرنے کے بارے میں اپنی تجارت کے راز کے حصول کے بارے میں رکھنا چاہتا تھا.
ٹی ٹیسٹ کے اعداد و شمار عام طور پر T = Z / s فارم کی پیروی کریں، جہاں Z اور ایس ڈیٹا کے افعال ہیں. Z متغیر متبادل نظریہ کے بارے میں حساس ہونے کے لئے ڈیزائن کیا گیا ہے؛ مؤثر طریقے سے، Z متغیر کی شدت بڑا ہے جب متبادل نظریہ درست ہے. اس دوران، 'کی' ایک سکیننگ پیرامیٹر ہے، جس کی وجہ سے ٹی کی توثیق کی جائے گی. ایک ٹی ٹیسٹ کے تحت تصورات یہ ہیں کہ ایک (ن) نچلی نظریے کے تحت معیاری عام تقسیم کی پیروی کرتا ہے؛ ب) ps2 خالص نظریہ کے تحت آزادی کی پی ڈگری کے ساتھ ایک Ï ‡ 2 تقسیم کی پیروی کرتا ہے (جہاں پی مثبت مسلسل ہے)؛ اور ج) ز کی قدر اور قیمت کی قدر مستقل ہے. ایک مخصوص قسم کے ٹی ٹیسٹ میں، یہ حالات آبادی کا مطالعہ کے نتائج کے ساتھ ساتھ جس طرح کے اعداد و شمار نمونے کئے جاتے ہیں کے نتائج ہیں.
دوسری طرف، مختلف قسم کے تجزیہ (اینواوا) کا تجزیہ ماڈلوں کا مجموعہ ہے. اگرچہ ANOVA کے اصولوں کو طویل عرصے سے محققین اور اعداد و شمار کے ذریعہ استعمال کیا گیا ہے، یہ 1918 تک نہیں تھا کہ سر رونالڈ فشر نے 'مینڈریلین عنصر کی سپلائی پر تعلقات کے درمیان تعلقات' کے عنوان سے ایک مضمون میں متعدد تجزیہ کا تجزیہ کرنے کا ایک تجویز بنایا..اس کے بعد سے، انووا اس کی گنجائش اور درخواست میں توسیع کی گئی ہے. انووا اصل میں ایک غلطی ہے، کیونکہ یہ مختلف قسم کے اختلافات سے متعلق نہیں ہے بلکہ گروہوں کے وسائل کے درمیان اختلافات سے. اس میں منسلک طریقہ کار شامل ہیں جہاں متغیر متغیر متغیر متغیر میں مختلف حصوں کے مختلف حصوں میں منسوب ہوتے ہیں.
لازمی طور پر، ANOVA ایک اعداد و شمار ٹیسٹ فراہم کرتا ہے کہ اس بات کا تعین کرنے کے لئے کہ کئی گروہوں کا مطلب برابر ہے اور، نتیجے کے طور پر، ٹی ٹی ٹیسٹ کو عام طور پر دو گروہوں تک پہنچاتا ہے. انووا دو نمونہ ٹی ٹیسٹ سے زیادہ مفید ہوسکتا ہے کیونکہ اس میں غلطی کی قسم کا کم موقع ہے. مثال کے طور پر، ایک سے زیادہ دو نمونہ ٹی ٹیسٹ ہونے کا مطلب ایک موصول ہونے والی انووا کے مقابلے میں ایک غلطی کرنے کا ایک بڑا موقع ہوگا جس میں مطلب حاصل کرنے میں ملوث ہے. ماڈل ایک ہی ہے اور ٹیسٹ کی حیثیت F تناسب ہے. آسان اصطلاحات میں، ٹی ٹیسٹ صرف ANOVA کے ایک خاص کیس ہیں: ANOVA کر کے ایک سے زیادہ ٹی ٹیسٹ کے نتیجے میں پڑے گا. اینووا ماڈل کے تین طبقات ہیں: الف) مقررہ اثرات والے ماڈل جو اعداد و شمار کو عام آبادی سے آتے ہیں، صرف ان کے وسائل میں مختلف ہوتے ہیں؛ ب) بے ترتیب اثر ماڈل جو اعداد و شمار کرتے ہیں وہ مختلف آبادیوں کی ایک تنظیمی ڈھانچے کی وضاحت کرتی ہیں جن کے اختلافات کو پوزیشن میں رکاوٹ کی طرف سے محدود کیا جاتا ہے؛ اور، ج) مخلوط اثر ماڈل جو حالات ہیں جہاں فکسڈ اور بے ترتیب اثرات دونوں موجود ہیں.
خلاصہ:
- ٹی ٹیسٹ کا استعمال کیا جاتا ہے جب اس بات کا تعین کیا جاتا ہے کہ آیا دو یورو یا معنی وہی ہیں یا مختلف ہیں. تین یا اس سے زیادہ اوسط یا وسائل کی موازنہ کرتے وقت انووا کو ترجیح دی جاتی ہے.
- ایک ٹی ٹیسٹ میں ایک غلطی کی زیادہ خرابیاں ہیں جو زیادہ معنی استعمال کیے جاتے ہیں، لہذا اینووا استعمال کیا جاتا ہے جب دو یا اس سے زیادہ معنی کا موازنہ ہوتا ہے.
