Hypothesis ٹیسٹ کے Z- ٹیسٹ اور T- ٹیسٹ کے درمیان فرق
زیڈ ٹیسٹ اور ٹی ٹیسٹ کے مابین فرق
زیڈ ٹیسٹ اعدادوشمار کی قیاس آرائی ہے جو اس بات کا تعین کرنے کے لئے استعمال کی جاتی ہے کہ آیا معیاری انحراف دستیاب ہے اور نمونہ بڑی ہے اس معاملے میں ان دو نمونوں کا حساب کیا گیا ہے جو مختلف ہیں۔ ٹی ٹیسٹ اس بات کا تعین کرنے کے لئے استعمال کیا جاتا ہے کہ معیاری انحراف یا اس کا تغیر معلوم نہ ہونے کی صورت میں مختلف ڈیٹا سیٹ کی اوسط ایک دوسرے سے کس طرح مختلف ہے۔
زیڈ ٹیسٹ اور ٹی ٹیسٹ دو اعدادوشمار کے طریقے ہیں جن میں ڈیٹا تجزیہ شامل ہوتا ہے جس میں سائنس ، کاروبار اور بہت سے دوسرے شعبوں میں درخواستیں ہوتی ہیں۔ ٹی ٹیسٹ کو ایک غیر متنازعہ مفروضے کے ٹیسٹ کا حوالہ دیا جاسکتا ہے جو ٹی شماریات پر مبنی ہے ، جس میں وسط یعنی اوسط معلوم ہوتا ہے ، اور آبادی میں فرق ہے یعنی نمونہ سے معیاری انحراف قریب ہی ہوتا ہے۔ دوسری طرف ، زیڈ ٹیسٹ ، ایک غیر متفاوت ٹیسٹ جو ایک عام معمول کی تقسیم پر مبنی ہے۔
استعمال کرتا ہے
# 1 - زیڈ ٹیسٹ
Z- ٹیسٹ فارمولہ ، جیسا کہ پہلے ذکر کیا گیا ہے ، یہ اعدادوشمار کے حساب کتاب ہیں جو آبادی کی اوسط کو نمونے کے ساتھ موازنہ کرنے کے لئے استعمال ہوسکتے ہیں۔ زیڈ ٹسٹ آپ کو بتائے گا کہ معیاری انحراف کی شرائط میں ، ڈیٹا پوائنٹ کسی ڈیٹا سیٹ کی اوسط سے ہے۔ زیڈ ٹیسٹ ایک نمونہ کا موازنہ کسی ایسی آبادی کے ساتھ کرے گا جو عام طور پر بڑے نمونوں (یعنی n> 30) سے متعلق مسائل سے نمٹنے کے لئے استعمال ہوتا ہے۔ زیادہ تر ، جب معیاری انحراف معلوم ہوتا ہے تو وہ بہت کارآمد ہوتے ہیں۔
# 2 - ٹی ٹیسٹ
ٹی ٹیسٹ بھی حساب کتاب ہوتے ہیں جو مفروضے کی جانچ کرنے کے لئے استعمال ہوسکتے ہیں ، لیکن وہ بہت کارآمد ثابت ہوتے ہیں جب ہمیں یہ طے کرنے کی ضرورت ہوتی ہے کہ آیا 2 آزاد نمونے گروپوں کے مابین اعداد و شمار کے لحاظ سے اہم موازنہ موجود ہے یا نہیں۔ دوسرے لفظوں میں ، ایک ٹی ٹیسٹ پوچھتی ہے کہ کیا 2 گروپوں کی اوسط کے درمیان موازنہ بے ترتیب موقع کی وجہ سے ہوا ہے۔ عام طور پر ، جب آپ محدود نمونہ کے سائز (یعنی این <30) کے ساتھ مسائل کا معاملہ کر رہے ہیں تو ٹی ٹیسٹ زیادہ مناسب ہیں۔
زیڈ ٹیسٹ بمقابلہ ٹی ٹیسٹ انفوگرافکس
یہاں ہم آپ کو زیڈ ٹیسٹ بمقابلہ ٹی ٹیسٹ کے درمیان ٹاپ 5 اختلافات فراہم کرتے ہیں جس کے بارے میں آپ کو معلوم ہونا چاہئے۔
کلیدی اختلافات
- ٹی ٹیسٹ کے انعقاد کے لئے ایک سب سے اہم شرط یہ ہے کہ آبادی کا معیار انحراف یا اس کا فرق معلوم نہیں ہے۔ اس کے برعکس ، آبادی کے تغیرات کا فارمولا جیسا کہ اوپر بیان کیا گیا ہے سمجھا جانا چاہئے کہ زیڈ ٹیسٹ کی صورت میں اس کا علم ہو یا معلوم ہو۔
- جیسا کہ پہلے بتایا گیا ٹی ٹیسٹ طالب علم کی ٹی تقسیم پر مبنی ہے۔ اس کے برعکس ، زیڈ ٹیسٹ اس مفروضے پر منحصر ہے ، کہ نمونہ ذرائع کی تقسیم عام ہوگی۔ عام تقسیم اور طالب علم کی ٹی تقسیم دونوں ایک جیسے دکھائی دیتی ہیں ، کیوں کہ دونوں گھنٹی کے سائز کے اور متوازی ہیں۔ تاہم ، ان میں سے ایک معاملے میں یہ اختلاف ہے کہ تقسیم کے موقع پر ، مرکز میں جگہ کم ہے اور ان کی دم میں زیادہ ہے۔
- مندرجہ بالا جدول میں جیسے جیسے نمونے کا سائز بڑا ہو ، جو ن> 30 ہے ، زیڈ ٹیسٹ استعمال کیا جاتا ہے ، اور جب نمونے کا سائز چھوٹا نہیں ہوتا ہے تو ٹی ٹیسٹ مناسب ہوتا ہے ، یعنی وہ این <30۔
زیڈ ٹیسٹ بمقابلہ ٹی ٹیسٹ تقابلی جدول
| بنیاد | زیڈ ٹیسٹ | ٹی ٹیسٹ | ||
| بنیادی تعریف | زیڈ ٹیسٹ ایک طرح کا فرضی تجربہ ہے جس سے یہ معلوم ہوتا ہے کہ جب معیاری انحراف یا تغیر دیا جاتا ہے تو 2 ڈیٹاسیٹس کی اوسط ایک دوسرے سے مختلف ہوتی ہیں۔ | ٹی ٹیسٹ کو ایک قسم کے پیرامیٹرک ٹیسٹ کا حوالہ دیا جاسکتا ہے جو کسی شناخت پر لاگو ہوتا ہے ، جب معیاری انحراف یا تغیر نہیں دیا جاتا ہے تو 2 سیٹوں کے ڈیٹا کی اوسط ایک دوسرے سے کیسے مختلف ہوتی ہے۔ | ||
| آبادی میں تغیر | آبادی کا تغیر یا معیاری انحراف یہاں جانا جاتا ہے۔ | یہاں آبادی کا تغیر یا معیاری انحراف نامعلوم ہے۔ | ||
| نمونہ سائز | نمونہ سائز بڑا ہے | یہاں نمونہ سائز چھوٹا ہے۔ | ||
| کلیدی مفروضات |
|
| ||
| (تقسیم کی ایک قسم) پر مبنی | عمومی تقسیم پر مبنی | اسٹوڈنٹ ٹی تقسیم پر مبنی |
نتیجہ اخذ کرنا
ویسے بھی ، یہ دونوں ٹیسٹ تقریبا ایک جیسے ہیں ، لیکن موازنہ صرف ان کی درخواست کے لئے ان کی شرائط پر آتا ہے ، مطلب یہ ہے کہ جب ٹی نمونہ کا سائز تیس یونٹ سے زیادہ نہیں ہوتا ہے تو ٹی ٹیسٹ زیادہ مناسب اور قابل عمل ہوتا ہے۔ تاہم ، اگر یہ تیس یونٹوں سے زیادہ ہے تو ، کسی کو زیڈ ٹیسٹ استعمال کرنا چاہئے۔ اسی طرح ، اور بھی شرائط ہیں ، جو یہ واضح کردیں گی کہ صورتحال میں کون سا امتحان لینا ہے۔
ٹھیک ہے ، یہاں پر مختلف ٹیسٹ بھی شامل ہیں جیسے ایف ٹیسٹ ، دو دم بمقابلہ واحد دم ، وغیرہ۔ ، صورتحال کے تجزیہ کے بعد ان کا اطلاق کرتے وقت اعداد و شمار کے ماہرین کو محتاط رہنا چاہئے اور پھر فیصلہ کریں کہ کون سا استعمال کرنا ہے۔ ذیل میں جو کچھ ہم نے اوپر بحث کیا اس کے لئے نمونہ چارٹ دیا گیا ہے۔
