Diferença entre Anova e teste-T

Anova vs T-test

Um teste T, às vezes chamado de Teste T de Student, é realizado quando você deseja comparar as médias de dois grupos e ver se elas são diferentes uma da outra. É usado principalmente quando é atribuída uma atribuição aleatória e existem apenas dois, não mais que dois, conjuntos para comparar. Ao realizar o teste T, algumas condições são necessárias para serem atendidas, de modo que os resultados gerem resultados precisos. As principais premissas são que os dados da população a serem coletados normalmente são distribuídos e que você está comparando variações iguais da população. O teste T possui dois tipos principais: teste T de medidas independentes e teste T de par combinado, também conhecido como teste T dependente ou teste T emparelhado.

Quando você está comparando duas amostras que não são pares correspondentes ou as amostras são independentes, o teste T independente é usado. O segundo tipo, teste T de par combinado, no entanto, é usado quando as amostras fornecidas aparecem em pares. Por exemplo, você deve medir entre comparações antes e depois. Se você tiver mais de duas amostras, o Teste Anova deve ser usado. É possível diferenciar mais de duas médias entre si realizando vários testes T, mas haveria uma grande possibilidade de cometer um erro e, portanto, ter uma chance maior de chegar com um resultado impreciso.

O teste Anova é o termo popular para a Análise de Variância. É uma técnica realizada na análise de efeitos de fatores categóricos. Este teste é usado sempre que houver mais de dois grupos. Eles também são basicamente como testes-T, mas, como mencionado acima, eles devem ser usados ​​quando você tiver mais de dois grupos. Os testes da Anova usam variações para saber se as médias são iguais ou não. Antes de executar um teste Anova, você deve primeiro cumprir as premissas básicas. A primeira hipótese é que cada amostra a ser usada seja selecionada independentemente e seja aleatória. Segundo, suponha que a população da qual você está colhendo as amostras seja normal e tenha desvios padrão iguais.

Existem quatro tipos de testes de análise de variância. O primeiro é o Anova de mão única. Você deve usar esse tipo de Anova apenas se houver apenas um fator categórico. O segundo é o Anova Multifator, usado quando os fatores categóricos são mais de um. As interações e os principais efeitos entre os fatores são estimados. O terceiro tipo de Anova é a Análise de Componentes de Variância. Esse tipo de Anova é usado quando os fatores são múltiplos e hierarquicamente organizados. O objetivo principal deste teste é conhecer a porcentagem da variabilidade do processo que você está apresentando em cada nível. O quarto e último método são os modelos lineares gerais. Se seus fatores são aninhados e cruzados, alguns são aleatórios e outros são corrigidos. Quando ambos os fatores presentes são quantitativos e categóricos, esse teste é utilizado.

Resumo:

1.O teste Anova possui quatro tipos, a saber: Anova unidirecional, Anova multifatorial, Análise de componentes de variância e Modelos lineares gerais. Os testes T têm apenas dois tipos: teste T de medidas independentes e teste T de par combinado, também conhecido como teste T dependente ou teste T emparelhado.
2.T-testes são realizados apenas quando você tem apenas dois grupos para comparar. Os testes Anova, por outro lado, são basicamente iguais aos testes T, mas foram projetados para grupos com mais de dois.
3.Algumas condições antes de executar os dois testes são necessárias para serem realizadas. Para o teste T, os dados da população a serem coletados devem ser normalmente distribuídos e você está comparando variações iguais da população. Enquanto nos testes Anova, as amostras a serem usadas são selecionadas de forma independente e aleatória. Você também deve assumir que a população da qual você está colhendo as amostras é normal e tem desvios padrão iguais.