Tipos de Testes Estatísticos

As estatísticas estão a disposição dos testes estatísticos, que os analistas utilizam para fazer inferência a partir dos dados fornecidos. Estes testes permitem-nos tomar decisões com base em padrões observados a partir de dados. Existe uma vasta gama de testes estatísticos. A escolha do teste estatístico a utilizar depende da estrutura dos dados, da distribuição dos dados e do tipo variável.,Existem muitos tipos diferentes de testes em estatísticas como t-test,Z-test,chi-square test, anova test ,binomial test, one sample median test etc.os Testes Paramétricos são utilizados se os dados estiverem normalmente distribuídos .A parametric statistical test makes an assumption about the population parameters and the distributions that the data came from. Estes tipos de testes incluem testes t, z e anova, que assumem que os dados são de distribuição normal.,

Z-test-a z-test é um teste estatístico utilizado para determinar se dois meios populacionais são diferentes quando as variâncias são conhecidas e o tamanho da amostra é grande. Em z-teste média da população é comparada.Os parâmetros utilizados são a média da população e o desvio-padrão da população. Z-test é usado para validar uma hipótese de que a amostra retirada pertence à mesma população.,

Ho: média da Amostra é igual a média da população(hipótese Nula)

Ha: a média da Amostra não é o mesmo que a média da população(hipótese Alternativa)

z = (x — μ) / (σ / √n),

onde , x=média da amostra, u=média da população, σ / √n = desvio padrão da população.

Se o valor z for inferior ao valor crítico, aceitar a hipótese nula caso contrário rejeitar a hipótese nula.

t-test-In t-test é comparada a média das duas amostras. Utiliza-se um ensaio t quando não são conhecidos os parâmetros da população (média e desvio-padrão).,testes T emparelhados para a diferença entre duas variáveis da mesma população( pontuação pré e pós – teste). Por exemplo-em um programa de treinamento pontuação de desempenho do estagiário antes e após a conclusão do programa.

T-test independente – o t-test independente que também é chamado de t-test de duas amostras ou T-test do estudante, é um teste estatístico que determina se há uma diferença estatisticamente significativa entre as médias em dois grupos independentes.Por exemplo, comparar rapazes e raparigas numa população.,

uma amostra-teste t-a média de um único grupo é comparada com uma determinada média. Por exemplo-verificar o aumento e a diminuição das vendas se as vendas médias forem dadas.

t = (x1 — x2) / (σ / √n1 + σ/√n2),

Onde x1 e x2 são médias da amostra 1 e da amostra 2, respectivamente.

ANOVA Test – Analysis of variance (ANOVA) é uma técnica estatística que é usada para verificar se os meios de dois ou mais grupos são significativamente diferentes um do outro. A ANOVA verifica o impacto de um ou mais factores, comparando os meios de diferentes amostras., Se usarmos um teste t em vez de um teste ANOVA, ele não será confiável, pois o número de amostras são mais de duas e dará erro no resultado.

a hipótese que está sendo testada em ANOVA é

Ho: todos os pares de amostras são iguais., todas as médias amostrais são iguais

Ha: Pelo menos um par de amostras é significativamente diferente

Em teste anova calculamos os valores de F e compará-lo com o valor crítico

F= ((SSE1 — SSE2)/m)/ SSE2/n-k, onde

SSE = soma residual dos quadrados

m = número de restrições

k = número de variáveis independentes

Não paramétrico teste estatístico Não paramétrico de testes são usados quando os dados não são normalmente distribuídos. Testes não paramétricos incluem teste de Qui-quadrado.

Chi-square test( teste χ2)- chi-square test is used to compare two categorical variables., O cálculo do valor estatístico do Qui-quadrado e a sua comparação com um valor crítico da distribuição do Qui-quadrado permite avaliar se a frequência observada é significativamente diferente da frequência esperada.

a hipótese que está a ser testada para o Qui-quadrado é –

Ho: variável x e variável y são independentes

Ha: variável x e variável y não são independentes.,

where o=observed , e=expected.