Diferencia entre Anova y prueba T
Anova frente a prueba T
Una prueba T, a veces llamada prueba T de Student, se usa cuando desea comparar las medias de dos grupos y ver si difieren entre sí. Se usa principalmente cuando se da una asignación aleatoria y solo hay dos conjuntos, no más de dos, para comparar. Al realizar la prueba T, se deben cumplir varias condiciones para que los resultados sean precisos. Los supuestos clave son que los datos de población que se recopilarán se distribuyen normalmente y que está comparando varianzas iguales de la población. Hay dos tipos principales de prueba T: prueba T de medidas independientes y prueba T de pares emparejados, también conocida como prueba T dependiente o prueba T emparejada.
Cuando compara dos muestras que no son pares coincidentes, o las muestras son independientes, se utiliza la prueba T independiente. Sin embargo, se usa un segundo tipo, una prueba T de pares emparejados, cuando las muestras dadas aparecen en pares. Por ejemplo, comparará antes y después de las comparaciones. Si tiene más de dos muestras, se debe utilizar la prueba Anova. Es posible diferenciar entre más de dos medios realizando múltiples pruebas T, pero es posible cometer un error y, por lo tanto, es más probable obtener un resultado inexacto.
La prueba de Anova es el término común para el análisis de varianza. Es una técnica utilizada para analizar los efectos de los factores categóricos. Esta prueba se utiliza cuando hay más de dos grupos. Básicamente, también son como pruebas T, pero, como se mencionó anteriormente, deben usarse cuando tiene más de dos grupos. Las pruebas de Anova utilizan varianzas para determinar si las medias son iguales o no. Antes de realizar una prueba de Anova, primero debe cumplir con los supuestos básicos. El primer supuesto por sí solo es que cada muestra que se utilizará se selecciona de forma independiente y es aleatoria. En segundo lugar, suponga que la población de la que está tomando las muestras es normal y tiene desviaciones estándar iguales.
Hay cuatro tipos de pruebas de análisis de varianza. El primero es el Anova unidireccional. Solo usará este tipo de Anova si solo hay un factor categórico. El segundo es el Anova Multifactor que se utiliza cuando los factores categóricos son mayores que uno. Se estiman las interacciones y efectos principales entre los factores. El tercer tipo de Anova es el análisis de componentes de varianza. Este tipo de Anova se utiliza cuando los factores son múltiples y están organizados jerárquicamente. El objetivo principal de esta prueba es conocer el porcentaje de variación del proceso que está introduciendo en cada nivel. El cuarto y último método son los Modelos Lineales Generales. Si sus factores están anidados y cruzados, algunos de los factores son aleatorios y otros son fijos. Cuando ambos factores son cuantitativos y categóricos, se utiliza esta prueba.
Resumen:
1. La prueba Anova tiene cuatro tipos, a saber: Anova unidireccional, Anova multifactorial, análisis de componentes de varianza y modelos lineales generales. Solo hay dos tipos de pruebas T: prueba T de medidas independientes y prueba T de pares emparejados, también conocida como prueba T dependiente o prueba T emparejada.
2. Las pruebas T solo se realizan cuando solo tiene dos grupos para comparar. Las pruebas Anova, por otro lado, son como las pruebas T pero están diseñadas para grupos de más de dos personas.
3. Se requieren una serie de condiciones antes de llevar a cabo ambas pruebas. Para la prueba T, los datos de población que se recopilarán deben tener una distribución normal y se comparan varianzas iguales de la población. Durante las pruebas Anova, las muestras que se utilizarán se seleccionan de forma independiente y aleatoria. También debe suponer que la población de la que está tomando las muestras es normal y tiene desviaciones estándar iguales.
