8.4
Wybór pomiędzy rozkładem z i t
Rozkład z i t-Studenta szacują średnią populacji przy użyciu średniej próbki i odchylenia standardowego. Aby jednak zdecydować, który rozkład zastosow…
Rozkłady z i t mogą oszacować średnią populacji przy użyciu statystyki próby. Ale jak wybrać odpowiednią dystrybucję dla danego zbioru danych?
Rozkład z jest preferowany dla populacji o znanym odchyleniu standardowym, które ma rozkład normalny lub populacji, których wielkość próby jest większa niż 30.
Jednak rozkład Studenta t jest preferowany, jeśli odchylenie standardowe populacji jest nieznane dla populacji o rozkładzie normalnym lub jeśli populacja ma wielkość próby większą niż 30.
Symetrycznie rozłożone zestawy danych z bardzo dużymi rozmiarami prób wykazują mniejszą zmienność. W przypadku takich zbiorów danych średnia populacji oszacowana zarówno przez rozkład z, jak i t jest podobna.
Rozkłady z i t są ograniczone do losowych próbek pobranych z populacji o rozkładzie normalnym. W związku z tym nie mogą oszacować średniej populacji dla próbek pobranych z dobrowolnych odpowiedzi na próby, wygodnego pobierania próbek lub skośnych lub nieznanych rozkładów populacji.
W związku z tym statystyki nieparametryczne lub metody uruchamiania komputerowego są używane dla populacji, które nie mają rozkładu normalnie oraz dla populacji, których wielkość próby jest mniejsza lub równa 30.
View the full transcript and gain access to JoVE Core videos
Q1: When should you use the z distribution instead of the t distribution?
Use the z distribution when the population standard deviation is known and the population is normally distributed, or when the sample size exceeds 30. The z distribution is preferred for these conditions because it provides reliable estimates of the population mean. Both distributions estimate population parameter values, but z is optimal when population parameters are known or sample sizes are large.
Q2: What conditions make the Student t distribution the better choice?
The Student t distribution is preferred when the population standard deviation is unknown and the population is normally distributed, or when the sample size exceeds 30. This distribution accounts for uncertainty in estimating the population standard deviation from sample data. It provides more conservative estimates than the z distribution when population parameters are unavailable.
Q3: Why do z and t distributions produce similar results for large samples?
Symmetrically distributed datasets with very large sample sizes show less variability, causing both distributions to converge. As sample size increases, the t distribution approaches the z distribution because the sample standard deviation becomes a more reliable estimate of the population standard deviation. This similarity reflects reduced uncertainty in parameter estimation with larger samples.
Q4: What sampling methods prevent using z or t distributions?
Voluntary response sampling, convenience sampling, and samples from skewed or unknown population distributions cannot be analyzed using z or t distributions. These sampling methods violate the assumption that data come from random samples of normally distributed populations. For such data, nonparametric statistics or computer bootstrapping methods provide more appropriate alternatives.
Q5: What should you do when sample size is less than 30 and distribution is unknown?
When sample size is less than 30 and the population distribution is unknown or skewed, neither z nor t distributions can accurately estimate the population mean. Instead, use nonparametric statistical methods such as bootstrapping for categorical data or small samples. These methods do not assume normality and provide valid estimates without relying on distribution assumptions.
Q6: How does sample size affect the choice between z and t distributions?
Both z and t distributions can be used when sample size exceeds 30, regardless of whether the population standard deviation is known. For samples smaller than 30, the choice depends on whether the population standard deviation is known and the population is normally distributed. Sample size is a critical decision factor because larger samples reduce variability and improve the reliability of both distribution estimates.
Q7: What are the key requirements for using z and t distributions?
Both z and t distributions require random samples drawn from normally distributed populations to estimate the population mean accurately. They cannot be applied to data from voluntary responses, convenience samples, or non-normal distributions. Understanding these limitations ensures appropriate statistical method selection for your data and research question.