8.4
Escolhendo entre distribuição z e t
As distribuições z e t de Student estimam a média populacional usando a média amostral e o desvio padrão. Contudo, para decidir qual distribuição util…
As distribuições z e t podem estimar a média de uma população usando uma estatística de amostra. Mas como escolher a distribuição apropriada para um determinado conjunto de dados?
A distribuição z é preferida para populações com um desvio padrão conhecido que é normalmente distribuído ou populações que têm um tamanho de amostra maior que 30.
No entanto, a distribuição t de Student é preferida se o desvio padrão da população for desconhecido para uma população normalmente distribuída ou se a população tiver um tamanho amostral maior que 30.
Conjuntos de dados simetricamente distribuídos com tamanhos de amostra muito grandes mostram menos variabilidade. Para esses conjuntos de dados, a média da população estimada pelas distribuições z e t é semelhante.
As distribuições z e t são limitadas a amostras aleatórias retiradas de populações normalmente distribuídas. Assim, eles não podem estimar a média da população para amostras extraídas de respostas voluntárias de amostras, amostragem de conveniência ou distribuições populacionais distorcidas ou desconhecidas.
Portanto, estatísticas não paramétricas ou métodos de bootstrapping de computador são usados para populações que não são normalmente distribuídas e aquelas populações que têm um tamanho amostral menor ou igual a 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.