t-test बनाम Z-test: किसका उपयोग कब करें

एक डेटा साइंस पेशेवर के रूप में, आपको अक्सर अर्थपूर्ण निष्कर्ष निकालने के लिए किसी डेटासेट में चरों के बीच संबंधों का विश्लेषण, परीक्षण, और स्थापना करनी होती है। परिकल्पना परीक्षण नामक अवधारणा, तथा t-test और z-test सहित कई परीक्षण, विश्लेषिकी में डेटा बिंदुओं के बीच संबंध स्थापित करने के लिए आम तौर पर उपयोग किए जाने वाले उपकरण हैं. 

यह ट्यूटोरियल वास्तविक उदाहरणों के साथ t-test और Z-test के बीच अंतर सिखाएगा। मैं आगे सीखने के लिए अतिरिक्त संसाधन भी प्रदान करूंगा।

त्वरित सारांश: t-test बनाम Z-test

t-test और Z-test के बीच चुनाव इन दिशानिर्देशों से संक्षेप में समझा जा सकता है:

• t-test का उपयोग करें: जब नमूना आकार छोटा हो (n < 30) और/या जनसंख्या विचरण अज्ञात हो।
• Z-test का उपयोग करें: जब नमूना आकार बड़ा हो (n ≥ 30) और जनसंख्या विचरण ज्ञात हो।

दोनों ही मामलों में, हम उम्मीद करते हैं कि डेटा सामान्य वितरण का पालन करे। प्रत्येक परीक्षण और उनके अंतरों के बारे में विस्तार से जानने के लिए आगे पढ़ें। पहले, हम परिकल्पना परीक्षण का संक्षिप्त परिचय लेंगे।

परिकल्पना परीक्षण का परिचय

परिकल्पना परीक्षण एक मौलिक सांख्यिकीय विधि है जो नमूना डेटा के आधार पर जनसंख्या मानकों का अनुमान लगाती है। यह अनुभवजन्य साक्ष्य का उपयोग करके किसी जनसंख्या के बारे में दावों या मान्यताओं का मूल्यांकन करने के लिए एक संरचित दृष्टिकोण प्रदान करती है।

परिकल्पना परीक्षण के केंद्र में दो परस्पर पूरक कथन होते हैं:

• शून्य परिकल्पना (H₀) कोई प्रभाव, अंतर, या संबंध न होने का कथन है। यह यथास्थिति या वर्तमान समझ का प्रतिनिधित्व करती है।
• वैकल्पिक परिकल्पना (H₁) शून्य परिकल्पना का खंडन करती है। यह उस दावे या नई समझ का प्रतिनिधित्व करती है जिसे शोधकर्ता सिद्ध करना चाहता है।

उदाहरण के लिए, मान लीजिए आप यह निर्धारित करना चाहते हैं कि कोई नई शिक्षण विधि छात्रों के टेस्ट अंकों में सुधार करती है या नहीं। आप निम्नलिखित परिकल्पनाएं बना सकते हैं:

• शून्य परिकल्पना (H₀): नई शिक्षण विधि का छात्रों के टेस्ट अंकों पर कोई प्रभाव नहीं है।
• वैकल्पिक परिकल्पना (H₁): नई शिक्षण विधि छात्रों के टेस्ट अंकों में सुधार करती है।

परिकल्पना परीक्षण में नमूना डेटा एकत्र करना, परीक्षण सांख्यिकीय मान निकालना, और यदि शून्य परिकल्पना सही हो तो ऐसे परिणाम देखने की संभावना निर्धारित करना शामिल है। इस संभावना के आधार पर, हम तय कर सकते हैं कि वैकल्पिक परिकल्पना के पक्ष में शून्य परिकल्पना को अस्वीकार करना है या उसे अस्वीकार करने में असफल रहना है।

डेटा प्रकारों और शोध प्रश्नों के आधार पर परिकल्पना परीक्षण के लिए कई सांख्यिकीय परीक्षण उपलब्ध हैं। इस ट्यूटोरियल में, हम t-test और Z-test पर ध्यान केंद्रित करेंगे।

t-test क्या है?

t-test एक सांख्यिकीय परीक्षण है जिसका उपयोग यह निर्धारित करने के लिए किया जाता है कि क्या दो समूहों के माध्यों के बीच या किसी नमूना माध्य और किसी ज्ञात मान के बीच महत्वपूर्ण अंतर है। यह विशेष रूप से तब उपयोगी है जब नमूना आकार छोटा हो या जनसंख्या का मानक विचलन अज्ञात हो। 

एक-नमूना t-test के लिए t-test सांख्यिकीय मान निम्न सूत्र से निकाला जाता है:

t-test का समीकरण। चित्र: लेखक।

जहाँ:

• Xˉ = नमूना माध्य
• μ = जनसंख्या माध्य (या तुलना समूह का माध्य)
• s = नमूना मानक विचलन, और 
• n = नमूना आकार।

t-test के प्रकार

t-test के तीन मुख्य प्रकार होते हैं। ये अलग-अलग परिस्थितियों में माध्यों की तुलना करते हैं:

• एक-नमूना t-test: यह परीक्षण किसी एकल नमूने के माध्य की किसी ज्ञात मान या जनसंख्या माध्य से तुलना करता है। यह निर्धारित करता है कि क्या नमूना माध्य किसी विशिष्ट बेंचमार्क से महत्वपूर्ण रूप से भिन्न है। उदाहरण के लिए, हम एक छोटे वर्ग के औसत टेस्ट स्कोर के राष्ट्रीय औसत से भिन्न होने का आकलन करने के लिए एक-नमूना t-test का उपयोग कर सकते हैं।
• स्वतंत्र दो-नमूना t-test: यह परीक्षण दो स्वतंत्र समूहों के माध्यों की तुलना करता है ताकि पता चले कि उनके बीच सांख्यिकीय रूप से महत्वपूर्ण अंतर है या नहीं। यह आमतौर पर उन प्रयोगों में उपयोग होता है जहाँ दो समूह अलग-अलग उपचारों या स्थितियों से गुजरते हैं। उदाहरणतः, हम दो भिन्न शिक्षण विधियों से पढ़ाए गए छात्रों के अंकों की तुलना कर यह देखने के लिए स्वतंत्र दो-नमूना t-test का उपयोग कर सकते हैं कि क्या कोई विधि अधिक प्रभावी है।
• युग्मित t-test: यह परीक्षण एक ही समूह के विभिन्न समयों पर या अलग-अलग स्थितियों में लिए गए माध्यों की तुलना करता है। यह किसी हस्तक्षेप के बाद या समय के साथ उसी समूह के भीतर महत्वपूर्ण परिवर्तन का आकलन करता है। उदाहरण है नई शिक्षण रणनीति लागू करने से पहले और बाद में छात्र प्रदर्शन को मापकर उसका प्रभाव आंकना।

t-test की पूर्वधारणाएँ

वैध परिणामों के लिए t-test कुछ पूर्वधारणाओं पर निर्भर करता है:

• डेटा की सामान्यता: t-test मानता है कि प्रत्येक समूह में डेटा लगभग सामान्य वितरण का पालन करता है। यह विशेष रूप से छोटे नमूनों में महत्वपूर्ण है। यदि डेटा सामान्य रूप से वितरित नहीं है, तो t-test के परिणाम अविश्वसनीय हो सकते हैं।
• विचरणों की समरूपता: स्वतंत्र दो-नमूना t-test के लिए तुलना किए जा रहे दोनों समूहों के विचरण समान माने जाते हैं। यह धारणा सुनिश्चित करती है कि t-test प्रत्येक समूह के भीतर की परिवर्तनशीलता का सही हिसाब रखे। यदि विचरण समान नहीं हैं, तो परीक्षण की शुद्धता प्रभावित हो सकती है।
• प्रेक्षणों की स्वतंत्रता: प्रत्येक समूह के भीतर प्रेक्षण स्वतंत्र होने चाहिए। यानी एक प्रेक्षण का मान दूसरे प्रेक्षण के मान को प्रभावित न करे और न ही उससे संबंधित हो। इस धारणा का उल्लंघन गलत निष्कर्षों की ओर ले जा सकता है।

किसी भी विश्लेषण में t-test लागू करने से पहले इन पूर्वधारणाओं की जाँच करना परिणामों की वैधता सुनिश्चित करने के लिए महत्वपूर्ण है। हमारे T-tests in R ट्यूटोरियल या Introduction to Python T-Tests पढ़ें ताकि आप R या Python में t-test कैसे करें, यह सीख सकें। 

Z-test क्या है?

Z-test एक सांख्यिकीय परीक्षण है जिसका उपयोग तब किया जाता है जब जनसंख्या विचरण ज्ञात हो और नमूना आकार बड़ा हो, ताकि नमूना माध्य और जनसंख्या माध्य या दो समूहों के माध्यों के बीच महत्वपूर्ण अंतर का निर्धारण किया जा सके।

यह मुख्य रूप से तब उपयोग होता है जब नमूना आकार 30 से अधिक हो, जिससे परीक्षण सांख्यिकीय मान के वितरण को सामान्य वितरण से सरलीकृत करना संभव हो जाता है।

एक-नमूना Z-test के लिए Z-test सांख्यिकीय मान निम्न सूत्र से निकाला जाता है:

Z-test का समीकरण। चित्र: लेखक.

जहाँ: 

• Xˉ = नमूना माध्य, 
• μ = जनसंख्या माध्य, 
• σ = जनसंख्या मानक विचलन, और 
• n = नमूना आकार।

Z-test के प्रकार

Z-test के तीन मुख्य प्रकार होते हैं:

• एक-नमूना Z-test: यह परीक्षण किसी एकल नमूने के माध्य की किसी ज्ञात जनसंख्या माध्य से तुलना करता है। इसका उपयोग तब किया जाता है जब आप आकलन करना चाहते हैं कि जनसंख्या विचरण ज्ञात मानकर नमूना माध्य जनसंख्या माध्य से महत्वपूर्ण रूप से विचलित है या नहीं। उदाहरण के लिए, 30 से अधिक लोगों के समूह की औसत लंबाई का ज्ञात राष्ट्रीय औसत से भिन्न होना जाँचने के लिए एक-नमूना Z-test किया जा सकता है।
• दो-नमूना Z-test: यह परीक्षण दो स्वतंत्र नमूनों के माध्यों की तुलना करता है ताकि यह निर्धारित किया जा सके कि उनके बीच महत्वपूर्ण अंतर है या नहीं। इसका उपयोग तब किया जाता है जब दोनों नमूने बड़े हों और जनसंख्या विचरण ज्ञात हों। उदाहरणतः, दो अलग-अलग स्कूलों के छात्रों के औसत टेस्ट अंकों की तुलना कर यह देखना कि उनके प्रदर्शन में कोई महत्वपूर्ण अंतर है या नहीं।
• प्रमाण Z-test: यह परीक्षण किसी नमूने में किसी विशेष विशेषता के अनुपात की तुलना किसी ज्ञात जनसंख्या अनुपात से या दो नमूना अनुपातों के बीच करता है। इसका उपयोग यह मूल्यांकन करने के लिए किया जाता है कि नमूने में देखा गया अनुपात जनसंख्या अनुपात के आधार पर अपेक्षित मान से महत्वपूर्ण रूप से भिन्न है या नहीं। उदाहरण के लिए, किसी उम्मीदवार का समर्थन करने वाले मतदाताओं के नमूना अनुपात की पिछली चुनावों में देखे गए अनुपात से तुलना करना।

परीक्षण की अन्य विविधताएँ भी हैं, जैसे युग्मित Z-test, प्रतिगमन गुणांक के लिए Z-test, और माध्यों के अंतर के लिए Z-test।

Z-test की पूर्वधारणाएँ

वैध परिणामों के लिए Z-test कुछ पूर्वधारणाओं पर निर्भर करता है:

• ज्ञात जनसंख्या विचरण: Z-test मानता है कि जनसंख्या विचरण ज्ञात है। यह t-test से एक प्रमुख भिन्नता है, जहाँ आम तौर पर जनसंख्या विचरण अज्ञात होता है। ज्ञात विचरण परीक्षण सांख्यिकीय मान की महत्वपूर्णता आँकने के लिए z-वितरण का उपयोग करने देता है।
• बड़ा नमूना आकार: Z-test बड़ा नमूना आकार मानता है, सामान्यतः 30 से अधिक। बड़े नमूनों में, केंद्रीय सीमा प्रमेय के अनुसार नमूना माध्य का सैम्पलिंग वितरण सामान्य के निकट होता है, भले ही मूल डेटा पूरी तरह सामान्य न हो।
• जनसंख्या का सामान्य वितरण: डेटा को सामान्य रूप से वितरित जनसंख्या से निकला माना जाता है। बड़े नमूनों में यह धारणा कम महत्वपूर्ण होती है, पर मध्यम नमूना आकार के लिए फिर भी महत्त्वपूर्ण है।

t-test और Z-test के बीच प्रमुख अंतर

t-test और Z-test का उपयोग नमूना सांख्यिकीय मानों की तुलना जनसंख्या मानकों से करने में होता है, लेकिन वे अपनी अंतर्निहित पूर्वधारणाओं, अनुप्रयोगों, और उन स्थितियों में भिन्न होते हैं जिनमें वे सबसे उपयुक्त होते हैं। आइए दोनों परीक्षणों के अंतरों का विश्लेषण और समझ करें:

नमूना आकार संबंधी विचार

• t-test: t-test आम तौर पर तब उपयोग होता है जब नमूना आकार छोटा हो, सामान्यतः 30 से कम। यह तब भी ठोस परिणाम देता है जब नमूना आकार केंद्रीय सीमा प्रमेय लागू करने की दहलीज तक नहीं पहुँचता।
• Z-test: Z-test तब उपयोग होता है जब नमूना आकार बड़ा हो, सामान्यतः 30 से अधिक। बड़े नमूनों में माध्य का सैम्पलिंग वितरण लगभग सामान्य होता है, जो Z-test के उपयोग को सही ठहराता है।

जनसंख्या विचरण का ज्ञान

• t-test: t-test तब उपयोग होता है जब जनसंख्या विचरण अज्ञात हो। जनसंख्या विचरण के स्थान पर नमूना विचरण का उपयोग कर परीक्षण सांख्यिकीय मान निकाला जाता है। t-वितरण, जो सामान्य वितरण की तुलना में भारी पूँछ रखता है, जनसंख्या विचरण के अनुमान से आने वाली अतिरिक्त अनिश्चितता का हिसाब रखता है।
• Z-test: Z-test के लिए जनसंख्या विचरण का ज्ञात होना आवश्यक है। यह एक प्रमुख धारणा है क्योंकि इससे मानक सामान्य वितरण का उपयोग कर परीक्षण सांख्यिकीय मान निकाला जा सकता है। जब जनसंख्या विचरण ज्ञात हो, तो Z-test अधिक सटीक अनुमान प्रदान करता है।

वितरण संबंधी धारणाएँ

• t-test: t-test मानता है कि प्रत्येक समूह के भीतर डेटा लगभग सामान्य रूप से वितरित हैं। यह विशेष रूप से छोटे नमूनों में महत्वपूर्ण है। t-test में परीक्षण सांख्यिकीय मान t-वितरण का अनुसरण करता है, जिसकी पूँछ सामान्य वितरण से चौड़ी होती है। यह छोटे नमूने से जनसंख्या मानक विचलन का अनुमान लगाने के कारण बढ़ी हुई परिवर्तनशीलता और अनिश्चितता का हिसाब रखता है।
• Z-test: Z-test मानता है कि डेटा सामान्य रूप से वितरित हैं या नमूना आकार केंद्रीय सीमा प्रमेय लागू करने के लिए पर्याप्त बड़ा है। केंद्रीय सीमा प्रमेय सुनिश्चित करता है कि बड़े नमूनों के लिए माध्य का सैम्पलिंग वितरण लगभग सामान्य होता है, भले ही आधारभूत डेटा पूरी तरह सामान्य न हों।

व्यावहारिक अनुप्रयोग और उपयोग के मामले

• t-test: t-test का उपयोग छोटे-नमूना अध्ययनों में सामान्यतः होता है, जैसे पायलट अध्ययन, जहाँ जनसंख्या विचरण अज्ञात होता है। उदाहरणों में छोटे समूह में दो उपचारों की प्रभावशीलता की तुलना करना या समय के साथ उसी समूह के भीतर परिवर्तनों का आकलन करना शामिल है।
• Z-test: Z-test का उपयोग बड़े-नमूना अध्ययनों में या अच्छी तरह स्थापित जनसंख्याओं के साथ किया जाता है जहाँ विचरण ज्ञात होता है। यह अक्सर गुणवत्ता नियंत्रण, सर्वे विश्लेषण, और बड़े पैमाने के प्रायोगिक अध्ययनों में लागू होता है।

यहाँ प्रमुख अंतरों की एक तालिका है:

t-test और Z-test के बीच प्रमुख अंतर। चित्र: लेखक।

निष्कर्ष

इस ट्यूटोरियल ने आपको परिकल्पना परीक्षण और दो सामान्यतः उपयोग होने वाले परीक्षणों—t-test और z-test—से परिचित कराया। हमने प्रत्येक परीक्षण की परिभाषाएँ, प्रकार, और पूर्वधारणाएँ सीखी और उनके प्रमुख अंतरों को भी समझा। हमने निष्कर्ष निकाला कि किस परिदृश्य में कौन-सा परीक्षण सबसे उपयुक्त है, जिससे आप परिकल्पना परीक्षण के माध्यम से चरों के बीच संबंधों को आत्मविश्वास से स्थापित कर सकें।

हमारे Introduction to Statistics कोर्स के साथ परिकल्पना परीक्षण के पीछे के सांख्यिकीय सिद्धांतों को मज़बूत करने के बाद, मैं आपको निम्नलिखित संसाधनों के माध्यम से लोकप्रिय तकनीकों में इन अवधारणाओं को लागू करने के लिए प्रोत्साहित करता/करती हूँ:

• Hypothesis Testing in Python कोर्स
• Hypothesis Testing in R कोर्स
• Hypothesis Testing (chi-square test) in Excel ट्यूटोरियल

सीखते रहिए!