BREAKING DOWN T-Test Uma forma de teste de hipóteses, o teste t é apenas um dos muitos testes utilizados para esse fim. Os estatísticos devem usar outros testes além do teste t para examinar mais variáveis, bem como para testar com tamanhos de amostra maiores. Para um grande tamanho de amostra, os estatísticos usam um teste z. Outras opções de teste incluem o teste do qui-quadrado e o teste f. Análise estatística do teste T A fórmula usada para calcular o teste é uma proporção: a parte superior da relação é a porção mais fácil de calcular e entender, pois é simplesmente a diferença entre os meios ou as médias das duas amostras. A metade inferior da relação é uma medida da dispersão, ou variabilidade, das pontuações. A parte inferior desta relação é conhecida como o erro padrão da diferença. Para calcular esta parte da relação, a variância para cada amostra é determinada e é então dividida pelo número de indivíduos que compõem a amostra ou o grupo. Estes dois valores são então adicionados em conjunto, e uma raiz quadrada é tirada do resultado. Por exemplo, considere que um analista quer estudar a quantidade que os pensilvanos e os californianos gastam, por mês, na roupa. Não seria prático registrar os hábitos de gastos de cada indivíduo (ou família) em ambos os estados, assim, uma amostra de hábitos de consumo é tirada de um grupo selecionado de indivíduos de cada estado. O grupo pode ser de tamanho pequeno a moderado para este exemplo, assumindo que o grupo de amostra é de 200 indivíduos. O valor médio para os habitantes da Pensilvânia é de 500, o valor médio para os californianos é de 1.000. O t-test questiona se os diferentes entre os grupos são representativos de uma verdadeira diferença entre as pessoas na Pensilvânia e as pessoas na Califórnia em geral ou se é provável que seja uma diferença estatística sem sentido. Neste exemplo, se, teoricamente, todos os habitantes da Pensilvânia gastaram 500 por mês em roupas e todos os californianos gastaram 1.000 por mês em roupas, é altamente improvável que 200 indivíduos selecionados aleatoriamente tenham gastado esse valor exato, respectivo ao estado. Assim, se um analista ou estatístico cedeu os resultados listados no exemplo acima, é seguro concluir que a diferença entre os grupos de amostra é indicativa de uma diferença significativa entre as populações, como um todo, de cada estado. O teste-T é um Termo a partir de estatísticas que permite a comparação de duas populações de dados e seus meios. O teste é usado para ver se os dois conjuntos de dados são significativamente diferentes uns dos outros. Uma hipótese nula é usada para testar a diferença significativa. Além disso, os conjuntos de dados geralmente seguem uma curva de distribuição normal, mas as variâncias são desconhecidas e assumidas como iguais. Uma análise de teste t poderia ser usada para testar os retornos de duas carteiras diferentes que foram gerenciadas sob duas estratégias de investimento diferentes. Nesta análise, uma hipótese nula pode ser criada, por exemplo, onde os meios dos retornos para as duas carteiras não diferem. O teste então analisa a t-estatística e a distribuição t para determinar o valor de p (probabilidade), que pode ser usado para validar ou refutar a hipótese nula. O teste t é um dos vários tipos de testes estatísticos utilizados para testes de hipóteses. Outros incluem um teste de análise de variância, teste z, teste de qui-quadrado e teste f. O teste T é considerado uma abordagem mais conservadora do que o teste z e é mais adequado para pequenos grupos de dados, enquanto um teste z pode ser mais adequado para grupos maiores de dados. O t-Test foi concebido por William Sealy Gosset por volta de 1908 enquanto ele era um funcionário da cervejaria Guinness na Irlanda. Gosset usou o teste t para monitorar a qualidade do robusto fabricado pela Guinness. Nesta estatística das estatísticas, uma hipótese nula é assumida verdadeira até comprovar o contrário. Quando você é indeciso sobre um investimento, a melhor maneira de manter uma cabeça legal pode ser testar várias hipóteses usando as estatísticas mais relevantes. Se algo é estatisticamente significativo, é improvável que aconteça por acaso. A diferença é uma medida da propagação entre números num conjunto de dados. As estatísticas fornecem os meios para analisar dados e, em seguida, resumi-lo em uma forma numérica. Uma teoria do investimento que afirma que é impossível estimar o mercado. Decidir se é possível obter retornos acima da média requer uma compreensão da EMH. A estatística descritiva é o termo aplicado à análise significativa de dados. A variância da carteira é uma medida de volatilidade de uma carteira e é função de duas variáveis. O processo de contratação pode ser repleto de altos e baixos para as empresas de consultoria financeira. Aqui estão algumas ferramentas que podem usar para ajudar a encontrar o candidato certo.
No comments:
Post a Comment