спасибо!
мне не совсем понятна логическая разница между chi2 и T-Test? когда какой тест следует употребить?

chi2 употребляется для nominalskalierten Daten ето когда количество групп однозначно, например м. и ж. так как третего не бывает. Етот тест употребляется толко в етом случае, а т-тест для любых, ну почти любых. Короче говоря ми исползовали почти всегда т-тест, так как он практиче, сравнение полов ето не оснавная задача в статистике, но в твоем случае подходят оба теста, но с возрастом его уже не исползуы так, как ето уже не nominalskalierten Daten.

а если это не просто возраст, а возрастные категории (1. до 30лет, 2. 30-60лет, 3. за 60лет). То это ведь номинальные даные или нет???

Нет это ординальные данные.

А больше он нигде не употребляется?
Это как утверждать, что шурупы используются только для приделывания картин к стене, и больше ни для чего. Ну они используются конечно, но спектр их применения намного шире.

В chi2-Test Teststatistik имеет chi2-распределение, в T-Test Teststatistik имеет Т-распределение. Это два разных распределения, у них разные функции распределения, ну и разные графики соответственно. Т.е. логическая разница в том, что котлета отличается от яишницы.

Номинальные

Ординальные

Номинальные

Ну тут могут помочь например Kontingenztafeln. Если речь будет идти о стохастической зависимости. Ну и там соответственно ХиКвадрат-Тест будет. Он правда болеет в данном случае кучей ограничений. Более универсален Фишерский тест для m на n таблиц, но его очень сложно описать в теории, хотя в SAS он применяется на ура. Применяется он чаще чем встречается в литературе, это да.
Какие еще варианты?
Ну можно попытаться с логистической регрессией. Но там нужна бинарная переменная для вероятности, это тут только пол. Можно правда и аггрегировать другие. Другие варианты генерализированной логистической регрессии брать не советую, это будет неподъемно, правда там гибкость получше будет.