📈 Calcolatore T-Test

Un t-test è un test di ipotesi statistico che determina se la media di un campione differisce in modo significativo da un valore noto o ipotizzato, oppure se due campioni indipendenti hanno medie diverse. Il test produce una statistica t che, sotto l'ipotesi nulla, segue la distribuzione t di Student. A differenza del test z, il t-test non richiede che la deviazione standard della popolazione sia nota, il che lo rende molto più pratico per la ricerca reale con dati limitati. I ricercatori lo abbinano al calcolatore del valore p per riportare la significatività e al calcolatore dell'intervallo di confidenza per esprimere l'incertezza attorno alla stima.

Questo strumento gestisce due scenari principali. Un t-test per un campione confronta un singolo campione con un valore di riferimento (μ₀): ad esempio, verificare se un lotto di lampadine dura quanto dichiarato dal produttore. Un t-test per due campioni (di Welch) confronta le medie di due gruppi indipendenti che possono avere varianze diverse, come i punteggi di test di due metodi didattici differenti. La versione di Welch è preferita al t-test di Student con varianze combinate perché è più robusta quando i due campioni hanno deviazioni standard o dimensioni diverse. Usa il calcolatore della deviazione standard per ottenere s dai dati grezzi prima di eseguire il test.

Le code ombreggiate su ciascun lato rappresentano le regioni di rifiuto. Se la statistica t calcolata cade oltre il valore critico ±t*, rifiutiamo l'ipotesi nulla H₀ al livello di significatività scelto (tipicamente α = 0,05, a due code). In caso contrario, non rifiutiamo H₀ e concludiamo che non ci sono prove sufficienti di una differenza.

Il calcolatore applica le formule standard per il t-test per un campione e per il t-test di Welch per due campioni.

T-test per un campione

Qui x̄ è la media del campione, μ₀ è la media della popolazione ipotizzata, s è la deviazione standard del campione e n è la dimensione del campione. Valori assoluti di t più grandi indicano prove più forti contro l'ipotesi nulla.

T-test di Welch per due campioni

La formula di Welch non assume varianze uguali, ed è per questo che è la scelta predefinita per due campioni indipendenti. I gradi di libertà sono tipicamente frazionari e vengono arrotondati per la consultazione della tabella dei valori critici.

Valore p e decisione

Il valore p a due code viene approssimato dalla distribuzione t. Per df ≤ 30 usiamo una tabella di valori critici codificata; per df maggiori approssimiamo con la distribuzione normale standard. Se |t| > valore critico a α = 0,05, il risultato è statisticamente significativo e rifiutiamo H₀; in caso contrario non rifiutiamo H₀.

L'ultima riga (∞) corrisponde alla distribuzione normale standard (z).

Poiché la deviazione standard della popolazione è quasi mai nota nella pratica, il t-test è la scelta predefinita più sicura. I due approcci danno risultati quasi identici una volta che n supera 30.

1. Scegli il tipo di test — Seleziona la modalità Un campione o Due campioni (di Welch) dal menu a discesa in cima al modulo.
2. Inserisci i dati del campione — Per un campione, digita la media del campione (x̄), la media ipotizzata (μ₀), la deviazione standard (s) e la dimensione del campione (n). Per due campioni, inserisci medie, deviazioni standard e dimensioni di entrambi i campioni.
3. Fai clic su Calcola — Lo strumento calcola la statistica t, i gradi di libertà, il valore p approssimato a due code e il valore t critico a α = 0,05.
4. Leggi la conclusione — Il risultato indica se rifiutare o non rifiutare l'ipotesi nulla H₀ al livello di significatività 0,05.
5. Interpreta con contesto — Confronta il valore p con il tuo α scelto e considera la dimensione dell'effetto e l'intervallo di confidenza prima di trarre conclusioni nel mondo reale.

Quando dovrei usare un t-test invece di un test z?

Usa un t-test quando la deviazione standard della popolazione è sconosciuta e deve essere stimata dal campione. Il test z richiede che la σ della popolazione sia nota, cosa rara nella pratica. Al crescere della dimensione del campione la distribuzione t converge alla distribuzione normale, quindi per campioni grandi i due test danno risultati quasi identici. Per campioni piccoli (n < 30) il t-test è la scelta corretta.

Qual è la differenza tra il t-test di Student e il t-test di Welch?

Il t-test per due campioni di Student (con varianze combinate) assume che entrambi i campioni provengano da popolazioni con varianze uguali. Il t-test di Welch non fa questa ipotesi e adegua di conseguenza i gradi di libertà. La versione di Welch è più robusta quando i due campioni hanno varianze o dimensioni diverse, ed è oggi raccomandata come scelta predefinita per due campioni indipendenti.

Che cos'è il valore p?

Il valore p è la probabilità di osservare una statistica t almeno così estrema come quella calcolata, assumendo che l'ipotesi nulla sia vera. Un valore p piccolo (tipicamente inferiore a 0,05) indica che i dati osservati sarebbero improbabili sotto H₀, quindi rifiutiamo H₀. Non misura la probabilità che l'ipotesi sia vera.

Cosa significa «non rifiutare H₀»?

Significa che le prove non sono sufficientemente forti per concludere che esista una differenza. Non è la stessa cosa che dimostrare che H₀ sia vera: lo studio può semplicemente mancare di potenza statistica. Un campione più grande, un effetto più marcato o un livello di significatività meno rigoroso potrebbero cambiare la conclusione.

Quanto è accurato il valore p di questo calcolatore?

Il valore p viene approssimato tramite una tabella di valori critici per df 1–30 e dalla distribuzione normale standard per df maggiori. È abbastanza accurato per corsi di studio e interpretazioni generali, ma per ricerche di livello editoriale usa software statistici dedicati (R, SPSS, SciPy) che calcolano la funzione di ripartizione esatta.

Posso usare un test a una coda?

Questo strumento riporta per impostazione predefinita valori p e valori critici a due code. Un test a una coda è appropriato solo se hai un forte motivo a priori di aspettarti che la differenza vada in una direzione e ti impegni su quella direzione prima di raccogliere i dati. Dimezzando il valore p a due code ottieni il valore a una coda, se necessario.

Verifica sempre le assunzioni del t-test prima di fidarti del risultato: i dati dovrebbero seguire approssimativamente una distribuzione normale (soprattutto per n piccoli) e le osservazioni dovrebbero essere indipendenti. Per dimensioni del campione superiori a 30 il teorema del limite centrale rende il t-test piuttosto robusto alla non normalità. Per dati appaiati o abbinati (misurazioni prima/dopo sugli stessi soggetti), usa un t-test appaiato invece della versione per due campioni indipendenti: questo strumento non copre i disegni appaiati. Ricorda che un valore p significativo ti dice che esiste una differenza, ma non la sua entità o importanza pratica; riporta sempre le dimensioni dell'effetto e gli intervalli di confidenza insieme al valore p.