Come interpretare il risultato del test t
Questo calcolatore usa la soglia di significatività bilaterale convenzionale α = 0,05, l'impostazione predefinita più comune nella ricerca scientifica.
| p-value bilaterale | Conclusione a α = 0,05 |
|---|---|
| p < 0,05 | Statisticamente significativo: si rifiuta l'ipotesi nulla di assenza di differenza |
| p ≥ 0,05 | Non statisticamente significativo: non si rifiuta l'ipotesi nulla |
- La significatività statistica non coincide con la rilevanza pratica: con un campione abbastanza ampio, anche una differenza minima e priva di significato pratico può produrre un p-value sotto 0,05.
- Il test a due campioni usato qui è quello di Welch, che non presuppone varianze uguali tra i gruppi; i risultati possono differire leggermente da quelli di strumenti che usano il classico test t di Student a varianza aggregata.
- Il test t presuppone che le osservazioni campionate siano indipendenti e che la distribuzione campionaria della media sia approssimativamente normale, condizione soddisfatta da dati sottostanti all'incirca normali oppure da un'ampiezza campionaria sufficiente grazie al teorema del limite centrale.
- Questo è un calcolatore basato su statistiche riassuntive: usa media, deviazione standard e ampiezza già calcolate dai tuoi dati, anziché un elenco di dati grezzi.
Che cos'è un test t?
Il test t è un test di verifica di ipotesi statistiche usato per stabilire se una differenza osservata tra medie sia più grande di quanto ci si attenderebbe dalla sola variabilità campionaria casuale. Questo calcolatore ne supporta due forme: il test t a un campione, che confronta una media campionaria con un valore ipotizzato fisso, e il test t a due campioni, che confronta le medie di due campioni indipendenti.
Per il caso a due campioni questo calcolatore usa il test t di Welch, che non presuppone varianze uguali nei due gruppi. Il test di Welch usa l'equazione di Welch–Satterthwaite per calcolare gradi di libertà corretti (e spesso non interi), il che produce in genere un risultato più affidabile del classico test t di Student a varianza aggregata quando le deviazioni standard dei due campioni differiscono.
Entrambe le versioni riportano un p-value bilaterale, ossia che misura l'evidenza di una differenza in entrambe le direzioni (in eccesso o in difetto), e il risultato viene confrontato con la soglia di significatività convenzionale α = 0,05: i p-value sotto 0,05 vengono di norma etichettati come statisticamente significativi, mentre i valori pari o superiori a 0,05 no.
Come usare questo calcolatore del test t
- Scegli il tipo di test: a un campione (confronto di una media campionaria con un valore fisso) o a due campioni (confronto tra le medie di due campioni indipendenti).
- Per un test a un campione, inserisci media, deviazione standard e ampiezza del campione, oltre alla media della popolazione ipotizzata (μ₀) rispetto a cui vuoi eseguire il confronto.
- Per un test a due campioni, inserisci media, deviazione standard e ampiezza per entrambi i campioni.
- Leggi statistica t, gradi di libertà e p-value bilaterale, e confronta il p-value con il livello di significatività scelto (di norma α = 0,05).
La formula dietro il test t
Statistica t a un campione: t = (x̄ − μ₀) / (s / √n), con gradi di libertà df = n − 1, dove x̄ è la media campionaria, s la deviazione standard campionaria e μ₀ la media ipotizzata della popolazione.
Statistica t di Welch a due campioni: t = (x̄₁ − x̄₂) / √(s₁² / n₁ + s₂² / n₂). I gradi di libertà si stimano con l'equazione di Welch–Satterthwaite: df = (s₁²/n₁ + s₂²/n₂)² / [ (s₁²/n₁)² / (n₁ − 1) + (s₂²/n₂)² / (n₂ − 1) ], che non presuppone varianze uguali nelle due popolazioni.
Il p-value bilaterale è p = 2 × (1 − T(|t|, df)), dove T è la funzione di ripartizione della distribuzione t di Student con i gradi di libertà calcolati.
Esempio pratico (a un campione): media = 52,1, deviazione standard = 4,5, n = 30, media ipotizzata μ₀ = 50. t = (52,1 − 50) / (4,5 / √30) ≈ 2,556, df = 29, e il p-value bilaterale è inferiore a 0,05: la differenza è dunque statisticamente significativa al livello del 5%.
Errori comuni
- Scambiare la significatività statistica per rilevanza pratica: un p-value molto piccolo indica solo che è improbabile che la differenza sia dovuta al caso, non che la differenza sia grande o rilevante nella pratica.
- Dare per scontato che questo calcolatore aggreghi le varianze dei due campioni: usa il test di Welch, che consente varianze diverse, quindi i suoi gradi di libertà e il suo p-value possono differire da un calcolo a varianza aggregata.
- Confrontare un p-value bilaterale con una regola di decisione unilaterale, il che dimezza di fatto la soglia di significatività voluta e gonfia la significatività apparente.
- Applicare un test t per campioni indipendenti a dati appaiati o a misure ripetute (per esempio rilevazioni prima e dopo sugli stessi soggetti), che richiedono invece un test t appaiato.
- Eseguire molti test t sugli stessi dati senza correggere la soglia di significatività, il che porta la probabilità di almeno un falso positivo ben oltre il 5%.
Domande frequenti
Qual è la differenza tra test t a un campione e a due campioni?
Un test t a un campione confronta la media di un singolo campione con un valore fisso ipotizzato (μ₀). Un test t a due campioni confronta tra loro le medie di due campioni indipendenti, verificando se la loro differenza sia maggiore di quanto atteso dalla sola variabilità casuale.
Perché questo calcolatore usa il test t di Welch anziché quello di Student?
Il test t di Welch non presuppone varianze uguali nei due campioni, il che lo rende più robusto quando le deviazioni standard campionarie differiscono, situazione frequente nella pratica. Usa l'equazione di Welch–Satterthwaite per calcolare gradi di libertà corretti, spesso non interi, anziché il semplice n₁ + n₂ − 2 del classico test a varianza aggregata.
Che cosa significa un p-value inferiore a 0,05?
Significa che, assumendo corretta l'ipotesi nulla di assenza di una vera differenza, una differenza così grande o maggiore si verificherebbe per sola variabilità campionaria meno del 5% delle volte. Secondo la soglia convenzionale α = 0,05 il risultato viene etichettato come statisticamente significativo, il che però non dice nulla sull'entità o sulla rilevanza pratica della differenza.
La significatività statistica coincide con la rilevanza pratica?
No. Un risultato statisticamente significativo (p < 0,05) indica soltanto che è improbabile che la differenza osservata sia dovuta al caso. Con un campione abbastanza ampio, anche una differenza minima e praticamente irrilevante può risultare statisticamente significativa: l'ampiezza dell'effetto andrebbe dunque sempre riportata e considerata insieme al p-value.
Perché i gradi di libertà di un test a due campioni non sono un numero intero?
Il test t di Welch calcola i gradi di libertà con l'equazione di Welch–Satterthwaite, che combina varianze e ampiezze dei due campioni in un modo che produce di norma un risultato non intero. È proprio questa correzione a permettere al test di restare accurato quando le varianze dei due gruppi sono diverse.
Quali ampiezze campionarie richiede questo test t?
Ogni campione ha bisogno di almeno 2 osservazioni perché deviazione standard e gradi di libertà siano definiti. Nella pratica il test t funziona al meglio con dati all'incirca normali oppure, grazie al teorema del limite centrale, con un'ampiezza campionaria sufficiente (di norma si usa come regola di massima un n di 30 o più per gruppo) anche quando i dati sottostanti sono in parte non normali.
Fonti
- National Institute of Standards and Technology (NIST). NIST/SEMATECH e-Handbook of Statistical Methods — two-sample t-test for equal means. nist.gov.
- Welch BL. The generalization of 'Student's' problem when several different population variances are involved. Biometrika 1947; 34(1-2): 28-35.
- Satterthwaite FE. An approximate distribution of estimates of variance components. Biometrics Bulletin 1946; 2(6): 110-114.
- Moore DS, McCabe GP, Craig BA. Introduction to the Practice of Statistics. W. H. Freeman (one- and two-sample t procedures).
- Student (Gosset WS). The probable error of a mean. Biometrika 1908; 6(1): 1-25 (origin of the t-distribution).