Calcolatore di test d'ipotesi: come calcolare test z e test t a mano
Un calcolatore di test d'ipotesi verifica se i dati di un campione forniscono prove abbastanza forti per rifiutare un'affermazione su una popolazione, trasformando un'ipotesi nulla e un'ipotesi alternativa in una singola statistica test e in un valore p da confrontare con un livello di significatività. Gli studenti ricorrono a un calcolatore di test d'ipotesi quando un esercizio chiede se il peso medio di riempimento di una fabbrica si è spostato, se un nuovo metodo didattico migliora davvero i punteggi dei test o se il restyling di un sito web ha realmente aumentato il tasso di conversione. Questa guida costruisce da zero le versioni con test z e con test t del test d'ipotesi, svolge esempi completi di test z e test t a un campione e spiega i test a una e a due code, i valori critici, i valori p e gli errori di I e II tipo, così da capire esattamente cosa calcola un calcolatore di test d'ipotesi prima di fidarsi del suo risultato.
Contenuto
- 01Che cos'è un calcolatore di test d'ipotesi?
- 02Come sceglie un calcolatore di test d'ipotesi tra test z e test t?
- 03Come si calcola un test z a un campione passo per passo?
- 04Come si calcola un test t a un campione passo per passo?
- 05Qual è la differenza tra un test a una coda e un test a due code?
- 06Che cosa sono gli errori di I e II tipo e perché contano?
- 07Quali errori evitare quando si usa un calcolatore di test d'ipotesi?
- 08Esercizi di test d'ipotesi con soluzioni
- 09Cos'altro chiedono gli studenti sui calcolatori di test d'ipotesi?
- 10Ottenere più aiuto con i compiti sui test d'ipotesi
Che cos'è un calcolatore di test d'ipotesi?
Un calcolatore di test d'ipotesi prende i dati di un campione, un valore dichiarato per la popolazione e un livello di significatività, poi restituisce una statistica test, un valore p e una decisione sull'eventuale rifiuto dell'affermazione. Ogni test d'ipotesi parte da due enunciati in competizione: l'ipotesi nulla (H0), che rappresenta l'affermazione esistente o lo status quo, e l'ipotesi alternativa (Ha), che rappresenta ciò che sospetti possa essere vero. Un calcolatore di test d'ipotesi non dimostra mai che H0 sia vera: misura soltanto se le prove campionarie sono abbastanza forti per rifiutare H0 a favore di Ha, oppure troppo deboli per giustificare quella conclusione.
Un test d'ipotesi non dimostra mai che l'ipotesi nulla sia vera. Decide solo se le prove campionarie sono abbastanza forti per rifiutarla.
Come sceglie un calcolatore di test d'ipotesi tra test z e test t?
Ogni calcolatore di test d'ipotesi richiede gli stessi dati di base — un valore dichiarato per la popolazione, una statistica campionaria, una misura di dispersione e un'ampiezza campionaria — ma la formula usata dipende da un elemento chiave: se la deviazione standard della popolazione è nota.
1. Usa un test z quando la deviazione standard della popolazione (σ) è nota
Succede quando l'affermazione è accompagnata da un σ storico o teorico, spesso ricavato da un ampio insieme di dati già disponibile — per esempio un produttore con anni di registrazioni di controllo qualità sul peso di un prodotto. Statistica test: z = (x̄ − μ0) ÷ (σ ÷ √n), dove x̄ è la media campionaria, μ0 è la media dichiarata della popolazione e n è l'ampiezza del campione.
2. Usa un test t quando è nota solo la deviazione standard campionaria (s)
È di gran lunga la situazione più comune nella pratica, perché la deviazione standard della popolazione è raramente nota in anticipo. Statistica test: t = (x̄ − μ0) ÷ (s ÷ √n), con gradi di libertà df = n − 1. La distribuzione t è più larga e più piatta della normale per campioni piccoli, il che rende più difficile raggiungere la significatività: una penalizzazione incorporata per l'incertezza aggiuntiva dovuta alla stima di σ dal campione stesso.
3. Perché conviene comunque imparare il metodo manuale
Compiti ed esami richiedono quasi sempre l'impostazione completa — enunciare H0 e Ha, calcolare la statistica test termine per termine e confrontarla con un valore critico o con un valore p — non solo un decimale finale. Un calcolatore di test d'ipotesi è il modo più rapido per verificare una risposta, ma sono i passaggi manuali qui sotto a far guadagnare punti e a costruire l'intuizione necessaria per argomenti successivi come gli intervalli di confidenza e l'ANOVA.
Come si calcola un test z a un campione passo per passo?
Ecco un esempio completo che usa un'affermazione verificabile rispetto a una deviazione standard della popolazione nota.
1. Enuncia le ipotesi e raccogli i dati
Un'azienda di cereali afferma che le sue confezioni contengono in media 500 g, e i dati storici di controllo qualità mostrano una deviazione standard della popolazione pari a σ = 12 g. Un ispettore qualità estrae un campione di n = 36 confezioni e trova una media campionaria di x̄ = 495 g. H0: μ = 500 (il peso medio di riempimento corrisponde all'affermazione). Ha: μ ≠ 500 (il peso medio di riempimento differisce dall'affermazione). È un test a due code, perché interessa qualsiasi scostamento, non solo il riempimento insufficiente. Test con α = 0.05.
2. Calcola la statistica test z
z = (x̄ − μ0) ÷ (σ ÷ √n) = (495 − 500) ÷ (12 ÷ √36) = −5 ÷ (12 ÷ 6) = −5 ÷ 2 = −2.5.
3. Trova il valore critico e il valore p
Per un test a due code con α = 0.05, i valori z critici sono ±1.96. Il valore p è 2 × P(Z ≤ −2.5) = 2 × 0.0062 ≈ 0.0124.
4. Prendi la decisione e interpreta
Poiché |z| = 2.5 supera 1.96 (equivalentemente, p ≈ 0.0124 è minore di α = 0.05), si rifiuta H0. Il campione fornisce prove statisticamente significative che il peso medio di riempimento differisce dai 500 g dichiarati. Un calcolatore di test d'ipotesi restituirebbe istantaneamente gli stessi z = −2.5 e p ≈ 0.0124, ma ora puoi verificare da solo ogni valore intermedio.
z = (x̄ − μ0) ÷ (σ ÷ √n). Con x̄ = 495, μ0 = 500, σ = 12 e n = 36, z = −2.5, che in valore assoluto supera il valore critico di 1.96: si rifiuta H0.
Come si calcola un test t a un campione passo per passo?
Quando la deviazione standard della popolazione è ignota, il procedimento è quasi identico, ma usa la deviazione standard campionaria e la distribuzione t invece della distribuzione normale.
1. Enuncia le ipotesi e raccogli i dati
Un centro di ripetizioni afferma che il suo programma migliora i punteggi dei test di oltre 8 punti in media. Un campione di n = 15 studenti mostra un miglioramento medio di x̄ = 8.9 punti con una deviazione standard campionaria di s = 2.1 punti. H0: μ = 8 (il vero miglioramento medio è di 8 punti). Ha: μ > 8 (il vero miglioramento medio è maggiore di 8 punti). È un test a una coda (coda destra), perché l'azienda afferma solo un miglioramento superiore a 8. Test con α = 0.05.
2. Calcola la statistica test t
t = (x̄ − μ0) ÷ (s ÷ √n) = (8.9 − 8) ÷ (2.1 ÷ √15) = 0.9 ÷ (2.1 ÷ 3.873) = 0.9 ÷ 0.5422 ≈ 1.660.
3. Trova il valore critico e il valore p
Gradi di libertà: df = n − 1 = 15 − 1 = 14. Per un test a una coda con α = 0.05 e df = 14, il valore t critico è circa 1.761. Cercando t ≈ 1.660 con df = 14 si ottiene un valore p a una coda di circa 0.059.
4. Prendi la decisione e interpreta
Poiché t ≈ 1.660 non supera il valore critico di 1.761 (equivalentemente, p ≈ 0.059 è maggiore di α = 0.05), non si rifiuta H0. Questo campione di 15 studenti non fornisce prove abbastanza forti, al livello di significatività del 5 %, che il vero miglioramento medio superi gli 8 punti, anche se la media campionaria di 8.9 sembra promettente di per sé.
t = (x̄ − μ0) ÷ (s ÷ √n). Con x̄ = 8.9, μ0 = 8, s = 2.1 e n = 15, t ≈ 1.660 con df = 14: sotto il valore critico di 1.761, quindi non rifiutiamo H0.
Qual è la differenza tra un test a una coda e un test a due code?
La scelta tra test a una coda e test a due code dipende interamente da come è formulata l'ipotesi alternativa, e sbagliarla cambia sia il valore critico sia la conclusione.
1. I test a due code cercano qualsiasi differenza
Ha: μ ≠ μ0 divide la regione di rifiuto tra le due code della distribuzione, così che prove in entrambe le direzioni (troppo alte o troppo basse) possono portare a rifiutare H0. L'esempio delle confezioni di cereali qui sopra è a due code perché uno scostamento in entrambe le direzioni — riempimento eccessivo o insufficiente — conta per l'ispettore.
2. I test a una coda cercano una differenza in una direzione specifica
Ha: μ > μ0 oppure Ha: μ < μ0 concentra l'intera regione di rifiuto in una sola coda: questo rende più facile raggiungere la significatività in quella direzione, ma implica che prove nella direzione opposta non potranno mai portare a rifiutare H0, quanto estreme siano.
3. Un esempio svolto: test z a coda sinistra
Un produttore afferma che le sue lampadine durano in media almeno 1000 ore, con un σ = 50 ore noto. Un campione di n = 40 lampadine ha una durata media di x̄ = 985 ore. H0: μ = 1000. Ha: μ < 1000 (coda sinistra, perché il timore è che durino meno di quanto dichiarato). z = (985 − 1000) ÷ (50 ÷ √40) = −15 ÷ 7.906 ≈ −1.897. Il valore critico a coda sinistra con α = 0.05 è −1.645. Poiché z ≈ −1.897 è più estremo di −1.645 (p ≈ 0.0289 < 0.05), si rifiuta H0: il campione suggerisce che le lampadine durano in media meno delle 1000 ore dichiarate.
Un test a due code divide α tra le due code (±1.96 con α = 0.05); un test a una coda concentra tutto α in una coda (±1.645 con α = 0.05), rendendo più facile rilevare un effetto solo nella direzione prevista.
Che cosa sono gli errori di I e II tipo e perché contano?
Nessun test d'ipotesi è mai completamente certo, e capire i due modi in cui può sbagliare è tanto importante quanto calcolare correttamente la statistica test.
1. Errore di I tipo: rifiutare una H0 vera
Un errore di I tipo si verifica quando il test rifiuta H0 anche se H0 è in realtà vera: un falso positivo. Nell'esempio dei cereali, un errore di I tipo significherebbe concludere che il peso medio di riempimento si è allontanato dai 500 g quando in realtà non è così. La probabilità di un errore di I tipo è pari al livello di significatività α: scegliere α = 0.05 significa quindi accettare fino al 5 % di probabilità di questo tipo di falso allarme.
2. Errore di II tipo: non rifiutare una H0 falsa
Un errore di II tipo si verifica quando il test non rifiuta H0 anche se H0 è in realtà falsa: un effetto non rilevato. Nell'esempio del centro di ripetizioni, un errore di II tipo significherebbe concludere che il programma non alza i punteggi di più di 8 punti quando in realtà lo fa, forse perché l'ampiezza campionaria di 15 era troppo piccola per rilevare un effetto reale ma modesto. La probabilità di un errore di II tipo si indica con β, e 1 − β si chiama potenza del test.
3. Il compromesso tra i due tipi di errore
Abbassare α per rendere meno probabili gli errori di I tipo (per esempio da 0.05 a 0.01) rende il test più conservativo, il che in cambio aumenta la probabilità di un errore di II tipo. Aumentare l'ampiezza campionaria è in genere il modo migliore per ridurre entrambi i tassi di errore insieme, perché un n più grande riduce l'errore standard e rende gli effetti reali più facili da rilevare senza allentare α.
Errore di I tipo: rifiutare una H0 vera (un falso allarme), con probabilità α. Errore di II tipo: non rifiutare una H0 falsa (un effetto mancato), con probabilità β.
Quali errori evitare quando si usa un calcolatore di test d'ipotesi?
Questi errori compaiono continuamente nei compiti di statistica valutati, sia che il calcolo sia svolto a mano sia che venga poi verificato con un calcolatore di test d'ipotesi.
1. Usare un test z quando σ è ignota
Se la deviazione standard della popolazione non è fornita direttamente (e non può essere assunta da un ampio insieme di dati storici), usa invece un test t con la deviazione standard campionaria. Inserire una deviazione standard campionaria nella formula di z sottostima l'incertezza reale, soprattutto per campioni piccoli.
2. Scegliere la direzione della coda sbagliata
Far corrispondere Ha alla formulazione effettiva dell'affermazione è essenziale: «maggiore di» o «più di» indica un test a coda destra, «minore di» un test a coda sinistra, e «diverso da» o «non uguale a» un test a due code. Usare un valore critico a due code per un'affermazione a una coda (o viceversa) cambia sia il valore critico sia la conclusione.
3. Leggere il valore p come la probabilità che H0 sia vera
Un valore p piccolo significa che i dati osservati sarebbero improbabili se H0 fosse vera: non indica direttamente la probabilità che H0 stessa sia vera o falsa. Tieni a mente la formulazione condizionale («probabilità di questi dati, dato H0») quando scrivi una conclusione.
4. Trattare «non rifiutare» come «dimostrato vero»
Non rifiutare H0 significa solo che il campione non ha fornito prove sufficienti contro di essa: non dimostra mai che H0 sia vera. Un campione più grande, o un campione diverso, potrebbe comunque portare a rifiutare H0 per la stessa popolazione di riferimento.
Esercizi di test d'ipotesi con soluzioni
Affronta questi tre esercizi dal più facile al più difficile. Prova a risolverli prima di leggere la soluzione, poi confronta la tua impostazione con i passaggi mostrati.
1. Esercizio 1 (base): test z a due code
Un'azienda di succhi afferma che le sue bottiglie contengono in media 16 oz, con una deviazione standard della popolazione nota pari a σ = 0.5 oz. Un campione di n = 25 bottiglie ha una media di 15.8 oz. Verifica con α = 0.05 se la vera media differisce da 16 oz. Soluzione: z = (15.8 − 16) ÷ (0.5 ÷ √25) = −0.2 ÷ 0.1 = −2.0. I valori critici con α = 0.05 (due code) sono ±1.96. Poiché |z| = 2.0 > 1.96, si rifiuta H0: p ≈ 2 × (1 − 0.9772) = 0.0456, minore di 0.05, il che conferma la stessa conclusione.
2. Esercizio 2 (intermedio): test t a una coda
Un'app di fitness afferma che gli utenti bruciano in media più di 300 calorie per sessione. Un campione di n = 20 sessioni ha x̄ = 310 calorie e s = 25 calorie. Verifica con α = 0.05, coda destra. Soluzione: t = (310 − 300) ÷ (25 ÷ √20) = 10 ÷ 5.590 ≈ 1.789. df = 19, e il valore t critico con α = 0.05 (una coda) è circa 1.729. Poiché t ≈ 1.789 > 1.729, si rifiuta H0: il campione sostiene l'affermazione che le calorie medie bruciate superano 300, con p ≈ 0.045.
3. Esercizio 3 (avanzato): test t a due code con un α più severo
Una caffetteria afferma che il suo tempo medio di attesa è di 4 minuti. Un campione di n = 10 clienti ha x̄ = 4.6 minuti e s = 0.9 minuti. Verifica con α = 0.01 se il vero tempo medio di attesa differisce da 4 minuti. Soluzione: t = (4.6 − 4) ÷ (0.9 ÷ √10) = 0.6 ÷ 0.2846 ≈ 2.108. df = 9, e il valore t critico con α = 0.01 (due code) è circa ±3.250. Poiché |t| ≈ 2.108 è minore di 3.250 (p ≈ 0.064, ben sopra 0.01), non si rifiuta H0: questo campione non fornisce prove abbastanza forti al livello dell'1 % che il vero tempo medio di attesa differisca da 4 minuti.
Cos'altro chiedono gli studenti sui calcolatori di test d'ipotesi?
Queste sono le domande che emergono più spesso insieme ai compiti e al ripasso d'esame sui test d'ipotesi.
1. Qual è la differenza tra test z e test t in un calcolatore di test d'ipotesi?
Un test z richiede una deviazione standard della popolazione nota e usa la distribuzione normale; un test t usa invece la deviazione standard campionaria e si basa sulla distribuzione t, più larga per campioni piccoli per tenere conto dell'incertezza aggiuntiva nella stima di σ. Al crescere dell'ampiezza campionaria (circa n ≥ 30), la distribuzione t si avvicina alla normale e i due test danno risultati quasi identici.
2. Un calcolatore di test d'ipotesi può lavorare con proporzioni invece che con medie?
Sì: un test z su una proporzione segue la stessa logica ma usa z = (p̂ − p0) ÷ √[p0(1 − p0) ÷ n], confrontando una proporzione campionaria p̂ con una proporzione dichiarata della popolazione p0, invece di confrontare medie campionarie e di popolazione.
3. «Non rifiutare H0» significa la stessa cosa di «accettare H0»?
No. Non rifiutare H0 significa che il campione non ha fornito prove sufficienti per rifiutare l'affermazione: non dimostra mai che l'affermazione sia vera. Per questo motivo gli statistici evitano deliberatamente l'espressione «accettare H0» e si attengono a «non rifiutare».
4. Come scelgo il livello di significatività (α) per un test d'ipotesi?
α = 0.05 è il valore predefinito standard nella maggior parte dei corsi e bilancia i tassi di errore di I e II tipo. Gli ambiti in cui un falso positivo è particolarmente costoso, come le sperimentazioni cliniche dei farmaci, usano spesso un α = 0.01 più severo, mentre alcune ricerche esplorative adottano un α = 0.10 più permissivo.
Ottenere più aiuto con i compiti sui test d'ipotesi
Quando ti senti a tuo agio nell'enunciare H0 e Ha, nello scegliere tra test z e test t e nel confrontare la tua statistica test con un valore critico o con un valore p, gli esercizi sui test d'ipotesi diventano una questione di impostazione accurata anziché una formula misteriosa. Esercitati con un misto di domande a una e a due code, perché gli esami spesso si aspettano che riconosci quale caso si applica solo dalla formulazione dell'affermazione. Se ti blocchi nell'impostare un esercizio specifico o vuoi ricontrollare un calcolo fatto a mano, il risolutore passo per passo di Solvify può svolgere la stessa formula mostrata in questa guida — la statistica test, il valore critico o il valore p e la decisione finale — così da vedere esattamente dove la tua impostazione si discosta da quella corretta.
Prima di ricorrere a un calcolatore di test d'ipotesi, scrivi H0, Ha e se il test è a una o a due code: questa singola decisione determina sia il tuo valore critico sia la tua conclusione.
Articoli correlati
Calcolatore del chi quadrato: come calcolare i test del chi quadrato a mano
Un altro test d'ipotesi, pensato per dati categoriali di conteggio invece delle medie numeriche usate nei test z e t.
Calcolatore dell'intervallo di confidenza per una proporzione: formula, passaggi ed esempi
Intervalli di confidenza e test d'ipotesi condividono le stesse formule dell'errore standard: guarda come un intervallo per una proporzione si collega a un test z su una proporzione.
Calcolatore ANOVA: guida passo per passo all'ANOVA a una via
Un passo naturale dopo un test d'ipotesi a due campioni, quando si confrontano tre o più medie di gruppo insieme.
Risolutori matematici
Soluzioni passo per passo
Visualizza ogni passaggio di un test d'ipotesi in modo esplicito: la statistica test, il valore critico o il valore p e la decisione finale.
Risolutore Smart Scan
Scatta una foto di un esercizio sui test d'ipotesi e ottieni subito una soluzione completamente svolta.
Tutor di matematica AI
Fai domande di approfondimento su test z, test t, valori p o errori di I e II tipo finché tutto non è chiaro.
Materie correlate
Aiuto con la statistica
Statistica descrittiva, test d'ipotesi e intervalli di confidenza: gli argomenti che si costruiscono direttamente su questa guida.
Preparazione agli esami con un tutor AI
Come un tutor AI può ripassare i test d'ipotesi e gli esercizi sul valore p prima di un esame di statistica.