Calcolatore del test t a un campione: formula, passaggi ed esempi svolti
Un calcolatore del test t a un campione confronta la media di un singolo campione con un valore dichiarato per la popolazione quando la deviazione standard della popolazione è sconosciuta, usando al suo posto la deviazione standard campionaria e la distribuzione t. Gli studenti ricorrono a un calcolatore del test t a un campione per verificare se un nuovo metodo di studio cambia davvero i voti medi, se un lotto di pezzi rispetta una specifica di riferimento, oppure se una media campionaria è abbastanza vicina a un parametro storico da poter essere considerata invariata. Questa guida costruisce da zero la formula del test t a un campione — la statistica t, i gradi di libertà, le decisioni a una e a due code e l'intervallo di confidenza collegato — con esempi completamente svolti, così puoi verificare ogni numero a mano.
Contenuto
- 01Che cosa calcola davvero un calcolatore del test t a un campione?
- 02Perché usare un test t invece di un test z in questo caso?
- 03Qual è la formula del test t a un campione?
- 04Come si esegue passo dopo passo un test t a un campione a due code?
- 05In che cosa un test t a una coda è diverso da un test t a due code?
- 06Che legame c'è tra un intervallo di confidenza e un test t a un campione?
- 07Quali assunzioni richiede un test t a un campione?
- 08Quali errori evitare con un calcolatore del test t a un campione?
- 09Esercizi svolti sul test t a un campione
- 10Che altro chiedono gli studenti sui calcolatori del test t a un campione?
- 11Ottenere altro aiuto con i compiti sul test t a un campione
Che cosa calcola davvero un calcolatore del test t a un campione?
Un calcolatore del test t a un campione riceve una media campionaria, una media dichiarata della popolazione, una deviazione standard campionaria e la dimensione del campione, poi restituisce una statistica t, i gradi di libertà e un valore p da confrontare con il tuo livello di significatività. Risponde a una domanda precisa: la distanza tra la media del tuo campione e il valore dichiarato è più grande di quanto ci si aspetterebbe dal solo campionamento casuale, oppure è abbastanza piccola da essere spiegata dal caso? Il test si fonda su due affermazioni in competizione: l'ipotesi nulla H0 (la media dichiarata è corretta) e l'ipotesi alternativa Ha (la vera media è diversa). Un calcolatore del test t a un campione non dimostra mai che H0 è vera: misura soltanto se il campione fornisce prove abbastanza solide per rifiutarla.
Un calcolatore del test t a un campione non dimostra mai che la media dichiarata sia corretta. Decide soltanto se il campione fornisce prove abbastanza solide per rifiutare quell'affermazione.
Perché usare un test t invece di un test z in questo caso?
Il test t a un campione e il test z a un campione rispondono alla stessa domanda, ma si differenziano per una sola assunzione: sapere o no quanto vale la deviazione standard della popolazione.
1. Usa un test t quando è nota solo la deviazione standard campionaria (s)
È il caso realistico in cui rientrano quasi tutti gli esercizi e tutti gli studi reali, perché la vera deviazione standard della popolazione è raramente disponibile in anticipo. Un calcolatore del test t a un campione usa s, la deviazione standard calcolata dal tuo stesso campione, al posto della σ sconosciuta.
2. La distribuzione t tiene conto dell'incertezza aggiuntiva
Poiché s è a sua volta stimata dal campione, porta con sé un errore di campionamento in più rispetto a una σ nota. La distribuzione t è più larga e più piatta della distribuzione normale, soprattutto per campioni piccoli, il che rende più difficile raggiungere la significatività statistica: una penalità integrata per quell'incertezza aggiuntiva. Al crescere della dimensione campionaria (all'incirca n ≥ 30), la distribuzione t converge verso la distribuzione normale.
3. Perché i passaggi manuali contano ancora
Un calcolatore del test t a un campione ti dà all'istante la statistica t finale e il valore p, ma compiti ed esami richiedono quasi sempre di mostrare le ipotesi, la sostituzione nella formula e il confronto con un valore critico o con il valore p. Svolgere i passaggi qui sotto costruisce l'intuizione che ti servirà più avanti per i test t a due campioni, l'ANOVA e la regressione.
Qual è la formula del test t a un campione?
La formula del test t a un campione converte i tuoi dati in un unico punteggio standardizzato e poi confronta quel punteggio con una soglia ricavata dalla distribuzione t.
1. La formula della statistica t
t = (x̄ − μ₀) ÷ (s ÷ √n), dove x̄ è la media campionaria, μ₀ è la media della popolazione dichiarata (ipotizzata), s è la deviazione standard campionaria e n è la dimensione del campione. Il denominatore, s ÷ √n, è l'errore standard della media: misura quanto le medie campionarie varierebbero tipicamente per effetto del caso attorno alla vera media della popolazione.
2. I gradi di libertà
df = n − 1. I gradi di libertà si riducono di uno perché la deviazione standard campionaria s è calcolata usando la media campionaria stessa, che consuma un'unità di informazione indipendente. Ti servono i df per leggere il valore t critico o il valore p corretto in una tavola della distribuzione t.
3. Leggere il risultato
Un |t| più grande significa che la media campionaria si trova più lontana dal valore dichiarato, misurata in errori standard. Una statistica t vicina a 0 significa che la media campionaria è vicina a μ₀ rispetto alla variabilità naturale dei dati, il che porta a non rifiutare H0.
t = (x̄ − μ₀) ÷ (s ÷ √n), con gradi di libertà df = n − 1.
Come si esegue passo dopo passo un test t a un campione a due code?
Ecco un esempio completo e svolto che verifica se una media campionaria si discosta da un valore dichiarato in una delle due direzioni.
1. Formulare le ipotesi e raccogliere i dati
Un produttore di vitamine dichiara che le sue capsule contengono in media 500 mg di principio attivo. Un analista della qualità preleva n = 20 capsule e trova una media campionaria di x̄ = 494 mg con una deviazione standard campionaria di s = 15 mg. H0: μ = 500 (la media coincide con quanto dichiarato). Ha: μ ≠ 500 (la media si discosta da quanto dichiarato). Il test è a due code, perché conta uno scostamento in entrambe le direzioni: troppo poco o troppo principio attivo. Si testa con α = 0,05.
2. Calcolare la statistica t
t = (x̄ − μ0) ÷ (s ÷ √n) = (494 − 500) ÷ (15 ÷ √20) = −6 ÷ (15 ÷ 4.472) = −6 ÷ 3.354 ≈ −1.789.
3. Trovare i gradi di libertà e il valore critico
df = n − 1 = 20 − 1 = 19. Per un test a due code con α = 0,05 e df = 19, il valore t critico è circa ±2.093. Il valore p a due code per t ≈ −1.789 con df = 19 è all'incirca 0.090.
4. Prendere la decisione e interpretare
Poiché |t| ≈ 1.789 non supera il valore critico di 2.093 (equivalentemente, p ≈ 0.090 è maggiore di α = 0,05), non si rifiuta H0. Il campione non fornisce prove abbastanza solide, al livello di significatività del 5%, che il vero contenuto medio di principio attivo sia diverso da 500 mg, anche se la media campionaria di 494 mg è un po' inferiore a quanto dichiarato. Verifica: con un errore standard più piccolo (poniamo s = 8 invece di 15), lo stesso scarto di 6 mg produrrebbe un |t| maggiore e potrebbe ribaltare la decisione: ecco perché la dispersione dei dati conta quanto lo scarto stesso.
t = (494 − 500) ÷ (15 ÷ √20) ≈ −1.789 con df = 19 — in valore assoluto sotto il valore critico di 2.093, quindi non rifiutiamo H0.
In che cosa un test t a una coda è diverso da un test t a due code?
La direzione dell'ipotesi alternativa decide se esegui un test a una coda o a due code, e scambiarle cambia sia il valore critico sia la conclusione.
1. I test a una coda verificano una direzione specifica
Ha: μ > μ0 (coda destra) oppure Ha: μ < μ0 (coda sinistra) concentra l'intera regione di rifiuto in una sola coda della distribuzione t, rendendo più facile rilevare un effetto nella direzione prevista ma impossibile rilevarne uno nella direzione opposta, per quanto estremo.
2. Un esempio svolto: test t a coda destra
Un centro di ripetizioni dichiara che il suo programma aumenta i punteggi dei test di più di 5 punti in media. Un campione di n = 12 studenti mostra un miglioramento medio di x̄ = 6.2 punti con s = 1.8 punti. H0: μ = 5. Ha: μ > 5 (coda destra, dato che l'affermazione dice esattamente «più di»). t = (6.2 − 5) ÷ (1.8 ÷ √12) = 1.2 ÷ 0.5196 ≈ 2.309. df = 11, e il valore t critico a coda destra con α = 0,05 è circa 1.796. Poiché t ≈ 2.309 supera 1.796 (p ≈ 0.021 < 0.05), si rifiuta H0: il campione sostiene l'affermazione che il miglioramento medio supera i 5 punti.
3. Far corrispondere la coda al modo in cui è formulata l'affermazione
«Maggiore di» o «più di» indica un test a coda destra; «minore di» indica un test a coda sinistra; «diverso da» o «non uguale a» indica un test a due code. Usare un valore critico a due code per un'affermazione a una coda (o viceversa) può trasformare una decisione di rifiuto in un mancato rifiuto, o il contrario.
Un test a due code divide α tra entrambe le code; un test a una coda mette tutta α in una sola coda, il che abbassa il valore t critico necessario per rifiutare H0 nella direzione prevista.
Che legame c'è tra un intervallo di confidenza e un test t a un campione?
Un intervallo di confidenza basato sulla t e un test t a un campione a due code sono due modi di guardare allo stesso calcolo: se il valore dichiarato cade fuori dall'intervallo, il test a due code al corrispondente livello di significatività rifiuta H0.
1. La formula dell'intervallo di confidenza
IC = x̄ ± t* × (s ÷ √n), dove t* è il valore t critico per il livello di confidenza desiderato e df = n − 1. Riprendendo l'esempio delle capsule di vitamine visto sopra (x̄ = 494, s = 15, n = 20, df = 19, t* ≈ 2.093 per una confidenza del 95%): IC = 494 ± 2.093 × (15 ÷ √20) = 494 ± 2.093 × 3.354 = 494 ± 7.02, ossia un intervallo di circa (486.98, 501.02).
2. Leggere l'intervallo rispetto all'affermazione
Poiché 500 mg cade all'interno dell'intervallo (486.98, 501.02), l'intervallo di confidenza al 95% concorda con la decisione di mancato rifiuto del test a due code dell'esempio precedente: i dati sono compatibili con la media dichiarata di 500 mg. Se il valore dichiarato fosse caduto fuori dall'intervallo, il corrispondente test a due code avrebbe rifiutato H0.
3. Perché nella pratica questo è importante
Un intervallo di confidenza fornisce un insieme di valori plausibili per la vera media, non solo un verdetto rifiuto / mancato rifiuto, il che è spesso più utile quando si riportano i risultati: mostra in un'unica affermazione sia la stima sia la sua precisione.
Se l'intervallo di confidenza x̄ ± t* × (s ÷ √n) esclude il valore dichiarato μ0, il corrispondente test a due code allo stesso livello di significatività rifiuta H0.
Quali assunzioni richiede un test t a un campione?
Un calcolatore del test t a un campione dà una risposta valida solo se le assunzioni sottostanti sono all'incirca rispettate: verificarle richiede un minuto ed evita una conclusione fuorviante.
1. I dati devono essere un campione casuale e indipendente
Ogni osservazione deve essere estratta in modo indipendente dalla popolazione di interesse, senza uno schema sistematico (come campionare solo in un luogo o in un periodo) che potrebbe distorcere la media.
2. La popolazione deve essere approssimativamente normale, oppure il campione abbastanza grande
Per campioni piccoli (all'incirca n < 30), la popolazione sottostante deve essere distribuita in modo approssimativamente normale perché il test t sia affidabile. Per campioni più grandi, il teorema del limite centrale fa sì che la distribuzione campionaria della media sia approssimativamente normale anche se la popolazione non lo è, quindi il test t resta valido.
3. I dati devono essere misurati su una scala continua
Il test t a un campione è pensato per dati numerici e continui (pesi, punteggi, tempi) in cui una media ha senso: non è adatto a dati categorici o ordinali, che richiedono un test diverso, come il test chi-quadrato di bontà di adattamento.
Quali errori evitare con un calcolatore del test t a un campione?
Questi errori compaiono di continuo nei compiti di statistica valutati, sia che il calcolo venga fatto a mano sia che venga poi verificato con un calcolatore del test t a un campione.
1. Usare n invece di n − 1 per i gradi di libertà
Dimenticare di sottrarre 1 sposta la riga della tavola della distribuzione t da cui leggi, il che cambia il valore critico e può ribaltare una decisione al limite.
2. Scegliere la direzione della coda sbagliata
Fai corrispondere Ha alla formulazione esatta dell'affermazione: «più di» significa coda destra, «meno di» significa coda sinistra, «diverso da» significa due code. Una scelta sbagliata della coda porta a usare il valore critico sbagliato.
3. Confondere deviazione standard ed errore standard
La formula divide s per √n prima di confrontarlo con lo scarto x̄ − μ0: inserire s da solo invece di s ÷ √n produce una statistica t di grandezza di gran lunga troppo piccola.
4. Interpretare «non rifiutare» come «affermazione dimostrata vera»
Non rifiutare H0 significa solo che il campione non ha fornito prove sufficienti contro l'affermazione: non dimostra mai che l'affermazione sia corretta. Un campione diverso, o più ampio, potrebbe comunque portare a rifiutare H0 per la stessa popolazione sottostante.
Esercizi svolti sul test t a un campione
Affronta questi tre esercizi dal più facile al più difficile. Prova a risolverne ciascuno prima di leggere la soluzione, poi confronta la tua impostazione con i passaggi mostrati.
1. Esercizio 1 (base): test t a due code
Un panificio dichiara che le sue pagnotte pesano in media 450 g. Un campione di n = 16 pagnotte ha x̄ = 445 g e s = 12 g. Verifica con α = 0,05 se la vera media si discosta da 450 g. Soluzione: t = (445 − 450) ÷ (12 ÷ √16) = −5 ÷ 3 ≈ −1.667. df = 15, e il valore critico a due code con α = 0,05 è ±2.131. Poiché |t| ≈ 1.667 < 2.131, non si rifiuta H0: il campione non fornisce prove solide che la vera media sia diversa da 450 g.
2. Esercizio 2 (intermedio): test t a una coda
Un produttore di batterie dichiara che le sue batterie durano in media più di 40 ore. Un campione di n = 25 batterie ha x̄ = 41.8 ore e s = 4.5 ore. Verifica con α = 0,05, a coda destra. Soluzione: t = (41.8 − 40) ÷ (4.5 ÷ √25) = 1.8 ÷ 0.9 = 2.0. df = 24, e il valore critico a coda destra con α = 0,05 è circa 1.711. Poiché t = 2.0 > 1.711, si rifiuta H0: il campione sostiene l'affermazione che la durata media delle batterie superi le 40 ore, con p ≈ 0.028.
3. Esercizio 3 (avanzato): test t a due code con un α più severo
Un'affermazione farmaceutica sostiene che una compressa contiene 250 mg di principio attivo. Un campione di n = 9 compresse ha x̄ = 246 mg e s = 5 mg. Verifica con α = 0,01 se la vera media si discosta da 250 mg. Soluzione: t = (246 − 250) ÷ (5 ÷ √9) = −4 ÷ 1.667 ≈ −2.4. df = 8, e il valore critico a due code con α = 0,01 è circa ±3.355. Poiché |t| ≈ 2.4 è minore di 3.355 (p ≈ 0.043, sopra 0,01), non si rifiuta H0: questo campione non fornisce prove abbastanza solide al livello dell'1% che la vera media sia diversa da 250 mg, anche se avrebbe portato al rifiuto con α = 0,05.
Che altro chiedono gli studenti sui calcolatori del test t a un campione?
Queste sono le domande che ricorrono più spesso insieme ai compiti e al ripasso d'esame sul test t a un campione.
1. Quando dovrei usare un calcolatore del test t a un campione invece di un calcolatore del test z?
Usa un calcolatore del test t a un campione ogni volta che la deviazione standard della popolazione è sconosciuta e hai soltanto quella campionaria, il che accade in quasi tutti gli studi reali. Usa un test z solo quando viene esplicitamente fornita una σ della popolazione nota e consolidata.
2. Qual è un «buon» valore della statistica t?
Non esiste un valore «buono» universale: ciò che conta è confrontare |t| con il valore critico per i tuoi gradi di libertà e il tuo livello di significatività, oppure confrontare direttamente il valore p con α. Un |t| più grande significa semplicemente che la media campionaria è più lontana dal valore dichiarato, misurata in unità di errore standard.
3. Un calcolatore del test t a un campione può gestire dati appaiati?
Sì, indirettamente: un test t per dati appaiati (che confronta misurazioni prima e dopo sugli stessi soggetti) è in realtà un test t a un campione applicato alle differenze di ciascuna coppia, che verifica se la differenza media è pari a zero.
4. Come influisce la dimensione del campione sul test t a un campione?
Un n più grande riduce l'errore standard (s ÷ √n), il che rende la statistica t più grande a parità di scarto tra x̄ e μ0 e aumenta la potenza del test nel rilevare una differenza reale. Aumenta anche i gradi di libertà, il che abbassa leggermente il valore t critico e avvicina la distribuzione t a quella normale.
Ottenere altro aiuto con i compiti sul test t a un campione
Una volta che ti senti a tuo agio nel formulare H0 e Ha, nel calcolare la statistica t termine per termine e nel confrontarla con un valore critico o con un valore p ai gradi di libertà corretti, gli esercizi sul test t a un campione diventano una questione di impostazione accurata anziché una formula misteriosa. Esercitati con un misto di affermazioni a una e a due code, perché agli esami spesso ci si aspetta che tu riconosca quale si applica solo dal modo in cui è formulato il testo. Se ti blocchi nell'impostare un esercizio specifico o vuoi ricontrollare un calcolo fatto a mano, il risolutore passo passo di Solvify può svolgere la stessa formula mostrata in questa guida — la statistica t, i gradi di libertà e la decisione finale — così vedi esattamente dove la tua impostazione si discosta da quella corretta.
Prima di ricorrere a un calcolatore del test t a un campione, scrivi H0, Ha e se il test è a una o a due code: questa singola decisione determina sia il valore critico sia la conclusione.
Articoli correlati
Calcolatore del test di ipotesi: come calcolare test z e test t a mano
Il quadro più ampio dietro al test t a un campione, compreso come scegliere tra un test z e un test t e come funzionano gli errori di tipo I e di tipo II.
Calcolatore dell'intervallo di confidenza per una proporzione: formula, passaggi ed esempi
Scopri come la stessa logica del valore critico usata nell'intervallo di confidenza di un test t si applica alle proporzioni anziché alle medie.
Calcolatore dell'errore standard: formula, passaggi ed esempi
L'errore standard s ÷ √n è il denominatore della statistica t: scopri come si calcola e che cosa misura.
Risolutori matematici
Soluzioni passo passo
Ottieni ogni passaggio di un test t a un campione mostrato in modo esplicito: la statistica t, i gradi di libertà e la decisione finale.
Risolutore Smart Scan
Scatta una foto a un esercizio sul test t e ottieni all'istante una soluzione completamente svolta.
Tutor di matematica IA
Fai domande di approfondimento su statistiche t, gradi di libertà o valori p finché tutto non ti sarà chiaro.
Materie correlate
Aiuto in statistica
Statistica descrittiva, test di ipotesi e intervalli di confidenza: gli argomenti che si costruiscono direttamente su questa guida.
Preparazione agli esami con un tutor IA
Come un tutor IA può svolgere esercizi su test t e intervalli di confidenza in vista di un esame di statistica.