Esame: Test t di Student campioni

Che cos'è il test t di Student?

È un metodo statistico per confrontare le medie di due gruppi. Utile per determinare se ci sono differenze significative tra le medie.

Quando si usa il test t di Student?

Quando si analizzano dati campionari per capire se le differenze tra medie sono significative. Esempi: test di efficacia di un farmaco.

Vero o falso: Il test t di Student è solo per campioni grandi.

Falso. È adatto per campioni piccoli (n < 30) e assume che i dati seguano una distribuzione normale.

Quali sono le ipotesi del test t di Student?

- Normalità dei dati - Omogeneità delle varianze - Indipendenza dei campioni

Esempio pratico di utilizzo del test t.

Un negozio confronta le vendite medie di due mesi. Marzo: €1500, Aprile: €1700. Si applica il test t per valutare se la differenza è significativa.

Qual è la formula del test t?

Il test t si calcola con: $\displaystyle t = \frac{\bar{x}_1 - \bar{x}_2}{s_{diff}}$ Dove $\displaystyle s_{diff}$ è la deviazione standard delle differenze.

Fill in the blank: Il test t di Student è utile per testare la _______ tra due medie.

differenza

Confronta test t di Student e ANOVA.

Il test t confronta due medie, mentre ANOVA confronta più medie. ANOVA è più complesso e gestisce più gruppi.

Che ruolo ha la distribuzione normale nel test t?

Il test t presuppone che i dati siano normalmente distribuiti, specialmente per campioni piccoli. È cruciale per l'accuratezza del test.

Perché è importante la dimensione del campione?

Campioni più grandi aumentano la potenza del test, riducendo il rischio di errori di tipo I e II. Maggiore è n, più affidabili sono i risultati.

Esempio di errore di tipo I.

Un ricercatore conclude che una nuova dieta è efficace quando in realtà non lo è. Risultato falso positivo!

Quando non usare il test t di Student?

Non usarlo se i dati non sono normali o se le varianze non sono omogenee. In questi casi, considerare test non parametrici.

Cosa misura il test t per campioni indipendenti?

Confronta le medie di due gruppi indipendenti per determinare se ci sono differenze significative.

Esempio pratico di test t: stipendi.

Gruppo A: 2000€, Gruppo B: 2500€. Testare se la differenza è significativa.

Vero o falso: il test t richiede distribuzioni normali.

Vero. I dati devono seguire una distribuzione normale per applicare il test.

Qual è la funzione del grado di libertà nel test t?

Determina la distribuzione t utilizzata nel calcolo, influenzando il valore critico.

Fill the blank: Il test t confronta ___ gruppi indipendenti.

due

Quali sono le ipotesi del test t per campioni indipendenti?

- H0: le medie sono uguali - H1: le medie sono diverse

Esempio di calcolo del test t.

Campione A: {10, 12, 14}, Campione B: {15, 16, 18}. Calcola la media e il t.

Cosa si conclude se p < 0.05?

Si rifiuta l'ipotesi nulla, indicando una differenza significativa.

Differenza tra test t e test z?

Test t: campioni piccoli e varianze sconosciute. Test z: campioni grandi e varianze note.

Qual è l'importanza della dimensione campionaria?

Dimensioni maggiori aumentano la potenza del test e la precisione delle stime.

Esempio di errore di tipo I nel test t.

Rifiutare H0 quando in realtà è vera: concludere che le medie sono diverse quando non lo sono.

Quali condizioni devono essere verificate?

- Indipendenza dei campioni - Varianze simili (test di Levene) - Normalità dei dati.

Quando si utilizza il test t per campioni dipendenti?

Quando si confrontano due misurazioni della stessa unità, ad esempio: - Prima e dopo un trattamento - Misurazioni in due condizioni diverse.

Esempio di test t per campioni dipendenti.

Un negozio rileva le vendite prima e dopo una promozione. Confronta le vendite medie di 10 giorni prima e 10 giorni dopo.

Vero o falso: I campioni devono essere indipendenti nel test t per campioni dipendenti.

Falso. I campioni devono essere collegati, cioè le misurazioni devono provenire dalla stessa unità.

Esempio pratico di campioni dipendenti.

Un esperimento su 5 studenti: - Prima: 70, 75, 80, 85, 90 - Dopo: 80, 85, 90, 95, 100.

Come calcolare la differenza in un test t?

Differences = After - Before. Esempio: - Dopo: 80, 85, 90, 95, 100 - Prima: 70, 75, 80, 85, 90 - Differenze: 10, 10, 10, 10, 10.

Qual è l'ipotesi nulla nel test t per campioni dipendenti?

L'ipotesi nulla è che non ci sia differenza significativa tra i due momenti di misurazione.

Quale è la formula per il test t campioni dipendenti?

$\displaystyle t = \frac{\bar{d}}{s_d/\sqrt{n}}$, dove: - $\displaystyle \bar{d}$ è la media delle differenze, - $\displaystyle s_d$ è la deviazione standard delle differenze, - $\displaystyle n$ è il numero di coppie.

Vero o falso: Il test t per campioni dipendenti è sensibile agli outlier.

Vero. Gli outlier possono influenzare significativamente le medie e le deviazioni standard.

Cosa rappresenta il valore p in un test t?

Il valore p indica la probabilità che le osservazioni siano dovute al caso. Un p < 0.05 suggerisce una differenza significativa.

Fill in the blank: Il test t per campioni dipendenti confronta __________.

le medie di due misurazioni della stessa unità.

Differenza tra test t campioni indipendenti e dipendenti?

- Indipendenti: gruppi separati. - Dipendenti: stessi soggetti in due momenti.

Esempio di risultati del test t: t=2.5, p=0.04.

Significativo, indica che c'è una differenza significativa tra i due gruppi testati.

Cosa indica un p-value basso?

Un p-value basso (es. < 0.05) indica che c'è evidenza per rifiutare l'ipotesi nulla. Significa che le differenze osservate sono significative.

Interpretazione di un intervallo di confidenza

L'intervallo di confidenza fornisce un range in cui ci aspettiamo che si trovi la vera differenza di media. Es: [1.5, 3.5] suggerisce che la differenza è tra 1.5 e 3.5.

Verità o Falsità: p-value alto implica significatività.

Falsità. Un p-value alto (es. > 0.05) indica che non ci sono prove sufficienti per rifiutare l'ipotesi nulla.

Cosa significa un t-score positivo?

Un t-score positivo indica che la media del campione è maggiore della media della popolazione, suggerendo un aumento rispetto al valore atteso.

Confronto tra test t e z-test

- Test t: usato per campioni piccoli, distribuzione sconosciuta. - Test z: usato per campioni grandi, distribuzione normale conosciuta.

Esempio pratico di test t

Un negozio vuole sapere se un nuovo layout aumenta le vendite. Due gruppi testano i layout. Risultati: t-score = 2.5, p-value = 0.02. Decisione: rifiutare H0.

Qual è l'effetto di un campione più grande?

Un campione più grande riduce l'errore standard, aumentando la potenza del test e portando a risultati più affidabili.

Cosa fare se p-value è > 0.05?

Non rifiutare l'ipotesi nulla. Non ci sono prove sufficienti per affermare che ci sia una differenza significativa.

Interpretazione di un t-score di 0

Un t-score di 0 indica che la media del campione è uguale alla media della popolazione, quindi non ci sono differenze osservate.

Qual è il rischio di un errore di tipo I?

Il rischio di errore di tipo I è la probabilità di rifiutare l'ipotesi nulla quando è vera. Comunemente fissato a 0.05.

Cosa significa un risultato significativo?

Un risultato significativo implica che le differenze osservate nel campione non sono dovute al caso, con p-value < 0.05.

Esempio di decisione in un'analisi t

Dopo un test t, se t = 1.8 e p = 0.07, si decide di non rifiutare H0. Non ci sono evidenze sufficienti per affermare la differenza.