Un test T è uno strumento statistico utilizzato per il test di ipotesi per confrontare la media di due insiemi di dati osservati e determinare il loro tasso di differenza.
Rientra nell'ambito della statistica inferenziale, il ramo che si occupa di fare previsioni e generalizzazioni su una data popolazione prelevando un campione.
A differenza di Test Z, la dimensione del campione in un test T dovrebbe essere inferiore a 30 e la deviazione standard dovrebbe essere sconosciuta.
Punti chiave
- Il test T è un test statistico utilizzato per determinare se le medie di due gruppi di dati sono significativamente diverse l'una dall'altra.
- Il test T è comunemente utilizzato nella ricerca scientifica per analizzare i risultati di esperimenti o sondaggi e per trarre conclusioni sulla popolazione da cui è stato tratto il campione.
- Il test T può essere utilizzato per testare ipotesi, confrontare l'efficacia di diversi trattamenti o esaminare la relazione tra due variabili.
Origine del test T
A Prova T è stato condotto per la prima volta da William Sealy Gosset, uno statistico, chimico e birraio inglese. Mentre lavorava per un'azienda produttrice di birra chiamata Guinness, ha applicato il t-test per osservare il carattere coerente della birra scura.
Alla fine, questo test è stato aggiornato con la sua connotazione attuale, riferendosi a qualsiasi test di ipotesi le cui variabili di dati seguono una distribuzione t (una curva a campana con code pesanti) se l'ipotesi nulla si dimostra accurata.
Quando è possibile eseguire un test T?
Un test T deve rispettare le seguenti condizioni per un'interpretazione e una convalida standard.
- Gli insiemi di dati osservati non dovrebbero essere più di due.
- I dati devono essere campionati in modo casuale.
- La dimensione del campione non deve essere superiore a 30.
- Le variabili dei dati devono essere indipendenti.
- Le variabili dei dati devono riflettere una distribuzione approssimativamente normale.
- La varianza deve essere sconosciuta e omogenea.
- L'esito della scala di misura applicata ai dati raccolti deve seguire una linea continua.
Quale tipo di test T è più adatto?
La scelta di un tipo di test T dipenderà principalmente da due cose:
- Se i set di dati raccolti appartengono alla stessa o a due popolazioni diverse.
- Il conduttore di prova intende esaminare la differenza in una particolare direzione.
Basato sul natura della popolazione campione, un test T può essere classificato in tre tipi.
- Un campione T-test: Implica il confronto della media di un singolo set di dati con una media nota o un valore standard.
- Test T campioni accoppiati: Implica il confronto della media di un singolo insieme di dati osservati a intervalli diversi prima e dopo un esperimento.
- Test T campioni indipendenti: Conosciuto anche come Test T a due campioni, comporta il confronto di due diversi insiemi di dati osservati e le loro medie.
Basato sul del conduttore di prova intenzione di esaminare la differenza in una particolare direzione, un test T può essere classificato nei seguenti due tipi.
- Determina il test T a una coda se la media di una popolazione è minore o maggiore dell'altra media della popolazione.
- Test T a due code: Viene utilizzato per determinare se esiste una differenza tra due set di dati.
Come condurre un test T?
Un test T misura la reale differenza tra le medie di due gruppi campione utilizzando il rapporto tra la differenza nelle medie del gruppo campione e l'errore standard aggregato di entrambi i gruppi campione.
La seguente formula può essere utilizzata per eseguire un test t a due campioni o di Student:
Qui,
- t = valore del test T
- x1 ed x2 = Medie dei due gruppi campione
- s2= Errore standard raggruppato dei due gruppi campione
- n1 e n2 = Numero di osservazioni in ciascun gruppo campione
Per determinare se il valore t calcolato è superiore al valore t previsto per caso, è necessario utilizzare un grafico del valore critico e confrontare il valore t calcolato con il valore t critico.
Se il valore t calcolato è effettivamente più alto, implica che l'ipotesi nulla viene respinta. Di conseguenza, si può concludere che i gruppi campione sono effettivamente diversi.
Cos'è il punteggio t?
Un t-score o t-value è un numero che rappresenta l'entità della differenza tra le medie di due insiemi di dati osservati.
Un t-score più alto implica che i gruppi campione sono diversi. Al contrario, un punteggio t più piccolo indica somiglianze tra i gruppi campione.
Vantaggi del test T
Di seguito sono riportati alcuni notevoli vantaggi del test T:
- È uno dei strumenti più semplici e versatili per confrontare due insiemi di dati.
- L'output delle variabili indipendenti è facile da interpretare.
- Richiede una piccola dimensione del campione. Di conseguenza, la raccolta dei dati è relativamente più comoda sotto un t-test.
- Viene utilizzato per determinare se due insiemi di dati campione appartengono alla stessa popolazione. Di conseguenza, aiuta a entrare ottenere la fonte dei dati.
Svantaggi del test T
Come strumento per la verifica delle ipotesi, il test T è piuttosto conservativo. Di seguito sono riportate alcune limitazioni significative del test T.
- Solo è possibile confrontare due insiemi di dati campione utilizzando un test T.
- L'assunzione di i dati del campione essendo casuali non sono sempre corretti.
- Anche se un test T può aiutare a determinare l'origine di un determinato set di dati, i fattori ambientali possono influenzare significativamente i suoi risultati e rendere i risultati inaffidabili.
- https://www.ncbi.nlm.nih.gov/pmc/articles/pmc4667138/
- https://scholarworks.umass.edu/cgi/viewcontent.cgi?article=1307&context=pare
- https://onlinelibrary.wiley.com/doi/abs/10.1002/bimj.4710280202
Ultimo aggiornamento: 11 giugno 2023
Emma Smith ha conseguito un master in inglese presso l'Irvine Valley College. Giornalista dal 2002, scrive articoli sulla lingua inglese, lo sport e il diritto. Leggi di più su di me su di lei pagina bio.
Fornisce una comprensione approfondita del test T.
D'accordo, è una spiegazione molto esauriente.
Questa spiegazione è troppo dettagliata e può essere travolgente per chi è nuovo all'argomento.
Sono d'accordo, potrebbe essere troppo per i principianti.
Il livello di dettaglio è ottimo per chi ha già familiarità con le statistiche.
La scrittura è ricca di contenuti dettagliati, senza tralasciare nulla.
Un po' troppo dettagliato, potrebbe trarre vantaggio da qualche semplificazione.
Preciso e ricco di dettagli, sono d'accordo.
Questo articolo è troppo lungo e tecnico. Potrebbe essere utile qualche semplificazione.
Capisco, ma è ottimo per chi è interessato ad una comprensione approfondita.
Molto ricco di dettagli, una lettura obbligata per chi è interessato all'argomento.
Assolutamente, una risorsa preziosa e completa.
È molto approfondito e fornisce tutti i dettagli necessari sul test T.
Il livello di dettaglio lo rende una risorsa eccezionale.
Forse un po’ troppe informazioni per alcuni lettori.
Una panoramica solida e dettagliata del T-test.
Effettivamente ben articolato ed esaustivo.
Tuttavia, potrebbe essere troppo complesso per chi non è esperto di statistica.
L'autore ha fatto un lavoro fantastico spiegando ogni aspetto del T-test.
Sì, è un'analisi approfondita dell'argomento.
Il test T è stato spiegato in modo approfondito, senza perdere alcun dettaglio. Molto informativo.
Assolutamente, ottima analisi dell'argomento.
Direi che è un’eccellente scomposizione del concetto di T-test. Grazie!
L'articolo è davvero esaustivo e ben spiegato.