Calcolatore del Valore p

Calcolatore del Valore p

Il Calcolatore del Valore p calcola i valori p dalle statistiche del test per quattro principali distribuzioni statistiche: normale standard (z), t di Student, chi-quadrato (χ²) e F. Supporta test di ipotesi a una coda (sinistra e destra) e a due code, fornisce una visualizzazione interattiva della curva di distribuzione e offre una chiara interpretazione della significatività statistica.

Cos'è un Valore p?

Un valore p (valore di probabilità) è la probabilità di ottenere una statistica del test almeno altrettanto estrema di quella osservata, assumendo che l'ipotesi nulla (H₀) sia vera. Misura la forza dell'evidenza contro l'ipotesi nulla in un test statistico.

• Valore p piccolo (p < 0.05): Forte evidenza contro H₀ — rifiuta l'ipotesi nulla
• Valore p grande (p ≥ 0.05): Debole evidenza contro H₀ — non rifiutare l'ipotesi nulla

Il valore p non misura la probabilità che H₀ sia vera, né misura la dimensione o l'importanza di un effetto. Ti dice solo quanto i tuoi dati sono compatibili con H₀.

Come usare questo calcolatore

1. Seleziona il tipo di test: Scegli la distribuzione che corrisponde al tuo test statistico — test z (normale standard), test t (t di Student), test chi-quadrato o test F.
2. Inserisci la statistica del test: Inserisci il valore calcolato della statistica del test. Le statistiche chi-quadrato e F devono essere non negative.
3. Inserisci i gradi di libertà: Per i test t e chi-quadrato, inserisci df. Per i test F, inserisci i gradi di libertà sia del numeratore (df₁) che del denominatore (df₂).
4. Seleziona il tipo di coda: Scegli a due code per ipotesi non direzionali o a una coda (sinistra/destra) per ipotesi direzionali.
5. Esamina i risultati: Controlla il valore p, il grafico di distribuzione interattivo, la valutazione della significatività a più livelli alfa e l'interpretazione in linguaggio semplice.

Test Statistici Supportati

test z (Distribuzione Normale Standard)

Si usa quando la deviazione standard della popolazione è nota o la dimensione del campione è grande (n > 30). La statistica z segue una distribuzione normale standard \(N(0, 1)\) sotto H₀.

test t (Distribuzione t di Student)

Si usa quando la deviazione standard della popolazione è sconosciuta e la dimensione del campione è piccola. La distribuzione t ha code più pesanti rispetto alla distribuzione normale, tenendo conto dell'incertezza aggiuntiva. All'aumentare di df, la distribuzione t si avvicina alla normale standard.

test Chi-Quadrato (Distribuzione χ²)

Utilizzato per i test di bontà dell'adattamento e per i test di indipendenza con dati categoriali. La distribuzione chi-quadrato è asimmetrica a destra e definita solo per valori non negativi.

test F (Distribuzione F)

Utilizzato nell'ANOVA e per confrontare le varianze. La distribuzione F richiede due parametri per i gradi di libertà (numeratore e denominatore) ed è definita solo per valori non negativi.

Test a una coda vs a due code

Livelli di Significatività Comuni

Errori comuni sui valori p

• Errore: "p = 0.03 significa che c'è il 3% di possibilità che H₀ sia vera." Realtà: Il valore p è la probabilità dei dati data H₀, non la probabilità che H₀ sia vera.
• Errore: "Un valore p più piccolo significa un effetto maggiore." Realtà: I valori p dipendono sia dalla dimensione dell'effetto che dalla dimensione del campione. Un effetto minuscolo può produrre un valore p molto piccolo con un campione sufficientemente grande.
• Errore: "p > 0.05 significa che non c'è alcun effetto." Realtà: Non riuscire a rifiutare H₀ non prova che H₀ sia vera. Significa che l'evidenza è insufficiente per rifiutarla al livello scelto.
• Errore: "I valori p possono essere confrontati tra studi diversi." Realtà: I valori p di studi diversi con design, dimensioni campionarie e popolazioni diverse non sono direttamente confrontabili.

Domande Frequenti

Cos'è un valore p?

Un valore p è la probabilità di ottenere una statistica del test almeno altrettanto estrema di quella osservata, assumendo che l'ipotesi nulla sia vera. Quantifica la forza dell'evidenza contro l'ipotesi nulla. Un valore p più piccolo indica un'evidenza più forte contro H₀.

Qual è la differenza tra test a una coda e a due code?

Un test a due code verifica gli effetti in entrambe le direzioni (maggiore o minore del previsto), mentre un test a una coda verifica solo in una direzione. I test a due code sono più conservativi. Usa un test a una coda solo quando hai una forte ipotesi direzionale prima di raccogliere i dati.

Quando dovrei usare un test z rispetto a un test t?

Usa un test z quando conosci la deviazione standard della popolazione o quando la dimensione del campione è grande (n > 30), poiché la distribuzione campionaria approssima una distribuzione normale. Usa un test t quando la deviazione standard della popolazione è sconosciuta e la dimensione del campione è piccola, poiché la distribuzione t tiene conto dell'incertezza aggiuntiva con code più pesanti.

Cosa significa un valore p inferiore a 0.05?

Un valore p inferiore a 0.05 significa che c'è meno del 5% di probabilità di osservare i dati (o dati più estremi) se l'ipotesi nulla fosse vera. Per convenzione, questo è considerato statisticamente significativo, portando i ricercatori a rifiutare l'ipotesi nulla. Tuttavia, la significatività statistica non implica necessariamente una significatività pratica.

A cosa serve il test chi-quadrato?

Il test chi-quadrato viene utilizzato per testare le relazioni tra variabili categoriali (test di indipendenza) e per verificare se le frequenze osservate corrispondono alle frequenze attese (test di bontà dell'adattamento). Utilizza una distribuzione asimmetrica a destra che dipende dai gradi di libertà.