Calcolatore del Valore p

Calcola i valori p dalle statistiche del test inclusi punteggio z, statistica t, chi-quadrato e statistica F per test di ipotesi a una e due code.

Embed Calcolatore del Valore p Widget

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.

Per un test z a due code:

$$p = 2 \times P(Z > |z|) = 2 \times [1 - \Phi(|z|)]$$

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

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.
Inserisci la statistica del test: Inserisci il valore calcolato della statistica del test. Le statistiche chi-quadrato e F devono essere non negative.
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).
Seleziona il tipo di coda: Scegli a due code per ipotesi non direzionali o a una coda (sinistra/destra) per ipotesi direzionali.
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.

$$z = \frac{\bar{x} - \mu_0}{\sigma / \sqrt{n}}$$

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.

$$t = \frac{\bar{x} - \mu_0}{s / \sqrt{n}}, \quad \text{df} = n - 1$$

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.

$$\chi^2 = \sum \frac{(O_i - E_i)^2}{E_i}$$

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.

$$F = \frac{s_1^2}{s_2^2}, \quad \text{df}_1 = n_1 - 1, \quad \text{df}_2 = n_2 - 1$$

Test a una coda vs a due code

Caratteristica	Due Code	Una Coda
Ipotesi	H₁: μ ≠ μ₀	H₁: μ > μ₀ o H₁: μ < μ₀
Regione di rifiuto	Entrambe le code	Solo una coda
Valore p	2 × p a una coda	Metà del p a due code
Potenza	Minore (per lo stesso α)	Maggiore nella direzione prevista
Quando usare	Nessuna aspettativa direzionale	Forte ipotesi direzionale

Livelli di Significatività Comuni

Alfa (α)	Livello di Confidenza	Uso Tipico
0.10	90%	Ricerca esplorativa
0.05	95%	Maggior parte delle ricerche scientifiche (soglia standard)
0.01	99%	Studi più rigorosi, ricerca medica
0.001	99.9%	Fisica delle particelle, genomica

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.

Cita questo contenuto, pagina o strumento come:

"Calcolatore del Valore p" su https://MiniWebtool.com/it/calcolatore-del-valore-p/ di MiniWebtool, https://MiniWebtool.com/

dal team di miniwebtool. Aggiornato: 20 marzo 2026

API per sviluppatori disponibile: Esegui questo strumento dalla tua app, automazione o agente con una richiesta HTTP JSON. Vedi documentazione API

Puoi anche provare il nostro Risolutore di Matematica AI GPT per risolvere i tuoi problemi matematici attraverso domande e risposte in linguaggio naturale.

Calcolatore del Valore p

Calcolatore del Valore p

Cos'è un Valore p?

Come usare questo calcolatore

Test Statistici Supportati

test z (Distribuzione Normale Standard)

test t (Distribuzione t di Student)

test Chi-Quadrato (Distribuzione χ²)

test F (Distribuzione F)

Test a una coda vs a due code

Livelli di Significatività Comuni

Errori comuni sui valori p

Domande Frequenti

Cos'è un valore p?

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

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

Cosa significa un valore p inferiore a 0.05?

A cosa serve il test chi-quadrato?

Statistiche e analisi dati:

Strumenti in primo piano: