Calcolatrice Test t

Esegui il test t di Welch per determinare se esiste una differenza statisticamente significativa tra le medie di due gruppi indipendenti.

Calcolatrice Test t

Esempi rapidi

Gruppo 1 (campione A) min 2 valori

Gruppo 2 (campione B) min 2 valori

Parametri del test

Livello di significatività (α)

Tipo di test

Precisione decimale

Embed Calcolatrice Test t Widget

Calcolatrice Test t

Benvenuto nel Calcolatore del test t, uno strumento completo di analisi statistica per confrontare le medie di due gruppi indipendenti. Questa calcolatrice esegue il test t di Welch, robusto rispetto a varianze disuguali e dimensioni campionarie diverse, quindi consigliato nella maggior parte delle applicazioni pratiche.

Che cos'è un test t e quando dovrei usarlo?

Un test t è un test di ipotesi statistico utilizzato per determinare se esiste una differenza significativa tra le medie di due gruppi. Il test t indipendente a due campioni (detto anche test t non appaiato) confronta due gruppi distinti di osservazioni.

Usa il test t quando:

hai due gruppi indipendenti da confrontare (ad esempio, trattamento vs controllo)
i dati sono continui e approssimativamente distribuiti normalmente
vuoi determinare se la differenza osservata è statisticamente significativa

Capire la formula del test t

Statistica t di Welch

La statistica t misura di quanti errori standard le medie campionarie sono distanti:

$$t = \frac{\bar{X}_1 - \bar{X}_2}{\sqrt{\frac{s_1^2}{n_1} + \frac{s_2^2}{n_2}}}$$

Dove $\bar{X}_1$ e $\bar{X}_2$ sono le medie campionarie, $s_1^2$ e $s_2^2$ sono le varianze campionarie e $n_1$ e $n_2$ sono le dimensioni del campione.

Gradi di libertà (Welch-Satterthwaite)

Per il test t di Welch, i gradi di libertà si calcolano con:

$$df = \frac{\left(\frac{s_1^2}{n_1} + \frac{s_2^2}{n_2}\right)^2}{\frac{(s_1^2/n_1)^2}{n_1-1} + \frac{(s_2^2/n_2)^2}{n_2-1}}$$

Come eseguire un test t indipendente a due campioni

Inserisci i dati del gruppo 1: Inserisci i valori numerici del primo gruppo. I valori possono essere separati da virgole, spazi o interruzioni di riga.
Inserisci i dati del gruppo 2: Inserisci i valori numerici del secondo gruppo usando lo stesso formato.
Seleziona i parametri del test: Scegli il livello di significatività (alpha), il tipo di test (due code o una coda) e la precisione decimale.
Esegui l'analisi: Fai clic su Calcola per eseguire il test t e vedere risultati completi (statistica t, valore p, gradi di libertà e dimensione dell'effetto).
Interpreta i risultati: Esamina la curva della distribuzione t e l'interpretazione per capire se la differenza tra gruppi è significativa.

Interpretazione dei risultati

Interpretazione del valore p

Il valore p rappresenta la probabilità di osservare i tuoi dati (o dati più estremi) se l'ipotesi nulla fosse vera:

p < 0.05: statisticamente significativo al 95% di confidenza
p < 0.01: altamente significativo al 99% di confidenza
p > 0.05: non significativo - la differenza osservata potrebbe essere dovuta al caso

Dimensione dell'effetto: d di Cohen

Mentre i valori p indicano significatività statistica, la d di Cohen indica la significatività pratica o la magnitudine della differenza:

Valore di d di Cohen	Dimensione dell'effetto	Interpretazione
\|d\| < 0.2	Trascurabile	La differenza è trascurabile
0.2 ≤ \|d\| < 0.5	Piccolo	La differenza è piccola ma evidente
0.5 ≤ \|d\| < 0.8	Medio	La differenza è moderata e significativa
\|d\| ≥ 0.8	Grande	La differenza è sostanziale

Test a due code vs. a una coda

Test a due code (predefinito)

Verifica se le medie sono diverse in entrambe le direzioni. Usalo quando non hai un'ipotesi direzionale specifica. L'ipotesi alternativa è: $H_1: \mu_1 \neq \mu_2$

Test a una coda

Coda sinistra: verifica se la media del Gruppo 1 è minore di quella del Gruppo 2. Ipotesi alternativa: $H_1: \mu_1 < \mu_2$

Coda destra: verifica se la media del Gruppo 1 è maggiore di quella del Gruppo 2. Ipotesi alternativa: $H_1: \mu_1 > \mu_2$

Raccomandazione

Usa i test a due code a meno che tu non abbia forti ragioni teoriche per aspettarti una differenza in una sola direzione. I test a una coda sono più potenti ma meno conservativi.

Che cos'è il test t di Welch?

Il test t di Welch è una variante del test t per campioni indipendenti che non assume varianze uguali tra i due gruppi. È più robusto ed è consigliato come scelta predefinita per confrontare due campioni indipendenti, soprattutto quando differiscono dimensioni del campione o varianze.

Vantaggi del test t di Welch:

non assume varianze di popolazione uguali (robusto all'eteroschedasticità)
migliore controllo dell'errore di I tipo quando le varianze differiscono
generalmente consigliato rispetto al test t di Student nella maggior parte delle applicazioni
funziona bene anche quando le varianze sono uguali (nessuna penalità)

Applicazioni pratiche

Ricerca medica

Confrontare l'efficacia di trattamenti tra gruppi sperimentali e di controllo, valutare l'efficacia di farmaci o analizzare esiti clinici.

Istruzione

Valutare se metodi di insegnamento, programmi o interventi diversi portano a risultati differenti per gli studenti.

Analisi aziendale

Test A/B per campagne di marketing, confronto della soddisfazione dei clienti tra versioni di prodotto o analisi delle vendite tra regioni.

Controllo qualità

Confrontare specifiche di prodotto tra processi di produzione, fornitori o periodi diversi.

Domande frequenti

Che cos'è un test t e quando dovrei usarlo?

Un test t è un test di ipotesi statistico utilizzato per determinare se esiste una differenza significativa tra le medie di due gruppi. Usalo quando confronti due campioni indipendenti (ad esempio, controllo vs trattamento) con dati continui e approssimativamente normali.

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

Un test a due code verifica se le medie sono diverse in entrambe le direzioni (maggiore o minore). Un test a una coda verifica una differenza solo in una direzione specifica. I test a due code sono più conservativi e usati di solito, a meno che tu non abbia un'ipotesi direzionale specifica.

Cosa significa il valore p in un test t?

Il valore p rappresenta la probabilità di osservare i tuoi dati (o dati più estremi) se l'ipotesi nulla fosse vera. Un valore p inferiore al livello di significatività scelto (di solito 0.05) suggerisce significatività statistica, cioè che la differenza osservata è improbabile sia dovuta al caso.

Che cos'è la d di Cohen e perché è importante?

La d di Cohen è una misura della dimensione dell'effetto che quantifica l'entità della differenza tra due gruppi in unità di deviazione standard. Mentre i valori p indicano significatività statistica, la d di Cohen indica la rilevanza pratica. Valori di 0.2, 0.5 e 0.8 rappresentano rispettivamente effetti piccoli, medi e grandi.

Che cos'è il test t di Welch?

Riferimenti

Cita questo contenuto, pagina o strumento come:

"Calcolatrice Test t" su https://MiniWebtool.com/it/calcolatrice-t-test/ di MiniWebtool, https://MiniWebtool.com/

by miniwebtool team. Updated: Jan 13, 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.

Calcolatrice Test t

Calcolatrice Test t

Che cos'è un test t e quando dovrei usarlo?

Capire la formula del test t

Statistica t di Welch

Gradi di libertà (Welch-Satterthwaite)

Come eseguire un test t indipendente a due campioni

Interpretazione dei risultati

Interpretazione del valore p

Dimensione dell'effetto: d di Cohen

Test a due code vs. a una coda

Test a due code (predefinito)

Test a una coda

Che cos'è il test t di Welch?

Applicazioni pratiche

Ricerca medica

Istruzione

Analisi aziendale

Controllo qualità

Domande frequenti

Che cos'è un test t e quando dovrei usarlo?

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

Cosa significa il valore p in un test t?

Che cos'è la d di Cohen e perché è importante?

Che cos'è il test t di Welch?

Riferimenti

Statistiche e analisi dati:

Strumenti in primo piano: