Il test t viene utilizzato per determinare se le medie di due gruppi differiscono in modo statisticamente significativo.
Viene utilizzato per valutare se una differenza osservata tra due gruppi va oltre le fluttuazioni casuali.
La decisione viene presa confrontando il valore p con il livello di significatività predeterminato (di solito α = 0,05):
- p ≤ α → accettare H₁ (rifiutare H₀)
- p > α → mantenere H₀
Nello sviluppo del prodotto, si sta testando una nuova ricetta per la salsa di pomodoro. L'obiettivo è verificare se la viscosità della nuova ricetta differisce in media dalla ricetta precedente. A tal fine, vengono effettuate misurazioni della viscosità su campioni della vecchia e nuova ricetta.
Interpretazione dei risultati:
Il p-value determinato è significativamente superiore al livello di significatività di 0,05, quindi l'ipotesi nulla viene mantenuta. Non ci sono prove che la viscosità media della nuova ricetta differisca da quella precedente.
Spiegaizoni del grafico:
- I punti segnano i valori medi di viscosità per la vecchia e nuova ricetta.
- I barre di errore rappresentano l'intervallo di confidenza al 95% della media.
- La significativa sovrapposizione degli intervalli di confidenza mostra che non c'è una differenza statisticamente significativa.
Preparazione
- Seleziona una misurazione continua (ad es., viscosità).
- Definisci due gruppi di cui confrontare le medie.
- Imposta il livello di significatività (di solito α = 0,05).
- Verifica se i dati non mostrano forti deviazioni dalla distribuzione normale.
- Assicurati che le misurazioni siano state raccolte in modo indipendente.
Usa in AlphadiTab
- Seleziona lo strumento 2-campioni t nella fase di analisi.
- Seleziona il primo gruppo per il campione 1.
- Seleziona il secondo gruppo per il campione 2.
- Esegui l'analisi tramite Crea Nuovo.
Interpretazione
- Verifica se il valore p è minore o uguale al livello di significatività.
- p ≤ α → differenza statisticamente significativa nelle medie.
- p > α → nessuna differenza statisticamente significativa nelle medie.
- L'interpretazione si riferisce esclusivamente alla media.
Il test t offre due impostazioni principali: il tipo di input dei dati e la direzione dell'ipotesi.
Input manuale: Il confronto si basa su deviazioni standard e dimensioni del campione inserite manualmente di due campioni.
Input non manuale (dataset): Il confronto si basa sulle colonne di dati selezionate.
H₀: μ₁ − μ₂ = Δ₀ | H₁: μ₁ − μ₂ ≠ Δ₀
Seleziona bilaterale se vuoi testare se le medie dei due campioni differiscono senza specificare una direzione particolare. Utile quando non c'è un'aspettativa specifica sulla direzione della differenza. Esempio: I punteggi medi dei test del Gruppo A e del Gruppo B differiscono?
H₀: μ₁ − μ₂ = Δ₀ | H₁: μ₁ − μ₂ > Δ₀
Seleziona maggiore se vuoi testare se la media del primo campione è maggiore di quella del secondo. Testa solo se il campione 1 ha valori significativamente più alti. Esempio: Il fatturato medio dopo una campagna pubblicitaria è più alto di prima?
H₀: μ₁ − μ₂ = Δ₀ | H₁: μ₁ − μ₂ < Δ₀
Seleziona minore se vuoi testare se la media del primo campione è minore di quella del secondo. Testa solo se il campione 1 ha valori significativamente più bassi. Esempio: Il tempo medio di elaborazione dopo un'ottimizzazione è inferiore a prima?
Quantità di Riempimento Salsa di Pomodoro
In produzione, vengono utilizzate due macchine di riempimento. Dovrebbe essere verificato se la media della quantità di riempimento differisce tra la Macchina A e la Macchina B. I dati di misurazione per entrambe le macchine sono disponibili in forma riassunta:
- Macchina A: n = 25, Media = 500,2 ml, Deviazione Standard = 1,1 ml
- Macchina B: n = 25, Media = 498,9 ml, Deviazione Standard = 1,0 ml
Il confronto delle medie viene effettuato utilizzando un test t (2 campioni).
Interpretazione
Il test t mostra una differenza statisticamente significativa nella quantità media di riempimento tra le due macchine. Il valore p è inferiore a 0,05, quindi l'ipotesi nulla viene respinta.
→ Le macchine differiscono nella quantità media di riempimento.
Richieste di tempo di risposta
Nel service desk IT, i ticket vengono elaborati in più sedi. I tempi di risposta vengono regolarmente valutati per identificare differenze nella qualità del servizio. Nell'esempio, sono disponibili dati da tre sedi. Il test t (2 campioni) è fondamentalmente adatto solo per confrontare due gruppi. Per più di due sedi, ci sono due approcci:
Confronti a coppie con il test t: Ogni sede può essere confrontata a coppie con le altre (ad es., A vs. B, A vs. C, B vs. C).
Alternativa – Analisi della varianza (ANOVA): Se tutte le sedi devono essere considerate contemporaneamente, un'ANOVA è lo strumento più adatto. Verifica se c'è almeno una differenza significativa tra le medie senza dover eseguire più test individuali.
Nota: Con più test t a coppie, aumenta il rischio di colpi casuali.
Interpretazione
Il test t mostra nessuna differenza statisticamente significativa tra i tempi medi di elaborazione delle sedi DLZ Nord e DLZ Est. Il valore p è superiore a 0,05, quindi l'ipotesi nulla viene mantenuta.
→ Nessuna differenza media; preferire ANOVA per più di due sedi.
Tasso di vendita per regione
Nelle vendite, le offerte ai clienti sono gestite da due team. Dovrebbe essere verificato se il tempo medio di gestione (DLT) differisce tra il Team A e il Team B.
Interpretazione
Il test t mostra nessuna differenza statisticamente significativa nel tempo medio di gestione tra i due team. Il valore p è superiore a 0,05, quindi l'ipotesi nulla è mantenuta.
→ Entrambi i team gestiscono le offerte con la stessa velocità media.
Tempo di consegna dopo il centro logistico
Nel reparto logistico, gli ordini dei clienti vengono preparati e spediti. Per aumentare l'efficienza, sono stati introdotti nuovi carrelli elevatori. Si dovrebbe indagare se il tempo medio di consegna (in ore) sia diminuito dopo l'introduzione. L'analisi viene effettuata come un test t unilaterale (direzione "maggiore").
H₀: μPrima − μDopo = 0 | H₁: μPrima − μDopo > 0
Interpretazione
Il test t unilaterale mostra una differenza statisticamente significativa (t = 3.29; p = 0.001). Il tempo medio di consegna prima dell'introduzione è significativamente più alto rispetto a dopo.
→ I nuovi carrelli elevatori hanno ridotto significativamente il tempo medio di consegna.
Confronto tra fornitori
Nell'acquisto, i componenti sono acquistati da due fornitori. Dovrebbe essere verificato se il tasso di rifiuto medio per consegna differisce tra il Fornitore A e il Fornitore B (misurato in %).
Nota: Il test t presuppone dati continui approssimativamente distribuiti normalmente. I valori percentuali possono essere discreti; con piccole quantità di consegna, l'assunzione di distribuzione normale può essere violata. Con quantità di consegna maggiori, il test t è generalmente non problematico nella pratica.
Interpretazione
Il test t mostra una differenza statisticamente significativa nel tasso di rifiuto medio tra i fornitori (p < 0.05). L'ipotesi nulla è respinta.
→ Il Fornitore A ha il tasso di rifiuto migliore (più basso).
Deviazione della previsione
Nella pianificazione della produzione, vengono create previsioni di domanda per diversi periodi di pianificazione. Per valutare la qualità della previsione, viene calcolata la deviazione della previsione. Si esamina se la deviazione media della previsione differisce tra i periodi di pianificazione a breve e lungo termine:
- Orizzonte a breve termine: n = 30, media = 0,0 %, deviazione standard = 1,5 %
- Orizzonte a lungo termine: n = 30, media = 0,0 %, deviazione standard = 3,8 %
Interpretazione
Il test t per due campioni indipendenti mostra che le deviazioni medie delle previsioni non differiscono statisticamente in modo significativo. Poiché il valore p è superiore a 0,05, l'ipotesi nulla non viene respinta.
→ Nessuna differenza nella deviazione media della previsione tra breve e lungo termine.
t-valore: Statistica del test t. Rapporto tra la differenza media osservata e la variabilità dei dati.
p-valore: Risultato del test d'ipotesi. Base per la decisione tra H₀ e H₁.
α = Livello di significatività: Probabilità di errore preimpostata (solitamente 0,05).
H₀ (Ipotesi nulla): Le medie dei due gruppi sono uguali.
H₁ (Ipotesi alternativa): Le medie dei due gruppi differiscono.
df = Gradi di libertà: Derivati dalle dimensioni del campione di entrambi i gruppi.
Intervallo di confidenza: Intervallo di valori che contiene la vera differenza media con il livello di confidenza scelto.
Due code / una coda: Indica se una differenza è testata in entrambe le direzioni o solo in una.