Σ
SDCalc
AvanzatoAvanzato·14 min

Test di ipotesi con la deviazione standard

Scopri come la deviazione standard viene utilizzata nei test di ipotesi. Comprendi i test Z, i test t e come determinare la significatività statistica.

Panoramica

Il test di ipotesi è un metodo statistico per prendere decisioni sulle popolazioni basandosi su dati campionari. La deviazione standard svolge un ruolo cruciale nel determinare se le differenze osservate sono statisticamente significative o se sono semplicemente dovute al caso.

1

Formulare le ipotesi

Enunciare l’ipotesi nulla (H₀) e l’ipotesi alternativa (H₁)
2

Scegliere il livello di significatività

Scegliere il livello di significatività (α), tipicamente 0,05
3

Calcolare la statistica test

Calcolare la statistica test utilizzando la deviazione standard
4

Confrontare con il valore critico

Confrontare con il valore critico o calcolare il valore p
5

Prendere una decisione

Decidere: rifiutare o non rifiutare H₀

Test Z

Si utilizza il test Z quando si conosce la deviazione standard della popolazione (σ) e si ha una dimensione campionaria grande (n ≥ 30).

Statistica test Z

z = (x̄ - μ₀) / (σ / √n)

Esempio

Un produttore dichiara che le batterie durano in media 100 ore (μ₀ = 100). Si testano 36 batterie e si trova x̄ = 98 ore. Se σ = 12 ore: z = (98 - 100) / (12 / √36) = -2 / 2 = -1 Con z = -1 e α = 0,05 (test bilaterale), non si rifiuta H₀. La differenza non è statisticamente significativa.

Test t

Si utilizza il test t quando non si conosce la deviazione standard della popolazione e si deve stimarla dal campione (usando s invece di σ).

Statistica test t

t = (x̄ - μ₀) / (s / √n)

Quando usare il test t o il test Z

- Test Z: σ è nota, n ≥ 30 - Test t: σ è sconosciuta (si usa s), qualsiasi dimensione campionaria Nella pratica, i test t sono molto più comuni perché raramente si conosce il vero valore di σ della popolazione.

Errore standard

L’errore standard (ES) misura quanto le medie campionarie variano rispetto alla media della popolazione. È il collegamento fondamentale tra la deviazione standard e il test di ipotesi.

Errore standard della media

SE = σ / √n (oppure s / √n quando si usa la DS campionaria)

L’errore standard diminuisce all’aumentare della dimensione del campione. Campioni più grandi producono stime più precise e rendono più facile rilevare differenze reali.

Significatività statistica

Un risultato è statisticamente significativo quando la probabilità di osservarlo per caso (valore p) è inferiore alla soglia prescelta (α).

Se valore p < α

Si rifiuta H₀. Il risultato è statisticamente significativo.

Se valore p ≥ α

Non si rifiuta H₀. Il risultato potrebbe essere dovuto al caso.

Significatività statistica vs significatività pratica

Un risultato statisticamente significativo non è necessariamente importante nella pratica. Con campioni molto grandi, differenze minime possono risultare “significative” ma prive di significato concreto. Considera sempre la dimensione dell’effetto insieme ai valori p.

Further Reading

← Centro di Apprendimento

How to Read This Article

A statistics tutorial is a practical interpretation guide, not just a formula dump. It refers to the assumptions, notation, and reporting language that analysts need when they explain a result to a teacher, manager, client, or reviewer. The article body covers the specific topic, while the sections below create a common interpretation frame that readers can reuse across related metrics.

Reading goalWhat to focus onCommon mistake
DefinitionWhat the metric is and what quantity it summarizesTreating the formula as self-explanatory
Formula choiceSample versus population assumptions and notationUsing n when n-1 is required or vice versa
InterpretationWhether the result indicates concentration, spread, or riskCalling a large value good or bad without context

Frequently Asked Questions

How should I interpret a high standard deviation?

A high standard deviation means the observations are spread farther from the mean on average. Whether that spread is acceptable depends on the context: wide dispersion might signal risk in finance, instability in manufacturing, or genuine natural variation in scientific data.

Why do some articles mention n while others mention n-1?

The denominator reflects the difference between population and sample formulas. Population variance and population standard deviation use N because the full dataset is known. Sample variance and sample standard deviation often use n-1 because Bessel’s correction reduces bias when estimating population spread from a sample.

What is a statistical interpretation guide?

A statistical interpretation guide is a page that moves beyond arithmetic and explains meaning. It tells you what a metric is, when the formula applies, and how to describe the result in plain English without overstating certainty.

Can I cite this article in a report?

You should cite the underlying authoritative reference for formal work whenever possible. This page is best used as an explanatory bridge that helps you understand the concept before quoting the original standard or handbook.

Why include direct citations on every article page?

Direct citations give readers a route to verify the definition, notation, and assumptions. That improves trust and reduces the chance that a simplified explanation is mistaken for the entire technical standard.

Authoritative References

These sources define the concepts referenced most often across our articles. Bessel's correction is a sample adjustment, variance is a squared measure of spread, and standard deviation is the square root of variance expressed in the same units as the data.