<\/p>\n
Un test di ipotesi<\/a> \u00e8 un test statistico formale che utilizziamo per rifiutare o non riuscire a rifiutare un’ipotesi statistica.<\/span><\/p>\n Questo tutorial spiega come eseguire i seguenti test di ipotesi in R:<\/span><\/p>\n Possiamo usare la funzione t.test()<\/strong> in R per eseguire ogni tipo di test:<\/span><\/p>\n Oro:<\/span><\/p>\n I seguenti esempi mostrano come utilizzare questa funzione nella pratica.<\/span><\/p>\n Un test t su un campione<\/a> viene utilizzato per verificare se la media di una popolazione \u00e8 uguale o meno a un determinato valore.<\/span><\/p>\n Ad esempio, supponiamo di voler sapere se il peso medio di una determinata specie di tartaruga \u00e8 o meno di 310 libbre. Usciamo e raccogliamo un semplice campione casuale di tartarughe con i seguenti pesi:<\/span><\/p>\n Peso<\/strong> : 300, 315, 320, 311, 314, 309, 300, 308, 305, 303, 305, 301, 303<\/span><\/p>\n Il codice seguente mostra come eseguire questo esempio di test t in R:<\/span><\/p>\n Dal risultato possiamo vedere:<\/span><\/p>\n Poich\u00e9 il valore p del test (0,139) non \u00e8 inferiore a 0,05, non riusciamo a rifiutare l’ipotesi nulla.<\/span><\/p>\n Ci\u00f2 significa che non abbiamo prove sufficienti per affermare che il peso medio di questa specie di tartaruga sia diverso da 310 libbre.<\/span><\/p>\n Un t-test a due campioni<\/a> viene utilizzato per verificare se le medie di due popolazioni sono uguali o meno.<\/span><\/p>\n Ad esempio, supponiamo di voler sapere se il peso medio di due diverse specie di tartarughe \u00e8 uguale o meno. Per verificarlo, raccogliamo un semplice campione casuale di tartarughe di ciascuna specie con i seguenti pesi:<\/span><\/p>\n Campione 1<\/strong> : 300, 315, 320, 311, 314, 309, 300, 308, 305, 303, 305, 301, 303<\/span><\/p>\n Campione 2<\/strong> : 335, 329, 322, 321, 324, 319, 304, 308, 305, 311, 307, 300, 305<\/span><\/p>\n Il codice seguente mostra come eseguire questi due esempi di test t in R:<\/span><\/p>\n Dal risultato possiamo vedere:<\/span><\/p>\n Poich\u00e9 il valore p del test (0,04914) \u00e8 inferiore a 0,05, rifiutiamo l’ipotesi nulla.<\/span><\/p>\n Ci\u00f2 significa che abbiamo prove sufficienti per affermare che il peso medio tra le due specie non \u00e8 uguale.<\/span><\/p>\n Un test t per campioni accoppiati<\/a> viene utilizzato per confrontare le medie di due campioni quando ciascuna osservazione in un campione pu\u00f2 essere associata a un’osservazione nell’altro campione.<\/span><\/p>\n Ad esempio, supponiamo di voler sapere se un determinato programma di allenamento \u00e8 in grado o meno di aumentare il salto verticale massimo (in pollici) dei giocatori di basket.<\/span><\/p>\n Per verificarlo, possiamo reclutare un semplice campione casuale di 12 giocatori di basket universitari e misurare ciascuno dei loro salti verticali massimi. Successivamente possiamo far utilizzare a ciascun giocatore il programma di allenamento per un mese e poi misurare nuovamente il salto verticale massimo alla fine del mese.<\/span><\/p>\n I seguenti dati mostrano l’altezza massima del salto (in pollici) prima e dopo l’utilizzo del programma di allenamento per ciascun giocatore:<\/span><\/p>\n Anteriore<\/strong> : 22, 24, 20, 19, 19, 20, 22, 25, 24, 23, 22, 21<\/span><\/p>\n Dopo<\/strong> : 23, 25, 20, 24, 18, 22, 23, 28, 24, 25, 24, 20<\/span><\/p>\n Il codice seguente mostra come eseguire questo test t per campioni accoppiati in R:<\/span><\/p>\n Dal risultato possiamo vedere:<\/span><\/p>\n Poich\u00e9 il valore p del test (0,02803) \u00e8 inferiore a 0,05, rifiutiamo l’ipotesi nulla.<\/span><\/p>\n Ci\u00f2 significa che abbiamo prove sufficienti per affermare che l\u2019altezza media del salto prima e dopo l\u2019utilizzo del programma di allenamento non \u00e8 uguale.<\/span><\/p>\n Utilizza i seguenti calcolatori online per eseguire automaticamente vari test t:<\/span><\/p>\n Un esempio di calcolatore del test t<\/a> Un test di ipotesi \u00e8 un test statistico formale che utilizziamo per rifiutare o non riuscire a rifiutare un’ipotesi statistica. Questo tutorial spiega come eseguire i seguenti test di ipotesi in R: Un test t del campione Test T a due campioni Test t per campioni accoppiati Possiamo usare la funzione t.test() in R per […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
#one sample t-test<\/span>\nt. test<\/span> (x, y = NULL,\n alternative = c(\" two.sided<\/span> \", \" less<\/span> \", \" greater<\/span> \"),\n mu = 0, paired = FALSE, var.equal = FALSE<\/span> ,\n conf.level = 0.95, \u2026)<\/strong><\/pre>\n\n
Esempio 1: test t per un campione in R<\/strong><\/span><\/h3>\n
#define vector of turtle weights\nturtle_weights <- c(300, 315, 320, 311, 314, 309, 300, 308, 305, 303, 305, 301, 303)<\/span>\n\n#perform one sample t-test<\/span>\nt. test<\/span> (x=turtle_weights,mu=310)\n\n\tOne Sample t-test\n\ndata: turtle_weights\nt = -1.5848, df = 12, p-value = 0.139\nalternative hypothesis: true mean is not equal to 310\n95 percent confidence interval:\n 303.4236 311.0379\nsample estimates:\nmean of x \n 307.2308<\/strong><\/pre>\n\n
Esempio 2: test t a due campioni in R<\/strong><\/span><\/h3>\n
#define vector of turtle weights for each sample\nsample1 <- c(300, 315, 320, 311, 314, 309, 300, 308, 305, 303, 305, 301, 303)<\/span>\nsample2 <- c(335, 329, 322, 321, 324, 319, 304, 308, 305, 311, 307, 300, 305)<\/span>\n\n#perform two sample t-tests<\/span>\nt. test<\/span> (x = sample1, y = sample2)\n\n\tWelch Two Sample t-test\n\ndata: sample1 and sample2\nt = -2.1009, df = 19.112, p-value = 0.04914\nalternative hypothesis: true difference in means is not equal to 0\n95 percent confidence interval:\n -14.73862953 -0.03060124\nsample estimates:\nmean of x mean of y \n 307.2308 314.6154<\/strong><\/pre>\n\n
Esempio 3: test t per campioni accoppiati in R<\/strong><\/span><\/h3>\n
#define before and after max jump heights\nbefore <- c(22, 24, 20, 19, 19, 20, 22, 25, 24, 23, 22, 21)<\/span>\nafter <- c(23, 25, 20, 24, 18, 22, 23, 28, 24, 25, 24, 20)<\/span>\n\n#perform paired samples t-test<\/span>\nt. test<\/span> (x = before, y = after, paired = TRUE<\/span> )\n\n\tPaired t-test\n\ndata: before and after\nt = -2.5289, df = 11, p-value = 0.02803\nalternative hypothesis: true difference in means is not equal to 0\n95 percent confidence interval:\n -2.3379151 -0.1620849\nsample estimates:\nmean of the differences \n -1.25<\/strong><\/pre>\n\n
Risorse addizionali<\/strong><\/span><\/h3>\n
Calcolatore del test t a due campioni<\/a>
Calcolatore t-Test per campioni accoppiati<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"