Questo tutorial spiega come eseguire un test t per campioni accoppiati in Excel.<\/span><\/p>\n Supponiamo di voler sapere se un determinato curriculum ha un impatto significativo sul rendimento degli studenti in un particolare esame. Per testarlo, chiediamo a 20 studenti di una classe di sostenere un pre-test. Quindi facciamo partecipare ciascuno studente al curriculum per due settimane. Quindi, gli studenti ripetono un test di difficolt\u00e0 simile.<\/span><\/p>\n Per confrontare la differenza tra i punteggi medi del primo e del secondo test, utilizziamo un t-test per campioni appaiati perch\u00e9 per ogni studente, il punteggio del primo test pu\u00f2 essere associato al punteggio del secondo test.<\/span><\/p>\n L’immagine seguente mostra il punteggio pre-test e il punteggio post-test di ogni studente:<\/span> <\/p>\n Completare i passaggi seguenti per eseguire un test t per campioni accoppiati per determinare se esiste una differenza significativa nei punteggi medi dei test tra il pre-test e il post-test.<\/span><\/p>\n Passaggio 1: aprire il ToolPak per l’analisi dei dati.<\/strong><\/span><\/p>\n Nella scheda Dati della barra multifunzione in alto, fai clic su “Analisi dei dati”.<\/span> <\/p>\n Se non vedi questa opzione da cliccare, devi prima<\/span> scaricare Analysis ToolPak<\/a> , che \u00e8 completamente gratuito.<\/span><\/p>\n Passaggio 2: selezionare il test appropriato da utilizzare.<\/span><\/strong><\/p>\n Selezionare l’opzione che dice T-Test: due campioni accoppiati per medie<\/em> , quindi fare clic su OK.<\/span> <\/p>\n Passaggio 3: inserisci le informazioni necessarie.<\/strong><\/span><\/p>\n Inserisci l’intervallo di valori per la variabile 1 (i punteggi pre-test), la variabile 2 (i punteggi post-test), l’ipotetica differenza media (in questo caso mettiamo “0” perch\u00e9 vogliamo sapere se la vera differenza la media tra i punteggi pre-test e post-test \u00e8 0) e l’intervallo di output in cui vorremmo vedere visualizzati i risultati del test. Quindi fare clic su OK.<\/span> <\/p>\n Passaggio 4: interpretare i risultati.<\/strong><\/span><\/p>\n Dopo aver fatto clic su OK nel passaggio precedente, verranno visualizzati i risultati del t-test.<\/span> <\/p>\n Ecco come interpretare i risultati:<\/span><\/p>\n Media:<\/strong> questa \u00e8 la media di ciascun campione. Il punteggio medio pre-test \u00e8 85,4<\/strong> e il punteggio medio post-test \u00e8 87,2<\/strong> .<\/span><\/p>\n Varianza:<\/strong> questa \u00e8 la varianza per ciascun campione. La varianza dei punteggi pre-test \u00e8 51,51<\/strong> e la varianza dei punteggi post-test \u00e8 36,06<\/strong> .<\/span><\/p>\n Osservazioni:<\/strong> questo \u00e8 il numero di osservazioni in ciascun campione. Entrambi i campioni contengono 20<\/strong> osservazioni.<\/span><\/p>\n Correlazione di Pearson:<\/strong> la correlazione tra i punteggi pre-test e quelli post-test. Risulta essere 0,918<\/strong> .<\/span><\/p>\n Differenza media ipotetica:<\/strong> il numero su cui \u201cipotizziamo\u201d \u00e8 la differenza tra le due medie. In questo caso, abbiamo scelto 0<\/strong> perch\u00e9 vogliamo verificare se esiste o meno una differenza tra i punteggi pre-test e post-test.<\/span><\/p>\n df:<\/strong> i gradi di libert\u00e0 per il test t. Questo viene calcolato come n-1 dove n \u00e8 il numero di coppie. In questo caso, df = 20 \u2013 1 = 19<\/strong> .<\/span><\/p>\n t Stat:<\/strong> la statistica del test t<\/em> , che risulta essere -2,78<\/strong> .<\/span><\/p>\n P(T<=t) a due code:<\/strong> il valore p per un test t a due code. In questo caso, p = 0,011907<\/strong> . Questo \u00e8 inferiore a alfa = 0,05, quindi rifiutiamo l’ipotesi nulla. Abbiamo prove sufficienti per affermare che esiste una differenza statisticamente significativa tra il punteggio medio pre-test e quello post-test.<\/span><\/p>\n t Critico a due code:<\/strong> questo \u00e8 il valore critico del test, trovato identificando il valore nella<\/span> tabella di distribuzione t che corrisponde a un test a due code con alfa = 0,05 e df = 19. Questo risulta essere 2, 093024<\/strong> . Poich\u00e9 il valore assoluto della nostra statistica t<\/em> -test \u00e8 maggiore di questo valore, rifiutiamo l’ipotesi nulla. Abbiamo prove sufficienti per affermare che esiste una differenza statisticamente significativa tra il punteggio medio pre-test e quello post-test.<\/span><\/p>\n Si noti che l\u2019approccio del valore p e del valore critico porteranno entrambi alla stessa conclusione.<\/span><\/p>\n I seguenti tutorial spiegano come eseguire altri test t in Excel:<\/span><\/p>\n Come eseguire un test t per un campione in Excel<\/a> Un test t per campioni accoppiati 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. Questo tutorial spiega come eseguire un test t per campioni accoppiati in Excel. Come eseguire un test t per campioni accoppiati in Excel Supponiamo di voler sapere […]<\/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 Come eseguire un test t per campioni accoppiati in Excel<\/strong><\/span><\/h2>\n
![\"Esempio](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/pairedtestexcel.png\")
<\/p>\n![\"Esempio](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/deuxsampexcel3.png\")
<\/p>\n![\"Test](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/pairedtestexcel1.png\")
<\/p>\n![\"Campioni](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/pairedtestexcel2.png\")
<\/p>\n![\"Risultati](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/pairedtestexcel3.png\")
<\/p>\n Risorse addizionali<\/strong><\/span><\/h3>\n
Come eseguire un test t a due campioni in Excel<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"