Guida al Test di Ipotesi
Scopri come funziona il test di ipotesi passo dopo passo. Copre ipotesi nulla e alternativa, statistiche test, p-value, livelli di significatività e gli errori di tipo I e II.
Cos'è un Test di Ipotesi?
Il test di ipotesi è una procedura statistica formale per decidere se i dati forniscono prove sufficienti per rifiutare una supposizione iniziale (ipotesi nulla) a favore di un'alternativa. Si parte formulando due ipotesi: l'ipotesi nulla (H₀), che rappresenta lo status quo o l'assenza di effetto, e l'ipotesi alternativa (H₁), che rappresenta ciò che il ricercatore vuole dimostrare. Ad esempio, H₀: "il nuovo farmaco non ha effetto" vs. H₁: "il nuovo farmaco riduce la pressione sanguigna".
Statistica Test e p-value
La statistica test è un valore calcolato dai dati campionari che misura quanto le osservazioni deviano da ciò che ci si aspetterebbe sotto H₀. Le statistiche test comuni includono la z, la t di Student, il chi-quadro e la F. Il p-value è la probabilità di osservare un risultato altrettanto estremo o più estremo di quello ottenuto, assumendo che H₀ sia vera. Un p-value piccolo (tipicamente < 0,05) suggerisce che il risultato è improbabile sotto H₀, fornendo prove per rifiutarla. Il p-value NON è la probabilità che H₀ sia vera.
Livello di Significatività e Regola Decisionale
Il livello di significatività (alpha) è la soglia predeterminata sotto la quale si rifiuta H₀. Il valore più comune è alpha = 0,05 (5%), ma si usano anche 0,01 e 0,10 a seconda del contesto. La regola decisionale: se p-value <= alpha, rifiuta H₀ e concludi che il risultato è "statisticamente significativo". Se p-value > alpha, non rifiutare H₀. Importante: "non rifiutare H₀" non significa "H₀ è vera" -- significa solo che non ci sono prove sufficienti per rifiutarla. La significatività statistica non implica necessariamente la significatività pratica.
Errori di Tipo I e Tipo II
Un errore di tipo I (falso positivo) si verifica quando rifiuti H₀ quando è in realtà vera. La probabilità di un errore di tipo I è alpha, il livello di significatività. Un errore di tipo II (falso negativo) si verifica quando non rifiuti H₀ quando è in realtà falsa. La probabilità di un errore di tipo II è beta, e la potenza del test (1 - beta) è la probabilità di rilevare correttamente un effetto reale. C'è un trade-off: ridurre alpha aumenta beta e viceversa. L'unico modo per ridurre entrambi contemporaneamente è aumentare la dimensione del campione.