Calcolatore Z-Test - Strumento Gratuito per la Significatività Statistica

Che cos'è un test z?

Un test z è un test statistico che verifica se la media di un campione differisce in modo significativo dalla media nota della popolazione, quando la deviazione standard della popolazione è già nota. Produce un unico numero, il punteggio z, che indica di quante deviazioni standard la media del campione si discosta dalla media della popolazione. Ricercatori, ispettori della qualità e analisti lo usano per valutare se una differenza osservata è probabilmente reale o è semplicemente dovuta al caso.

Formula del test z

Il test z calcola un punteggio z con questa formula:

$Z = \dfrac{\bar{x} - \mu}{\sigma / \sqrt{n}}$

• $\bar{x}$ è la media del campione
• $\mu$ è la media della popolazione
• $\sigma$ è la deviazione standard della popolazione
• $n$ è la dimensione del campione

La parte inferiore della formula, $\sigma / \sqrt{n}$, è chiamata errore standard. Misura quanto ci si aspetta che varino le medie campionarie esclusivamente a causa del campionamento casuale.

Come calcolare un test z passo dopo passo

1. Calcolare la media del campione ($\bar{x}$) a partire dai dati raccolti.
2. Identificare la media nota della popolazione ($\mu$).
3. Identificare la deviazione standard nota della popolazione ($\sigma$).
4. Contare la dimensione del campione ($n$).
5. Sottrarre $\mu$ da $\bar{x}$.
6. Dividere $\sigma$ per la radice quadrata di $n$ per ottenere l'errore standard.
7. Dividere il risultato del passaggio 5 per il risultato del passaggio 6. Il risultato è il punteggio z.

Esempio svolto

Una fabbrica dichiara che i suoi bulloni hanno una lunghezza media di 10 cm, con una deviazione standard della popolazione di 0,2 cm. Un ispettore misura 100 bulloni e trova una media campionaria di 10,05 cm.

• $\bar{x} = 10.05$
• $\mu = 10$
• $\sigma = 0.2$
• $n = 100$

Errore standard: $0.2 / \sqrt{100} = 0.2 / 10 = 0.02$

Punteggio z: $(10.05 - 10) / 0.02 = 0.05 / 0.02 = 2.5$

Il punteggio z è 2,5. La media campionaria si trova a 2,5 errori standard sopra la media della popolazione.

Come interpretare un punteggio z

Un punteggio z vicino a 0 indica che la media campionaria è vicina alla media della popolazione. Un punteggio z positivo o negativo di grande entità indica che la media campionaria è lontana dalla media della popolazione, il che suggerisce una differenza reale anziché una variazione casuale.

Valori critici comuni per un test a due code:

• α = 0,10 (livello di confidenza del 90%): z = ±1,645
• α = 0,05 (livello di confidenza del 95%): z = ±1,96
• α = 0,01 (livello di confidenza del 99%): z = ±2,58

Se il punteggio z calcolato supera il valore critico per il livello di significatività scelto, il risultato è definito statisticamente significativo e l'ipotesi nulla (secondo cui non esiste alcuna differenza) viene rifiutata.

Nell'esempio svolto, z = 2,5 supera ±1,96, quindi la differenza è statisticamente significativa al livello 0,05. Il valore p a due code per z = 2,5 è circa 1,24%, il che significa che c'è all'incirca una possibilità su 1 su 80 di osservare una differenza di questa entità se la vera lunghezza media dei bulloni fosse davvero 10 cm.

Quando usare un test z

Un test z è appropriato quando:

• La deviazione standard della popolazione è nota.
• La dimensione del campione è sufficientemente grande, di solito superiore a 30.
• I dati provengono da un campionamento casuale.
• La popolazione è distribuita normalmente oppure il campione è abbastanza grande da consentire l'applicazione del teorema del limite centrale.

Se la deviazione standard della popolazione è sconosciuta o il campione è piccolo, si usa invece un test t. Il test t stima la variabilità a partire dal campione stesso e tiene conto dell'ulteriore incertezza che ne deriva.

Test z e test t

Entrambi i test misurano quanto una media campionaria si discosta da un valore atteso, in unità di errore standard. Il test z presuppone che la deviazione standard della popolazione sia nota. Il test t stima tale valore dal campione e utilizza una distribuzione più ampia, dipendente dalla dimensione del campione, per tenere conto dell'ulteriore incertezza. Nella pratica, il test t viene usato molto più spesso, perché la vera deviazione standard della popolazione è raramente nota.

Usi del test z nel mondo reale

• Controllo qualità: verificare se un lotto di componenti fabbricati è conforme alle specifiche obiettivo.
• Ricerca medica: confrontare il risultato medio di un gruppo sottoposto a un trattamento con un valore noto della popolazione.
• Istruzione: confrontare i punteggi di una classe in un test con una media nazionale.
• Finanza: verificare se i rendimenti di un fondo differiscono da una media di riferimento.

Cenni storici

La distribuzione normale alla base del test z fu descritta da Abraham de Moivre nel 1733 come approssimazione della distribuzione binomiale. Carl Friedrich Gauss e Pierre-Simon Laplace svilupparono ulteriormente la teoria nei primi anni del 1800. I metodi formali di verifica delle ipotesi, compreso l'uso dei punteggi z e dei valori critici per valutare la significatività statistica, furono sviluppati all'inizio del 20 secolo da statistici tra cui Ronald Fisher, Jerzy Neyman ed Egon Pearson.

Che cosa mostra questo calcolatore

Il calcolatore richiede quattro numeri: la media del campione, la media della popolazione, la deviazione standard della popolazione e la dimensione del campione. Riporta il punteggio z arrotondato a quattro cifre decimali. Sotto il risultato traccia la curva normale standard e contrassegna il punteggio z con una linea verticale, in modo da rendere visibile la posizione del risultato nella distribuzione. La curva rappresenta la densità normale standard, $\varphi(x) = e^{-x^{2}/2} / \sqrt{2\pi}$.

Agli input si applicano due limiti. La dimensione del campione deve essere maggiore di 0. La deviazione standard della popolazione deve essere almeno 0,0001; una dispersione inferiore spinge il punteggio z a un valore enorme, privo di significato utile. Il calcolatore non riporta un valore p, quindi per stabilire se il risultato è significativo occorre usare i valori critici sopra indicati oppure una tavola della normale standard.

Domande frequenti

Qual è la differenza tra un test z e un test t?

Un test z richiede una deviazione standard nota della popolazione e funziona meglio con campioni grandi. Un test t si usa quando la deviazione standard della popolazione è sconosciuta e deve essere stimata dal campione; funziona sia con campioni piccoli sia con campioni grandi.

Quale dimensione del campione serve per un test z?

Una dimensione del campione superiore a 30 è la regola empirica comune. Al di sotto di tale valore, i risultati di un test z diventano inaffidabili e il test t è generalmente la scelta migliore.

Che cosa significa un punteggio z di 2,5?

Un punteggio z di 2,5 significa che la media campionaria si trova a 2,5 errori standard sopra la media della popolazione. Questo valore supera il valore critico a due code di ±1,96 per un livello di confidenza del 95%, quindi la differenza è statisticamente significativa a quel livello. Il valore p a due code per z = 2,5 è circa 1,24%.

Che cos'è il valore p in un test z?

Il valore p è la probabilità di ottenere un risultato almeno altrettanto estremo di quello osservato, se non ci fosse realmente alcuna differenza rispetto alla media della popolazione. Un valore p più piccolo costituisce un'evidenza più forte contro l'ipotesi nulla. Un valore p inferiore a 0,05 viene comunemente considerato statisticamente significativo.

Che cos'è l'ipotesi nulla in un test z?

L'ipotesi nulla afferma che non esiste alcuna differenza tra la media campionaria e la media della popolazione. Il test z misura quanta evidenza il campione fornisce contro tale affermazione.

Si può usare un test z per campioni piccoli?

Non è consigliato. Con un campione piccolo o con una deviazione standard della popolazione sconosciuta, il test t fornisce risultati più accurati perché tiene conto dell'ulteriore incertezza associata alla stima della variabilità a partire da dati limitati.