Calcolo Regione Di Rifiuto Esercizi Svolti

Calcola la regione critica per test statistici con esercizi svolti passo-passo

Guida Completa al Calcolo della Regione di Rifiuto con Esercizi Svolti

La regione di rifiuto (o regione critica) è un concetto fondamentale nell’inferenza statistica che definisce l’insieme dei valori del test statistic per cui l’ipotesi nulla (H₀) viene rifiutata. Questo articolo fornisce una spiegazione dettagliata con esercizi pratici risolti per diversi tipi di test statistici.

1. Fondamenti Teorici

Prima di calcolare la regione di rifiuto, è essenziale comprendere questi concetti chiave:

• Ipotesi nulla (H₀): L’affermazione predefinita che viene testata (es. “non c’è differenza”)
• Ipotesi alternativa (H₁): L’affermazione che si vuole dimostrare
• Livello di significatività (α): Probabilità di rifiutare H₀ quando è vera (tipicamente 0.05 o 0.01)
• Test statistic: Valore calcolato dai dati campionari (Z, t, χ², etc.)
• Regione critica: Intervallo di valori del test statistic che portano al rifiuto di H₀

2. Tipi di Test e Loro Regioni di Rifiuto

2.1 Z-Test (1 campione)

Utilizzato quando:

• La popolazione è normalmente distribuita
• La devianza standard della popolazione (σ) è nota
• La dimensione campionaria è grande (n > 30)

Formula del test statistic:

Z = (X̄ – μ₀) / (σ / √n)

Regioni critiche:

Tipo di Test	Regione di Rifiuto
Bicaudale	|Z| > Zα/2
Monocaudale sinistro	Z < -Zα
Monocaudale destro	Z > Zα

Esercizio Svolto: Z-Test Bicaudale

Scenario: Un produttore afferma che le sue batteria durano in media 10 ore. Un campione di 50 batterie ha una durata media di 9.7 ore. Con σ = 0.5 ore e α = 0.05, possiamo rifiutare l’affermazione del produttore?

Soluzione:

1. H₀: μ = 10; H₁: μ ≠ 10 (test bicaudale)
2. α = 0.05 → Z_α/2 = 1.96
3. Calcolo Z:
   Z = (9.7 – 10) / (0.5/√50) = -0.3 / 0.0707 ≈ -4.24
4. Regione di rifiuto: |Z| > 1.96
5. Conclusione: |-4.24| > 1.96 → Rifiutiamo H₀

2.2 T-Test (1 campione)

Utilizzato quando:

• La popolazione è normalmente distribuita
• La devianza standard della popolazione (σ) è non nota
• La dimensione campionaria è piccola (n < 30)

Formula del test statistic:

t = (X̄ – μ₀) / (s / √n)

dove s = devianza standard campionaria

Gradi di libertà: df = n – 1

Esercizio Svolto: T-Test Monocaudale Destro

Scenario: Un insegnante afferma che il punteggio medio degli studenti è ≤ 75. Un campione di 16 studenti ha media 78 e s = 10. Con α = 0.01, c’è evidenza che la media sia > 75?

Soluzione:

1. H₀: μ ≤ 75; H₁: μ > 75 (test monocaudale destro)
2. α = 0.01, df = 15 → t_α = 2.602 (da tavola t)
3. Calcolo t:
   t = (78 – 75) / (10/√16) = 3 / 2.5 = 1.2
4. Regione di rifiuto: t > 2.602
5. Conclusione: 1.2 < 2.602 → Non rifiutiamo H₀

3. Test Chi-Quadrato (χ²)

Utilizzato per:

• Test di bontà dell’adattamento
• Test di indipendenza
• Confrontare varianze

Gradi di libertà: Dipende dal tipo di test:
– Bontà dell’adattamento: df = k – 1 (k = categorie)
– Indipendenza: df = (r-1)(c-1) (r = righe, c = colonne)

Esercizio Svolto: Test di Bontà dell’Adattamento

Scenario: Un dado viene lanciato 120 volte con questi risultati: [15, 25, 18, 22, 20, 20]. Testare se il dado è bilanciato (α = 0.05).

Soluzione:

1. H₀: Il dado è bilanciato (p = 1/6 per ogni faccia)
2. Frequenze attese: 120/6 = 20 per faccia
3. Calcolo χ²:
   χ² = Σ[(O – E)²/E] = [(15-20)²/20] + … + [(20-20)²/20] = 4.75
4. df = 6 – 1 = 5 → χ²_0.05,5 = 11.07 (da tavola)
5. Regione di rifiuto: χ² > 11.07
6. Conclusione: 4.75 < 11.07 → Non rifiutiamo H₀

4. Confronto tra Diverse Regioni Critiche

Test	Quando Usare	Regione Critica (α=0.05, bicaudale)	Gradi di Libertà
Z-Test	σ noto, n > 30 o popolazione normale	|Z| > 1.96	N/A
T-Test	σ non noto, n < 30, popolazione normale	|t| > tα/2,df	n – 1
Chi-Quadrato	Frequenze categoriche, varianze	χ² > χ²α,df	Dipende dal test
ANOVA	Confrontare >2 medie	F > Fα,df1,df2	Tra gruppi, entro gruppi

5. Errori Comuni da Evitare

• Confondere α con p-value: α è il livello di significatività prefissato; il p-value è calcolato dai dati
• Usare il test sbagliato: Z-test con n piccolo o σ non noto, t-test con popolazione non normale
• Ignorare le assunzioni: Normalità, omoschedasticità, indipendenza delle osservazioni
• Interpretazione errata: “Accettare H₀” invece di “non rifiutare H₀”
• Dimenticare i gradi di libertà: Critico per t-test e chi-quadrato

6. Applicazioni Pratiche

Il calcolo della regione di rifiuto ha applicazioni in numerosi campi:

• Medicina: Testare l’efficacia di nuovi farmaci (H₀: “nessun effetto”)
• Manifattura: Controllo qualità (H₀: “il processo è sotto controllo”)
• Marketing: Test A/B (H₀: “nessuna differenza tra le versioni”)
• Finanza: Verificare ipotesi su rendimenti medi (H₀: “μ = 7%”)
• Scienze Sociali: Studi su comportamenti (H₀: “nessuna correlazione”)

7. Software e Strumenti Utili

Mentre questo calcolatore fornisce risultati immediati, per analisi più complesse si possono utilizzare:

• R: Funzioni qt(), qnorm(), qchisq()
• Python: Librerie scipy.stats (es. t.ppf())
• Excel: Funzioni T.INV.2T(), NORM.S.INV()
• SPSS/JASP: Interfacce grafiche per test statistici
• Tavole statistiche: Per valori critici senza software

Risorse Autorevoli

• NIST/SEMATECH e-Handbook of Statistical Methods – Guida completa ai metodi statistici con esempi pratici
• UC Berkeley Department of Statistics – Risorse accademiche su test di ipotesi e regioni critiche
• CDC Principles of Epidemiology – Applicazioni dei test statistici in salute pubblica