Test di Ipotesi

Il test di ipotesi è uno dei pilastri della Statistica Inferenziale. È una procedura formalizzata che permette di stabilire se le differenze osservate in un Campione siano dovute al puro caso o a un effetto reale presente nella popolazione.

Fasi del Test

1. Definizione delle Ipotesi:
   • Ipotesi Nulla ($H_0$): L’ipotesi che non vi sia alcun effetto o differenza (lo status quo).
   • Ipotesi Alternativa ($H_1$): L’ipotesi che l’ingegnere o lo scienziato vuole dimostrare.
2. Scelta della Statistica Test: Una funzione dei dati (come la statistica $t$ o $Z$) la cui distribuzione sotto $H_0$ sia nota.
3. Calcolo del P-value: La probabilità di osservare dati estremi quanto quelli campionari se l’ipotesi nulla fosse vera.
4. Decisione: Se il $p\text{-value} < \alpha$ (livello di significatività, solitamente $0.05$), si rifiuta $H_0$ a favore di $H_1$.

Tipi di Errore

• Errore di Primo Tipo ($\alpha$): Rifiutare $H_0$ quando è vera (falso positivo).
• Errore di Secondo Tipo ($\beta$): Non rifiutare $H_0$ quando è falsa (falso negativo).

Significato Ingegneristico

• Ricerca e Sviluppo (R&D): Verificare se l’aggiunta di un additivo chimico migliora effettivamente la resistenza di una plastica.
• Validazione Industriale: Dimostrare che una nuova linea di assemblaggio riduce la percentuale di difetti rispetto alla linea esistente.
• A/B Testing: In ingegneria del software, confrontare due versioni di un algoritmo per determinare quale offra tempi di risposta minori.
• Sicurezza: Stabilire se l’incremento di vibrazioni rilevato in una turbina sia un segnale di guasto imminente o una variazione casuale normale.

Vedi anche: P-value, Intervallo di Confidenza, Statistica Inferenziale.