Trovate l’importanza dei risultati. Si analizzano i dati e si eseguono esperimenti. Tuttavia, la rilevanza commerciale è diversa da quella statistica. Molte organizzazioni imprenditoriali non sono in grado di distinguere tra i due concetti e ne abusano e fraintendono il concetto. D’altra parte, analizzare i dati in modo corretto aiuta a prendere decisioni aziendali adeguate. Questo è il motivo per cui i manager dovrebbero comprendere il concetto di rilevanza statistica.

Che cos’è la significatività statistica?

La significatività statistica indica che la relazione di una variabile con un’altra variabile non è una coincidenza, ma è dovuta a un altro fattore di quella variabile. In parole povere, la significatività statistica è una rappresentazione matematica dell’affidabilità della statistica. In questo articolo, imparerete come calcolare la significatività statistica tra due fattori.

Calcolo della significatività statistica

È possibile comprendere il concetto e trovare una risposta esauriente calcolando la significatività statistica a mano. È possibile utilizzare una calcolatrice. Ecco i passi che potete seguire per calcolare la significatività statistica:

1.Creare un’ipotesi nulla

Prima di tutto, bisogna determinare l’ipotesi nulla. Potete scoprire se c’è una differenza nel set di dati che state utilizzando. Non dovreste mai credere alla vostra ipotesi nulla, poiché si tratta solo di una supposizione.

2.Creare un’ipotesi alternativa

Ora, scoprite l’ipotesi alternativa. Quando troverete l’ipotesi alternativa, saprete se c’è una relazione tra i vostri dati. L’ipotesi alternativa è opposta all’ipotesi nulla che trovate in precedenza.

3.Determinazione del livello di significatività

Dopo aver trovato l’ipotesi nulla e l’ipotesi alternativa, si determina il livello di significato o alfa. C’è la possibilità che si debba rifiutare l’ipotesi nulla anche se potrebbe essere vera. L’alfa standard è compreso tra lo 0,05 e il 5 per cento.

4.Scelta del tipo di test

Ora decidete tra quale test scegliere, a una o due code. Tuttavia, l’area di distribuzione del test a una coda è a un lato e per il test a due code è a due facce. In parole semplici, nei test a una coda, si analizzerà la relazione delle due variabili in un’unica direzione e due direzioni nei test a due lati. Se i vostri campioni sono a un solo lato, allora la vostra ipotesi alternativa è vera.

5.Esecuzione dell’analisi di potenza per la dimensione del campione

L’analisi della potenza vi aiuterà a determinare la dimensione del campione. Per trovare l’analisi di potenza, è necessario conoscere la potenza statistica, il livello di significatività, la dimensione del campione e la dimensione dell’effetto. È necessario utilizzare una calcolatrice per eseguire questi calcoli. Rimanendo in un certo grado di confidenza, questo metodo vi aiuterà a determinare la dimensione del campione. Questo metodo vi aiuterà a trovare una dimensione del campione adeguata, in modo da poter calcolare la significatività statistica. Ad esempio, se la dimensione del campione è molto piccola, non troverete un risultato accurato.

6.Calcolo della deviazione standard

Ora, calcolare la deviazione standard. Per farlo, è necessario utilizzare la seguente formula:
Deviazione standard = √ ((∑|x-μ|^ 2) / (N-1))
In questa equazione:

  • ∑ =è la somma dei dati
  • x = sono i singoli dati
  • μ = è la media dei dati per ogni gruppo
  • N =è il campione totale
    Con questo calcolo è possibile scoprire come ripartire il valore medio e il valore atteso. Trovate la varianza tra i gruppi se avete più gruppi di campioni.

7.Utilizzo della formula standard di errore

Dopo di che, utilizzare la formula standard di errore. Ecco la formula per trovare l’errore standard dei due gruppi in base alla deviazione standard.
Errore standard =√((s1/N1) + (s2/N2))
In questa equazione:

  • s1 = è la deviazione standard (primo gruppo)
  • N1 = è la dimensione del campione (primo gruppo)
  • s2 = è la deviazione standard (secondo gruppo)
  • N2 = è la dimensione del campione (secondo gruppo)

8.Determinazione del T-Score

In questa fase è necessario trovare il t-score. Utilizzare la seguente equazione per trovare il t-score:
t =((µ1-µ2) / (sd))
In questa equazione

  • t = è il t-score
  • µ1 = media (primo gruppo)
  • µ2 = media (secondo gruppo)
  • sd =è l’errore standard

9.Trovare i gradi di libertà

Ora, scopri i gradi di libertà. Ecco la formula per trovare i gradi di libertà:
gradi di libertà =(s1 + s2) – 2
In questa equazione

  • s1 =campioni (primo gruppo)
  • s2 =campioni (secondo gruppo)

10.Utilizzo della tabella a T

Ora potete calcolare la vostra significatività statistica con l’aiuto della tabella t. Per prima cosa, cercate i gradi di libertà sul lato sinistro e determinate la varianza. Ora, andate verso l’alto e trovate il valore p di ogni variabile. Poi, confrontate il livello di significatività o alfa con il valore p. Si può considerare un valore p inferiore a 0,05 come statisticamente significativo.

Che cos’è il valore p?

La probabilità di trovare i risultati si chiama valore P. Per esempio, state confrontando i pesi dei cittadini americani a New York e in California. Si dovrebbe iniziare con l’ipotesi nulla che i newyorkesi abbiano un peso medio maggiore rispetto ai californiani.
Ora supponiamo di eseguire lo studio per scoprire se l’ipotesi nulla è vera o meno. Dopo lo studio, si scopre che il peso medio dei newyorkesi è di 20 libbre in più rispetto alla California, con 0,41 come valore P. Questo significa che l’ipotesi nulla è vera e che i newyorkesi pesano più dei californiani. Ora c’è una probabilità del 47% che si misura 20 libbre in più di peso dei newyorkesi.
Ma se i newyorkesi non pesano di più, dovete comunque misurarlo 20 libbre in più a causa del rumore nei vostri dati per quasi la metà del tempo. Quindi un valore P più basso significa risultati più accurati in quanto significa che c’è meno rumore nei dati.

Conclusione

È possibile utilizzare la significatività statistica per trovare la validità dei test e delle analisi. Ciò non significa tuttavia che si disponga di dati precisi. Molti sondaggi possono fornire informazioni errate attraverso dati non idonei. Inoltre, è possibile che si utilizzino dati demografici con una rappresentazione parziale.
Inoltre, le vostre intuizioni saranno imprecise se eseguite male il vostro test di significatività statistica. La maggior parte delle persone affronta questo problema quando il loro livello di significatività (α) è sbagliato. C’è la possibilità che il vostro valore P sia un falso positivo. Tuttavia, per contrastare questo problema, potete ripetere lo studio. Se trovate un valore P basso rispetto al precedente, avete ridotto la falsa positività del vostro risultato.