Lezione n.

 11 ‐ Test d’ipotesi e 
introduzione all’analisi della varianza
Statistica Sperimentale e Misure 
Meccaniche

G. Barbato ‐ A. Germak ‐ G. Genta 1

 INTRODUZIONE
Valutatala la presenza di effetti sistematici con test di normalità della
distribuzione dei dati sperimentali, bisogna cercare di identificare i
fattori che li producono.
Una via percorribile consiste nell’ipotizzare che gli effetti sistematici
osservati siano collegati ad alcuni fattori (indicati dai tecnici del
processo) e nel valutare, poi, la sistematicità di tali collegamenti.

La decisione di approfondimento deve essere legata ad una concreta

evidenza di significatività del fattore indagato, poiché sarebbe
altamente inefficiente indagare su differenze dovute solo al gioco del
caso.

L’attività di indagine richiede due tipologie di competenza: quella

specifica del settore tecnologico che si sta valutando e quella generale
dell’analisi dei risultati sperimentali.
G. Barbato ‐ A. Germak ‐ G. Genta 2
 INTRODUZIONE
È stato descritto un metodo per individuare la presenza di fattori sistematici,
basato sui test di normalità (χ2 e GPN). Essi individuano la presenza di fattori
sistematici quando il loro effetto produca una distorsione significativa della
distribuzione dei dati sperimentali.

Stabilita la presenza di effetti non giustificati dal gioco del caso, è necessario
trovare un collegamento ai fattori che possono averli prodotti. In questa fase è
fondamentale il collegamento con gli esperti del processo in esame. La
statistica, come si è visto con il GPN, fornisce utili indicazioni sulla tipologia del
fattore da cercare (discontinuità o tendenza), ma è la parte tecnica che deve
produrre concrete ipotesi di collegamento con i fattori d’influenza del
processo. Per validare tali ipotesi è utile ricorrere ad metodi di valutazione
statistica, come i cosiddetti test d’ipotesi e l’analisi della varianza (Analysis Of
Variance, ANOVA).

G. Barbato ‐ A. Germak ‐ G. Genta 3

 L’USO DEI TEST D’IPOTESI
Caso studio
Si vuole valutare se, prendendo i risultati sperimentali organizzati in un 
modo strutturato che li suddivida secondo il livello corrispondente al 
fattore che si vuole analizzare (fattore sotto controllo), si possa 
distinguere quando le differenze prodotte dalle variazioni del fattore 
sotto controllo siano dovute al gioco del caso (effetti accidentali), 
oppure a qualche ragione definita (effetti sistematici). In quest’ultimo 
caso, è possibile migliorare il risultato identificando gli effetti 
sistematici, che possono poi essere corretti, compensati o eliminati.

G. Barbato ‐ A. Germak ‐ G. Genta 4

 L’USO DEI TEST D’IPOTESI
Caso studio: Risultati, espressi in millimetri, delle misurazioni di 
lunghezza di un manufatto, fatte da cinque diversi operatori. Schema
di controllo ad un solo fattore .

G. Barbato ‐ A. Germak ‐ G. Genta 5

 L’USO DEI TEST D’IPOTESI
Caso studio
“Il comportamento degli operatori è omogeneo oppure esistono 
dei fattori sistematici che introducono differenze non casuali?”

Tale domanda è del tutto analoga ad altre simili domande che 
potrebbero riguardare procedure e strumentazioni diverse, per 
l’ambito delle misure, o anche, in ambito produzione,  lotti
provenienti da reparti o stabilimenti differenti.
L’obiettivo è comprendere se le differenze nei risultati o nei 
prodotti ottenuti siano solo casuali o se si debba ritenere che 
siano causate da fattori sistematici.

G. Barbato ‐ A. Germak ‐ G. Genta 6

 L’USO DEI TEST D’IPOTESI
Il metodo dei test d’ipotesi consiste nel formulare un’ipotesi collegata al
comportamento del fattore che si vuole analizzare.

Poiché, come si è visto sia con l’informazione trasferita dai risultati di misura,
sia con le risposte date dai test statistici, non si può giungere mai ad una
condizione di uguaglianza o di accettazione dell’ipotesi, ma solo ad una
dichiarazione d’ignoranza oppure ad un rifiuto (seppure espresso sempre con
un rischio d’errore), la prova cercata è nel rifiuto dell’ipotesi posta.

Questa condizione impone di stilare l’ipotesi di partenza (ipotesi nulla), in

senso opposto alla presenza del fattore che si vuole controllare.
In pratica se ritengo che l’effetto di un certo fattore sia sistematico, devo fare
l’ipotesi nulla che non vi sia effetto sistematico di quel fattore.

G. Barbato ‐ A. Germak ‐ G. Genta 7

 L’USO DEI TEST D’IPOTESI
Per giungere alla risposta si devono percorrere alcuni passi:
a) scegliere il modo di rappresentare numericamente i termini della 
questione, cioè individuare una variabile statistica calcolabile dai 
dati sperimentali che rappresenti il problema analizzato (nel caso in 
esempio la media di ogni operatore);
b) scegliere la distribuzione statistica che si ritiene rappresentare il 
variabile scelta (nel caso in esempio sappiamo che la media è 
distribuita normalmente);
c) Considerando le conseguenze della risposta del test, stabilire il 
rischio d’errore α di prima specie che si è disposti a correre;
d) valutare i confini delle zone di accettazione o di rifiuto dell’ipotesi, 
operazione che, noti la distribuzione ed il rischio d’errore di prima 
specie, può essere realizzata come determinazione dell’intervallo 
fiduciario.

G. Barbato ‐ A. Germak ‐ G. Genta 8

 L’USO DEI TEST D’IPOTESI
Caso studio
Ipotesi nulla: “Il comportamento degli operatori non è significativo”.
a) il comportamento di ciascuno degli operatori è descritto dal valore medio dei 
q risultati che ha prodotto;
b) la domanda sulla presenza di un fattore sistematico può essere posta in diversi 
modi:
1) vi è omogeneità tra i risultati prodotti da tutti gli operatori? Ovvero, le 
medie dei diversi operatori appartengono tutte alla distribuzione delle 
medie di campione? In tal caso, la distribuzione statistica da prendere 
come riferimento è quella delle medie di campione con numerosità q.
2) le differenze tra ogni coppia di operatori sono sistematiche? In tal caso la 
variabile di controllo è la differenza, per ogni coppia di operatore, tra le 
medie delle q misure ottenute da ogni operatore  e la distribuzione 
statistica da prendere come riferimento è quella delle differenze delle 
medie di campione con numerosità q.

G. Barbato ‐ A. Germak ‐ G. Genta 9

 L’USO DEI TEST D’IPOTESI
Caso studio
c) Stabilire il livello di fiducia, sulla base degli effetti dell’errore α di prima 
specie (che corrisponde ad affermare erroneamente che l’ipotesi nulla è 
falsa, cioè ad affermare erroneamente che esistono differenze 
sistematiche tra gli operatori); nel caso in esame cosa succede se il test 
indica che vi è un operatore differente dal gruppo?
• 1) il direttore generale è molto cattivo e lo licenzia: conseguenze molto gravi, quindi 
si deve accettare un rischio α molto basso che succedano;
• 2) come accade nella realtà si forma un gruppo di discussione degli operatori con un 
team leader, che cerca di portare al confronto delle metodiche utilizzate dai diversi 
operatori. La conseguenza è, quindi, un’attività dal costo quantificabile, su cui è 
possibile decidere il rischio che venga fatta inutilmente.

c) Valutare, sulla base di tale rischio d’errore α, i limiti dell’intervallo 
fiduciario della distribuzione adottata. Ciò può essere facilmente fatto 
utilizzando le funzioni statistiche della distribuzione della variabile di 
controllo adottata.
G. Barbato ‐ A. Germak ‐ G. Genta 10
 L’USO DEI TEST D’IPOTESI
Caso studio
1) Vi è omogeneità tra i risultati prodotti da tutti gli operatori?
La distribuzione di riferimento è la distribuzione delle medie dei q
risultati di ogni operatore (distribuzione normale, come si desume dal
teorema del limite centrale).
La migliore informazione sullo scarto tipo σ della popolazione è data
dal valore dello scarto tipo s degli n=50 dati. Quindi, lo scarto tipo sm
delle medie dei q risultati ottenuti da ogni operatore risulta:
s
sm 
q

Stabilito il rischio d’errore accettabile α, si possono stimare i valori

limite dell’intervallo di fiducia calcolando il valore di zs del limite
superiore corrispondente ad una probabilità cumulata 1 ‐ α/2, per cui i
limiti risultano essere m – zs sm e m + zs sm.
G. Barbato ‐ A. Germak ‐ G. Genta 11
 L’USO DEI TEST D’IPOTESI
Variabile di controllo Intervallo fiduciario.

Le conseguenze di un errore di prima specie sono solo un esame dei

metodi operativi degli operatori segnalati, pertano si accetta un
rischio di prima specie alto (α=20%) al fine di abbassare il rischio di
seconda specie.
I valori medi corrispondenti agli operatori 1, 2, 4 e 5 cadono al di fuori
dei limiti, quindi esiste un fattore sistematico che causa la variazione.
G. Barbato ‐ A. Germak ‐ G. Genta 12
 L’USO DEI TEST D’IPOTESI
Bisogna porre attenzione che in questo caso, come spesso accade,
vi sono fattori sovrapposti. Un fattore continuo sempre presente
nelle attività sperimentali è la successione temporale. In questo
caso siamo fortunati che i due fattori sono uno continuo ed uno
discontinuo, quindi abbiamo la possibilità di separarli. Ciò
dovrebbe essere fatto dalla pianificazione dell’esperimento. Ad
esempio, ipotizzando la presenza di una deriva temporale, la
taratura di una massa B mediante una massa campione A viene
fatta secondo lo schema A B B A, per cui, in presenza di deriva
lineare, le medie delle due pesate della massa A e delle due pesate
della massa B non sono affette dall’effetto di deriva.

G. Barbato ‐ A. Germak ‐ G. Genta 13

 L’USO DEI TEST D’IPOTESI
Per approfondire questo risultato, si utilizzerà la regressione
lineare che permetterà di evidenziare la presenza di una deriva nel
tempo.

L’effetto degli operatori e l’effetto della deriva non sono

indipendenti, in quanto gli operatori hanno preso i dati
raggruppati in stretta successione.

I dati dei primi operatori sono anche quelli iniziali, quelli degli
ultimi sono anche quelli finali. Non si può sapere se i primi
operatori ottengono valori più bassi degli ultimi per il loro modo di
operare o perché i valori di misura all’inizio erano più bassi che alla
fine a causa della deriva!

G. Barbato ‐ A. Germak ‐ G. Genta 14

 L’USO DEI TEST D’IPOTESI
Il metodo del test d’ipotesi ha due svantaggi:
1. in primo luogo, come succede a molti test statistici, i limiti di
controllo sono calcolati utilizzando i dati che possono
contenere l’effetto non accidentale ricercato, quindi se tale
effetto è presente sono errati;
2. si può controllare l’ipotesi di un solo fattore d’influenza per
volta

Per superare questi limiti Fisher propose il metodo dell’analisi

della varianza (Analysis Of Variance, ANOVA) applicabile a schemi
anche complessi che coinvolgono più fattori, ma ha lo svantaggio
che i dati sperimentali devono essere presi in coerenza con lo
schema di analisi adottato, che, quindi, deve essere impostato
prima di prendere i dati sperimentali.

G. Barbato ‐ A. Germak ‐ G. Genta 15

 ANALISI DELLA VARIANZA
UN SOLO FATTORE SOTTO CONTROLLO 

Valutazione di un singolo effetto: esempio del comportamento

degli operatori.
Situazioni Gruppo 1 ... Gruppo j ... Gruppo k Media
globale
1 x 11 ... x1 j ... x 1k
... ... ... ... ... ...
i x i1 ... xij ... x ik
... ... ... ... ... ...
n x n1 ... x nj ... x nk
Media x 1 ... x j ... x k x 
colonne

xij = Dato di misura i‐esimo del campione j‐esimo

x j = Media dei dati del campione j‐esimo
x  = Media di tutti i dati

G. Barbato ‐ A. Germak ‐ G. Genta 16

 ANALISI DELLA VARIANZA
UN SOLO FATTORE SOTTO CONTROLLO 

Variazioni dei dati:

•variazioni dovute agli operatori (cioè dovute al fattore che si
desidera analizzare),
• variazioni naturali dovute al caso (dovute a fattori diversi dagli
operatori).

La differenza tra gli operatori è fortemente presente nei valori

medi ottenuti da ogni operatore, quindi la stima s12 calcolata
come varianza dei valori medi conterrà fortemente tale
differenza.
La variabilità dei dati di un singolo operatore non contiene nessun
effetto della differenza tra gli operatori, quindi può essere presa
come indicazione della variabilità naturale.
G. Barbato ‐ A. Germak ‐ G. Genta 17
 ANALISI DELLA VARIANZA
UN SOLO FATTORE SOTTO CONTROLLO 
La varianza che tiene conto delle differenze tra i gruppi (detta
varianza “between groups”)

 x  x 
k
2
j
SS B
s  ns  n
2 2 J 1

k 1 k 1
B m

è ottenuta usando la somma dei quadrati degli scarti tra i valori

medi di ogni gruppo ed il valore medio globale (Sum of Squares
between groups, SSB).

G. Barbato ‐ A. Germak ‐ G. Genta 18

 ANALISI DELLA VARIANZA
UN SOLO FATTORE SOTTO CONTROLLO 
La varianza entro il gruppo di dati di un solo operatore (“within
the group”) non risente dei dati degli altri gruppi (è indipendente
dalla differenza tra i gruppi).
Per rendere tale informazione più robusta si ripete l’operazione
per tutti gli operatori e si fa la media delle stime così ottenute:

 x  x j 
n

 x  x j 
2 n
2
k ij
1 SSW
s  
ij
2 i 1
 ove la parte: i 1
n 1 k n  1
W
k j 1 n 1

è la varianza dei dati all’interno del gruppo j‐esimo e le

sommatorie dei quadrati delle differenze rispetto ai valori medi di
ogni gruppo rappresentano la somma dei quadrati all’interno dei
gruppi (Sum of Squares within groups, SSw).
G. Barbato ‐ A. Germak ‐ G. Genta 19
 ANALISI DELLA VARIANZA
UN SOLO FATTORE SOTTO CONTROLLO 
Per valutare la presenza di un fattore sistematico variabile tra i
gruppi Fisher ha scelto il rapporto tra la stima della varianza
contenente il fattore esaminato e quella che non lo contiene e
confrontarlo con il limite superiore dell’intervallo di fiducia della
distribuzione corrispondente (distribuzione di Fisher).
Nel caso di un singolo fattore sotto controllo è stato possibile,
ragionando sui termini, giungere ad una formulazione di una stima
della varianza che contenga il fattore esaminato ed un’altra stima
che non lo contenga. Ma già nell’ipotesi che si vogliano controllare
due fattori è più complesso trovare le formulazioni che isolino gli
effetti dei singoli fattori, ed ancor più la formulazione che escluda
tali effetti.
Vediamo, allora, se è possibile giungere a ciò con uno sviluppo
matematico di supporto.
G. Barbato ‐ A. Germak ‐ G. Genta 20
 ANALISI DELLA VARIANZA
UN SOLO FATTORE SOTTO CONTROLLO 
Scomponiamo le differenze tra i singoli dati e la media generale in
modo da evidenziare l’effetto del fattore controllato (contenuto
anche nella differenza tra i valori medi dei gruppi e la media
generale): x ij  x   x  j  x    x ij  x  j 
Facendo la somma dei quadrati degli scarti rispetto alla media
generale (Somma dei quadrati corretti per la media, SSTC), espressi
in questa forma, e ricordando che la somma degli scarti rispetto
alla media è identicamente nulla, si ottiene:

 x 
 x    xij  x j   x j  x   
k n k n
2 2
ij
J 1 i 1 J 1 i 1

   xij  x j   2 xij  x j x j  x    x j  x  

k n k n k n
2 2

J 1 i 1 J 1 i 1 J 1 i 1

  xij  x j   n x j  x 

k n k
2 2

J 1 i 1 J 1
G. Barbato ‐ A. Germak ‐ G. Genta 21
 ANALISI DELLA VARIANZA
UN SOLO FATTORE SOTTO CONTROLLO 
I contributi assumono tradizionalmente la forma:
    x   
k n k n k
SS TC    xij  x  n  x j  x
2 2 2
ij  x j  SSW  SS B
J 1 i 1 J 1 i 1 J 1

ed i nomi di somma dei quadrati entro i gruppi (Sum of Squares

Within groups) SSW   x ij  x  j 2 e somma dei quadrati tra i
k n

J 1 i 1

SS B  n  x  j  x  
k
gruppi (Sum of Squares Between groups), 2

J 1
che sono proprio i numeratori delle due varianze sW2 ed s B2 prima
considerate.

G. Barbato ‐ A. Germak ‐ G. Genta 22

 ANALISI DELLA VARIANZA
UN SOLO FATTORE SOTTO CONTROLLO 
Il test può essere, quindi, organizzato calcolando direttamente tali
varianze, oppure seguendo lo schema tradizionale, che sfrutta il
fatto che la somma totale dei quadrati e dei gradi di libertà è
facilmente calcolabile, per cui il contributo più difficile da
calcolare, quello che non contiene i fattori sotto controllo, viene
ottenuto per differenza.
Calcolo dei gradi di libertà: per i quadrati totali sono uguali al
numero totale dei dati meno 1, cioè kn – 1. Essendo SSB,
determinata mediante k differenze dalla media globale, ha k ‐1
gradi di libertà ed infine SSW, calcolata per k gruppi di n dati, avrà
per ogni gruppo n –1 gradi di libertà, e quindi, in totale, k(n‐1)
gradi di libertà. Quest’ultimo valore può essere anche calcolato
come differenza tra i gradi di libertà totali e quelli di SSB, infatti si
ha: kn –1 – (k –1) = kn –1 – k+1= k(n – 1)
G. Barbato ‐ A. Germak ‐ G. Genta 23
 ANALISI DELLA VARIANZA
UN SOLO FATTORE SOTTO CONTROLLO 
Tabella ANOVA (ANalysis Of VAriance):
Origine Gradi Somme dei quadrati Varianze Rapporto
della di varianze
variazione libertà

Dovuta al k-1
 
k
n x j  x
2
fattore s B2
 
k
SS B  n x j  x
2
Fcalc  2
esaminato sB2  J 1
sW
J 1 k 1

Dovuta agli k(n-1)

 x 
k n
2
errori casuali  x j
  x 
k n
2
SSW   x j J 1 i 1
ij
ij
s 
2
J 1 i 1 W
k n  1

Totale kn - 1
 
k n
SS TC    xij  x
2

J 1 i 1

G. Barbato ‐ A. Germak ‐ G. Genta 24

 ANALISI DELLA VARIANZA
UN SOLO FATTORE SOTTO CONTROLLO 
Il valore di Fcalc deve essere confrontato con il valore F di Fisher
valutato al livello di fiducia voluto con i rispettivi gradi di libertà
del numeratore e del denominatore.

G. Barbato ‐ A. Germak ‐ G. Genta 25

 ANALISI DELLA VARIANZA
UN SOLO FATTORE SOTTO CONTROLLO 
Caso studio: Tabella ANOVA
Origine della Gradi di Somme dei quadrati Varianze Rapporto
variazione libertà varianze

Dovuta al 4 1,32E-04 3,31E-05 6,4

fattore
esaminato
Dovuta agli 45 2,33E-04 5,17E-06
errori casuali
Totale 49 3,65E-04

Poiché al livello di fiducia 80%, con 4 gradi di libertà per il numeratore
e 45 per il denominatore il limite è F = 1,6, si può affermare, con un 
rischio d’errore del 20%, che le differenze tra le medie degli operatori 
sono causate da fattori sistematici. 
G. Barbato ‐ A. Germak ‐ G. Genta 26
 ANALISI DELLA VARIANZA
UN SOLO FATTORE SOTTO CONTROLLO 
Possiamo osservare che anche l’analisi della varianza è impotente
davanti alla sovrapposizione dei due effetti della deriva e dei
differenti operatori, ed indica, giustamente, che un fattore
sistematico interviene sulla differenza delle medie successive,
senza poter dire se tale fattore dipende dagli operatori o dalla
deriva.

G. Barbato ‐ A. Germak ‐ G. Genta 27

 ANALISI DELLA VARIANZA
DUE FATTORI SOTTO CONTROLLO 
Consente di controllare sia il fattore corrispondente alle diverse
colonne (gruppi), sia il fattore corrispondente alle diverse righe
(situazioni), qualora si ritenga possibile che anch’esso produca una
variazione sistematica.
Situazioni Campione 1 ... Campione j ... Campione k Media riga
1 x 11 ... x1 j ... x 1k x 1
... ... ... ... ... ... ...
i x i1 ... xij ... x ik x i
... ... ... ... ... ... ...
n x n1 ... x nj ... x nk x n
Media ... ... x k x 
col. x 1 x j

G. Barbato ‐ A. Germak ‐ G. Genta 28

 ANALISI DELLA VARIANZA
DUE FATTORI SOTTO CONTROLLO 
In tal caso la variabilità dovuta ai soli effetti accidentali deve
essere ottenuta sottraendo gli effetti di variabilità dei due fattori.
Si pongono in evidenza tali fattori, descritti dalle differenze tra le
medie per colonna e la media generale e tra le medie per riga e la
media generale, cioè:
xij  x  x j  x    xi  x   xij  x j  xi  x 
e ciò porta, facendo la somma dei quadrati analogamente a
quanto visto prima ed eliminando le parti che portano a prodotto
le somme identicamente nulle degli scarti dalla media, a:
 x  x     x  j  x    x i   x    x ij  x  j  x i   x  
k n k n
2 2
ij
j 1 i 1 j 1 i 1

 x  x    n  x  j  x    k  x i   x     x ij  x  j  x i   x  
k n k n k n
2 2 2 2
ij
j 1 i 1 j 1 i 1 j 1 i 1

G. Barbato ‐ A. Germak ‐ G. Genta 29

 ANALISI DELLA VARIANZA
DUE FATTORI SOTTO CONTROLLO 

Esaminando i diversi contributi, possiamo notare che il primo di

n  x  j  x  
k
2
essi, , rappresenta il numeratore della varianza
j 1
ottenuta mediante il calcolo della varianza delle medie per
n
k   x i   x  
2
colonna, mentre il secondo, , rappresenta il
i 1
numeratore della varianza ottenuta mediante il calcolo della
varianza delle medie per riga. Infine il terzo,  x ij  x  j  x i   x   ,
k n
2

j 1 i 1

è il numeratore della varianza esente dagli effetti dei dati sotto

controllo, quindi della varianza dei fattori accidentali.

G. Barbato ‐ A. Germak ‐ G. Genta 30

 ANALISI DELLA VARIANZA
DUE FATTORI SOTTO CONTROLLO 
Tabella ANOVA (ANalysis Of VAriance):
Origine Gradi Somme dei quadrati Varianze Rapporto
della di varianze
variazione libertà
Dovuta al
 
k 2
SS Bc  n x j  x
2 SS Bc s Bc
fattore nelle 2
sBc 
colonne k-1 J 1 k 1 sW2
Dovuta al n
SS Br  k   xi  x 
2 SS Br 2
s Br
fattore nelle s 2

righe n–1 i 1
Br
n 1 sW2
Dovuta agli (k-1) ·
 
k n
SSW    xij  x j  xi  x
2 SSW
errori casuali (n-1) sW2 
J 1 i 1  k  1n  1

 
Totale nk - 1 k n
SS TC    xij  x
2

J 1 i 1

G. Barbato ‐ A. Germak ‐ G. Genta 31

 ANALISI DELLA VARIANZA
DUE FATTORI SOTTO CONTROLLO 
Caso studio: Tabella ANOVA

Origine della Gradi di Somme dei quadrati Varianze Rapporto

variazione libertà varianze
Dovuta al 4 1,32E-04 3,31E-05 6,9
fattore nelle
colonne
Dovuta al 9 6,06E-05 6,73E-06 1,4
fattore nelle
righe
Dovuta agli 36 1,72E-04 4,78E-06
errori casuali

Totale 49 3,65E-04

G. Barbato ‐ A. Germak ‐ G. Genta 32

 ANALISI DELLA VARIANZA
DUE FATTORI SOTTO CONTROLLO 
In questo caso, si devono valutare con la distribuzione di Fisher 
due condizioni diverse, sempre a livello di fiducia 80%, la prima 
con 4 gradi di libertà al numeratore e 36 a denominatore, la 
seconda con 9 gradi di libertà a numeratore e 36 a 
denominatore. I valori limite di F sono rispettivamente 1,58 e 
1,46, da confrontarsi rispettivamente con i valori di Fcalc 6,9 e 1,4. 

Si può, quindi, affermare, con un rischio d’errore del 20%, che le 
differenze tra gli operatori sono causate da fattori sistematici, 
mentre nulla si può dire per le differenze dovute alla successione 
delle misure. 

G. Barbato ‐ A. Germak ‐ G. Genta 33

 ANALISI DELLA VARIANZA
COMMENTI
Vantaggi rispetto ai test d’ipotesi: possibilità di isolare
selettivamente alcuni contributi di possibili fattori d’influenza;
tuttavia non può distinguere tra due fattori che si
sovrappongono.

Come per ogni test statistico, anche per l’analisi della varianza è
necessario osservare criticamente il risultato ottenuto.

Come già visto in precedenza, conviene operare in modo

iterativo, poiché l’individuazione e l’eliminazione di effetti di
disturbo elevati, siano essi incidenti o errori sistematici, rende più
acuti e selettivi i test applicati successivamente.

G. Barbato ‐ A. Germak ‐ G. Genta 34