{"id":1026620,"date":"2022-01-15T02:00:20","date_gmt":"2022-01-15T09:00:20","guid":{"rendered":"https:\/\/www.questionpro.com\/blog\/test-u-di-mann-whitney-cose-e-come-funziona\/"},"modified":"2025-06-11T15:29:57","modified_gmt":"2025-06-11T22:29:57","slug":"test-u-di-mann-whitney-cose-e-come-funziona","status":"publish","type":"post","link":"https:\/\/www.questionpro.com\/blog\/it\/test-u-di-mann-whitney-cose-e-come-funziona\/","title":{"rendered":"Test U di Mann-Whitney: cos’\u00e8 e come funziona"},"content":{"rendered":"\n

Il<\/span> Test U di Mann-Whitney<\/b> \u00e8 una tecnica statistica comunemente utilizzata quando i dati non soddisfano determinati requisiti per essere valutati attraverso un test parametrico. <\/span><\/p>\n\n\n\n

In questo articolo scoprirai in cosa consiste questo test e come eseguirlo passo dopo passo.<\/span><\/p>\n\n\n\n\n\n

Che cos’\u00e8 il test U di Mann-Whitney?<\/span><\/h2>\n\n\n\n

Il test U di Mann-Whitney \u00e8 un test non-parametrico test non parametrico alternativo al test t su campioni indipendenti (un test di ipotesi statistica utilizzato per determinare se la media di una popolazione sconosciuta \u00e8 diversa da un valore specifico). <\/span><\/p>\n\n\n\n

Il test U di Mann-Whitney viene utilizzato per confrontare due medie campionarie <\/span>confrontare due medie campionarie<\/b> che provengono dalla stessa popolazione, nonch\u00e9 per verificare se due medie campionarie sono uguali o meno.<\/span><\/p>\n\n\n\n

Il test U di Mann-Whitney, noto anche come test di Mann-Whitney-Wilcoxon e test di Wilcoxon, fa parte del pi\u00f9 ampio gruppo dei test di dipendenza. I test di dipendenza presuppongono che le variabili dell’analisi possano essere suddivise in variabili indipendenti e dipendenti. <\/span><\/p>\n\n\n\n

I test di dipendenza che confrontano i punteggi medi di una variabile indipendente e di una variabile dipendente presuppongono che le differenze nel punteggio medio della variabile dipendente siano causate dalla variabile indipendente. <\/span><\/p>\n\n\n\n

Significativit\u00e0 del test U di Mann-Whitney<\/span><\/h2>\n\n\n\n

A differenza del test t a campioni indipendenti, il test U di Mann-Whitney permette di trarre conclusioni diverse sui dati a seconda delle ipotesi fatte sulla distribuzione dei dati. <\/span><\/p>\n\n\n\n

Queste conclusioni possono andare dalla semplice constatazione della differenza tra le due popolazioni alla determinazione dell’esistenza di differenze nelle mediane tra i gruppi. Queste diverse conclusioni dipendono dalla forma delle distribuzioni dei dati. <\/span><\/p>\n\n\n\n

Come funziona il test U di Mann-Whitney?<\/span><\/h2>\n\n\n\n

Il test U di Mann-Whitney esegue un confronto statistico delle medie e determina se esiste una differenza nella variabile dipendente per due gruppi indipendenti. <\/span><\/p>\n\n\n\n

In questo modo, si pu\u00f2 dimostrare se la distribuzione della variabile dipendente \u00e8 la stessa per i due gruppi e quindi per la stessa popolazione. <\/span><\/p>\n\n\n\n

Il test U di Mann-Whitney funziona classificando tutti i valori dipendenti in ordine crescente, dove il valore pi\u00f9 basso riceve un punteggio pari a uno, e poi utilizzando la somma dei ranghi di ciascun gruppo per calcolare la statistica del test. <\/span><\/p>\n\n\n\n

Esempi di utilizzo del metodo Mann-Whitney U<\/span><\/h2>\n\n\n\n

Un esempio dell’uso del test U di Mann-Whitney si trova in uno studio per capire se gli atteggiamenti nei confronti della discriminazione salariale, in cui gli atteggiamenti sono misurati su una scala ordinale scala ordinale differiscono in base al sesso.<\/span><\/p>\n\n\n\n

In questo esempio, la variabile dipendente sarebbe \u201catteggiamenti verso la discriminazione salariale\u201d e la variabile indipendente sarebbe \u201cgenere\u201d, che ha due gruppi: \u201cuomini\u201d e \u201cdonne\u201d. <\/span><\/p>\n\n\n\n

In alternativa, si potrebbe utilizzare il test U di Mann-Whitney per scoprire se i salari, misurati su una scala continua, differiscono in funzione del livello di istruzione. In questo caso, la variabile dipendente sarebbe \u201csalario\u201d e la variabile indipendente sarebbe \u201clivello di istruzione\u201d, che ha due gruppi: \u201cscuola superiore\u201d e \u201cuniversit\u00e0\u201d. <\/span><\/p>\n\n\n\n

Caratteristiche che i dati devono avere per essere analizzati con il test U di Mann-Whitney<\/span><\/h2>\n\n\n\n

Un punto importante da considerare \u00e8 quello delle caratteristiche che i dati devono avere per poter essere analizzati con il test U di Mann Whitney, tra cui spiccano le seguenti:<\/span><\/p>\n\n\n\n

1: La variabile dipendente deve essere misurata a livello ordinale o continuo.<\/span><\/h3>\n\n\n\n

Esempi di variabili ordinali sono gli item della scala di scala Likert (una scala a 7 punti che va da “fortemente d’accordo” a “fortemente in disaccordo”), oltre ad altri modi di classificare le categorie (ad esempio una scala a 5 punti che spiega quanto \u00e8 piaciuto un prodotto a un cliente, da “Non molto” a “S\u00ec, molto”). <\/span><\/p>\n\n\n\n

Esempi di variabili continue sono il tempo di revisione (misurato in ore), l’intelligenza (misurata dal punteggio del QI), le prestazioni nei test (misurate da 0 a 100), il peso (misurato in kg), ecc.<\/span><\/p>\n\n\n\n

2: La variabile indipendente dovrebbe essere composta da due gruppi<\/span><\/h3>\n\n\n\n

La variabile indipendente deve essere composta da due gruppi categoriali indipendenti. Esempi di variabili indipendenti che soddisfano questo criterio sono il sesso (2 gruppi: maschio o femmina), lo stato occupazionale (2 gruppi: occupato o disoccupato), il fumatore (2 gruppi: s\u00ec o no), ecc. <\/span><\/p>\n\n\n\n

3: Le osservazioni di ciascun gruppo devono essere indipendenti.<\/span><\/h3>\n\n\n\n

Ci\u00f2 significa che non c’\u00e8 alcuna relazione tra le osservazioni di ciascun gruppo o tra i gruppi stessi. <\/span><\/p>\n\n\n\n

Ad esempio, ogni gruppo dovrebbe avere partecipanti diversi e nessun partecipante dovrebbe far parte di pi\u00f9 di un gruppo. Questo problema riguarda pi\u00f9 che altro il disegno di ricerca che qualcosa che pu\u00f2 essere testato, ma \u00e8 un presupposto importante del test U di Mann-Whitney. <\/span><\/p>\n\n\n\n

4. Le due variabili sono distribuite in modo anomalo.<\/span><\/h3>\n\n\n\n

Il test U di Mann-Whitney pu\u00f2 essere utilizzato quando le due variabili non sono uniformemente distribuite. <\/span><\/p>\n\n\n\n

Tuttavia, per sapere come interpretare i risultati di un test U di Mann-Whitney, devi determinare se la distribuzione dei punteggi per entrambi i gruppi della variabile indipendente (ad esempio \u201cuomini\u201d e \u201cdonne\u201d per la variabile indipendente \u201cgenere\u201d) hanno la stessa forma. <\/span><\/p>\n\n\n\n

Come interpretare i risultati del test U di Mann-Whitney?<\/span><\/h2>\n\n\n\n

Ecco i passi da compiere per interpretare i risultati del test U di Mann-Whitney:<\/span><\/p>\n\n\n\n

1: Imposta l’intervallo di confidenza<\/span><\/h3>\n\n\n\n

Il primo passo consiste nel determinare un intervallo di confidenza per la differenza tra due mediane della popolazione.<\/span><\/p>\n\n\n\n

In primo luogo, considera la differenza delle mediane del campione e poi esamina l’intervallo di confidenza.<\/span><\/p>\n\n\n\n

La differenza \u00e8 una stima della differenza tra le mediane della popolazione. Poich\u00e9 questo valore si basa sui dati del campione e non sull’intera popolazione, \u00e8 improbabile che la differenza del campione sia uguale alla differenza della popolazione. <\/span><\/p>\n\n\n\n

Per stimare meglio la differenza di popolazione, usa l \u201cintervallo di confidenza per la differenza. L\u201d intervallo di confidenza fornisce un intervallo di valori probabili per la differenza tra due mediane della popolazione. <\/span><\/p>\n\n\n\n

2: Determina se la differenza \u00e8 statisticamente significativa.<\/span><\/h3>\n\n\n\n

Per determinare se la differenza tra le mediane \u00e8 statisticamente significativa, confronta i valori p <\/span>p-valore<\/b> con il livello di significativit\u00e0. <\/span><\/p>\n\n\n\n

Normalmente, un livello di significativit\u00e0 (indicato come \u03b1 o alfa) di 0,05 va bene. Un livello di significativit\u00e0 di 0,05 indica un rischio del 5% di concludere che c \u201c\u00e8 una differenza quando in realt\u00e0 non c\u201d \u00e8.<\/span><\/p>\n\n\n\n