W pytaniu analizowana jest różnica średniego czasu dostawy pomiędzy dwoma typami transportu. Czas dostawy jest zmienną ilościową (mierzoną np. w godzinach lub dniach), a typ transportu tworzy dwie grupy porównawcze. Klasycznym podejściem do sprawdzenia, czy średnie w dwóch niezależnych grupach różnią się w sposób istotny statystycznie, jest test t-Studenta dla dwóch prób.
Dlaczego to działa? W teście t formułuje się hipotezy:
- H0: średni czas dostawy w obu typach transportu jest taki sam,
- H1: średnie czasy dostawy różnią się.
Następnie, na podstawie średnich, odchyleń i liczebności prób, oblicza się statystykę testową i porównuje z rozkładem t (lub wyznacza p-value). W praktyce w logistyce i spedycji taki test bywa używany do oceny KPI (np. czy kolej rzeczywiście daje inny średni lead time niż transport drogowy).
Dlaczego pozostałe odpowiedzi nie są najlepszym wyborem w tym sformułowaniu pytania?
- Test chi-kwadrat jest typowo używany dla danych jakościowych (np. zależność między kategoriami) lub do porównywania częstości/udziałów. Nie służy wprost do porównywania średnich czasu.
- Analiza wariancji (ANOVA) jest najczęściej uczona jako metoda porównania średnich dla wielu grup. Dla dwóch grup może dawać wynik równoważny testowi t w pewnych warunkach, ale w zadaniu o dwóch typach transportu standardową i najbardziej bezpośrednią odpowiedzią egzaminacyjną jest test t.
- Regresja liniowa służy do modelowania zależności (np. przewidywania czasu dostawy na podstawie wielu zmiennych: dystansu, masy, dnia tygodnia). To inny cel niż proste porównanie dwóch średnich.
Wskazówka egzaminacyjna: najpierw rozpoznaj skalę zmiennej (czas = ilościowa), potem liczbę grup (dwie), a dopiero na końcu dobieraj narzędzie. To szybko prowadzi do testu t-Studenta jako właściwej odpowiedzi.
