diff --git a/draft.pdf b/draft.pdf
index 877442b..d582190 100644
Binary files a/draft.pdf and b/draft.pdf differ
diff --git a/src/chapter_3.md b/src/chapter_3.md
index a69e133..c7180fc 100644
--- a/src/chapter_3.md
+++ b/src/chapter_3.md
@@ -75,6 +75,17 @@ Una situazione analoga si riscontra anche nell'analisi sulle linee (@fig:lines-e
   \label{fig:entropy}
 \end{figure}
 
+Per verificare la rilevanza statistica di questa diversità sono stati svolti il *ranksum* test e il *Cliff's delta* i cui risultati sono riportati nella @tbl:test-entropy.
+Nel caso dell'entropia sui file possiamo dire che la differenza è marginale poiché il *p-value* è prossimo a $0.05$, mentre nel caso dell'entropia calcolato sulle linee la differenza viene confermata dal test.
+In entrambi i casi, l'*effect size* è trascurabile.
+
+|              | ranksum p-values | Cliff's delta |
+|--------------|:----------------:|:-------------:|
+| file entropy |       0.059      |     0.044     |
+| line entropy |     5.932e-06    |     0.105     |
+
+: Risultati dei test statistici per quanto riguarda l'entropia {#tbl:test-entropy}
+
 ## RQ4: come varia il livello di discussione tra ML bug e altri bug?
 
 Per rispondere a questa domanda è stato necessario andare a valutare il numero di commenti presenti all'interno di ogni issues.
@@ -108,6 +119,17 @@ I risultati di quest'ulteriore analisi sono riportati in @fig:discussion-words.
 Anche in questo caso si può vedere che nel caso di \ac{ML} *fix* la distribuzione presenta valori più elevati e maggiore varianza.
 Per cui non solo nei *fix* di \acl{ML} c'è maggiore discussione, ma la discussione è anche più *densa*.
 
+Anche in questo caso sono stati svolti i test statistici.
+In @tbl:test-discussion è possibile vedere come per entrambe le metriche considerate il *p-value* sia abbondantemente inferiore alla soglia di $0.05$ quindi abbiamo una conferma della diversità delle due distribuzioni riscontrata dal boxplot.
+Inoltre, per entrambe le metriche, abbiamo un *effect size* medio.
+
+|                     | ranksum p-values | Cliff's delta |
+|---------------------|:----------------:|:-------------:|
+| commenti medi       |     9.053e-75    |     0.425     |
+| parole per commento |     2.889e-59    |     0.377     |
+
+: Risultati dei test statistici per quanto riguarda il livello di discussione {#tbl:test-discussion}
+
 ## RQ5: come varia il time-to-fix tra ML bug e altri bug?
 
 In quest'ultima analisi si vuole andare a valutare se c'è differenza nel tempo necessario per eseguire il *fix*.
@@ -128,3 +150,11 @@ Mentre nel caso dei *fix* di \acl{ML} per essere considerato outlier un *issue*,
 Il maggior tempo necessario ad attuare la correzione indica che i *bug* di \ac{ML} sono più difficili da individuare e correggere rispetto a quelli generici.
 Inoltre questo risultato contribuisce a spiegare il dato emerso dalla sezione precedente, in quanto per individuare la fonte del problema sembrerebbe essere necessaria una discussione più approfondita.
 
+Anche per quest'ultima *RQ* sono stati svolti i test statistici illustrati precedentemente.
+Dai risultati riportati in @tbl:test-time-to-fix è possibile notare un *p-value* inferiore a $0.05$ e un *effect size* medio.
+
+|            | ranksum p-values | Cliff's delta |
+|------------|:----------------:|:-------------:|
+| day-to-fix |     7.354e-53    |     0.355     |
+
+: Risultati dei test statistici per quanto riguarda il time-to-fix {#tbl:test-time-to-fix}