Quante volte abbiamo letto di sondaggi politici, tassi di conversione di un sito web o percentuali di successo di un nuovo farmaco? Dietro a questi numeri, che influenzano decisioni cruciali, non c’è magia, ma un concetto fondamentale della statistica: la distribuzione della proporzione campionaria.
Spesso non possiamo interrogare un’intera popolazione (tutti gli elettori, tutti i visitatori di un sito), quindi ne studiamo un piccolo pezzo, un campione. Ma quanto possiamo fidarci dei risultati ottenuti da quel piccolo pezzo?
Come si passa da un dato “parziale” a una stima “affidabile”?
Questa guida ti accompagnerà passo dopo passo in questo ragionamento. Attraverso 6 esercizi pratici, di difficoltà crescente, vedremo come si costruisce l’analisi, quali sono le formule che contano e, soprattutto, quale logica si nasconde dietro. Niente teoria fine a se stessa, ma problemi concreti che potresti incontrare domani, a un esame o sul lavoro.
Chi usa questi strumenti e perché?
Questi non sono solo esercizi accademici.
Un UX Researcher usa il confronto tra proporzioni (Esercizio 5) per decidere se un nuovo design del sito converte di più.
Un Quality Manager in un’azienda di elettronica si basa sul test d’ipotesi (Esercizio 3) per garantire che i prodotti rispettino gli standard di qualità. Un analista di mercato calcola la dimensione del campione (Esercizio 4) per pianificare un’indagine sui consumatori senza sprecare budget. Capire questi passaggi significa imparare a prendere decisioni migliori basate sui dati.
1. Facile – Quota di mercato di un’app
Una start-up vuole stimare la quota di utenti Android fra i propri clienti.
Da un campione casuale semplice di n = 50 utenti si osserva che 38 usano Android.
Si assuma che la popolazione sia infinita.
1.1 Domande
Calcola la proporzione campionaria [math]\hat p[/math].
Calcola la deviazione standard della distribuzione di [math]\hat p[/math] nota la stima.
Verifica se è lecito usare l’approssimazione normale.
1.2 Soluzione guidata
Passo 1 – Proporzione campionaria
[math]\displaystyle
\hat p = \frac{x}{n} = \frac{38}{50} = 0{,}76
[/math]
Passo 2 – Deviazione standard stimata
La formula della deviazione standard della proporzione campionaria è
Entrambe le condizioni sono soddisfatte → approssimazione normale lecita.
💡 Osservazione: Se una delle due quantità fosse < 5, dovremmo usare la distribuzione binomiale esatta oppure aumentare il campione.
1.3 Mini-quiz
Domanda: Cosa succederebbe alla deviazione standard se raddoppiassimo la numerosità campionaria a n = 100?
Risposta breve: Si dividerebbe per [math]\sqrt{2}\approx 1{,}41[/math], quindi diminuirebbe (maggior precisione).
2. Medio-facile – Intervallo di confidenza al 95 %
Un’azienda di e-commerce sa per esperienza che il 10 % dei visitatori acquista.
Vuole monitorare la conversione settimanale. In una settimana osserva 1 200 visite e 132 acquisti.
2.1 Domande
Costruisci un intervallo di confidenza al 95 % per la vera proporzione p.
Commenta se il valore storico del 10 % rientra nell’intervallo.
2.2 Soluzione guidata
Passo 1 – Proporzione campionaria
[math]\displaystyle
\hat p = \frac{132}{1200} = 0{,}11
[/math]
Il valore storico 0,10 rientra nell’intervallo: non c’è evidenza statistica di un cambiamento della conversione.
💡 Osservazione: Quando [math]n[/math] è grande, anche piccole differenze possono risultare significative; controllare sempre la practical significance oltre alla statistical significance.
2.3 Mini-quiz
Domanda: Quale proprietà della distribuzione campionaria ci permette di usare il coefficiente 1,96?
Risposta: La normalità asintotica della proporzione campionaria per grandi campioni (Teorema del Limite Centrale).
3. Medio – Test d’ipotesi unilatero
Un produttore di LED dichiara che al più il 2 % dei suoi componenti si guasta entro il primo anno.
Un’associazione dei consumatori seleziona 400 LED e trova 12 guasti.
3.1 Domande
Formulare le ipotesi per verificare la dichiarazione del produttore.
Calcolare il p-value e concludere al livello α = 5 %.
3.2 Soluzione guidata
Passo 1 – Ipotesi
[math]\displaystyle
\begin{aligned}
H_0:&\ p \leq 0{,}02\\
H_1:&\ p > 0{,}02
\end{aligned}
[/math]
Essendo 0,0764 > 0,05 non rifiutiamo [math]H_0[/math]: non c’è evidenza sufficiente per contestare la dichiarazione del produttore.
💡 Osservazione: Un campione più ampio potrebbe ridurre la varianza e far emergere significatività: la potenza del test cresce con [math]\sqrt{n}[/math].
3.3 Mini-quiz
Domanda: Se avessimo usato un test bilatero, il p-value sarebbe stato maggiore o minore?
Risposta:Maggiore, perché raddoppiamo la coda (in caso di simmetria).
4. Medio-difficile – Campione minimo per margine di errore
Un’associazione studentesca vuole stimare la percentuale di fumatori tra i ragazzi delle superiori locali.
Desidera un margine di errore di al più 2 punti percentuali con confidenza 95 %.
4.1 Domande
Calcolare la numerosità campionaria minima nel caso più conservativo (nessuna informazione preliminare).
Ricalcolare la numerosità se da uno studio pilota si pensa che [math]p \approx 0{,}15[/math].
L’intervallo include lo zero: non c’è evidenza al 99 % che B sia superiore; tuttavia il limite inferiore è vicino a zero: con α = 5 % l’intervallo escluderebbe zero (provare per esercizio).
💡 Osservazione: Il sample size influisce enormemente: campioni più grandi restringerebbero l’intervallo rendendo più facile rilevare differenze piccole ma economicamente rilevanti.
5.3 Mini-quiz
Domanda: Qual è la pooled proportion che useremmo in un test di significatività ([math]H_0:\ p_A = p_B[/math])?
6. Difficile – Simulazione e controllo della normalità
Un politico vuole stimare la percentuale di elettori che lo sosterranno.
Dispone di un listato di 5 000 elettori (popolazione finita).
Esegue un campione casuale semplice senza reinserimento di n = 400 ottenendo 140 favorevoli.
6.1 Domande
Calcolare la proporzione campionaria e la sua deviazione standard corretta per popolazione finita.
Verificare le condizioni di normalità.
Costruire un intervallo di confidenza al 90 %.
(Opzionale – coding) Simulare in Python 10 000 campioni e verificare la copertura empirica dell’IC.
6.2 Soluzione guidata
Passo 1 – Proporzione
[math]\displaystyle
\hat p = \frac{140}{400} = 0{,}35
[/math]
Passo 2 – Fattore di correzione per Popolazione Finita (FPC ≈ 0,958)
import numpy as np
N = 5_000
p_true = 0.35
pop = np.random.choice([0,1], size=N, p=[1-p_true, p_true])
def one_sample():
s = np.random.choice(pop, size=400, replace=False)
phat = s.mean()
fpc = np.sqrt((N-400)/(N-1))
se = np.sqrt(phat*(1-phat)/400) * fpc
z = 1.645
low, high = phat - z*se, phat + z*se
return (low <= p_true <= high)
np.random.seed(42)
copertura = np.mean([one_sample() for _ in range(10_000)])
print(f"Copertura empirica: {copertura:.3f}")
Risultato atteso: ≈ 0,90 (nel nostro run 0,899).
💡 Osservazione: La correzione per popolazione finita riduce l’errore standard del ~4 %: in campioni grandi rispetto alla popolazione non va mai trascurata!
6.3 Mini-quiz
Domanda: Cosa succederebbe alla larghezza dell’intervallo se la popolazione fosse infinita?
Risposta: Sarebbe leggermente più ampia (senza il fattore 0,958).
Commento Applicativo
Esercizio 1 – Quota di mercato di un’app
Punto di vista applicativo: Questo è il punto di partenza di ogni analisi di mercato. Un’azienda ha bisogno di una fotografia istantanea della sua posizione. La proporzione campionaria (\hat p = 0,76) è la migliore stima singola che abbiamo, mentre la deviazione standard (\sigma_{\hat p} \approx 0,06) ci dà una prima misura dell’incertezza: ci dice quanto “stabile” è quella stima se ripetessimo il campionamento.
La sua semplicità è la sua forza. Introduce i due concetti chiave – stima puntuale e misura della sua variabilità – senza i quali non si può costruire nulla di più complesso. La verifica delle condizioni di normalità è cruciale, perché ci apre le porte all’uso della distribuzione normale, molto più maneggevole della binomiale.
Esercizio 2 – Intervallo di confidenza al 95%
Punto di vista applicativo: Questo esercizio risponde a una domanda manageriale fondamentale: “La performance di questa settimana è in linea con le nostre attese storiche?”. L’intervallo di confidenza trasforma la stima puntuale (11%) in un range di valori plausibili (9,2% – 12,8%). Poiché il valore storico (10%) è dentro, il manager può concludere che non c’è un’anomalia statistica da investigare.
È l’esempio perfetto del passaggio dalla stima puntuale alla stima intervallare. Mostra come quantificare l’incertezza in modo pratico. La scelta del livello di confidenza (95%) è lo standard nella maggior parte dei contesti aziendali, rendendo l’esercizio estremamente realistico.
Esercizio 3 – Test d’ipotesi unilatero
Punto di vista applicativo: Qui il focus è la verifica di una dichiarazione. Un’associazione di consumatori non vuole solo “stimare” i guasti, ma vuole contestare un’affermazione del produttore (“al più il 2%”). Il test d’ipotesi fornisce un framework formale per farlo, con il p-value come prova. Un p-value alto (7,6%) significa “prove deboli”, quindi l’accusa non regge.
L’uso di un test unilatero (H_1: p > 0,02) è la chiave. Non ci interessa se i LED sono migliori del dichiarato, ma solo se sono peggiori. Questa scelta rende il test più potente nel rilevare la specifica violazione che ci interessa.
Esercizio 4 – Campione minimo per margine di errore
Punto di vista applicativo: Questo è un esercizio di pianificazione e budgeting. Prima di iniziare un’indagine costosa, dobbiamo sapere quante persone intervistare per ottenere la precisione desiderata (margine di errore del 2%).
Mostra magnificamente il trade-off tra costo e precisione. Il confronto tra il caso conservativo (p=0,5, che richiede 2401 interviste) e il caso informato (p \approx 0,15, che ne richiede 1224) dimostra il valore economico di una stima preliminare. Ridurre il campione quasi della metà significa tagliare drasticamente i costi dell’indagine.
Esercizio 5 – Confronto tra due proporzioni
Punto di vista applicativo: Questo è il cuore pulsante del mondo digitale: l’A/B test. L’obiettivo è determinare se una modifica (la versione B del checkout) produce un miglioramento misurabile rispetto alla situazione attuale (versione A). È lo strumento principe per le decisioni di prodotto basate sui dati.
Introduce la complessità di gestire due campioni indipendenti. La formula dell’errore standard si adatta per combinare l’incertezza di entrambe le stime. La conclusione (“l’intervallo include lo zero”) è un mantra per chiunque lavori in questo campo e significa: “Non abbiamo prove sufficienti per lanciare la nuova versione”.
Esercizio 6 – Simulazione e controllo della normalità
Punto di vista applicativo: Questo esercizio affronta uno scenario comune in contesti specifici: sondaggi interni a un’azienda, controllo qualità su un lotto di produzione, studi su una popolazione scolastica. In tutti questi casi, la popolazione è finita e il campione può rappresentarne una frazione non trascurabile.
Introduce il Fattore di Correzione per Popolazione Finita (FPC), un dettaglio tecnico ma importante che rende la stima più precisa. L’inclusione del codice Python sposta l’esercizio da un problema puramente teorico a uno scenario di analisi dati moderna, dove le simulazioni sono usate per verificare la validità dei metodi statistici.
I sei esercizi che abbiamo visto sono i mattoni fondamentali dell’inferenza statistica. Sebbene le formule possano sembrare semplici, il ragionamento sottostante è lo stesso che alimenta algoritmi di Machine Learning più complessi. Un modello che classifica email come spam o non spam, in fondo, sta stimando una probabilità. Un sistema di raccomandazione valuta la percentuale di successo dei suoi suggerimenti. Saper calcolare un intervallo di confidenza o interpretare un p-value non è solo superare un esame, ma è il primo passo per dialogare in modo critico e consapevole con il mondo dei dati e dell’intelligenza artificiale.
