Hai solo 12 recensioni per il tuo nuovo prodotto. Come fai a capire se piace davvero o se è solo un caso fortunato?

📊 La statistica serve a questo: a prendere decisioni sensate quando i dati scarseggiano.

Nel nuovo articolo abbiamo risolto 3 casi pratici sugli Intervalli di Confidenza:

✅ Come usare la t di Student con campioni piccoli.
✅ Come calcolare quanti utenti intervistare (senza sprecare budget!).
✅ Come confrontare due prodotti concorrenti (il temuto test di Welch).

E in fondo trovi i 5 errori “killer” da evitare assolutamente all’esame o sul lavoro.

Esercizio 1: Varianza ignota e campione piccolo – La t di Student

Testo del problema

Un piccolo produttore artigianale di cioccolato ha lanciato un nuovo prodotto e vuole stimare il gradimento medio basandosi sulle recensioni online. Dopo un mese, ha raccolto solo 12 recensioni con valutazioni in stelle (da 1 a 5). La media delle valutazioni è 4,2 stelle e la deviazione standard campionaria è 0,6 stelle. Supponendo che le valutazioni seguano una distribuzione approssimativamente normale, costruisci un intervallo di confidenza al 95% per la vera media delle valutazioni della popolazione.

Soluzione commentata

💡 Richiamo teorico fondamentale: Con [math]\sigma[/math] ignota e campione piccolo ([math]n < 30[/math]), non possiamo più usare la normale. La quantità:

[math]\frac{\bar{x} – \mu}{s / \sqrt{n}}[/math]

segue una distribuzione t di Student con [math]n-1[/math] gradi di libertà.

La t di Student ha code più pesanti della normale, riflettendo la maggiore incertezza dovuta alla stima di [math]\sigma[/math].

Passo 1: Identificare i dati

• [math]\bar{x} = 4,2[/math] stelle
• [math]s = 0,6[/math] stelle
• [math]n = 12[/math] (campione piccolo)
• Gradi di libertà: [math]gdl = n – 1 = 11[/math]
• Livello di confidenza: 95% [math]\Rightarrow \alpha = 0,05, \, \alpha/2 = 0,025[/math]

Passo 2: Trovare il valore critico [math]t_{\alpha/2, n-1}[/math]

Dobbiamo cercare sulle tavole della distribuzione t di Student il valore che lascia un’area di 0,025 nella coda destra, con 11 gradi di libertà:

[math]t_{0,025; 11} = 2,201[/math]

Nota: Questo valore è maggiore di 1,96 (valore della normale), riflettendo la maggiore incertezza dovuta al campione limitato.

Passo 3: Calcolare l’errore standard e il margine d’errore

[math]\displaystyle \begin{aligned}
\text{Errore Standard} &= \frac{s}{\sqrt{n}} = \frac{0,6}{\sqrt{12}} \\
&\approx \frac{0,6}{3,464} \approx 0,173 \text{ stelle}
\end{aligned}[/math]

[math]\displaystyle \begin{aligned}
ME &= t_{\alpha/2; n-1} \cdot \frac{s}{\sqrt{n}} \\
&= 2,201 \cdot 0,173 \approx 0,381 \text{ stelle}
\end{aligned}[/math]

Passo 4: Costruire l’intervallo

[math]IC_{95\%} = 4,2 \pm 0,381 = (3,819; 4,581)[/math]

Interpretazione: Siamo confidenti al 95% che la vera valutazione media del cioccolato nella popolazione sia compresa tra 3,82 e 4,58 stelle.

Domanda di riflessione: Cosa succederebbe all’ampiezza dell’intervallo se, a parità di media e deviazione standard, avessimo 30 recensioni invece di 12? Come cambierebbe il valore critico [math]t[/math] all’aumentare dei gradi di libertà?

Esercizio 2: Determinazione della numerosità campionaria

Testo del problema

Un’agenzia di ricerche di mercato deve stimare la soddisfazione media per un nuovo servizio di streaming, misurata su una scala da 0 a 100. Da studi precedenti su servizi simili, si stima che la deviazione standard della popolazione sia [math]\sigma = 12[/math]. L’agenzia vuole che l’intervallo di confidenza al 95% abbia un margine d’errore non superiore a 3 punti.

Qual è la numerosità campionaria minima necessaria?

Soluzione

💡 Strategia risolutiva: La formula del margine d’errore (ME) per la media con [math]\sigma[/math] nota è:

[math]ME = z_{\alpha/2} \cdot \frac{\sigma}{\sqrt{n}}[/math]

Poiché vogliamo trovare [math]n[/math] affinché il margine non superi un valore prefissato [math]E[/math], risolviamo l’equazione rispetto a [math]n[/math]:

[math]n = \left( \frac{z_{\alpha/2} \cdot \sigma}{E} \right)^2[/math]

Passo 1: Identificare i dati

• [math]\sigma = 12[/math]
• Livello di confidenza = 95% [math]\Rightarrow z_{\alpha/2} = 1,96[/math]
• Margine d’errore desiderato ([math]E[/math]) = 3

Passo 2: Applicare la formula

[math]\displaystyle \begin{aligned}
n &= \left( \frac{1,96 \cdot 12}{3} \right)^2 \\
n &= \left( \frac{23,52}{3} \right)^2 \\
n &= (7,84)^2 = 61,4656
\end{aligned}[/math]

Passo 3: Arrotondare sempre per eccesso

La numerosità campionaria deve essere un numero intero. Per garantire che il margine d’errore sia effettivamente minore o uguale a 3, dobbiamo arrotondare sempre per eccesso, anche se la parte decimale è piccola.

[math]n_{min} = 62[/math]

Interpretazione: L’agenzia deve intervistare almeno 62 utenti per stimare la soddisfazione media con un margine d’errore di ±3 punti e una confidenza del 95%.

Domanda di riflessione: Se volessimo dimezzare il margine d’errore (da 3 a 1,5), come cambierebbe la numerosità campionaria? Ricorda che [math]n[/math] dipende dal quadrato del margine d’errore al denominatore…

Esercizio 3: Caso complesso – Confronto tra due prodotti ([math]\sigma[/math] ignote)

Testo del problema

Un sito di comparazione prodotti vuole confrontare le valutazioni medie di due smartphone concorrenti, A e B.
Per il modello A, vengono analizzate 18 recensioni con media 4,3 e deviazione standard 0,5.
Per il modello B, si considerano 15 recensioni con media 4,0 e deviazione standard 0,7.
Supponendo che le valutazioni seguano una distribuzione normale e che le varianze delle due popolazioni siano diverse ([math]\sigma_A \neq \sigma_B[/math]), costruisci un intervallo di confidenza al 95% per la differenza tra le medie ([math]\mu_A – \mu_B[/math]).

Soluzione

💡 Approfondimento teorico:

Per il confronto tra due medie con varianze ignote e potenzialmente diverse, utilizziamo la procedura di Welch. I gradi di libertà vengono approssimati con la formula di Welch-Satterthwaite e l’intervallo si basa sulla distribuzione t di Student.

L’intervallo per [math]\mu_1 – \mu_2[/math] è:

[math]IC = (\bar{x}_1 – \bar{x}_2) \pm t_{\alpha/2, gdl} \cdot \sqrt{\frac{s_1^2}{n_1} + \frac{s_2^2}{n_2}}[/math]

Passo 1: Identificare i dati

• Smartphone A: [math]\bar{x}_1 = 4,3[/math], [math]s_1 = 0,5[/math], [math]n_1 = 18[/math]
• Smartphone B: [math]\bar{x}_2 = 4,0[/math], [math]s_2 = 0,7[/math], [math]n_2 = 15[/math]
• Differenza osservata: [math]\bar{x}_1 – \bar{x}_2 = 4,3 – 4,0 = 0,3[/math]

Passo 2: Calcolare l’errore standard della differenza (SE)

[math]\displaystyle \begin{aligned}
SE &= \sqrt{\frac{0,5^2}{18} + \frac{0,7^2}{15}} = \sqrt{\frac{0,25}{18} + \frac{0,49}{15}} \\
&\approx \sqrt{0,01389 + 0,03267} = \sqrt{0,04656} \approx 0,2158
\end{aligned}[/math]

Passo 3: Calcolare i gradi di libertà (Formula di Welch)

[math]\displaystyle gdl = \frac{(\frac{s_1^2}{n_1} + \frac{s_2^2}{n_2})^2}{\frac{(\frac{s_1^2}{n_1})^2}{n_1-1} + \frac{(\frac{s_2^2}{n_2})^2}{n_2-1}}[/math]

Sostituendo i valori:

• Numeratore: [math](0,04656)^2 = 0,002168[/math]
• Denominatore: [math]\frac{(0,01389)^2}{17} + \frac{(0,03267)^2}{14} \approx 0,00001135 + 0,00007621 = 0,00008756[/math]
• [math]gdl = \frac{0,002168}{0,00008756} \approx 24,76[/math]

Arrotondiamo per difetto a 24 gradi di libertà (approccio conservativo).

Passo 4: Trovare il valore critico

Dalle tavole t di Student con [math]gdl = 24[/math] e [math]\alpha/2 = 0,025[/math]:

[math]t_{0,025; 24} = 2,064[/math]

Passo 5: Calcolare il margine d’errore (ME) e l’intervallo

[math]ME = 2,064 \cdot 0,2158 \approx 0,445[/math]

[math]IC_{95\%} = 0,3 \pm 0,445 = (-0,145; 0,745)[/math]

Domanda di riflessione: Cosa significa, in termini pratici per un consumatore, che l’intervallo di confidenza per la differenza contenga lo zero? Se dovessi scrivere un titolo per un articolo basato su questi dati, useresti “A è migliore di B” o “Nessuna differenza provata tra A e B”?

Risposte alle Domande di Riflessione 

⚠️ Guida agli Errori Comuni: Non cadere in queste trappole!

Anche con le formule corrette, è facile interpretare male i risultati.

Ecco i 5 errori “killer” da evitare assolutamente: