Statistica II

Dalla descrittiva all'inferenza: probabilità

In breve

In Statistica I hai imparato a descrivere i dati che hai davanti: medie, varianze, grafici, tabelle di frequenza. Ma la vera domanda della statistica, quella che le dà potere scientifico ed economico, è un'altra: cosa possiamo dire su un'intera popolazione — tutti i consumatori italiani, tutte le imprese di un settore, tutti i possibili esiti di un esperimento — quando possiamo osservare solo un campione, una piccola parte? Questo salto, dal "descrivere ciò che vedo" al "concludere su ciò che non vedo", è l'inferenza statistica, l'oggetto di questo corso. E lo strumento che rende possibile questo salto è la probabilità: il linguaggio matematico dell'incertezza. Prima di poter fare inferenza dobbiamo padroneggiare la probabilità, perché ogni conclusione inferenziale avrà la forma "questo è vero con probabilità tale". Questo primo capitolo costruisce le basi: cos'è la probabilità (e le sue diverse interpretazioni), come si calcola combinando eventi, e i due concetti che governano il ragionamento sotto incertezza — la probabilità condizionata (come cambia la fiducia quando arriva nuova informazione) e l'indipendenza. Culmineremo con il teorema di Bayes, il motore dell'aggiornamento delle credenze, alla base di tutta la statistica moderna. Questo capitolo è il fondamento probabilistico su cui poggia l'intero edificio dell'inferenza.

🎯 Alla fine di questo capitolo saprai: cosa distingue descrittiva e inferenza; le interpretazioni della probabilità (classica, frequentista, soggettiva) e i suoi assiomi; come combinare eventi (unione, intersezione, complementare); la probabilità condizionata e l'indipendenza; il teorema di Bayes e il suo significato.

Descrittiva vs inferenza: il grande salto

Perché conta: definisce lo scopo dell'intero corso e perché serve la probabilità.

📌 Le due statistiche.

La statistica descrittiva (Statistica I) riassume e rappresenta i dati osservati: se ho i redditi di 1000 famiglie, ne calcolo media e varianza. Le conclusioni valgono per quei dati.
La statistica inferenziale (questo corso) usa un campione per trarre conclusioni su una popolazione più ampia e non osservata, quantificando l'incertezza di tali conclusioni.

🔗 Analogia. La descrittiva è come descrivere le persone in una stanza; l'inferenza è come, avendo intervistato 1000 elettori (campione), prevedere il risultato delle elezioni di milioni di votanti (popolazione), dicendo anche "con un margine di errore del ±3%". Il sondaggio è inferenza pura: da pochi al tutto, con incertezza dichiarata. Il "margine di errore" è ciò che la probabilità ci permette di calcolare.

⚠️ Attenzione. L'inferenza è possibile solo se il campione è rappresentativo (idealmente casuale) della popolazione. Un campione distorto (es. intervistare solo chi ha il telefono fisso) porta a conclusioni sbagliate per quanto sofisticata sia la matematica. La qualità del campionamento precede la statistica.

Che cos'è la probabilità

Perché conta: è il linguaggio dell'incertezza, il mattone di ogni ragionamento inferenziale.

📌 Definizione. La probabilità di un evento è un numero tra 0 e 1 che misura quanto è "verosimile" che accada: 0 = impossibile, 1 = certo. Esistono tre interpretazioni, complementari:

Classica (a priori): se tutti i casi sono ugualmente possibili, $P=\frac{\text{casi favorevoli}}{\text{casi totali}}$ (es. dado: $P(6)=1/6$ ).
Frequentista (a posteriori): la probabilità è la frequenza relativa su tantissime prove ( $P\approx\frac{\text{volte che accade}}{\text{prove}}$ per molte prove). È l'interpretazione dominante nell'inferenza classica.
Soggettiva (bayesiana): grado di fiducia personale, coerente, in un evento (la probabilità che piova domani, che un'impresa fallisca).

🔗 Analogia. Le tre interpretazioni sono tre modi di rispondere a "quanto è probabile?": contando le possibilità simmetriche (dado), osservando le frequenze passate (assicurazioni che calcolano i premi dai dati storici), o valutando la propria fiducia (un analista che stima il rischio di un investimento). Convergono quando applicabili, ma coprono situazioni diverse.

📌 Assiomi (Kolmogorov). La probabilità rispetta tre regole base: (1) $0\le P(A)\le 1$ ; (2) $P(\text{evento certo})=1$ ; (3) per eventi incompatibili (che non possono accadere insieme) $P(A\text{ o }B)=P(A)+P(B)$ . Tutto il calcolo delle probabilità discende da qui.

Combinare eventi

Perché conta: i problemi reali riguardano combinazioni di eventi; servono le regole per calcolarne le probabilità.

Le operazioni fondamentali sugli eventi e le loro probabilità:

Complementare ( $\bar A$ , "non A"): $P(\bar A)=1-P(A)$ . Spesso è più facile calcolare la probabilità contraria (es. "almeno un successo" = 1 − "nessun successo").
Unione ( $A\cup B$ , "A o B"): $P(A\cup B)=P(A)+P(B)-P(A\cap B)$ . Si sottrae l'intersezione per non contarla due volte.
Intersezione ( $A\cap B$ , "A e B"): la probabilità che accadano entrambi (dipende dalla relazione tra gli eventi, vedi sotto).

🧩 Esempio. In un mazzo di 40 carte, $P(\text{asso o coppe})$ : $P(\text{asso})=\frac{4}{40}$ , $P(\text{coppe})=\frac{10}{40}$ , $P(\text{asso di coppe})=\frac{1}{40}$ . Unione: $\frac{4}{40}+\frac{10}{40}-\frac{1}{40}=\frac{13}{40}$ . Senza togliere l'intersezione avremmo contato l'asso di coppe due volte.

Probabilità condizionata e indipendenza

Perché conta: modellano come l'informazione cambia le probabilità — il cuore del ragionamento inferenziale.

📌 Probabilità condizionata. La probabilità di $A$ sapendo che $B$ è avvenuto: $P(A\mid B) = \frac{P(A\cap B)}{P(B)}.$ Rappresenta come si aggiorna la fiducia in $A$ alla luce dell'informazione $B$ . Ristringe l'universo dei casi a quelli in cui $B$ è vero.

🔗 Analogia. La probabilità che una persona a caso abbia più di 1,90 m è bassa; ma sapendo che gioca in NBA (condizione $B$ ), diventa alta. L'informazione cambia la probabilità: condizionare significa "restringere il campo" ai casi compatibili con ciò che sappiamo. È esattamente ciò che fa un medico che rivede la diagnosi dopo un esame.

📌 Indipendenza. Due eventi sono indipendenti se il verificarsi dell'uno non cambia la probabilità dell'altro: $P(A\mid B)=P(A)$ . Equivalentemente, $P(A\cap B)=P(A)\cdot P(B)$ (la probabilità congiunta è il prodotto).

🧩 Esempio. Due lanci di moneta sono indipendenti: il primo testa non cambia la probabilità del secondo (resta $1/2$ ). Ma estrarre due carte senza reimbussolamento sono eventi dipendenti: la prima estrazione cambia la composizione del mazzo. ⚠️ Non confondere indipendenti (non si influenzano) con incompatibili (non accadono insieme): sono concetti diversi, anzi due eventi incompatibili con probabilità positiva sono necessariamente dipendenti.

Il teorema di Bayes

Perché conta: è il motore dell'aggiornamento delle credenze, uno dei risultati più importanti e utili della probabilità.

📌 Teorema di Bayes. Permette di "invertire" la condizione, calcolando $P(A\mid B)$ da $P(B\mid A)$ : $P(A\mid B) = \frac{P(B\mid A)\,P(A)}{P(B)}.$ Collega la probabilità di $A$ prima di sapere $B$ (probabilità a priori $P(A)$ ) alla probabilità dopo (a posteriori $P(A\mid B)$ ), attraverso l'evidenza $B$ .

🔗 Analogia — la diagnosi. Bayes formalizza come aggiornare una credenza con nuova evidenza. Un test medico positivo non dà la probabilità di essere malati direttamente: dipende anche da quanto è rara la malattia (il "prior"). Ecco il celebre risultato controintuitivo: per una malattia rara, anche un test accurato dà molti falsi positivi, perché i sani sono tantissimi. Bayes combina l'accuratezza del test con la frequenza di base per dare la risposta corretta.

🧩 Esempio. Malattia che colpisce l'1% della popolazione; test con 99% di sensibilità e 99% di specificità. Se risulti positivo, qual è la probabilità di essere davvero malato? Sorprendentemente solo ~50%: perché su 10.000 persone, i 100 malati danno ~99 positivi veri, ma i 9.900 sani danno ~99 falsi positivi — metà dei positivi sono sani. Bayes rende quantitativo questo ragionamento, essenziale in medicina, economia e machine learning.

🗺️ Come si collega il tutto

Questo capitolo pone le fondamenta probabilistiche dell'inferenza. La distinzione descrittiva/inferenza definisce lo scopo del corso; la probabilità (nelle sue interpretazioni) è il linguaggio con cui esprimeremo l'incertezza di ogni conclusione. Le regole di combinazione, la probabilità condizionata, l'indipendenza e il teorema di Bayes sono gli strumenti di calcolo che useremo ovunque: l'indipendenza sarà cruciale per i campioni casuali (cap. 5), il condizionamento e Bayes stanno dietro il ragionamento dei test d'ipotesi (cap. 9, dove si valuta la probabilità dei dati sotto un'ipotesi). Il prossimo capitolo introduce le variabili casuali, il modo di associare numeri agli esiti incerti, che permetterà di trattare quantitativamente fenomeni aleatori (redditi, vendite, errori) e porterà alle distribuzioni — normale in testa — su cui si costruisce tutta la teoria campionaria e inferenziale.

🔑 Concetti chiave

Termine	In una frase	Da non confondere con
Statistica descrittiva	Riassume i dati osservati	Inferenza (conclude sulla popolazione)
Statistica inferenziale	Dal campione alla popolazione, con incertezza	Descrittiva (solo i dati a portata)
Probabilità	Misura dell'incertezza, tra 0 e 1	Frequenza osservata (una sua stima)
Probabilità condizionata	$P(A\mid B)$ : fiducia in A sapendo B	Probabilità congiunta $P(A\cap B)$
Indipendenza	Un evento non cambia la probabilità dell'altro	Incompatibilità (non accadono insieme)
Teorema di Bayes	Inverte la condizione; aggiorna il prior	Regola del prodotto (calcola la congiunta)
Probabilità a priori / posteriori	Fiducia prima / dopo l'evidenza	—

📝 Riepilogo

La statistica inferenziale trae conclusioni sulla popolazione da un campione, quantificando l'incertezza; richiede campioni rappresentativi.
La probabilità (interpretazioni classica, frequentista, soggettiva) misura l'incertezza tra 0 e 1 e rispetta gli assiomi di Kolmogorov.
Eventi si combinano: complementare $P(\bar A)=1-P(A)$ , unione $P(A\cup B)=P(A)+P(B)-P(A\cap B)$ , intersezione.
La probabilità condizionata $P(A\mid B)=\frac{P(A\cap B)}{P(B)}$ aggiorna la fiducia con l'informazione; l'indipendenza ( $P(A\cap B)=P(A)P(B)$ ) è diversa dall'incompatibilità.
Il teorema di Bayes $P(A\mid B)=\frac{P(B\mid A)P(A)}{P(B)}$ inverte la condizione e aggiorna il prior con l'evidenza (diagnosi, falsi positivi).

▶️ Prossimo capitolo: Variabili casuali — associare numeri agli esiti incerti: variabili casuali discrete e continue, valore atteso e varianza, i concetti che permettono di trattare quantitativamente i fenomeni aleatori.

Statistica II

Hai letto. Ora impara.

L'AI trasforma questo modulo in strumenti di studio personalizzati.

Variabili casuali

In breve

La probabilità del capitolo precedente parlava di "eventi" — il dado dà 6, la carta è un asso. Ma per fare statistica seria abbiamo bisogno di associare numeri agli esiti incerti: il reddito di una famiglia estratta a caso, il numero di clienti che entrano in un negozio, il tempo di attesa a uno sportello, l'errore di una misura. È l'idea della variabile casuale (o aleatoria): una quantità numerica il cui valore dipende dall'esito di un fenomeno incerto. Trasformare gli esiti in numeri è ciò che permette di calcolare, mediare, confrontare — di fare matematica sull'incertezza. Le variabili casuali si dividono in due grandi famiglie: discrete (che assumono valori isolati e contabili, come il numero di teste in dieci lanci) e continue (che assumono un continuo di valori, come un peso o un tempo). Per ciascuna impareremo a descrivere come la probabilità si "distribuisce" sui possibili valori — la distribuzione di probabilità — e a riassumerla con due numeri fondamentali, gli analoghi probabilistici della media e della varianza descrittive: il valore atteso (il "centro", il valore medio a lungo andare) e la varianza (la dispersione, quanto i valori si allontanano dal centro). Questi concetti sono il vocabolario con cui, nei prossimi capitoli, descriveremo le distribuzioni notevoli e costruiremo la teoria del campionamento e dell'inferenza.

🎯 Alla fine di questo capitolo saprai: cos'è una variabile casuale e la differenza tra discreta e continua; cosa sono la funzione di probabilità (discreta) e la densità (continua), e la funzione di ripartizione; il valore atteso (media) come "centro" e la varianza/deviazione standard come dispersione; le loro proprietà fondamentali.

Che cos'è una variabile casuale

Perché conta: è il concetto che traduce l'incertezza in numeri, rendendo possibile il calcolo statistico.

📌 Definizione formale. Una variabile casuale (v.c.) è una regola che associa un numero a ciascun esito di un fenomeno aleatorio. Si indica con lettere maiuscole ( $X, Y$ ); i valori che assume con minuscole ( $x, y$ ).

🔗 Analogia. La variabile casuale è un "traduttore" che trasforma esiti qualitativi in numeri su cui fare matematica. "Testa o croce" diventa $X=1$ o $X=0$ ; "quante vendite oggi" è già un numero, ma incerto finché la giornata non finisce. Prima di osservarla, $X$ è un'incognita che può assumere vari valori con varie probabilità; dopo l'osservazione, è un numero preciso.

📌 Due tipi.

Discreta: assume valori isolati e contabili (0, 1, 2, ...). Es. numero di figli, di clienti, di difetti, di successi in $n$ prove.
Continua: assume tutti i valori in un intervallo (un continuo). Es. altezza, peso, tempo, reddito, temperatura.

⚠️ Attenzione. La distinzione discreta/continua determina come si descrive la probabilità: con una funzione che assegna probabilità ai singoli valori (discreta) o con una densità su intervalli (continua). Per una v.c. continua, la probabilità di un singolo valore esatto è zero (la probabilità sta negli intervalli): la probabilità che un peso sia esattamente 70,000... kg è nulla, ha senso solo "tra 69 e 71 kg".

Come si distribuisce la probabilità

Perché conta: la distribuzione è la carta d'identità completa di una variabile casuale; dice tutto ciò che c'è da sapere.

Caso discreto — funzione di probabilità. Elenca la probabilità di ogni valore: $p(x)=P(X=x)$ . Le probabilità sono non negative e sommano a 1 (qualche valore deve accadere).

🧩 Esempio. Lancio di un dado: $X$ = risultato, $p(x)=\frac16$ per $x=1,\dots,6$ . Somma $=6\cdot\frac16=1$ . ✓

Caso continuo — funzione di densità. Non si assegna probabilità ai singoli valori (sarebbe zero), ma si usa una densità $f(x)$ : la probabilità che $X$ cada in un intervallo è l'area sotto la densità su quell'intervallo ( $P(a\le X\le b)=\int_a^b f(x)\,dx$ ). L'area totale sotto la densità è 1.

🔗 Analogia. La densità è come la distribuzione di massa lungo un'asta: non ha senso chiedere "quanta massa nel punto esatto $x$ " (è zero), ma "quanta massa tra $a$ e $b$ " (un pezzo di asta). Analogamente la probabilità continua vive negli intervalli, come area sotto la curva. Dove la densità è alta, i valori sono più probabili; dove è bassa, più rari.

📌 Funzione di ripartizione. In entrambi i casi, la funzione di ripartizione $F(x)=P(X\le x)$ accumula la probabilità fino a $x$ . Va da 0 (a sinistra) a 1 (a destra), è crescente, e permette di calcolare probabilità di intervalli: $P(a<X\le b)=F(b)-F(a)$ .

Il valore atteso: il "centro" della variabile

Perché conta: è il numero che riassume dove si "concentra" mediamente la variabile; l'analogo probabilistico della media.

📌 Definizione formale. Il valore atteso (o media, o speranza matematica) di $X$ , indicato $E(X)$ o $\mu$ , è la media dei valori pesata con le probabilità: $E(X)=\sum_x x\,p(x)\quad(\text{discreta}), \qquad E(X)=\int x\,f(x)\,dx\quad(\text{continua}).$

Rappresenta il valore medio a lungo andare: se si ripetesse l'esperimento infinite volte, la media dei risultati tenderebbe a $E(X)$ (legge dei grandi numeri).

🔗 Analogia. Il valore atteso è il "baricentro" della distribuzione: il punto di equilibrio se immaginassimo le probabilità come pesi distribuiti sui valori (esattamente il baricentro della meccanica!). Per un gioco d'azzardo, $E(X)$ è la vincita/perdita media per partita a lungo termine: se è negativo (come nei casinò per il giocatore), a lungo andare si perde. Le assicurazioni fissano i premi proprio calcolando il valore atteso dei risarcimenti.

⚠️ Attenzione. Il valore atteso è un valore medio, non necessariamente un valore possibile: il numero atteso di figli per famiglia può essere 1,4, che nessuna famiglia ha realmente. È un centro teorico, non una previsione del singolo esito.

Proprietà chiave (linearità): $E(aX+b)=a\,E(X)+b$ , e per la somma $E(X+Y)=E(X)+E(Y)$ sempre (anche se dipendenti). La linearità del valore atteso è uno strumento potentissimo.

La varianza: la dispersione

Perché conta: misura quanto la variabile è "incerta"/dispersa attorno al centro; essenziale per quantificare il rischio e l'errore.

📌 Definizione formale. La varianza di $X$ , indicata $\text{Var}(X)$ o $\sigma^2$ , è il valore atteso del quadrato dello scarto dalla media: $\text{Var}(X)=E\big[(X-\mu)^2\big].$ La sua radice quadrata, $\sigma=\sqrt{\text{Var}(X)}$ , è la deviazione standard, nella stessa unità di misura di $X$ (più interpretabile).

La varianza misura quanto i valori si allontanano in media dal centro: piccola varianza = valori concentrati attorno alla media (poco incerti); grande varianza = valori dispersi (molto incerti).

🔗 Analogia — il rischio. In finanza, la deviazione standard dei rendimenti di un investimento è la misura standard del rischio: due investimenti con lo stesso rendimento atteso ma diversa $\sigma$ sono molto diversi — quello con $\sigma$ alta può dare grandi guadagni ma anche grandi perdite (più incerto). Il valore atteso dice "quanto in media", la varianza dice "quanto è affidabile quella media".

Proprietà chiave: $\text{Var}(aX+b)=a^2\,\text{Var}(X)$ (la costante additiva $b$ non cambia la dispersione — sposta solo il centro; il fattore $a$ entra al quadrato). Per variabili indipendenti, $\text{Var}(X+Y)=\text{Var}(X)+\text{Var}(Y)$ (le varianze si sommano — cruciale per il campionamento, cap. 5-6).

🗺️ Come si collega il tutto

Le variabili casuali sono lo strumento che traduce l'incertezza (probabilità, cap. 1) in numeri trattabili quantitativamente. La distribuzione (funzione di probabilità o densità) descrive completamente il comportamento aleatorio, e i due sintesi — valore atteso (centro) e varianza (dispersione) — sono gli analoghi probabilistici della media e varianza descrittive di Statistica I. Questi concetti sono il vocabolario per i prossimi capitoli: le distribuzioni notevoli (cap. 3-4, binomiale, normale) sono variabili casuali specifiche con le loro $\mu$ e $\sigma$ ; la teoria campionaria (cap. 5-6) tratterà la media di un campione come una variabile casuale con proprio valore atteso e varianza, e le proprietà di linearità e somma delle varianze qui viste saranno essenziali per il teorema del limite centrale. Il valore atteso e la varianza governano poi la stima (cap. 7, uno stimatore è una v.c. che vogliamo abbia $E$ giusto e $\text{Var}$ piccola). Il prossimo capitolo presenta le distribuzioni discrete più importanti, i modelli standard con cui descrivere fenomeni di conteggio.

🔑 Concetti chiave

Termine	In una frase	Da non confondere con
Variabile casuale	Numero associato a un esito incerto	Un dato osservato (la v.c. prima dell'osservazione)
Discreta / continua	Valori isolati / continuo di valori	—
Funzione di probabilità	$p(x)=P(X=x)$ (discreta)	Densità $f(x)$ (continua, probabilità come area)
Densità $f(x)$	Probabilità come area sotto la curva	Funzione di probabilità (valori singoli)
Funzione di ripartizione	$F(x)=P(X\le x)$ , accumula la probabilità	Densità/probabilità (sono la sua "derivata")
Valore atteso $E(X)=\mu$	Media pesata dai pesi; il baricentro	Un valore possibile (può non esserlo)
Varianza $\sigma^2$	Dispersione attorno alla media	Deviazione standard $\sigma$ (la sua radice)

📝 Riepilogo

Una variabile casuale associa numeri agli esiti incerti; è discreta (valori isolati) o continua (un continuo, probabilità = area sotto la densità; il singolo valore ha probabilità nulla).
La distribuzione (funzione di probabilità o densità; e la ripartizione $F(x)=P(X\le x)$ ) descrive completamente la variabile.
Il valore atteso $E(X)=\mu$ è la media pesata dalle probabilità (il "baricentro", valore medio a lungo andare); è lineare ( $E(X+Y)=E(X)+E(Y)$ ).
La varianza $\sigma^2=E[(X-\mu)^2]$ (e la deviazione standard $\sigma$ ) misura la dispersione/rischio; $\text{Var}(aX+b)=a^2\text{Var}(X)$ , e per variabili indipendenti le varianze si sommano.

▶️ Prossimo capitolo: Le distribuzioni notevoli — i modelli standard per i fenomeni di conteggio: la distribuzione di Bernoulli e binomiale (successi/insuccessi) e la Poisson (eventi rari), con i loro valori attesi e varianze.

Statistica II

Hai letto. Ora impara.

L'AI trasforma questo modulo in strumenti di studio personalizzati.

Le distribuzioni notevoli

In breve

Non tutte le variabili casuali sono "diverse": molti fenomeni del mondo reale seguono un piccolo numero di schemi ricorrenti, modelli matematici standard che si ripresentano ovunque. Riconoscere che il numero di clienti soddisfatti su 100, i pezzi difettosi in un lotto, i "sì" in un sondaggio seguono tutti lo stesso modello (la binomiale) è ciò che rende la statistica potente: basta studiare una volta il modello per applicarlo a infinite situazioni. Questo capitolo presenta le distribuzioni notevoli discrete, quelle per i fenomeni di conteggio. Partiamo dal mattone elementare, la prova di Bernoulli: un esperimento con solo due esiti (successo/insuccesso), come il lancio di una moneta o la risposta sì/no. Da essa si costruisce la distribuzione binomiale, che conta i successi in $n$ prove ripetute e indipendenti — forse la distribuzione discreta più usata, dai controlli di qualità ai sondaggi. Vedremo poi la distribuzione di Poisson, che modella il numero di eventi rari in un intervallo di tempo o spazio (arrivi a uno sportello, incidenti, chiamate a un call center, difetti per metro di tessuto). Per ciascuna impareremo la logica, la formula, e — soprattutto — il valore atteso e la varianza, che ne riassumono il comportamento. Queste distribuzioni sono strumenti pratici immediati e, insieme alla normale del prossimo capitolo, formano la cassetta degli attrezzi del probabilista applicato.

🎯 Alla fine di questo capitolo saprai: cos'è una prova di Bernoulli (due esiti); la distribuzione binomiale (successi in $n$ prove), la sua formula, media $np$ e varianza $np(1-p)$ ; quando usarla; la distribuzione di Poisson (eventi rari), con media = varianza $=\lambda$ ; il legame binomiale-Poisson; come riconoscere quale modello si applica.

La prova di Bernoulli: il mattone elementare

Perché conta: è l'esperimento più semplice possibile, da cui si costruiscono i modelli di conteggio.

📌 Definizione formale. Una prova di Bernoulli è un esperimento con due soli esiti, convenzionalmente "successo" (probabilità $p$ ) e "insuccesso" (probabilità $1-p$ ). La variabile casuale associata vale $X=1$ (successo) o $X=0$ (insuccesso).

Valore atteso e varianza: $E(X)=p$ , $\text{Var}(X)=p(1-p)$ .

🔗 Analogia. È il "sì/no" fondamentale: moneta (testa/croce), un pezzo prodotto (conforme/difettoso), un cliente (compra/non compra), una risposta (favorevole/contraria). Qualsiasi domanda dicotomica è una prova di Bernoulli. La varianza $p(1-p)$ è massima per $p=0{,}5$ (massima incertezza, come una moneta equa) e nulla per $p=0$ o $p=1$ (esito certo, nessuna incertezza).

La distribuzione binomiale

Perché conta: è la distribuzione discreta più usata; modella i successi in prove ripetute, situazione onnipresente.

Cosa succede ripetendo $n$ prove di Bernoulli indipendenti, tutte con la stessa $p$ , e contando i successi totali? Si ottiene la distribuzione binomiale.

📌 Distribuzione binomiale. La variabile $X$ = numero di successi in $n$ prove indipendenti con probabilità $p$ segue la binomiale $B(n,p)$ , con $P(X=k)=\binom{n}{k}p^k(1-p)^{n-k}, \qquad k=0,1,\dots,n.$ Il coefficiente binomiale $\binom{n}{k}$ conta in quanti modi $k$ successi possono disporsi tra le $n$ prove; $p^k(1-p)^{n-k}$ è la probabilità di una specifica sequenza con $k$ successi.

📌 Media e varianza: $E(X)=np, \qquad \text{Var}(X)=np(1-p).$ Intuitive: in $n$ prove con probabilità $p$ ci si aspettano $np$ successi (es. 100 lanci di moneta → ~50 teste); la varianza è la somma delle varianze delle singole prove (indipendenti).

🔗 Analogia. La binomiale risponde a "quanti su $n$ ?": quanti clienti su 100 compreranno, quanti pezzi su 1000 saranno difettosi, quanti favorevoli su 500 intervistati. Ogni volta che ripeti la stessa prova sì/no in condizioni identiche e indipendenti e conti i successi, è binomiale.

🧩 Esempio. Un'azienda produce pezzi con probabilità $p=0{,}05$ di difetto. In un lotto di $n=20$ pezzi, quanti difetti attendersi? $E(X)=20\cdot0{,}05=1$ . Probabilità di zero difetti: $P(X=0)=\binom{20}{0}(0{,}05)^0(0{,}95)^{20}=0{,}95^{20}\approx0{,}36$ . Probabilità di almeno uno: $1-0{,}36=0{,}64$ .

⚠️ Attenzione — le condizioni. La binomiale richiede: (1) numero fisso $n$ di prove; (2) prove indipendenti; (3) probabilità $p$ costante; (4) due soli esiti. Se le prove non sono indipendenti (es. estrazioni senza reimbussolamento da una popolazione piccola) o $p$ varia, la binomiale non si applica esattamente.

La distribuzione di Poisson

Perché conta: modella gli eventi rari nel tempo o nello spazio, situazione frequentissima in gestione, code, affidabilità.

📌 Distribuzione di Poisson. Modella il numero di eventi che accadono in un dato intervallo (di tempo, spazio, ecc.) quando gli eventi sono rari e indipendenti, e si verificano a un tasso medio costante $\lambda$ : $P(X=k)=\frac{\lambda^k e^{-\lambda}}{k!}, \qquad k=0,1,2,\dots$ dove $\lambda$ è il numero medio di eventi nell'intervallo. Caratteristica notevole: media = varianza = $\lambda$ .

🔗 Analogia. La Poisson risponde a "quanti eventi in un intervallo?", quando gli eventi sono sparsi e imprevedibili singolarmente ma con un tasso medio noto: clienti che arrivano a uno sportello (in un'ora), chiamate a un call center (al minuto), incidenti a un incrocio (all'anno), refusi per pagina, difetti per metro di tessuto, decadimenti radioattivi al secondo. Non c'è un "numero di prove" fisso: si contano gli eventi in un continuo.

🧩 Esempio. A uno sportello arrivano in media $\lambda=3$ clienti ogni 10 minuti. Probabilità che in 10 minuti non arrivi nessuno: $P(X=0)=\frac{3^0 e^{-3}}{0!}=e^{-3}\approx0{,}05$ . Probabilità di esattamente 3: $P(X=3)=\frac{3^3 e^{-3}}{3!}=\frac{27\cdot0{,}0498}{6}\approx0{,}22$ . È il modello base della teoria delle code e della gestione operativa.

📌 Legame binomiale-Poisson. La Poisson è il limite della binomiale quando $n$ è grande e $p$ piccolo (eventi rari), con $\lambda=np$ . Per questo modella "molte prove, ciascuna con piccola probabilità": es. su un milione di persone (n grande), la probabilità che una data ne vinca alla lotteria è minuscola (p piccolo), ma il numero di vincitori segue una Poisson.

Come riconoscere il modello giusto

Perché conta: saper scegliere la distribuzione è metà del lavoro applicativo; la formula giusta dipende dalla struttura del problema.

Domande-guida per riconoscere il modello:

Due esiti, una sola prova? → Bernoulli.
Conto i successi in un numero fisso $n$ di prove indipendenti? → Binomiale $B(n,p)$ .
Conto eventi rari in un intervallo di tempo/spazio, senza un $n$ fisso? → Poisson ( $\lambda$ ).

⚠️ Attenzione. La distinzione chiave binomiale vs Poisson: la binomiale ha un numero di prove definito ( $n$ ) e conta i successi tra esse; la Poisson conta eventi in un continuo senza $n$ (potenzialmente infiniti). "5 pezzi difettosi su 100" → binomiale; "5 chiamate in un'ora" → Poisson.

🗺️ Come si collega il tutto

Questo capitolo presenta i modelli discreti standard, variabili casuali specifiche (cap. 2) con le loro distribuzioni, valori attesi e varianze. La Bernoulli è il mattone; la binomiale (successi in $n$ prove) è cruciale per l'inferenza sulle proporzioni (cap. 10, dove si stima la percentuale di favorevoli, difettosi, ecc. da un campione); la Poisson modella i conteggi di eventi. Il valore atteso e la varianza (cap. 2) qui prendono forme concrete ( $np$ , $np(1-p)$ , $\lambda$ ) che useremo direttamente. Il legame più importante è con il prossimo capitolo: la distribuzione normale approssima la binomiale per $n$ grande (e la Poisson per $\lambda$ grande), grazie al teorema del limite centrale (cap. 6) — è il ponte tra il discreto e il continuo che rende praticabile l'inferenza sulle proporzioni. La logica del "riconoscere il modello" dai suoi presupposti (indipendenza, numero di prove, rarità) è un'abilità che accompagnerà tutto il corso. Il prossimo capitolo introduce la regina delle distribuzioni continue: la normale.

🔑 Concetti chiave

Termine	In una frase	Da non confondere con
Prova di Bernoulli	Esperimento con due esiti (successo $p$ /insuccesso)	Binomiale (ripetizione di Bernoulli)
Distribuzione binomiale	Successi in $n$ prove indipendenti; $B(n,p)$	Poisson (eventi in un continuo)
Media binomiale $np$	Successi attesi in $n$ prove	Varianza $np(1-p)$
Distribuzione di Poisson	Eventi rari in un intervallo; tasso $\lambda$	Binomiale (numero di prove fisso)
$\lambda$ (Poisson)	Media e varianza (coincidono)	$p$ (probabilità di successo, binomiale)
Legame bin.-Poisson	Poisson = limite binomiale ( $n$ grande, $p$ piccolo)	—

📝 Riepilogo

Una prova di Bernoulli ha due esiti (successo $p$ , insuccesso $1-p$ ); $E=p$ , $\text{Var}=p(1-p)$ (massima a $p=0{,}5$ ).
La binomiale $B(n,p)$ conta i successi in $n$ prove indipendenti: $P(X=k)=\binom nk p^k(1-p)^{n-k}$ , media $np$ , varianza $np(1-p)$ . Serve un $n$ fisso, prove indipendenti, $p$ costante.
La Poisson modella eventi rari in un intervallo (tasso $\lambda$ ): $P(X=k)=\frac{\lambda^k e^{-\lambda}}{k!}$ , con media = varianza = $\lambda$ . È il limite della binomiale per $n$ grande e $p$ piccolo.
Riconoscere il modello: due esiti → Bernoulli; successi su $n$ prove → binomiale; eventi in un continuo → Poisson.

▶️ Prossimo capitolo: La distribuzione normale — la regina delle distribuzioni continue: la campana di Gauss, le sue proprietà, la standardizzazione e l'uso delle tavole, il modello onnipresente in natura e statistica.

Statistica II

Hai letto. Ora impara.

L'AI trasforma questo modulo in strumenti di studio personalizzati.

La distribuzione normale

In breve

Se dovessimo scegliere una distribuzione da conoscere sopra tutte, sarebbe la distribuzione normale — la famosa "campana di Gauss". È la distribuzione più importante di tutta la statistica, per due ragioni. Primo, è ovunque in natura e nell'economia: altezze, pesi, errori di misura, quozienti di intelligenza, rendimenti finanziari, molte grandezze biologiche ed economiche seguono, almeno approssimativamente, una curva a campana simmetrica attorno alla media. Secondo, e ancora più importante, un teorema fondamentale (il teorema del limite centrale, cap. 6) garantisce che le medie campionarie — su cui si basa tutta l'inferenza — tendono a distribuirsi normalmente qualunque sia la distribuzione di partenza. La normale è quindi il ponte matematico che collega i dati all'inferenza, e comparirà in ogni intervallo di confidenza e test d'ipotesi del corso. Questo capitolo ne studia le proprietà: la forma a campana caratterizzata da due soli parametri (media $\mu$ e deviazione standard $\sigma$ ), la regola pratica "68-95-99,7" che dice quanta probabilità cade entro una, due, tre deviazioni standard, e soprattutto la standardizzazione — la trasformazione che riconduce qualunque normale a una normale "standard" tabulata, permettendo di calcolare probabilità con le tavole. Padroneggiare la normale è il prerequisito per tutto ciò che segue.

🎯 Alla fine di questo capitolo saprai: la forma e le proprietà della distribuzione normale ( $\mu$ e $\sigma$ ); la regola empirica 68-95-99,7; cos'è la normale standard $Z$ ; la standardizzazione $Z=\frac{X-\mu}{\sigma}$ e come usare le tavole per calcolare probabilità; perché la normale è così centrale in statistica.

La campana di Gauss

Perché conta: è il modello continuo più diffuso; riconoscerne la forma e i parametri è essenziale.

📌 Definizione. La distribuzione normale (o gaussiana) è una distribuzione continua la cui densità ha la caratteristica forma a campana: simmetrica, con un picco centrale e code che si assottigliano su entrambi i lati. È completamente determinata da due parametri:

la media $\mu$ : dove sta il centro/picco della campana (l'asse di simmetria);
la deviazione standard $\sigma$ : quanto è "larga" la campana (dispersione).

Si scrive $X\sim N(\mu,\sigma^2)$ .

🔗 Analogia. La normale descrive fenomeni risultanti dalla somma di tanti piccoli effetti indipendenti: l'altezza di una persona dipende da molti geni e fattori ambientali, ciascuno con un piccolo contributo; l'errore di una misura è la somma di molte piccole imprecisioni. Quando molte cause piccole e indipendenti si sommano, il risultato è quasi sempre una campana (è il senso del teorema del limite centrale, cap. 6). Per questo la normale è così onnipresente: la natura "somma" continuamente.

Proprietà della campana:

simmetrica attorno a $\mu$ (media = mediana = moda);
la maggior parte della probabilità è vicino al centro, poca nelle code;
$\mu$ sposta la campana (a destra/sinistra), $\sigma$ la allarga/restringe (mantenendo l'area totale = 1).

La regola empirica 68-95-99,7

Perché conta: dà un'idea immediata e pratica di come la probabilità si distribuisce, senza calcoli.

📌 Regola empirica (o 68-95-99,7). Per qualsiasi distribuzione normale, la probabilità cade attorno alla media secondo una regola fissa in termini di deviazioni standard:

circa il 68% dei valori entro 1 deviazione standard dalla media ( $\mu\pm\sigma$ );
circa il 95% entro 2 deviazioni standard ( $\mu\pm2\sigma$ );
circa il 99,7% entro 3 deviazioni standard ( $\mu\pm3\sigma$ ).

🔗 Analogia. La regola dice che nella campana "quasi tutto" (99,7%) sta entro 3 deviazioni standard: valori più lontani sono rarissimi. È il fondamento del controllo di qualità (i limiti "a 3 sigma" delle carte di controllo: un pezzo oltre 3σ segnala un problema) e dell'idea di "outlier". Se conosci $\mu$ e $\sigma$ , sai subito dove cade la stragrande maggioranza dei dati.

🧩 Esempio. QI con $\mu=100$ , $\sigma=15$ . Il 68% delle persone ha QI tra 85 e 115; il 95% tra 70 e 130; il 99,7% tra 55 e 145. Un QI di 145 (3σ sopra) è quindi estremamente raro (~0,15%).

La standardizzazione e la normale standard

Perché conta: è la tecnica che permette di calcolare probabilità per qualsiasi normale usando un'unica tavola. Strumento operativo centrale.

Esistono infinite normali (una per ogni $\mu$ e $\sigma$ ): impossibile tabularle tutte. La soluzione è ricondurle tutte a una sola, la normale standard.

📌 Normale standard. È la normale con media $\mu=0$ e deviazione standard $\sigma=1$ , indicata con $Z\sim N(0,1)$ . Le sue probabilità sono tabulate (le "tavole della normale").

📌 Standardizzazione. Qualsiasi variabile normale $X\sim N(\mu,\sigma^2)$ si trasforma in una normale standard sottraendo la media e dividendo per la deviazione standard: $Z=\frac{X-\mu}{\sigma}.$ Il valore $Z$ (detto punteggio standardizzato o z-score) dice a quante deviazioni standard dalla media si trova $X$ : $Z=2$ significa "2 deviazioni standard sopra la media".

🔗 Analogia. Standardizzare è come convertire in una "valuta comune" per confrontare cose diverse. Uno studente con voto 28 in un esame (media 24, σ=3) e 85 in un altro (media 70, σ=10): in z-score, $\frac{28-24}{3}=1{,}33$ e $\frac{85-70}{10}=1{,}5$ — il secondo risultato è relativamente migliore (più deviazioni standard sopra la media), pur essendo su scale diverse. Lo z-score misura la posizione relativa, spogliata dall'unità e dalla scala.

🧩 Esempio. Altezze maschili $N(175, 7^2)$ cm. Probabilità di essere più alti di 189 cm? Standardizzo: $Z=\frac{189-175}{7}=2$ . Dalla tavola, $P(Z>2)\approx0{,}023$ (2,3%). La standardizzazione ha trasformato una domanda su una normale specifica in una lettura sulla tavola standard.

⚠️ Attenzione. Le tavole danno di solito $P(Z\le z)$ (area a sinistra, la funzione di ripartizione). Per altre probabilità si usa la simmetria ( $P(Z>z)=1-P(Z\le z)$ ; $P(Z<-z)=P(Z>z)$ ) e le differenze. Attenzione a quale area dà la tavola specifica che si usa.

Perché la normale è così centrale

Perché conta: motiva il ruolo dominante della normale in tutto il resto del corso.

La normale è la distribuzione-cardine dell'inferenza per motivi profondi:

Ubiquità empirica: moltissimi fenomeni naturali ed economici sono (circa) normali.
Teorema del limite centrale (cap. 6): le medie campionarie sono approssimativamente normali qualunque sia la popolazione di partenza — è ciò che rende l'inferenza universalmente applicabile.
Approssima altre distribuzioni: la binomiale (cap. 3) per $n$ grande, la Poisson per $\lambda$ grande, tendono alla normale.
Trattabilità matematica: ha proprietà eleganti (la somma di normali è normale, ecc.).

🔗 Analogia. La normale è il "denominatore comune" della statistica: anche partendo da dati bizzarri, appena si fanno medie (e l'inferenza è tutta basata su medie di campioni), riappare la campana. È il motivo per cui, negli intervalli di confidenza e nei test dei prossimi capitoli, incontreremo continuamente $Z$ e la normale.

🗺️ Come si collega il tutto

La distribuzione normale è la variabile casuale continua (cap. 2) più importante, con i suoi parametri $\mu$ (centro) e $\sigma$ (dispersione). La standardizzazione ( $Z$ -score) è la tecnica operativa che permette di calcolare probabilità con le tavole, e ricomparirà in ogni intervallo di confidenza (cap. 8) e test d'ipotesi (cap. 9-10), dove le statistiche campionarie si standardizzano per confrontarle con valori critici. La normale approssima la binomiale e la Poisson (cap. 3), semplificando l'inferenza sulle proporzioni. Ma il legame decisivo è con la teoria campionaria: il prossimo capitolo introduce le distribuzioni campionarie (come si comporta la media di un campione), e il capitolo 6 — il teorema del limite centrale — spiegherà perché la normale emerge inevitabilmente dalle medie, rendendola il fondamento universale dell'inferenza. Padroneggiare $\mu$ , $\sigma$ , la regola 68-95-99,7 e la standardizzazione è il prerequisito per tutto ciò che segue.

🔑 Concetti chiave

Termine	In una frase	Da non confondere con
Distribuzione normale	Campana simmetrica, definita da $\mu$ e $\sigma$	Altre distribuzioni (asimmetriche, discrete)
$\mu$ (media)	Centro/picco della campana	$\sigma$ (larghezza/dispersione)
$\sigma$ (dev. standard)	Larghezza della campana	$\sigma^2$ (varianza, il suo quadrato)
Regola 68-95-99,7	% entro 1, 2, 3 σ dalla media	Vale solo per la normale
Normale standard $Z$	Normale con $\mu=0$ , $\sigma=1$ ; tabulata	Normale generica (da standardizzare)
Standardizzazione	$Z=\frac{X-\mu}{\sigma}$ : a quante σ dalla media	Il valore grezzo $X$ (dipende dalla scala)
z-score	Posizione relativa in deviazioni standard	Valore assoluto (con unità)

📝 Riepilogo

La distribuzione normale ( $N(\mu,\sigma^2)$ ) è una campana simmetrica attorno a $\mu$ , larga secondo $\sigma$ ; è la più importante della statistica.
Regola empirica: ~68% dei valori entro $\mu\pm\sigma$ , ~95% entro $\mu\pm2\sigma$ , ~99,7% entro $\mu\pm3\sigma$ .
La standardizzazione $Z=\frac{X-\mu}{\sigma}$ riconduce ogni normale alla normale standard $N(0,1)$ , tabulata: lo z-score dice a quante deviazioni standard dalla media si è. Le probabilità si leggono sulle tavole (con la simmetria per le varie code).
La normale è centrale perché ubiqua in natura/economia, perché le medie campionarie vi tendono (TLC), e perché approssima binomiale e Poisson.

▶️ Prossimo capitolo: Popolazione, campione e distribuzioni campionarie — il passaggio all'inferenza: popolazione e parametri, campione e statistiche, e l'idea chiave che una statistica campionaria (come la media del campione) è essa stessa una variabile casuale con una sua distribuzione.

Statistica II

Hai letto. Ora impara.

L'AI trasforma questo modulo in strumenti di studio personalizzati.

Popolazione, campione e distribuzioni campionarie

In breve

Abbiamo costruito gli strumenti probabilistici (probabilità, variabili casuali, distribuzioni). Ora facciamo il passo che dà il nome al corso: entriamo nell'inferenza. L'idea di fondo è semplice ma profonda. Vogliamo conoscere una caratteristica di un'intera popolazione — il reddito medio degli italiani, la percentuale di clienti soddisfatti, la durata media di una batteria — ma non possiamo esaminare tutti: osserviamo solo un campione, un sottoinsieme. Dai dati del campione calcoliamo una statistica (la media del campione, la proporzione osservata) e la usiamo per stimare il corrispondente parametro della popolazione (la media vera, la proporzione vera). Il punto cruciale, e forse la più importante intuizione dell'intero corso, è questo: la statistica campionaria cambia da campione a campione. Se estraessi un altro campione, otterrei una media leggermente diversa. Quindi la media campionaria è essa stessa una variabile casuale, con una propria distribuzione — la distribuzione campionaria. Capire come si comporta questa distribuzione (dov'è centrata, quanto è dispersa) è ciò che ci permetterà di dire quanto la nostra stima è affidabile, e di quantificare l'incertezza. Questo capitolo introduce il vocabolario dell'inferenza (popolazione/campione, parametro/statistica) e il concetto-cardine di distribuzione campionaria, con la fondamentale nozione di errore standard.

🎯 Alla fine di questo capitolo saprai: distinguere popolazione e campione, parametro e statistica; cos'è un campione casuale; l'idea che una statistica è una variabile casuale con una distribuzione campionaria; le proprietà della distribuzione della media campionaria (centro $\mu$ , dispersione $\sigma/\sqrt n$ ); il concetto di errore standard e perché la stima migliora con $n$ .

Il vocabolario dell'inferenza

Perché conta: distinguere popolazione/campione e parametro/statistica è la base di ogni ragionamento inferenziale; confonderli è l'errore più grave.

📌 Le quattro nozioni fondamentali.

Popolazione: l'insieme completo di tutte le unità di interesse (tutti gli italiani, tutti i pezzi prodotti, tutti i possibili clienti). Spesso troppo grande o inaccessibile per essere esaminata interamente.
Campione: un sottoinsieme della popolazione, effettivamente osservato.
Parametro: una caratteristica numerica della popolazione (la media vera $\mu$ , la proporzione vera $p$ , la varianza vera $\sigma^2$ ). È fisso ma incognito — è ciò che vogliamo conoscere.
Statistica: una caratteristica numerica calcolata sul campione (la media campionaria $\bar X$ , la proporzione campionaria $\hat p$ ). È nota (la calcoliamo) ma variabile (cambia da campione a campione).

🔗 Analogia. La popolazione è tutta la pentola di minestra; il campione è il cucchiaio che assaggi. Il parametro è il vero sapore della minestra (fisso, ma non lo conosci senza mangiarla tutta); la statistica è il sapore del cucchiaio (lo senti, ma dipende da quale cucchiaiata prendi). L'inferenza è concludere sul sapore della pentola dal cucchiaio — e più mescoli bene (campione casuale) più il cucchiaio è rappresentativo.

⚠️ Attenzione — notazione. Convenzione standard: parametri con lettere greche ( $\mu, \sigma, p$ ), statistiche con lettere latine o con il "cappello" ( $\bar X, s, \hat p$ ). Tenere separati "il vero valore (parametro, incognito)" e "la sua stima (statistica, calcolata)" è essenziale per non fare confusione in tutto il corso.

Il campione casuale

Perché conta: solo un campione ben estratto permette un'inferenza valida; la casualità è la condizione che rende affidabile tutta la teoria.

📌 Campione casuale. Un campione casuale (semplice) è estratto in modo che ogni unità della popolazione abbia la stessa probabilità di essere scelta, e le estrazioni siano indipendenti. Le osservazioni $X_1, X_2,\dots, X_n$ sono allora variabili casuali indipendenti con la stessa distribuzione della popolazione.

🔗 Analogia. La casualità è ciò che garantisce che il cucchiaio sia rappresentativo della pentola: se assaggi solo dalla superficie (campione distorto), sbagli. Estrarre a caso (dopo aver mescolato) evita distorsioni sistematiche. Un sondaggio che intervista solo chi passa in centro città non è casuale e darà stime distorte, per quanto numeroso.

⚠️ Attenzione. Nessuna matematica può correggere un campione mal estratto (distorto): il famoso caso del sondaggio del 1936 che predisse la vittoria di Landon su Roosevelt sbagliò clamorosamente perché il campione (da elenchi telefonici e automobilisti) sovrarappresentava i benestanti. La rappresentatività del campione precede, e condiziona, tutta l'inferenza.

Una statistica è una variabile casuale

Perché conta: è l'intuizione centrale dell'inferenza, quella che permette di quantificare l'incertezza della stima.

Ecco il punto cruciale. Estraiamo un campione e calcoliamo la media $\bar X$ . Se estraessimo un altro campione, otterremmo una media diversa (altre unità, altri valori). E un altro ancora, un'altra media. Quindi:

📌 La statistica è aleatoria. La media campionaria $\bar X$ (e ogni statistica) cambia da campione a campione: è una variabile casuale, con una propria distribuzione di probabilità, chiamata distribuzione campionaria.

🔗 Analogia. Immagina di ripetere l'esperimento "estrai un campione di 100 e calcola la media" migliaia di volte: otterresti migliaia di medie leggermente diverse, che formano una distribuzione (un istogramma). Quella è la distribuzione campionaria della media. Non è un'astrazione: è ciò che davvero accade se campioni ripetutamente, ed è la chiave per capire quanto una singola stima è affidabile. Sapere quanto quelle medie "ballano" ci dice quanto fidarci della nostra unica media.

La distribuzione della media campionaria

Perché conta: conoscere centro e dispersione di $\bar X$ è ciò che permette di costruire stime e misure di incertezza.

Per un campione casuale di ampiezza $n$ da una popolazione con media $\mu$ e deviazione standard $\sigma$ , la distribuzione campionaria della media $\bar X$ ha due proprietà fondamentali:

📌 1. Centro (valore atteso): $E(\bar X)=\mu$ . In media, la media campionaria coincide con la media della popolazione: $\bar X$ è uno stimatore corretto (non sistematicamente troppo alto o troppo basso). "Ci prende in media".

📌 2. Dispersione (errore standard): la deviazione standard di $\bar X$ è $\text{SE}(\bar X)=\frac{\sigma}{\sqrt n}.$ Chiamata errore standard, misura quanto la media campionaria "balla" attorno a $\mu$ . Nota il fatto decisivo: diminuisce con $\sqrt n$ . Campioni più grandi → media campionaria meno dispersa → stima più precisa.

🔗 Analogia. L'errore standard è la "precisione" della stima. La media di un campione grande è più stabile: mediando su 1000 persone, gli individui alti e bassi si compensano meglio che mediando su 10. Il $\sqrt n$ dice che per dimezzare l'errore standard bisogna quadruplicare il campione (non raddoppiarlo): la precisione migliora, ma con rendimenti decrescenti. È il motivo per cui i sondaggi hanno tipicamente ~1000 intervistati: un buon compromesso costo/precisione (errore ~3%).

🧩 Esempio. Popolazione con $\mu=50$ , $\sigma=10$ . Con $n=100$ , l'errore standard di $\bar X$ è $\frac{10}{\sqrt{100}}=1$ : le medie campionarie si concentrano attorno a 50 con dispersione 1. Con $n=400$ , SE $=\frac{10}{20}=0{,}5$ : quattro volte il campione, metà dell'errore.

⚠️ Attenzione — errore standard ≠ deviazione standard. La deviazione standard $\sigma$ misura la dispersione dei singoli dati nella popolazione; l'errore standard $\sigma/\sqrt n$ misura la dispersione della media campionaria. Sono cose diverse: il secondo è molto più piccolo (diviso $\sqrt n$ ) perché mediare riduce la variabilità. Confonderli è un errore classico.

🗺️ Come si collega il tutto

Questo capitolo apre l'inferenza vera e propria, introducendo il vocabolario (popolazione/campione, parametro/statistica) e l'intuizione-cardine: una statistica è una variabile casuale (cap. 2) con una distribuzione campionaria. Le proprietà della media campionaria — centro $\mu$ (correttezza) e dispersione $\sigma/\sqrt n$ (errore standard) — usano le regole del valore atteso e della somma delle varianze di variabili indipendenti (cap. 2). Ma manca un pezzo: che forma ha la distribuzione campionaria di $\bar X$ ? La risposta è il teorema del limite centrale (prossimo capitolo): è (approssimativamente) normale (cap. 4), qualunque sia la popolazione. Questo chiuderà il cerchio, permettendo di costruire gli intervalli di confidenza (cap. 8, basati proprio su $\bar X\pm$ multipli dell'errore standard) e i test d'ipotesi (cap. 9). L'errore standard, che qui abbiamo introdotto, sarà l'ingrediente numerico di ogni formula inferenziale. Il prossimo capitolo presenta il teorema che rende tutto ciò possibile.

🔑 Concetti chiave

Termine	In una frase	Da non confondere con
Popolazione	L'insieme completo di interesse	Campione (sottoinsieme osservato)
Campione	Sottoinsieme effettivamente osservato	Popolazione (il tutto)
Parametro	Caratteristica della popolazione ( $\mu,\sigma,p$ ): fisso, incognito	Statistica (dal campione, nota, variabile)
Statistica	Caratteristica del campione ( $\bar X,\hat p$ ): nota, variabile	Parametro (della popolazione)
Campione casuale	Estratto con uguale probabilità e indipendenza	Campione distorto (non rappresentativo)
Distribuzione campionaria	Distribuzione di una statistica al variare del campione	Distribuzione della popolazione
Errore standard $\sigma/\sqrt n$	Dispersione della media campionaria	Deviazione standard $\sigma$ (dei singoli dati)

📝 Riepilogo

L'inferenza usa un campione per stimare i parametri (μ, σ, p — fissi e incogniti) della popolazione, tramite statistiche (X̄, ŝ, p̂ — note e variabili).
Serve un campione casuale (uguale probabilità, indipendenza): la rappresentatività precede e condiziona ogni conclusione.
Una statistica cambia da campione a campione: è una variabile casuale con una distribuzione campionaria.
La media campionaria $\bar X$ ha centro $E(\bar X)=\mu$ (stimatore corretto) e dispersione $\text{SE}=\sigma/\sqrt n$ (errore standard), che cala con $\sqrt n$ : campioni più grandi = stime più precise (dimezzare l'errore richiede ×4 il campione).
L'errore standard (dispersione della media) è diverso e molto minore della deviazione standard (dispersione dei singoli dati).

▶️ Prossimo capitolo: Il teorema del limite centrale — il risultato che rende possibile l'inferenza: la media campionaria è approssimativamente normale qualunque sia la popolazione di partenza, il ponte che collega i dati alla distribuzione normale.

Statistica II

Hai letto. Ora impara.

L'AI trasforma questo modulo in strumenti di studio personalizzati.

Il teorema del limite centrale

In breve

Questo è forse il capitolo più importante del corso, perché contiene il teorema che rende possibile l'inferenza statistica applicata: il teorema del limite centrale (TLC). Nel capitolo precedente abbiamo scoperto che la media campionaria $\bar X$ è una variabile casuale, con centro $\mu$ ed errore standard $\sigma/\sqrt n$ . Ma ci mancava un pezzo cruciale: quale forma ha la sua distribuzione? La risposta del TLC è tanto sorprendente quanto potente: qualunque sia la distribuzione della popolazione di partenza — simmetrica o asimmetrica, a campana o a scaletta, continua o discreta — la distribuzione della media campionaria diventa approssimativamente normale (la campana di Gauss del cap. 4) man mano che il campione cresce. È un risultato quasi miracoloso: da un caos di distribuzioni diverse emerge, mediando, sempre la stessa curva ordinata. È il motivo per cui la distribuzione normale è così centrale in statistica, e il motivo per cui possiamo costruire intervalli di confidenza e test d'ipotesi (i prossimi capitoli) usando la normale anche quando non sappiamo nulla della forma della popolazione. Questo capitolo enuncia il TLC, ne spiega il significato con esempi, chiarisce quando si applica (quanto grande deve essere $n$ ) e mostra perché è il pilastro nascosto sotto ogni procedura inferenziale.

🎯 Alla fine di questo capitolo saprai: l'enunciato del teorema del limite centrale e il suo significato; perché la media campionaria tende alla normale qualunque sia la popolazione; quanto grande deve essere $n$ ("regola del 30"); il legame con la legge dei grandi numeri; l'applicazione alla proporzione campionaria; perché il TLC è il fondamento dell'inferenza.

L'enunciato del teorema

Perché conta: è il risultato che collega qualsiasi popolazione alla distribuzione normale, rendendo universale l'inferenza.

📌 Teorema del limite centrale. Sia $X_1,\dots,X_n$ un campione casuale da una popolazione con media $\mu$ e deviazione standard $\sigma$ (qualunque sia la sua distribuzione). Allora, al crescere di $n$ , la distribuzione della media campionaria $\bar X$ tende a una normale: $\bar X \approx N\!\left(\mu,\ \frac{\sigma^2}{n}\right).$ Cioè $\bar X$ è approssimativamente normale con media $\mu$ ed errore standard $\sigma/\sqrt n$ (cap. 5).

Il cuore del teorema è l'espressione "qualunque sia la distribuzione della popolazione": non serve che i dati siano normali. Reddito (fortemente asimmetrico), esiti sì/no, tempi di attesa — le loro medie campionarie diventano comunque normali.

🔗 Analogia. Immagina di lanciare un dado (distribuzione uniforme, per niente a campana: ogni faccia 1/6). Fai la media di un lancio: distribuzione piatta. Media di due lanci: già una forma triangolare (il 7 è più probabile). Media di dieci lanci: una bella campana centrata su 3,5. Più dadi medi, più la distribuzione delle medie si "normalizza", pur partendo da un dado uniforme. La media "leviga" qualsiasi irregolarità della popolazione originale: è come se, sommando molti effetti casuali, le asimmetrie si compensassero e emergesse sempre la campana.

Perché è così importante

Perché conta: giustifica l'uso della normale in tutta l'inferenza, anche con popolazioni sconosciute.

Il TLC è il fondamento nascosto di tutta l'inferenza classica per queste ragioni:

Universalità: possiamo usare la normale per fare inferenza sulla media senza sapere com'è fatta la popolazione. Non serve verificare la normalità dei dati grezzi: contano le medie.
Praticità: tutte le formule di intervalli di confidenza (cap. 8) e test (cap. 9-10) sulla media si basano sulla normalità (approssimata) di $\bar X$ , garantita dal TLC.
Spiega l'ubiquità della normale: molte grandezze naturali sono "medie" o "somme" di tanti piccoli fattori (cap. 4), e per il TLC risultano normali.

🔗 Analogia. Il TLC è come un "traduttore universale": qualunque lingua parli la popolazione (qualunque distribuzione), appena passi alle medie ottieni sempre la stessa lingua comune (la normale), che sappiamo maneggiare con le tavole e le formule del cap. 4. È ciò che permette di avere una teoria dell'inferenza invece di una per ogni tipo di popolazione.

🧩 Esempio. Il reddito delle famiglie è molto asimmetrico (pochi ricchissimi allungano la coda a destra). Non potremmo usare la normale sui redditi individuali. Ma la media dei redditi di un campione di 500 famiglie è, per il TLC, approssimativamente normale: possiamo quindi costruire un intervallo di confidenza per il reddito medio nazionale usando la normale, nonostante l'asimmetria dei dati grezzi.

Quanto grande deve essere n?

Perché conta: il TLC è un risultato "al limite"; nella pratica serve sapere quando l'approssimazione è buona.

Il TLC vale esattamente per $n\to\infty$ , ma nella pratica l'approssimazione normale è già buona per campioni moderati:

📌 Regola pratica (del 30). Per la maggior parte delle popolazioni, $n\ge 30$ è sufficiente perché $\bar X$ sia ben approssimata dalla normale. Precisazioni:

se la popolazione è già normale, $\bar X$ è normale per qualsiasi $n$ (anche piccolo);
se la popolazione è molto asimmetrica, serve un $n$ più grande (l'approssimazione converge più lentamente);
se la popolazione è abbastanza simmetrica, bastano $n$ anche minori di 30.

⚠️ Attenzione. La "regola del 30" è indicativa, non una soglia magica. Con dati fortemente asimmetrici (o con code pesanti) può servire $n$ molto maggiore. E il TLC riguarda la distribuzione della media ( $\bar X$ ), non dei dati singoli: con $n=1000$ i singoli dati restano distribuiti come la popolazione (asimmetrici), ma la loro media è normale.

Legge dei grandi numeri e proporzione campionaria

Perché conta: due complementi essenziali — cosa succede al centro (LGN) e l'applicazione alle proporzioni.

📌 Legge dei grandi numeri (LGN). Complementare al TLC: al crescere di $n$ , la media campionaria $\bar X$ converge al valore vero $\mu$ . Mentre il TLC descrive la forma (normale) e la dispersione della media, la LGN dice che quella dispersione si restringe verso $\mu$ (l'errore standard $\sigma/\sqrt n\to 0$ ). Insieme: $\bar X$ è normale, centrata su $\mu$ , sempre più concentrata.

🔗 Analogia. La LGN è il motivo per cui i casinò e le assicurazioni guadagnano con certezza: su moltissime giocate/polizze, la media dei risultati converge al valore atteso (a loro favorevole), e la variabilità si annulla. Il singolo esito è imprevedibile, la media di tanti è quasi certa.

📌 Proporzione campionaria. Il TLC si applica anche alle proporzioni (medie di variabili 0/1, cap. 3): la proporzione campionaria $\hat p$ è approssimativamente normale, con centro $p$ ed errore standard $\sqrt{\frac{p(1-p)}{n}}$ , per $n$ abbastanza grande. È la base dell'inferenza sui sondaggi (cap. 10) e del "margine di errore".

🧩 Esempio. Un sondaggio su 1000 persone trova il 52% di favorevoli. Per il TLC, $\hat p$ è ~normale con errore standard $\sqrt{\frac{0{,}52\cdot0{,}48}{1000}}\approx0{,}016$ (1,6%). Il "margine di errore" ~±3% (circa 2 errori standard) nasce esattamente da qui.

🗺️ Come si collega il tutto

Il teorema del limite centrale è la chiave di volta dell'intero corso: collega la teoria campionaria (cap. 5, dove $\bar X$ ha centro $\mu$ ed errore standard $\sigma/\sqrt n$ ) alla distribuzione normale (cap. 4), garantendo che $\bar X$ sia (circa) normale qualunque sia la popolazione. Questo rende universalmente applicabili i metodi inferenziali: gli intervalli di confidenza (cap. 8) avranno la forma $\bar X\pm z\cdot\text{SE}$ proprio perché $\bar X$ è normale; i test d'ipotesi (cap. 9-10) standardizzeranno $\bar X$ in una $Z$ (cap. 4) confrontandola con valori critici della normale. Il TLC esteso alle proporzioni fonda l'inferenza sui sondaggi (cap. 10) e il margine di errore. La legge dei grandi numeri garantisce che stime da campioni grandi siano affidabili (cap. 7, consistenza degli stimatori). Senza il TLC, dovremmo conoscere la distribuzione esatta di ogni popolazione: con esso, la normale basta quasi sempre. Il prossimo capitolo usa questi fondamenti per la stima puntuale dei parametri.

🔑 Concetti chiave

Termine	In una frase	Da non confondere con
Teorema del limite centrale	$\bar X$ ≈ normale per $n$ grande, qualunque la popolazione	Vale per la media, non i dati singoli
"Qualunque popolazione"	Non serve che i dati siano normali	Serve solo per $\bar X$ , non per i singoli $X$
Regola del 30	$n\ge30$ di solito basta per l'approssimazione	Soglia rigida (dipende dall'asimmetria)
Legge dei grandi numeri	$\bar X\to\mu$ al crescere di $n$ (il centro)	TLC (la forma e la dispersione)
Proporzione campionaria $\hat p$	≈ normale, SE $=\sqrt{p(1-p)/n}$	Media di variabili continue (stesso principio)
Margine di errore	~2 errori standard attorno alla stima	L'errore standard stesso

📝 Riepilogo

Il teorema del limite centrale: la media campionaria $\bar X$ è approssimativamente normale $N(\mu,\sigma^2/n)$ per $n$ grande, qualunque sia la distribuzione della popolazione. È il pilastro dell'inferenza.
Riguarda la distribuzione della media (o proporzione), non dei dati singoli, che restano distribuiti come la popolazione.
Regola pratica: $n\ge30$ di solito basta; se la popolazione è già normale, vale per ogni $n$ ; se molto asimmetrica, serve $n$ maggiore.
La legge dei grandi numeri completa: $\bar X$ converge a $\mu$ (l'errore standard $\sigma/\sqrt n\to0$ ).
Applicato alle proporzioni: $\hat p$ ≈ normale con SE $=\sqrt{p(1-p)/n}$ — base dei sondaggi e del margine di errore.

▶️ Prossimo capitolo: La stima puntuale — usare il campione per dare un valore singolo ai parametri incogniti: stimatori, le loro proprietà (correttezza, efficienza, consistenza), e come si valuta un buon stimatore.

Statistica II

Hai letto. Ora impara.

L'AI trasforma questo modulo in strumenti di studio personalizzati.

La stima puntuale

In breve

Abbiamo tutti gli strumenti per il primo grande compito dell'inferenza: la stima dei parametri incogniti della popolazione. La forma più semplice è la stima puntuale: usare i dati del campione per proporre un singolo valore come "migliore ipotesi" per il parametro. Se voglio conoscere il reddito medio della popolazione ( $\mu$ , incognito), calcolo la media del mio campione ( $\bar X$ ) e la propongo come stima. Sembra ovvio — e in parte lo è — ma dietro questa semplicità c'è una domanda profonda: perché la media campionaria è una buona stima della media della popolazione? E, più in generale, come giudichiamo se uno stimatore (una regola per stimare dai dati) è buono o cattivo? Perché stimatori diversi sono possibili: per la media potrei usare la media aritmetica, o la mediana, o il punto medio tra minimo e massimo — quale scegliere? Questo capitolo introduce il concetto di stimatore come variabile casuale (cambia da campione a campione, cap. 5) e i criteri di qualità con cui si valutano: la correttezza (in media colpisce il bersaglio, senza distorsione sistematica), l'efficienza (poca dispersione, stime precise) e la consistenza (migliora all'aumentare del campione). Questi criteri spiegano perché $\bar X$ e $\hat p$ sono le scelte naturali, e introducono la logica con cui la statistica sceglie i suoi strumenti. È il fondamento concettuale prima di passare alla stima per intervalli.

🎯 Alla fine di questo capitolo saprai: cos'è uno stimatore (e la differenza tra stimatore e stima); i criteri di qualità — correttezza (non distorsione), efficienza (minima varianza), consistenza; perché $\bar X$ è un buon stimatore di $\mu$ ; lo stimatore della varianza e perché si divide per $n-1$ ; l'idea della stima di massima verosimiglianza.

Stimatore e stima

Perché conta: distinguere lo stimatore (regola/variabile casuale) dalla stima (numero) è essenziale per capire la teoria.

📌 Definizioni.

Uno stimatore è una regola (una statistica, cap. 5) per calcolare una stima del parametro dai dati campionari. Es. la media campionaria $\bar X=\frac1n\sum X_i$ come stimatore di $\mu$ . Essendo funzione del campione, è una variabile casuale (cambia da campione a campione).
Una stima è il valore numerico concreto che lo stimatore assume su un campione specifico. Es. " $\bar x=32.400$ €".

🔗 Analogia. Lo stimatore è la "ricetta" (prendi i dati, fai la media); la stima è il "piatto" concreto che ottieni con quegli ingredienti. La ricetta è sempre la stessa; il piatto cambia col campione. Quando valutiamo la qualità, giudichiamo la ricetta (lo stimatore): quanto bene funziona in media su tutti i campioni possibili.

📌 Notazione. Lo stimatore di un parametro $\theta$ si indica spesso con $\hat\theta$ ("theta cappello"). Es. $\hat\mu=\bar X$ , $\hat p=$ proporzione campionaria.

Correttezza (non distorsione)

Perché conta: è la prima proprietà desiderabile: lo stimatore non deve sbagliare sistematicamente.

📌 Stimatore corretto (non distorto). Uno stimatore $\hat\theta$ è corretto (unbiased) se il suo valore atteso è uguale al parametro: $E(\hat\theta)=\theta.$ Significa: in media (su tutti i campioni possibili) lo stimatore colpisce il bersaglio. Non c'è errore sistematico (distorsione, bias) verso l'alto o il basso.

🔗 Analogia — il tiro a segno. Uno stimatore corretto è come un tiratore i cui colpi sono centrati sul bersaglio in media: possono deviare a destra o sinistra (variabilità), ma il "centro" dei colpi è il bersaglio. Uno stimatore distorto è come un fucile con il mirino storto: i colpi si concentrano sistematicamente accanto al bersaglio, per quanto tu miri bene. La distorsione è un errore che non sparisce aumentando il campione.

🧩 Esempio. La media campionaria $\bar X$ è corretta per $\mu$ : abbiamo visto (cap. 5) che $E(\bar X)=\mu$ . Colpisce in media il bersaglio. Ecco una prima ragione per usarla.

Il caso della varianza: perché n−1

Perché conta: è l'esempio più istruttivo di correzione della distorsione, e risponde a un dubbio classico degli studenti.

Come si stima la varianza della popolazione $\sigma^2$ ? La scelta naturale sarebbe la varianza dei dati campionari $\frac1n\sum(X_i-\bar X)^2$ . Ma questa risulta distorta: sottostima sistematicamente $\sigma^2$ (perché usa $\bar X$ , calcolata dagli stessi dati, invece del vero $\mu$ incognito, "adattandosi" troppo ai dati).

📌 Varianza campionaria corretta. Per ottenere uno stimatore corretto si divide per $n-1$ invece che per $n$ : $s^2=\frac{1}{n-1}\sum_{i=1}^n (X_i-\bar X)^2.$ Con questa correzione, $E(s^2)=\sigma^2$ : non distorto.

🔗 Analogia. Dividere per $n-1$ (invece di $n$ ) "gonfia" leggermente la stima per compensare il fatto che, avendo usato $\bar X$ al posto del vero $\mu$ , i dati appaiono artificialmente più concentrati attorno alla loro stessa media. Il termine $n-1$ si chiama gradi di libertà: avendo "consumato" un'informazione per calcolare $\bar X$ , restano $n-1$ scarti liberi. È un aggiustamento che elimina la distorsione.

⚠️ Attenzione. La differenza tra dividere per $n$ o $n-1$ è trascurabile per $n$ grande, ma concettualmente importante e rilevante per campioni piccoli. Nelle formule inferenziali (intervalli, test) si usa sempre $s^2$ con $n-1$ .

Efficienza e consistenza

Perché conta: correttezza non basta; tra più stimatori corretti si sceglie il più preciso, e si vuole che migliorino col campione.

📌 Efficienza. Tra due stimatori corretti, è più efficiente quello con varianza minore: dà stime più concentrate attorno al vero valore, quindi più precise/affidabili. A parità di correttezza (centrati sul bersaglio), si preferisce quello che "spara più stretto".

🔗 Analogia. Due tiratori entrambi centrati in media (corretti): il più efficiente è quello con i colpi più raggruppati (minore dispersione). Con un solo tiro (un solo campione), ti fidi di più del tiratore preciso. Es. per stimare il centro di una popolazione normale, sia la media sia la mediana campionaria sono corrette, ma la media è più efficiente (varianza minore): ecco un'altra ragione per preferirla.

📌 Consistenza. Uno stimatore è consistente se converge al vero valore all'aumentare del campione: più dati raccogli, più la stima si avvicina al parametro (l'errore standard tende a zero). È la traduzione della legge dei grandi numeri (cap. 6): $\bar X$ è consistente perché la sua dispersione $\sigma/\sqrt n\to0$ .

🔗 Analogia. Uno stimatore consistente "impara": con più informazione (campione più grande), sbaglia sempre meno, avvicinandosi con certezza alla verità. È una garanzia asintotica fondamentale.

Come si costruiscono gli stimatori: la verosimiglianza

Perché conta: dà il metodo generale per trovare buoni stimatori, non solo per casi noti.

Oltre a scegliere stimatori "ovvi" ( $\bar X$ per $\mu$ ), esiste un metodo generale e potente:

📌 Massima verosimiglianza (idea). Il metodo della massima verosimiglianza sceglie come stima il valore del parametro che rende i dati osservati più probabili (più "verosimili"). Ci si chiede: "per quale valore del parametro, i dati che ho visto sarebbero stati i più probabili da osservare?" — e si sceglie quel valore.

🔗 Analogia. È il ragionamento del detective: tra le ipotesi possibili, scegli quella sotto cui gli indizi osservati sarebbero i più naturali/probabili. Se lanci una moneta 10 volte e ottieni 7 teste, la stima di massima verosimiglianza di $p$ è $0{,}7$ : è il valore di $p$ per cui "7 teste su 10" è l'esito più probabile. Il metodo, sotto condizioni generali, produce stimatori con ottime proprietà (consistenti ed efficienti per grandi campioni) ed è lo standard della statistica moderna.

🗺️ Come si collega il tutto

La stima puntuale è il primo dei due metodi inferenziali (l'altro è la stima per intervalli, cap. 8). Uno stimatore è una statistica (cap. 5), quindi una variabile casuale (cap. 2), e i criteri di qualità ne usano il valore atteso (correttezza) e la varianza (efficienza). La correttezza di $\bar X$ ( $E(\bar X)=\mu$ ) e la sua consistenza (via legge dei grandi numeri, cap. 6) giustificano il suo uso universale; la correzione $n-1$ per $s^2$ sarà usata in tutte le formule inferenziali. Ma la stima puntuale ha un limite evidente: dà un numero senza dire quanto è affidabile — e sappiamo (cap. 5) che una stima ha un errore standard. Il prossimo capitolo colma questa lacuna con gli intervalli di confidenza, che accompagnano la stima con un margine di incertezza ("il reddito medio è $32.400 ± 1.500 con confidenza 95%"), usando l'errore standard e la normalità garantita dal TLC (cap. 6). La stima di massima verosimiglianza, qui accennata, è il metodo generale sotteso a molte procedure (inclusa la regressione, cap. 12).

🔑 Concetti chiave

Termine	In una frase	Da non confondere con
Stimatore $\hat\theta$	Regola/variabile casuale per stimare dal campione	Stima (il valore numerico concreto)
Stima	Il valore che lo stimatore assume sul campione	Stimatore (la regola generale)
Correttezza (non distorsione)	$E(\hat\theta)=\theta$ : centrato in media	Efficienza (bassa varianza)
Distorsione (bias)	Errore sistematico; non sparisce con $n$	Errore casuale (si riduce con $n$ )
Varianza corretta $s^2$	Divide per $n-1$ (gradi di libertà): non distorta	Dividere per $n$ (distorta, sottostima)
Efficienza	Tra stimatori corretti, minima varianza = più preciso	Correttezza (centratura)
Consistenza	Converge al vero valore per $n\to\infty$	Correttezza (vale per ogni $n$ )
Massima verosimiglianza	Il parametro che rende i dati più probabili	—

📝 Riepilogo

Uno stimatore è la regola (variabile casuale) per stimare un parametro dal campione; la stima è il valore concreto.
Correttezza (non distorsione): $E(\hat\theta)=\theta$ , lo stimatore colpisce il bersaglio in media; la distorsione è un errore sistematico che non sparisce con $n$ . $\bar X$ è corretto per $\mu$ .
La varianza campionaria si calcola con $s^2=\frac{1}{n-1}\sum(X_i-\bar X)^2$ (diviso $n-1$ , i gradi di libertà) per essere corretta.
Efficienza: tra stimatori corretti si preferisce quello a varianza minima (più preciso). Consistenza: converge al vero valore al crescere di $n$ .
La massima verosimiglianza sceglie il parametro che rende i dati osservati più probabili — metodo generale per costruire buoni stimatori.

▶️ Prossimo capitolo: Gli intervalli di confidenza — dalla stima puntuale a quella per intervalli: accompagnare la stima con un margine di incertezza, il livello di confidenza, e l'interpretazione corretta di "confidenza 95%".

Statistica II

Hai letto. Ora impara.

L'AI trasforma questo modulo in strumenti di studio personalizzati.

Gli intervalli di confidenza

In breve

La stima puntuale del capitolo precedente ha un difetto: dà un solo numero ("il reddito medio è 32.400 €") senza dire quanto ci si può fidare. Ma sappiamo (cap. 5) che quella stima ha un errore standard: un altro campione darebbe un valore diverso. Dichiarare una stima puntuale senza la sua incertezza è come dare una previsione del tempo senza margine di errore — inutilmente precisa e potenzialmente fuorviante. La soluzione è la stima per intervalli: invece di un punto, si fornisce un intervallo di valori plausibili per il parametro, accompagnato da un livello di confidenza che ne quantifica l'affidabilità. "Il reddito medio è compreso tra 30.900 e 33.900 € con confidenza 95%": questo dice non solo la stima ma anche quanto è precisa. Gli intervalli di confidenza sono forse lo strumento inferenziale più usato in pratica (sono i "margini di errore" dei sondaggi, gli intervalli nelle ricerche mediche ed economiche). Questo capitolo mostra come si costruiscono — sfruttando la normalità della media campionaria garantita dal TLC (cap. 6) — cosa significa esattamente il "livello di confidenza" (con la sua interpretazione corretta, spesso fraintesa), come cambia l'ampiezza dell'intervallo con la confidenza e con la dimensione del campione, e la distinzione pratica tra usare la normale e la distribuzione t di Student quando la varianza è incognita.

🎯 Alla fine di questo capitolo saprai: cos'è un intervallo di confidenza e la sua struttura (stima ± margine di errore); il significato corretto del livello di confidenza (95%); costruire l'intervallo per la media ( $\bar X\pm z\cdot\text{SE}$ ); il ruolo della distribuzione t di Student (varianza incognita); come confidenza e $n$ influenzano l'ampiezza; l'intervallo per una proporzione.

Dall'stima puntuale all'intervallo

Perché conta: motiva il bisogno di quantificare l'incertezza, il salto concettuale del capitolo.

Una stima puntuale ( $\bar x=32.400$ ) è quasi certamente non esattamente uguale al parametro vero $\mu$ : c'è un errore. La stima per intervalli riconosce questa incertezza fornendo un range:

📌 Struttura dell'intervallo di confidenza. $\text{stima puntuale} \pm \text{margine di errore}.$ Il margine di errore dipende dall'errore standard (cap. 5) e dal livello di confidenza desiderato. L'intervallo comunica sia il valore stimato sia la sua precisione: un intervallo stretto = stima precisa, uno largo = molta incertezza.

🔗 Analogia. La stima puntuale è come dire "l'autobus arriva alle 8:00"; l'intervallo di confidenza è "arriva tra le 7:55 e le 8:05, quasi sicuramente". Il secondo è più onesto e più utile: riconosce che una previsione ha incertezza e la quantifica. Nessuno scienziato serio riporta una stima senza il suo intervallo.

Come si costruisce: l'intervallo per la media

Perché conta: è la costruzione fondamentale, che sfrutta direttamente il TLC.

Grazie al TLC (cap. 6), la media campionaria $\bar X$ è approssimativamente normale con centro $\mu$ ed errore standard $\sigma/\sqrt n$ . Dalla regola 68-95-99,7 (cap. 4) sappiamo che $\bar X$ cade entro ~2 errori standard da $\mu$ nel 95% dei casi. Invertendo il ragionamento: $\mu$ cade entro ~2 errori standard da $\bar X$ nel 95% dei campioni.

📌 Intervallo di confidenza per la media (varianza $\sigma$ nota): $\bar X \pm z_{\alpha/2}\cdot\frac{\sigma}{\sqrt n},$ dove $z_{\alpha/2}$ è il valore critico della normale standard per il livello di confidenza scelto. Valori chiave:

confidenza 90% → $z=1{,}645$ ;
confidenza 95% → $z=1{,}96$ (≈2);
confidenza 99% → $z=2{,}576$ .

🧩 Esempio. Campione di $n=100$ , media $\bar x=32.400$ , deviazione standard nota $\sigma=7.650$ . Errore standard $=\frac{7650}{\sqrt{100}}=765$ . Intervallo al 95%: $32.400\pm1{,}96\cdot765=32.400\pm1.500$ , cioè [30.900, 33.900]. Diciamo: "con confidenza 95%, il reddito medio è tra 30.900 e 33.900 €".

Cosa significa (davvero) "confidenza 95%"

Perché conta: è l'interpretazione più fraintesa della statistica; capirla bene distingue chi ha capito da chi ripete formule.

📌 Interpretazione corretta. "Confidenza 95%" significa: se ripetessimo il campionamento moltissime volte e costruissimo ogni volta l'intervallo, il 95% di quegli intervalli conterrebbe il vero parametro $\mu$ . La procedura funziona nel 95% dei casi.

⚠️ Attenzione — l'errore da evitare. NON è corretto dire "c'è il 95% di probabilità che $\mu$ stia in questo intervallo [30.900, 33.900]". Perché? Il parametro $\mu$ è un valore fisso (non aleatorio): o sta nell'intervallo (probabilità 1) o non ci sta (probabilità 0) — semplicemente non sappiamo quale. È l'intervallo a essere aleatorio (cambia col campione), non $\mu$ . La confidenza è una proprietà della procedura che genera gli intervalli, non del singolo intervallo.

🔗 Analogia. Immagina un lanciatore di ferri di cavallo che centra il paletto (fisso) il 95% delle volte. Dopo un lancio, il ferro è atterrato: o ha centrato il paletto o no, non c'è più "95%". Il 95% descrive la bravura del lanciatore (la procedura), non il singolo lancio già fatto. Allo stesso modo, "95%" descrive l'affidabilità del metodo di costruire intervalli, non la probabilità del singolo intervallo già calcolato.

La distribuzione t di Student

Perché conta: nella pratica $\sigma$ è quasi sempre incognita; la t di Student risolve il problema, specie per campioni piccoli.

Nell'esempio abbiamo assunto $\sigma$ nota, ma nella realtà è quasi sempre incognita (se non conosciamo $\mu$ , difficilmente conosciamo $\sigma$ ). La si stima con la deviazione standard campionaria $s$ (cap. 7). Ma sostituire $s$ a $\sigma$ introduce incertezza aggiuntiva, che va tenuta in conto.

📌 Distribuzione t di Student. Quando si usa $s$ al posto di $\sigma$ , la statistica standardizzata segue la distribuzione t di Student (invece della normale), e l'intervallo diventa $\bar X \pm t_{\alpha/2}\cdot\frac{s}{\sqrt n}.$ La t è simile alla normale (a campana, simmetrica) ma con code più pesanti — riflette l'incertezza in più dovuta a stimare $\sigma$ . Dipende dai gradi di libertà ( $n-1$ ): più piccolo il campione, più pesanti le code (valori critici più grandi, intervalli più larghi).

🔗 Analogia. La t di Student è una normale "più prudente": poiché non conosciamo $\sigma$ e la stimiamo, "allarghiamo" l'intervallo per sicurezza. Per campioni grandi ( $n\ge30$ ), $s$ stima bene $\sigma$ e la t coincide praticamente con la normale (le code si assottigliano). Per campioni piccoli, la differenza conta. In pratica: campione grande → normale ( $z$ ); campione piccolo → t di Student.

Ampiezza dell'intervallo: confidenza vs precisione

Perché conta: capire i compromessi permette di progettare studi con la precisione voluta.

L'ampiezza dell'intervallo ( $2\times$ margine di errore) dipende da tre fattori:

Livello di confidenza ↑ → intervallo più largo (per essere più sicuri, servono più valori: confidenza 99% dà intervalli più ampi del 95%). C'è un trade-off: più confidenza = meno precisione.
Dimensione del campione $n$ ↑ → intervallo più stretto (errore standard $\sigma/\sqrt n$ cala): più dati = più precisione.
Variabilità $\sigma$ ↑ → intervallo più largo (popolazione più dispersa = più incertezza).

🔗 Analogia. C'è tensione tra sicurezza e precisione: un intervallo amplissimo ("il reddito medio è tra 0 e 100.000 €") è quasi certamente giusto (alta confidenza) ma inutile (nessuna precisione); uno strettissimo è preciso ma rischia di sbagliare. Si sceglie un compromesso (tipicamente 95%). Per essere sia sicuri sia precisi, l'unica via è aumentare $n$ (raccogliere più dati). Il $\sqrt n$ dice che per dimezzare l'ampiezza servono ×4 dati.

🧩 Nota — proporzioni. Per una proporzione (sondaggi), l'intervallo è $\hat p\pm z\sqrt{\frac{\hat p(1-\hat p)}{n}}$ : è il "margine di errore ±3%" dei sondaggi (con $n\approx1000$ e confidenza 95%). Stesso schema: stima ± $z\times$ errore standard.

🗺️ Come si collega il tutto

Gli intervalli di confidenza completano la stima (cap. 7) aggiungendo alla stima puntuale la misura dell'incertezza. Poggiano interamente sui capitoli precedenti: la normalità di $\bar X$ dal TLC (cap. 6), l'errore standard $\sigma/\sqrt n$ (cap. 5), la standardizzazione e i valori critici della normale (cap. 4), la varianza corretta $s^2$ e la sua stima (cap. 7). La distribuzione t di Student gestisce il caso realistico di $\sigma$ incognita. Concettualmente, l'intervallo di confidenza è strettamente legato al prossimo argomento, la verifica delle ipotesi (cap. 9): un valore fuori dall'intervallo di confidenza al 95% è "rifiutato" da un test al 5% — sono due facce della stessa inferenza. Gli intervalli per medie e proporzioni si specializzano nei test su medie e proporzioni (cap. 10). L'interpretazione corretta della "confidenza" (proprietà della procedura, non del singolo intervallo) è un punto concettuale che ritorna nella logica dei test. Il prossimo capitolo affronta la seconda grande famiglia di metodi inferenziali: la verifica delle ipotesi.

🔑 Concetti chiave

Termine	In una frase	Da non confondere con
Intervallo di confidenza	Range di valori plausibili: stima ± margine	Stima puntuale (un solo numero)
Margine di errore	$z\cdot\text{SE}$ : metà ampiezza dell'intervallo	Errore standard (SE, senza il valore critico)
Livello di confidenza	% di intervalli (su molti campioni) che contengono $\mu$	Probabilità che $\mu$ stia nel singolo intervallo (errato)
Valore critico $z$	1,645 (90%), 1,96 (95%), 2,576 (99%)	Errore standard (grandezza diversa)
t di Student	Distribuzione usata quando $\sigma$ è incognita	Normale (code più pesanti; coincidono per $n$ grande)
Gradi di libertà	$n-1$ : determinano la forma della t	—
Trade-off conf./precisione	Più confidenza = intervallo più largo	Più $n$ = intervallo più stretto

📝 Riepilogo

Un intervallo di confidenza fornisce un range di valori plausibili per il parametro: stima ± margine di errore, comunicando anche la precisione.
Per la media (σ nota): $\bar X\pm z_{\alpha/2}\frac{\sigma}{\sqrt n}$ , con $z$ = 1,645 (90%), 1,96 (95%), 2,576 (99%), grazie alla normalità di $\bar X$ (TLC).
Interpretazione corretta: "confidenza 95%" = il 95% degli intervalli (su molti campioni) contiene $\mu$ ; non "95% di probabilità che $\mu$ sia in questo intervallo" ( $\mu$ è fisso, l'intervallo è aleatorio).
Con σ incognita si usa $s$ e la t di Student (code più pesanti, gradi di libertà $n-1$ ; ≈ normale per $n$ grande).
L'ampiezza cresce con la confidenza e la variabilità, cala con $n$ : trade-off sicurezza/precisione, superabile solo con più dati.

▶️ Prossimo capitolo: La verifica delle ipotesi — la seconda grande famiglia di metodi: mettere alla prova un'affermazione sui dati; ipotesi nulla e alternativa, errori di prima e seconda specie, p-value e la logica della decisione statistica.

Statistica II

Hai letto. Ora impara.

L'AI trasforma questo modulo in strumenti di studio personalizzati.

La verifica delle ipotesi

In breve

La seconda grande famiglia di metodi inferenziali, accanto alla stima, è la verifica delle ipotesi (o test statistico): un procedimento per prendere decisioni su affermazioni riguardanti la popolazione, usando i dati del campione. È lo strumento con cui la scienza mette alla prova le sue affermazioni: un nuovo farmaco è più efficace del vecchio? Un cambio di prezzo ha aumentato le vendite? La percentuale di difetti supera la soglia accettabile? La media di questo processo è cambiata? In tutti questi casi si formula un'ipotesi e si usa il campione per decidere se i dati la supportano o la contraddicono. La logica del test è sottile ed elegante — e spesso fraintesa — quindi vale la pena capirla bene. Si basa su un ragionamento "per assurdo probabilistico": si assume vera un'ipotesi nulla (di solito lo status quo, "nessun effetto"), si calcola quanto sarebbero improbabili i dati osservati se quell'ipotesi fosse vera, e se risultano troppo improbabili, la si rifiuta a favore di un'ipotesi alternativa. Introdurremo i concetti cruciali: le due ipotesi, i due tipi di errore possibili (rifiutare il vero, accettare il falso), il livello di significatività, e il celebre p-value — la misura di evidenza contro l'ipotesi nulla, tanto usato quanto frainteso. Questo capitolo dà la logica generale; il prossimo la applica ai casi concreti.

🎯 Alla fine di questo capitolo saprai: cosa sono l'ipotesi nulla $H_0$ e l'alternativa $H_1$ ; la logica del test (assumere $H_0$ , valutare la sorpresa dei dati); gli errori di prima e seconda specie; il livello di significatività $\alpha$ e la potenza; cos'è il p-value e la sua interpretazione corretta; la struttura generale di un test.

Le due ipotesi

Perché conta: ogni test parte dalla formulazione di due ipotesi contrapposte; impostarle bene è metà del lavoro.

📌 Ipotesi nulla e alternativa.

L'ipotesi nulla $H_0$ è l'affermazione che si mette alla prova, di solito lo status quo, "nessun effetto", "nessuna differenza" (es. "il nuovo farmaco è uguale al vecchio", "la media non è cambiata", " $\mu=\mu_0$ "). È l'ipotesi che si assume vera fino a prova contraria.
L'ipotesi alternativa $H_1$ è l'affermazione contrapposta, di solito ciò che il ricercatore spera/sospetta di dimostrare (es. "il farmaco è più efficace", " $\mu\ne\mu_0$ " o " $\mu>\mu_0$ ").

🔗 Analogia — il processo penale. Il test è come un processo: l'imputato è presunto innocente ( $H_0$ : "innocente/nessun effetto") fino a prova contraria. L'accusa ( $H_1$ : "colpevole/c'è effetto") deve fornire prove oltre ogni ragionevole dubbio. Se le prove (i dati) sono schiaccianti contro l'innocenza, si condanna (si rifiuta $H_0$ ); altrimenti si assolve per insufficienza di prove (non si rifiuta $H_0$ ) — che non significa provare l'innocenza, solo che non c'erano prove sufficienti.

⚠️ Attenzione — asimmetria. $H_0$ e $H_1$ non sono simmetriche: si può rifiutare $H_0$ (se i dati la contraddicono fortemente) o non rifiutarla (se i dati sono compatibili), ma non si "accetta" $H_0$ come provata. "Non rifiutare" = "mancanza di prove sufficienti contro", non "prova a favore". L'onere della prova è sull'alternativa.

La logica del test

Perché conta: è il ragionamento centrale, un "per assurdo probabilistico" che va capito a fondo.

Il ragionamento del test:

si assume vera $H_0$ ;
si calcola quanto sarebbero probabili (o improbabili) i dati osservati se $H_0$ fosse vera;
se i dati sono molto improbabili sotto $H_0$ (troppo "sorprendenti"), si conclude che $H_0$ è poco credibile e la si rifiuta;
se i dati sono compatibili con $H_0$ , non c'è motivo di rifiutarla.

🔗 Analogia. È il "per assurdo" della matematica in versione probabilistica: assumi un'ipotesi, deducine le conseguenze, e se osservi qualcosa che sarebbe assurdamente improbabile sotto quell'ipotesi, la scarti. Se qualcuno afferma che una moneta è equa ( $H_0$ ) e poi esce testa 20 volte di fila, non "smentisci" l'affermazione con certezza, ma quell'esito è così improbabile con una moneta equa (~1 su un milione) che concludi ragionevolmente: la moneta non è equa (rifiuti $H_0$ ).

🧩 Esempio. $H_0$ : "il tempo medio di consegna è 3 giorni". Osservo un campione con media 4,5 giorni. Mi chiedo: se la media vera fosse davvero 3, quanto sarebbe probabile ottenere una media campionaria di 4,5 (o più estrema)? Se questa probabilità è piccolissima, concludo che la media vera non è 3 (rifiuto $H_0$ ).

I due tipi di errore

Perché conta: ogni decisione statistica può sbagliare in due modi; controllarli è l'essenza del test.

Poiché decidiamo su base probabilistica, possiamo sbagliare, in due modi opposti:

📌 Errore di prima specie (tipo I): rifiutare $H_0$ quando è vera (falso allarme). Es. concludere che il farmaco funziona quando non funziona; condannare un innocente. La sua probabilità si indica con $\alpha$ .

📌 Errore di seconda specie (tipo II): non rifiutare $H_0$ quando è falsa (mancato allarme). Es. non accorgersi che il farmaco funziona; assolvere un colpevole. La sua probabilità si indica con $\beta$ .

🔗 Analogia — l'allarme antincendio. L'errore di prima specie è l'allarme che suona senza incendio (falso positivo): fastidioso ma non catastrofico. L'errore di seconda specie è l'incendio senza allarme (falso negativo): potenzialmente disastroso. Non si possono azzerare entrambi: un allarme ipersensibile riduce i mancati incendi (β) ma aumenta i falsi allarmi (α), e viceversa. Ogni test è un compromesso tra i due rischi.

⚠️ Attenzione — il trade-off. Ridurre $\alpha$ (essere più prudenti nel rifiutare) aumenta $\beta$ (più facile mancare effetti reali), a parità di campione. L'unico modo di ridurre entrambi è aumentare $n$ (più dati). La potenza del test è $1-\beta$ : la probabilità di rilevare correttamente un effetto reale (rifiutare $H_0$ quando è falsa) — la si vuole alta.

Livello di significatività e regione di rifiuto

Perché conta: fissa la soglia decisionale, controllando il rischio di falso allarme.

📌 Livello di significatività $\alpha$ . È la probabilità massima di errore di prima specie che siamo disposti ad accettare — la soglia scelta prima del test. Valori standard: $\alpha=0{,}05$ (5%), $0{,}01$ (1%). Significa: accettiamo di sbagliare (falso allarme) al massimo il 5% (o 1%) delle volte.

Operativamente: si calcola una statistica test (che misura quanto i dati si discostano da $H_0$ , spesso standardizzando come una $Z$ , cap. 4) e la si confronta con un valore critico. Se cade nella regione di rifiuto (troppo estrema), si rifiuta $H_0$ .

🔗 Analogia. Il livello $\alpha$ è la "soglia di prova" che fissi in anticipo: quanto vuoi essere sicuro prima di condannare (rifiutare $H_0$ ). $\alpha=0{,}01$ è uno standard di prova più severo ( $H_0$ rifiutata solo con evidenza fortissima) di $\alpha=0{,}05$ . Va scelto prima di vedere i dati, per onestà scientifica.

Il p-value

Perché conta: è la misura di evidenza più usata (e più fraintesa) della statistica; capirla è cruciale.

📌 P-value. Il p-value è la probabilità di osservare dati estremi almeno quanto quelli osservati, assumendo vera $H_0$ . Misura quanto i dati sono "sorprendenti" sotto l'ipotesi nulla: p-value piccolo = dati molto improbabili sotto $H_0$ = forte evidenza contro $H_0$ .

📌 Regola di decisione. Si confronta il p-value con $\alpha$ :

se p-value $\le\alpha$ : si rifiuta $H_0$ (risultato "statisticamente significativo");
se p-value $>\alpha$ : non si rifiuta $H_0$ .

🔗 Analogia. Il p-value misura il grado di "sorpresa": quanto sarebbe raro vedere questi dati se $H_0$ fosse vera. Un p-value di 0,001 dice "dati come questi capiterebbero solo 1 volta su 1000 se $H_0$ fosse vera" — molto sospetto, rifiuti $H_0$ . Un p-value di 0,4 dice "capiterebbero il 40% delle volte" — niente di strano, $H_0$ regge.

⚠️ Attenzione — cosa NON è il p-value. Il p-value NON è la probabilità che $H_0$ sia vera. È la probabilità dei dati (assumendo $H_0$ ), non la probabilità dell'ipotesi (dati i dati) — sono cose diverse (confonderle è invertire una probabilità condizionata, cap. 1). Inoltre: "significativo" (statisticamente) non significa "importante" (praticamente): con campioni enormi, differenze minuscole e irrilevanti diventano "significative". Il p-value dice se un effetto è rilevabile, non se è grande o importante.

🗺️ Come si collega il tutto

La verifica delle ipotesi è la seconda colonna dell'inferenza, complementare alla stima (cap. 7-8). La sua meccanica poggia su tutto ciò che precede: la statistica test standardizza $\bar X$ (o $\hat p$ ) in una $Z$ (cap. 4) usando l'errore standard (cap. 5), e la sua distribuzione sotto $H_0$ è normale grazie al TLC (cap. 6). C'è un legame stretto con gli intervalli di confidenza (cap. 8): rifiutare $H_0$ : $\mu=\mu_0$ al livello $\alpha$ equivale a $\mu_0$ fuori dall'intervallo di confidenza al $(1-\alpha)$ — due facce della stessa inferenza. Il p-value e la logica del "rifiutare/non rifiutare" sono un'applicazione del ragionamento condizionato (probabilità dei dati data $H_0$ , cap. 1). Il prossimo capitolo applica questa logica generale ai casi concreti — test su medie e proporzioni — e il capitolo 11 al chi-quadrato (test su frequenze e indipendenza). Comprendere la logica generale (ipotesi, errori, significatività, p-value) qui esposta è il prerequisito per usare correttamente qualsiasi test specifico.

🔑 Concetti chiave

Termine	In una frase	Da non confondere con
Ipotesi nulla $H_0$	Lo status quo/"nessun effetto"; assunta fino a prova contraria	Alternativa $H_1$ (ciò che si vuole dimostrare)
Ipotesi alternativa $H_1$	L'affermazione da provare ("c'è effetto")	$H_0$ (nessun effetto)
Rifiutare / non rifiutare	Rifiutare $H_0$ / mancanza di prove contro	"Accettare $H_0$ " come provata (scorretto)
Errore di prima specie ( $\alpha$ )	Rifiutare $H_0$ vera (falso allarme)	Seconda specie (mancato allarme)
Errore di seconda specie ( $\beta$ )	Non rifiutare $H_0$ falsa (mancato allarme)	Prima specie (falso allarme)
Livello significatività $\alpha$	Rischio massimo di falso allarme, scelto prima	p-value (calcolato dai dati)
Potenza $1-\beta$	Probabilità di rilevare un effetto reale	Livello di significatività
P-value	Prob. di dati così estremi se $H_0$ vera	Probabilità che $H_0$ sia vera (errato!)

📝 Riepilogo

Un test decide su un'affermazione confrontando ipotesi nulla $H_0$ (status quo, assunta vera) e alternativa $H_1$ (da dimostrare). Si può rifiutare o non rifiutare $H_0$ (mai "provarla").
Logica: assumere $H_0$ , valutare quanto sono improbabili i dati sotto di essa; se troppo improbabili, rifiutarla (per assurdo probabilistico).
Due errori: prima specie ( $\alpha$ , rifiutare $H_0$ vera, falso allarme) e seconda specie ( $\beta$ , non rifiutare $H_0$ falsa); ridurne uno aumenta l'altro (solo più $n$ riduce entrambi). Potenza $=1-\beta$ .
Il livello di significatività $\alpha$ (0,05; 0,01) è il rischio di falso allarme fissato in anticipo.
Il p-value è la probabilità di dati così estremi se $H_0$ fosse vera: piccolo = evidenza contro $H_0$ ; si rifiuta se p-value $\le\alpha$ . Non è la probabilità che $H_0$ sia vera, e "significativo" ≠ "importante".

▶️ Prossimo capitolo: Test su medie e proporzioni — la logica del test applicata ai casi più comuni: test sulla media (Z e t), confronto tra due medie, test sulle proporzioni, e la scelta del test unilaterale o bilaterale.

Statistica II

Hai letto. Ora impara.

L'AI trasforma questo modulo in strumenti di studio personalizzati.

Test su medie e proporzioni

In breve

Nel capitolo precedente abbiamo imparato la logica generale della verifica delle ipotesi. Ora la mettiamo in pratica sui casi più comuni e utili: i test su medie e proporzioni, che coprono la stragrande maggioranza dei problemi applicativi in economia, marketing, controllo qualità e scienze sociali. Vogliamo rispondere a domande come: la media di questo processo è diversa dal valore obiettivo? Il rendimento medio di due portafogli è davvero diverso, o la differenza osservata è solo casualità campionaria? La percentuale di clienti soddisfatti supera la soglia del 90%? La quota di mercato è cambiata dopo la campagna pubblicitaria? Tutti questi si risolvono con la stessa struttura in cinque passi (formulare le ipotesi, scegliere $\alpha$ , calcolare la statistica test, confrontarla con il valore critico o calcolare il p-value, decidere), variando solo la formula della statistica test secondo il parametro (media o proporzione) e la situazione (varianza nota o no, uno o due campioni). Vedremo il test Z e il test t per le medie, il test per il confronto di due medie (il più usato negli esperimenti), il test sulle proporzioni (base dei sondaggi e dell'A/B testing), e la distinzione importante tra test unilaterali e bilaterali secondo la direzione dell'ipotesi. Questo capitolo trasforma la logica astratta del test in ricette operative concrete.

🎯 Alla fine di questo capitolo saprai: la struttura in 5 passi di ogni test; il test sulla media con varianza nota (Z) e incognita (t); il test per il confronto di due medie (dati indipendenti e appaiati); il test sulle proporzioni (una e due proporzioni); la differenza tra test unilaterale e bilaterale e come scegliere.

La struttura generale di un test

Perché conta: è lo scheletro comune a tutti i test; impararlo una volta serve per ogni caso.

Ogni verifica di ipotesi segue cinque passi:

Formulare le ipotesi $H_0$ e $H_1$ (secondo la domanda);
Scegliere il livello di significatività $\alpha$ (di solito 0,05);
Calcolare la statistica test: una misura standardizzata di quanto i dati si discostano da $H_0$ , tipicamente della forma $\text{statistica test}=\frac{\text{stima}-\text{valore ipotizzato}}{\text{errore standard}};$
Confrontare con il valore critico (o calcolare il p-value);
Decidere: rifiutare $H_0$ se la statistica cade nella regione di rifiuto (p-value $\le\alpha$ ), altrimenti no.

🔗 Analogia. La statistica test misura "a quanti errori standard di distanza" è il dato osservato dal valore ipotizzato — proprio uno z-score (cap. 4). Se il dato è a 3 errori standard dall'ipotesi, è così lontano da essere incompatibile con essa (rifiuti $H_0$ ); se è a 0,5 errori standard, è del tutto compatibile. La struttura è sempre la stessa: cambia solo come si calcola l'errore standard.

Test sulla media

Perché conta: è il test più fondamentale, per verificare affermazioni su una media.

Ipotesi tipiche: $H_0: \mu=\mu_0$ contro $H_1:\mu\ne\mu_0$ (o $>$ , $<$ ).

📌 Statistica test.

Se $\sigma$ è nota (o $n$ grande): si usa la statistica $Z=\dfrac{\bar X-\mu_0}{\sigma/\sqrt n}$ , confrontata con la normale (cap. 4).
Se $\sigma$ è incognita (caso realistico, $n$ piccolo): si usa $t=\dfrac{\bar X-\mu_0}{s/\sqrt n}$ , confrontata con la t di Student ( $n-1$ gradi di libertà, cap. 8).

🧩 Esempio. Un processo dovrebbe produrre pezzi lunghi $\mu_0=100$ mm. Un campione di $n=25$ dà $\bar x=101{,}2$ mm, $s=2$ mm. $H_0:\mu=100$ vs $H_1:\mu\ne100$ . Statistica: $t=\frac{101{,}2-100}{2/\sqrt{25}}=\frac{1{,}2}{0{,}4}=3$ . Con 24 gradi di libertà, il valore critico t al 5% (bilaterale) è ~2,06. Poiché $3>2{,}06$ , si rifiuta $H_0$ : il processo è fuori target (statisticamente significativo).

Confronto tra due medie

Perché conta: è il test più usato negli esperimenti — confrontare due gruppi, due trattamenti, due strategie.

Spesso non interessa una media assoluta ma il confronto tra due gruppi: nuovo vs vecchio metodo, gruppo trattato vs controllo, prima vs dopo.

📌 Due campioni indipendenti. $H_0:\mu_1=\mu_2$ (le due medie sono uguali) contro $H_1:\mu_1\ne\mu_2$ . La statistica test confronta la differenza osservata $\bar X_1-\bar X_2$ con il suo errore standard (che combina le varianze dei due gruppi). Se la differenza è troppo grande rispetto alla variabilità, si rifiuta $H_0$ : le medie sono diverse.

📌 Dati appaiati. Se le due misure sono sullo stesso soggetto (es. peso prima e dopo una dieta, stessa persona), si analizzano le differenze individuali con un test sulla media delle differenze (più potente, perché elimina la variabilità tra soggetti).

🔗 Analogia — A/B testing. Il confronto tra due medie (o proporzioni) è il cuore dell'A/B testing del marketing digitale: si mostra la versione A del sito a un gruppo e la B a un altro, si misura il tasso di conversione, e un test decide se la differenza osservata è reale (una versione è migliore) o solo rumore campionario. Miliardi di decisioni aziendali si basano su questo test. L'idea: la differenza è "significativa" solo se supera ciò che ci si aspetterebbe dal caso.

⚠️ Attenzione. Una differenza osservata tra due gruppi c'è quasi sempre (è raro che due medie campionarie coincidano esattamente). Il test serve proprio a distinguere una differenza reale da una dovuta al caso campionario. Non basta "guardare" che A > B: serve verificare che la differenza sia troppo grande per essere casuale.

Test sulle proporzioni

Perché conta: governa sondaggi, tassi, percentuali — dati dicotomici onnipresenti.

Per dati sì/no (favorevoli, difettosi, convertiti), il parametro è una proporzione $p$ .

📌 Test su una proporzione. $H_0:p=p_0$ contro $H_1:p\ne p_0$ (o direzionale). La statistica confronta la proporzione campionaria $\hat p$ con $p_0$ , standardizzata con l'errore standard $\sqrt{\frac{p_0(1-p_0)}{n}}$ ; per $n$ grande è ~normale (TLC per proporzioni, cap. 6).

🧩 Esempio. Un'azienda afferma che il 90% dei clienti è soddisfatto. Un campione di 200 clienti ne trova 170 soddisfatti ( $\hat p=0{,}85$ ). $H_0:p=0{,}90$ vs $H_1:p<0{,}90$ . Errore standard $=\sqrt{\frac{0{,}9\cdot0{,}1}{200}}\approx0{,}021$ . Statistica $Z=\frac{0{,}85-0{,}90}{0{,}021}\approx-2{,}36$ . Il p-value (unilaterale) è ~0,009 $<0{,}05$ : si rifiuta $H_0$ , la soddisfazione è significativamente sotto il 90% dichiarato.

📌 Due proporzioni. Confronto tra due gruppi (es. tasso di conversione A vs B): $H_0:p_1=p_2$ . Stessa logica del confronto tra medie.

Test unilaterale o bilaterale?

Perché conta: la scelta cambia il valore critico e la conclusione; va fatta correttamente e in anticipo.

📌 Test bilaterale (a due code): $H_1:\mu\ne\mu_0$ . Interessa qualsiasi differenza, in entrambe le direzioni. La regione di rifiuto è divisa nelle due code ( $\alpha/2$ per lato). Es. "la media è diversa dal target?".

📌 Test unilaterale (a una coda): $H_1:\mu>\mu_0$ (o $\mu<\mu_0$ ). Interessa solo una direzione. Tutta la regione di rifiuto ( $\alpha$ ) è in una coda. Es. "il nuovo metodo è migliore?", "i difetti superano la soglia?".

🔗 Analogia. Bilaterale = "è cambiato qualcosa?" (non importa in che verso); unilaterale = "è aumentato?" (o "diminuito?", una direzione precisa). Un controllo qualità che teme qualsiasi deviazione dal target usa il bilaterale; un test che vuole dimostrare un miglioramento usa l'unilaterale.

⚠️ Attenzione. La scelta unilaterale/bilaterale va fatta prima di vedere i dati, sulla base della domanda, non per "far uscire" il risultato desiderato. Scegliere l'unilaterale dopo aver visto la direzione dei dati è una forma di manipolazione (p-hacking) che invalida il test. L'unilaterale è più "potente" nella sua direzione ma cieco all'altra.

🗺️ Come si collega il tutto

Questo capitolo applica la logica del test (cap. 9) ai parametri più comuni. La statistica test è una standardizzazione (z-score, cap. 4) della stima rispetto al valore ipotizzato, usando l'errore standard (cap. 5) e la normalità/t garantita dal TLC (cap. 6) e dalla stima di $\sigma$ con $s$ (cap. 7-8, t di Student). Il confronto tra due medie/proporzioni è lo strumento degli esperimenti e dell'A/B testing. C'è dualità con gli intervalli di confidenza (cap. 8): non rifiutare $H_0:\mu=\mu_0$ equivale a $\mu_0$ dentro l'intervallo. Restano i test su frequenze e associazioni tra variabili categoriali, oggetto del prossimo capitolo (il chi-quadrato), che estende la logica a tabelle di contingenza (es. "il genere è associato alla preferenza di prodotto?"). E il capitolo 12 (regressione) userà i test per verificare la significatività delle relazioni tra variabili. La struttura in 5 passi, qui consolidata, è il modello operativo di ogni test statistico.

🔑 Concetti chiave

Termine	In una frase	Da non confondere con
Struttura in 5 passi	Ipotesi → α → statistica test → confronto → decisione	—
Statistica test	(stima − valore ipotizzato)/errore standard	Il parametro o la stima da soli
Test Z sulla media	σ nota o $n$ grande; usa la normale	Test t (σ incognita, t di Student)
Test t sulla media	σ incognita; usa t di Student ( $n-1$ gdl)	Test Z (σ nota)
Confronto due medie	Verifica se $\mu_1=\mu_2$ ; base degli esperimenti	Test su una media (un solo gruppo)
Dati appaiati	Stesso soggetto (prima/dopo): si testano le differenze	Campioni indipendenti (gruppi diversi)
Test sulle proporzioni	Dati sì/no; sondaggi, A/B testing	Test sulle medie (dati quantitativi)
Unilaterale / bilaterale	Una direzione / entrambe; scelto prima dei dati	—

📝 Riepilogo

Ogni test segue 5 passi: ipotesi, $\alpha$ , statistica test $\frac{\text{stima}-\text{valore ipotizzato}}{\text{errore standard}}$ , confronto/p-value, decisione.
Test sulla media: $Z$ se $\sigma$ nota (o $n$ grande), $t$ di Student se $\sigma$ incognita ( $n-1$ gdl).
Confronto tra due medie (indipendenti o appaiate): verifica se $\mu_1=\mu_2$ ; è la base degli esperimenti e dell'A/B testing; distingue differenze reali da rumore campionario.
Test sulle proporzioni (una o due): per dati sì/no; sondaggi, tassi, conversioni; usa la normale (TLC).
Bilaterale ( $\ne$ , entrambe le direzioni) vs unilaterale ( $>$ o $<$ , una direzione): scelto prima dei dati secondo la domanda.

▶️ Prossimo capitolo: Il test chi-quadrato — test su dati categoriali e frequenze: bontà di adattamento e, soprattutto, il test di indipendenza tra due variabili qualitative sulle tabelle di contingenza.

Statistica II

Hai letto. Ora impara.

L'AI trasforma questo modulo in strumenti di studio personalizzati.

Il test chi-quadrato

In breve

I test dei capitoli precedenti riguardavano dati quantitativi (medie) o dicotomici (proporzioni). Ma moltissimi dati, specie nelle scienze sociali, nel marketing e nell'economia, sono categoriali con più categorie: il colore preferito, la regione di provenienza, il livello di istruzione, la categoria di prodotto scelta, il grado di soddisfazione (alto/medio/basso). Per questi dati serve uno strumento diverso, che lavora sulle frequenze (i conteggi di quante osservazioni cadono in ciascuna categoria): il test chi-quadrato ( $\chi^2$ ). È uno dei test più versatili e usati della statistica applicata, e ha due impieghi principali. Il primo è la bontà di adattamento: verificare se una distribuzione osservata di frequenze è compatibile con una distribuzione teorica attesa (un dado è truccato? le vendite si distribuiscono uniformemente sui giorni?). Il secondo, ancora più importante, è il test di indipendenza: verificare se due variabili categoriali sono associate o indipendenti — c'è relazione tra genere e preferenza di prodotto? Tra livello di istruzione e voto politico? Tra trattamento e guarigione? L'idea comune è elegante: confrontare le frequenze osservate con quelle che ci si aspetterebbe se l'ipotesi nulla fosse vera, e misurare quanto si discostano. Se lo scostamento è troppo grande per essere casuale, si rifiuta l'ipotesi. Questo capitolo presenta il test chi-quadrato, chiudendo la panoramica dei metodi di verifica delle ipotesi.

🎯 Alla fine di questo capitolo saprai: cos'è il test chi-quadrato e la logica "osservato vs atteso"; il test di bontà di adattamento (una variabile vs distribuzione teorica); il test di indipendenza su tabelle di contingenza (due variabili categoriali); come si calcolano le frequenze attese; l'interpretazione e i limiti del test.

La logica: osservato contro atteso

Perché conta: è l'idea comune a tutti gli usi del chi-quadrato; capirla apre entrambe le applicazioni.

Il test chi-quadrato lavora sulle frequenze (conteggi). La sua logica:

si hanno le frequenze osservate $O_i$ (quante osservazioni in ogni categoria, dai dati);
si calcolano le frequenze attese $E_i$ (quante se ne aspetterebbero se $H_0$ fosse vera);
si misura lo scostamento complessivo tra osservato e atteso con la statistica $\chi^2=\sum_i\frac{(O_i-E_i)^2}{E_i};$
se $\chi^2$ è grande (osservato molto diverso dall'atteso), si rifiuta $H_0$ .

🔗 Analogia. Il chi-quadrato misura la "distanza" tra ciò che vedi e ciò che ti aspetteresti sotto l'ipotesi nulla. Ogni termine $\frac{(O-E)^2}{E}$ pesa lo scostamento: al quadrato (per contare sia eccessi sia difetti) e rapportato all'atteso (uno scarto di 10 su un atteso di 5 è enorme, su 1000 è trascurabile). Se osservato e atteso combaciano, $\chi^2\approx0$ ( $H_0$ regge); se divergono molto, $\chi^2$ è grande ( $H_0$ cade). È come confrontare un bilancio previsionale con quello effettivo: piccoli scarti sono normali, grandi scarti segnalano che le previsioni ( $H_0$ ) erano sbagliate.

📌 Distribuzione chi-quadrato. La statistica $\chi^2$ , sotto $H_0$ , segue una distribuzione nota (la distribuzione chi-quadrato), che dipende dai gradi di libertà (legati al numero di categorie). Si confronta il valore calcolato con il valore critico (o si usa il p-value). ⚠️ Il chi-quadrato è sempre unilaterale (solo valori grandi rifiutano: solo un grande scostamento è evidenza contro $H_0$ ).

Il test di bontà di adattamento

Perché conta: verifica se i dati seguono una distribuzione teorica ipotizzata; primo uso classico.

📌 Bontà di adattamento (goodness of fit). Verifica se la distribuzione di frequenze osservata di una variabile categoriale è compatibile con una distribuzione teorica attesa. $H_0$ : "i dati seguono la distribuzione teorica"; $H_1$ : "non la seguono".

Le frequenze attese si calcolano dalla distribuzione teorica: $E_i=n\times p_i$ (numerosità totale × probabilità teorica della categoria $i$ ).

🧩 Esempio. Un dado viene lanciato 120 volte. Se è equo ( $H_0$ ), ci si aspettano $E_i=120\times\frac16=20$ uscite per faccia. Se le frequenze osservate sono molto diverse da 20 (es. il 6 esce 40 volte), $\chi^2$ sarà grande e si rifiuterà $H_0$ : il dado è truccato. Altri usi: le vendite si distribuiscono uniformemente sui giorni della settimana? La distribuzione dei gruppi sanguigni nel campione corrisponde a quella nazionale?

Il test di indipendenza

Perché conta: è l'uso più importante — verificare se due variabili categoriali sono associate. Onnipresente nelle scienze sociali e nel marketing.

📌 Test di indipendenza. Verifica se due variabili categoriali sono indipendenti (nessuna relazione) o associate. I dati si organizzano in una tabella di contingenza (righe = categorie della prima variabile, colonne = categorie della seconda, celle = frequenze congiunte). $H_0$ : "le due variabili sono indipendenti"; $H_1$ : "sono associate".

📌 Frequenze attese sotto indipendenza. Se le variabili fossero indipendenti, la frequenza attesa di ogni cella si calcola dai totali marginali: $E_{ij}=\frac{(\text{totale riga }i)\times(\text{totale colonna }j)}{n}.$ (Deriva dalla regola dell'indipendenza $P(A\cap B)=P(A)P(B)$ , cap. 1.) Si confronta poi con le frequenze osservate via $\chi^2$ .

🔗 Analogia. Il test di indipendenza chiede: "conoscere la categoria di una variabile ti dice qualcosa sull'altra?". Se genere e preferenza di prodotto sono indipendenti, la percentuale di chi preferisce il prodotto A è la stessa tra uomini e donne (l'osservato ≈ atteso sotto indipendenza). Se sono associati, le percentuali differiscono più di quanto il caso spiegherebbe. È il modo statistico di rilevare relazioni tra caratteristiche qualitative.

🧩 Esempio. Un'azienda vuole sapere se la soddisfazione (alta/bassa) dipende dalla regione (Nord/Centro/Sud). Costruisce la tabella di contingenza dai dati, calcola le frequenze attese sotto indipendenza, e il $\chi^2$ . Se significativo, conclude che soddisfazione e regione sono associate (la soddisfazione varia per regione, informazione utile per il marketing).

⚠️ Attenzione — associazione ≠ causalità. Il test dice se due variabili sono associate, non se una causa l'altra. Un'associazione tra istruzione e reddito non dimostra che l'istruzione causi il reddito (potrebbero esserci fattori comuni). Come sempre in statistica, correlazione/associazione non implica causalità. Il test rileva la relazione, non la spiega.

Condizioni e limiti

Perché conta: il test è approssimato; conoscerne i limiti evita usi scorretti.

Il test chi-quadrato richiede alcune condizioni:

dati in forma di frequenze (conteggi), non percentuali o medie;
frequenze attese sufficientemente grandi (regola pratica: $E_i\ge5$ nella maggior parte delle celle); con attese troppo piccole l'approssimazione è cattiva (si accorpano categorie o si usano test esatti);
osservazioni indipendenti (ogni unità conta una volta).

⚠️ Attenzione. Il test dice se c'è associazione, non quanto è forte né di che tipo: per la forza dell'associazione servono altre misure (es. indici basati sul chi-quadrato). E, come tutti i test, con campioni enormi anche associazioni deboli risultano "significative": significatività statistica ≠ rilevanza pratica (cap. 9).

🗺️ Come si collega il tutto

Il test chi-quadrato estende la verifica delle ipotesi (cap. 9) ai dati categoriali e alle frequenze, completando la cassetta degli attrezzi inferenziale dopo i test su medie e proporzioni (cap. 10). La sua logica "osservato vs atteso" è una forma della struttura generale del test (statistica test grande → rifiuto), e il calcolo delle frequenze attese sotto indipendenza usa direttamente la regola dell'indipendenza $P(A\cap B)=P(A)P(B)$ (cap. 1). Il test di indipendenza è il modo di rilevare associazioni tra variabili qualitative, complementare alla regressione (prossimo capitolo) che studia relazioni tra variabili quantitative. L'avvertenza "associazione ≠ causalità" è un principio trasversale che ritornerà, cruciale, nella regressione. Con questo si completa la panoramica dei metodi di verifica delle ipotesi. L'ultimo capitolo affronta lo strumento per studiare e modellare le relazioni tra variabili quantitative — la regressione lineare — ponte verso l'econometria, dove si combinano stima, test e modellazione.

🔑 Concetti chiave

Termine	In una frase	Da non confondere con
Test chi-quadrato	Confronta frequenze osservate e attese	Test su medie (dati quantitativi)
Frequenze osservate/attese	Conteggi dai dati / conteggi sotto $H_0$	Percentuali (il test usa i conteggi)
Statistica $\chi^2$	$\sum\frac{(O-E)^2}{E}$ : scostamento totale	La singola differenza $O-E$
Bontà di adattamento	Una variabile vs distribuzione teorica	Test di indipendenza (due variabili)
Test di indipendenza	Due variabili categoriali sono associate?	Bontà di adattamento (una variabile)
Tabella di contingenza	Frequenze congiunte di due variabili (righe×colonne)	Distribuzione di frequenza (una variabile)
Associazione ≠ causalità	Il test rileva relazione, non causa	—

📝 Riepilogo

Il test chi-quadrato lavora sulle frequenze: confronta le osservate $O_i$ con le attese $E_i$ (sotto $H_0$ ) via $\chi^2=\sum\frac{(O_i-E_i)^2}{E_i}$ ; $\chi^2$ grande → rifiuto (sempre unilaterale).
Bontà di adattamento: verifica se una variabile segue una distribuzione teorica ( $E_i=n\,p_i$ ); es. dado truccato.
Test di indipendenza: su una tabella di contingenza, verifica se due variabili categoriali sono associate; frequenze attese $E_{ij}=\frac{\text{tot riga}\times\text{tot colonna}}{n}$ (dalla regola dell'indipendenza).
Condizioni: dati in frequenze, attese $\ge5$ , osservazioni indipendenti.
Rileva associazione, non causalità; e "significativo" ≠ "forte/importante".

▶️ Prossimo capitolo: La regressione lineare 🎓 — l'ultimo capitolo: modellare la relazione tra due variabili quantitative; retta di regressione, minimi quadrati, coefficiente di determinazione e inferenza sui coefficienti, ponte verso l'econometria.

Statistica II

Hai letto. Ora impara.

L'AI trasforma questo modulo in strumenti di studio personalizzati.

La regressione lineare

In breve

Concludiamo il corso con lo strumento più usato in assoluto nell'analisi dei dati economici e sociali: la regressione lineare. Fin qui abbiamo studiato variabili una alla volta (stime, test su una media). Ma la domanda più interessante in economia riguarda le relazioni tra variabili: come dipende il consumo dal reddito? Le vendite dalla spesa pubblicitaria? Il prezzo di una casa dalla sua metratura? Il salario dagli anni di istruzione? La regressione lineare modella queste relazioni tracciando la "retta migliore" che riassume come una variabile (la dipendente, ciò che vogliamo spiegare) cambia al variare di un'altra (l'indipendente, il predittore). Non solo descrive la relazione, ma permette di prevedere (stimare il consumo per un dato reddito) e di quantificare l'effetto (di quanto aumenta il salario per ogni anno di studio in più). Il metodo per trovare la retta migliore — i minimi quadrati — è geniale e semplice: si sceglie la retta che minimizza gli scarti tra i valori osservati e quelli previsti. Vedremo come si interpretano i coefficienti (intercetta e pendenza), come si misura quanto bene la retta spiega i dati (il coefficiente di determinazione $R^2$ ), e come si applica l'inferenza (test di significatività) per capire se la relazione è reale o casuale. La regressione è il ponte diretto verso l'econometria e chiude idealmente il percorso, combinando descrizione, stima, test e previsione.

🎯 Alla fine di questo capitolo saprai: cos'è la regressione lineare e la distinzione variabile dipendente/indipendente; il metodo dei minimi quadrati e l'interpretazione dei coefficienti (intercetta, pendenza); il coefficiente di determinazione $R^2$ (bontà di adattamento); l'inferenza sui coefficienti (test di significatività); i limiti (correlazione ≠ causalità, linearità).

L'idea: modellare una relazione

Perché conta: stabilisce lo scopo — descrivere, quantificare e prevedere relazioni tra variabili.

📌 Definizione. La regressione lineare semplice modella la relazione tra due variabili quantitative con una retta: $Y = \beta_0 + \beta_1 X + \varepsilon,$ dove:

$Y$ è la variabile dipendente (o risposta): quella che vogliamo spiegare/prevedere;
$X$ è la variabile indipendente (o esplicativa, predittore): quella che usiamo per spiegare;
$\beta_0$ (intercetta) e $\beta_1$ (pendenza) sono i coefficienti da stimare;
$\varepsilon$ è l'errore (residuo): la parte di $Y$ non spiegata dalla retta.

🔗 Analogia. La regressione traccia la "linea di tendenza" in una nuvola di punti: se disegni consumo (Y) contro reddito (X) per tante famiglie, ottieni una nuvola con un andamento crescente; la regressione trova la retta che meglio "attraversa" quella nuvola, riassumendo la relazione. Come tracciare a occhio la linea che segue l'andamento generale di uno scatterplot — ma in modo matematicamente ottimale.

📌 Distinzione dipendente/indipendente. $Y$ è ciò che si vuole spiegare (effetto), $X$ il predittore (causa presunta). L'asimmetria conta: "regredire il consumo sul reddito" è diverso dal contrario. La scelta dipende dalla domanda economica.

Il metodo dei minimi quadrati

Perché conta: è il criterio che definisce la "retta migliore"; elegante e universalmente usato.

Tra le infinite rette possibili, quale scegliere? Il criterio dei minimi quadrati:

📌 Minimi quadrati (OLS). Si sceglie la retta che minimizza la somma dei quadrati degli scarti (residui) tra i valori osservati $Y_i$ e i valori previsti dalla retta $\hat Y_i$ : $\min\sum_i (Y_i-\hat Y_i)^2.$ I residui si elevano al quadrato (per contare sia scarti positivi sia negativi, e penalizzare i grandi scarti) e si sommano; la retta ottima li rende minimi.

🔗 Analogia. Immagina di dover posizionare un'asta rigida (la retta) in mezzo a una nuvola di punti, con una molla che collega ogni punto all'asta verticalmente. I minimi quadrati trovano la posizione in cui l'energia elastica totale (somma dei quadrati degli allungamenti) è minima — la retta "in equilibrio" tra tutti i punti. È il compromesso ottimo che sta il più vicino possibile a tutti i dati contemporaneamente. (Matematicamente si trova annullando le derivate, l'ottimizzazione di Analisi.)

📌 Interpretazione dei coefficienti (stimati $\hat\beta_0, \hat\beta_1$ ):

la pendenza $\hat\beta_1$ : di quanto varia in media $Y$ per ogni unità in più di $X$ . È l'effetto marginale, il numero economicamente più importante.
l'intercetta $\hat\beta_0$ : il valore previsto di $Y$ quando $X=0$ (a volte interpretabile, a volte solo tecnico).

🧩 Esempio. Regressione del salario ( $Y$ , €/anno) sugli anni di istruzione ( $X$ ): se $\hat\beta_1=2.500$ , significa che ogni anno di istruzione in più è associato in media a +2.500 € di salario annuo. L'intercetta $\hat\beta_0$ sarebbe il salario previsto con zero anni di istruzione. La pendenza quantifica il "rendimento dell'istruzione".

Il coefficiente di determinazione R²

Perché conta: misura quanto bene la retta spiega i dati; il primo indicatore di qualità del modello.

📌 Coefficiente di determinazione $R^2$ . Misura la frazione della variabilità di $Y$ spiegata dal modello (da $X$ ). Va da 0 a 1:

$R^2=1$ : la retta spiega tutta la variabilità (i punti stanno esattamente sulla retta);
$R^2=0$ : la retta non spiega nulla ( $X$ non aiuta a prevedere $Y$ );
$R^2=0{,}7$ : il 70% della variabilità di $Y$ è spiegato da $X$ , il 30% resta ai residui (altri fattori).

🔗 Analogia. $R^2$ è il "voto" del modello: quanto della storia di $Y$ riesce a raccontare $X$ . Un $R^2$ alto significa che i punti sono ben allineati sulla retta (relazione forte); uno basso che sono molto dispersi (relazione debole, $X$ spiega poco). È legato al coefficiente di correlazione (Statistica I): $R^2$ è il quadrato della correlazione tra $X$ e $Y$ .

⚠️ Attenzione. Un $R^2$ alto non garantisce che il modello sia "giusto" o causale: dice solo che la retta si adatta bene ai dati. E un $R^2$ basso non significa "inutile": in scienze sociali, dove il comportamento umano è molto variabile, anche $R^2$ modesti possono indicare relazioni interessanti. $R^2$ va letto nel contesto.

L'inferenza sui coefficienti

Perché conta: collega la regressione a tutto il corso — la relazione stimata è reale o dovuta al caso?

I coefficienti $\hat\beta_0, \hat\beta_1$ sono calcolati su un campione: sono stime (cap. 7) di veri coefficienti incogniti $\beta_0, \beta_1$ della popolazione. Come ogni stima, hanno un errore standard e variano da campione a campione. Quindi si applica l'inferenza:

📌 Test di significatività. La domanda cruciale: la pendenza $\beta_1$ è davvero diversa da zero? Se $\beta_1=0$ , la retta è piatta e $X$ non ha effetto su $Y$ (nessuna relazione). Si testa quindi: $H_0:\beta_1=0 \quad(\text{nessuna relazione}) \qquad H_1:\beta_1\ne0 \quad(\text{c'è relazione}).$ Con un test t (cap. 10): si standardizza $\hat\beta_1$ rispetto al suo errore standard e si valuta il p-value. Se significativo (p-value piccolo), si conclude che la relazione è reale, non casuale. Si costruiscono anche intervalli di confidenza per i coefficienti (cap. 8).

🔗 Analogia. Anche se in un campione la pendenza stimata è $\hat\beta_1=2.500$ (positiva), potrebbe essere frutto del caso campionario se la vera relazione fosse nulla. Il test chiede: "una pendenza così ripida sarebbe plausibile se in realtà $X$ non contasse ( $\beta_1=0$ )?". Se no (p-value piccolo), l'effetto è reale. È la stessa logica del cap. 9-10 applicata alla pendenza.

Limiti e avvertenze

Perché conta: usare la regressione senza conoscerne i limiti porta a conclusioni sbagliate — l'errore più comune nell'analisi dati.

⚠️ Correlazione ≠ causalità. La regressione trova associazioni, non prova cause. Che il gelato e gli annegamenti siano correlati (regressione significativa) non significa che il gelato causi annegamenti: c'è un fattore comune (l'estate/caldo). Concludere "causa" da una regressione richiede cautela, teoria economica e, idealmente, esperimenti o tecniche econometriche apposite.

⚠️ Altri limiti:

Linearità: la regressione lineare assume una relazione a retta; se la relazione è curva, il modello lineare è inadeguato (servono trasformazioni o modelli non lineari).
Estrapolazione: prevedere fuori dall'intervallo dei dati osservati è rischioso (la relazione potrebbe cambiare).
Outlier: punti anomali possono distorcere fortemente la retta (i minimi quadrati sono sensibili ai valori estremi).

🔗 Analogia. La regressione è uno strumento potente ma "cieco": traccia la retta migliore anche quando non ha senso (relazione curva, o spuria). Sta all'analista, con giudizio economico e attenzione alle assunzioni, usarla correttamente. È un cannocchiale che mostra le relazioni, non un oracolo che spiega le cause.

🗺️ Come si collega il tutto

La regressione lineare è il coronamento del corso: combina tutti i temi in un unico strumento. Usa i minimi quadrati (un'ottimizzazione, Analisi) per stimare i coefficienti; questi sono stime (cap. 7) con errore standard, su cui si fa inferenza — test di significatività (cap. 9-10) e intervalli di confidenza (cap. 8) — per stabilire se la relazione è reale. L' $R^2$ riprende la correlazione di Statistica I. L'avvertenza correlazione ≠ causalità riecheggia quella del test chi-quadrato (cap. 11), estendendola alle variabili quantitative. La regressione è il ponte diretto verso l'econometria (il corso successivo), dove si studiano la regressione multipla (più predittori), le violazioni delle assunzioni, e le tecniche per l'inferenza causale — gli strumenti quotidiani dell'economista applicato, dell'analista finanziario, del data scientist. Chiude idealmente il percorso dell'inferenza: dai fondamenti probabilistici, attraverso la teoria campionaria e i metodi (stima, test), fino alla modellazione delle relazioni, il cuore dell'analisi dei dati economici.

🔑 Concetti chiave

Termine	In una frase	Da non confondere con
Regressione lineare	Modella la relazione tra due variabili con una retta	Correlazione (misura, non modella/prevede)
Dipendente / indipendente	$Y$ da spiegare / $X$ predittore	Sono asimmetriche (non intercambiabili)
Minimi quadrati (OLS)	Retta che minimizza la somma dei quadrati dei residui	—
Pendenza $\beta_1$	Variazione di $Y$ per unità di $X$ (effetto marginale)	Intercetta (valore di $Y$ a $X=0$ )
Intercetta $\beta_0$	Valore previsto di $Y$ quando $X=0$	Pendenza (l'effetto di $X$ )
$R^2$	Frazione di variabilità di $Y$ spiegata (0-1)	Significatività (relazione reale vs casuale)
Test su $\beta_1$	$H_0:\beta_1=0$ (nessuna relazione)	$R^2$ (bontà di adattamento)
Correlazione ≠ causalità	La relazione stimata non prova la causa	—

📝 Riepilogo

La regressione lineare $Y=\beta_0+\beta_1 X+\varepsilon$ modella la relazione tra una variabile dipendente $Y$ e una indipendente $X$ : descrive, quantifica e prevede.
I minimi quadrati (OLS) scelgono la retta che minimizza $\sum(Y_i-\hat Y_i)^2$ . La pendenza $\beta_1$ è la variazione media di $Y$ per unità di $X$ (effetto marginale); l'intercetta $\beta_0$ è $Y$ a $X=0$ .
Il coefficiente di determinazione $R^2$ (0-1) misura la frazione di variabilità di $Y$ spiegata dal modello (quadrato della correlazione).
L'inferenza sui coefficienti: si testa $H_0:\beta_1=0$ (nessuna relazione) con un test t; se significativo, la relazione è reale. Si costruiscono intervalli di confidenza sui coefficienti.
Limiti: correlazione ≠ causalità; assunzione di linearità; rischi di estrapolazione e sensibilità agli outlier. Ponte verso l'econometria.

🎓 Fine del corso. Hai percorso l'intera Statistica II — l'inferenza statistica: dai fondamenti probabilistici (probabilità, variabili casuali, distribuzioni, la normale), alla teoria campionaria (distribuzioni campionarie, il teorema del limite centrale), fino ai metodi (stima puntuale e per intervalli, verifica delle ipotesi, test su medie, proporzioni e chi-quadrato, regressione). Hai visto come dalla probabilità nasca la capacità di trarre conclusioni sulla popolazione da un campione, misurando l'incertezza — lo strumento con cui l'economia, la finanza e le scienze sociali trasformano i dati in conoscenza e decisioni. È il fondamento dell'econometria e della moderna analisi dei dati.

▶️ Torna all'indice del corso

Statistica II

Hai finito il corso. Ora studia davvero.

Usa l'AI per consolidare tutto quello che hai studiato.