Statistica Descrittiva - Gli Strumenti Base

Quando ti trovi davanti a una montagna di dati, la statistica descrittiva è il tuo primo alleato. Ti permette di riassumere e capire rapidamente cosa ti stanno dicendo i numeri.

Gli indici di posizione ti mostrano dove si concentrano i tuoi dati. La media campionaria è il valore medio: $\bar{x} = \frac{1}{n} \sum_{i=1}^{n} X_i$. La mediana è il valore centrale quando ordini i dati, mentre la moda è il valore più frequente.

Per capire quanto sono dispersi i tuoi dati, usi gli indici di dispersione. La varianza $\sigma^2$ e la deviazione standard $\sigma$ ti dicono se i valori sono tutti simili o molto diversi tra loro. Il range è semplicemente la differenza tra il valore massimo e minimo.

I quantili dividono i tuoi dati in parti uguali - i quartili li dividono in quattro parti. Per studiare le relazioni tra due variabili, calcoli la covarianza e il coefficiente di correlazione. La regressione lineare ti aiuta a trovare la retta che meglio descrive questa relazione, con il coefficiente di determinazione $R^2$ che ti dice quanto è buona la tua retta.

💡 Ricorda: Un $R^2$ vicino a 1 significa che la tua retta spiega molto bene i dati!

Probabilità - Le Basi per Comprendere l'Incertezza

La probabilità ti aiuta a quantificare l'incertezza e a ragionare su eventi futuri. È lo strumento matematico per gestire il caso e l'aleatorietà che incontri nella vita reale.

Partiamo dalle definizioni base. Gli eventi elementari sono tutti i possibili risultati di un esperimento, mentre lo spazio campionario $\Omega$ li contiene tutti. Un evento è qualsiasi sottoinsieme di questo spazio.

La probabilità classica funziona quando tutti gli esiti sono ugualmente probabili: $P(A) = \frac{|A|}{|\Omega|}$ (casi favorevoli su casi totali). Per contare questi casi, usi le formule del calcolo combinatorio.

Le permutazioni ($n!$) contano gli allineamenti di oggetti, le disposizioni $D_{n,k} = \frac{n!}{(n-k)!}$ considerano l'ordine, mentre le combinazioni $C_{n,k} = \binom{n}{k}$ non lo considerano. Quando gli oggetti possono ripetersi, aggiungi l'asterisco alle formule.

💡 Trucco: Chiediti sempre "l'ordine conta?" per scegliere tra disposizioni e combinazioni!

Probabilità Condizionata e Variabili Aleatorie

Spesso la probabilità di un evento dipende dal verificarsi di altri eventi. La probabilità condizionata $P(A|B) = \frac{P(A \cap B)}{P(B)}$ ti dice quanto è probabile A sapendo che B è già accaduto.

La formula di Bayes e la legge delle probabilità totali ti permettono di "invertire" le condizioni e calcolare probabilità complesse. Due eventi sono indipendenti se $P(A \cap B) = P(A) \cdot P(B)$ - il verificarsi di uno non influenza l'altro.

Le variabili aleatorie associano numeri agli eventi. Per quelle discrete, la densità $p_X(x)$ ti dà la probabilità che X assuma il valore x. Il valore atteso $E[X]$ è la media teorica, mentre la varianza $Var(X)$ misura la dispersione.

La covarianza e il coefficiente di correlazione misurano quanto due variabili si muovono insieme. La disuguaglianza di Cebyšev ti garantisce che la maggior parte dei valori sta vicino alla media.

💡 Attenzione: Correlazione non implica causalità - due variabili possono essere correlate senza che una causi l'altra!

Modelli Probabilistici Fondamentali

I modelli probabilistici descrivono situazioni reali attraverso formule matematiche precise. Conoscerli ti permette di affrontare problemi pratici con strumenti potenti.

La distribuzione di Bernoulli modella esperimenti con solo due esiti $successo/insuccesso$. La Binomiale $B(n,p)$ conta i successi in n prove: $P(X=k) = \binom{n}{k}p^k(1-p)^{n-k}$. È perfetta per sondaggi e controlli di qualità.

La distribuzione Geometrica ti dice dopo quante prove avrai il primo successo, mentre la Ipergeometrica modella estrazioni senza rimessa. Quest'ultima è fondamentale quando la popolazione è piccola.

La distribuzione di Poisson $P(\lambda)$ è ideale per eventi rari: $P(X=k) = e^{-\lambda}\frac{\lambda^k}{k!}$. Descrive arrivi casuali, guasti, chiamate telefoniche. Quando n è grande e p piccolo, la Binomiale si approssima con la Poisson usando $\lambda = np$.

💡 Regola pratica: Usa la Poisson quando hai "molte opportunità, poche realizzazioni" (es. incidenti stradali in un giorno).

Variabili Continue e Distribuzione Normale

Le variabili continue possono assumere infiniti valori e richiedono strumenti diversi da quelle discrete. La densità di probabilità $f_X(t)$ sostituisce le probabilità puntuali.

La distribuzione Esponenziale $Esp(\nu)$ modella tempi di attesa e durate: $f(t) = \nu e^{-\nu t}$ per $t > 0$. Ha la proprietà dell'assenza di memoria - il futuro non dipende dal passato. La distribuzione Gamma generalizza l'esponenziale per somme di tempi di attesa.

La distribuzione Normale (gaussiana) $N(\mu, \sigma^2)$ è la più importante di tutte. Ha forma a campana e descrive errori, misure, fenomeni naturali. La Normale standard $N(0,1)$ ha media 0 e varianza 1.

Il Teorema del Limite Centrale è magico: la somma di tante variabili indipendenti tende sempre alla Normale, indipendentemente dalla loro distribuzione originale. Questo spiega perché la Normale è così comune in natura.

💡 Superpotere: Con la Normale standard puoi calcolare probabilità per qualsiasi distribuzione normale usando la trasformazione $Z = \frac{X-\mu}{\sigma}$!

Distribuzioni Chi-quadro, t di Student e F di Fisher

Queste tre distribuzioni sono gli strumenti fondamentali per l'inferenza statistica. Ti permettono di passare dai dati del campione alle conclusioni sulla popolazione.

La distribuzione Chi-quadro $\chi^2(n)$ nasce dalla somma di quadrati di variabili normali standard. È essenziale per testare varianze e verificare bontà di adattamento. Ha solo valori positivi e la sua forma dipende dai gradi di libertà n.

La t di Student $t(n)$ sostituisce la Normale quando la varianza è sconosciuta. È simmetrica come la Normale ma con code più pesanti. Per grandi campioni (n>30) si approssima alla Normale standard.

La distribuzione F $F(m,n)$ è il rapporto di due Chi-quadro indipendenti. È fondamentale per confrontare varianze di due popolazioni e nell'analisi della varianza (ANOVA).

Tutte e tre si avvicinano alla Normale per grandi campioni, ma per campioni piccoli le differenze sono cruciali per conclusioni corrette.

💡 Regola d'oro: Usa sempre le distribuzioni corrette per la dimensione del tuo campione - le approssimazioni normali funzionano solo con campioni grandi!

Teorema del Limite Centrale e Approssimazioni

Il Teorema del Limite Centrale è una delle scoperte più potenti della statistica. Ti garantisce che la media campionaria $\bar{X}_n$ di qualsiasi distribuzione tende a diventare normale: $\bar{X}_n \sim N(\mu, \frac{\sigma^2}{n})$.

Questo significa che puoi sempre approssimare con la distribuzione Normale, anche partendo da dati non normali, purché il campione sia sufficientemente grande (solitamente n≥30). La varianza diminuisce con $\frac{1}{n}$, quindi campioni più grandi danno stime più precise.

Le approssimazioni ti semplificano i calcoli. La Binomiale si approssima con la Normale quando $np > 5$ e $n(1-p) > 5$. La Poisson si approssima con la Normale per $\lambda$ grandi. La Gamma si approssima con la Normale per parametri grandi.

I momenti e gli indici di forma (asimmetria e curtosi) ti descrivono completamente una distribuzione. L'asimmetria indica se la coda è più lunga a destra o sinistra, la curtosi quanto è appuntita la distribuzione.

💡 Magia statistica: Anche lanciando un dado (distribuzione uniforme), la media di molti lanci diventa normale!

Inferenza Statistica - Dagli Stimatori ai Test

L'inferenza statistica ti permette di trarre conclusioni su intere popolazioni studiando solo un campione. È il ponte tra i dati osservati e la conoscenza generale.

Uno stimatore è una regola per calcolare una stima del parametro dai dati campionari. È corretto (non distorto) se in media dà il valore giusto: $E[\hat{\theta}] = \theta$. È consistente se migliora all'aumentare del campione.

Gli intervalli di confidenza ti danno un range di valori plausibili per il parametro. Un intervallo al 95% significa che se ripetessi l'esperimento 100 volte, 95 intervalli conterrebbero il vero valore del parametro.

Le distribuzioni campionarie descrivono il comportamento degli stimatori. Per la media: $\bar{X} \sim N(\mu, \frac{\sigma^2}{n})$. Per la varianza campionaria: $\frac{(n-1)S^2}{\sigma^2} \sim \chi^2(n-1)$.

💡 Attenzione: Un intervallo di confidenza al 95% NON significa che c'è il 95% di probabilità che il parametro sia nell'intervallo - o c'è o non c'è!

Test di Ipotesi - Decidere con i Dati

I test di ipotesi ti aiutano a decidere tra due affermazioni contrastanti usando i dati. È un metodo rigoroso per validare o confutare teorie.

Formuli un'ipotesi nulla $H_0$ (status quo) e un'ipotesi alternativa $H_1$. L'errore di tipo I è rifiutare $H_0$ quando è vera (α), l'errore di tipo II è accettare $H_0$ quando è falsa (β). Il livello di significatività α si fissa prima del test (tipicamente 5%).

Il p-value è la probabilità di osservare dati così estremi se $H_0$ fosse vera. Se p-value < α, rifiuti $H_0$. Se p-value > α, non rifiuti $H_0$ (ma non l'accetti definitivamente!).

I test più comuni riguardano medie (test t), proporzioni (test z), varianze test $\chi^2$, e confronti tra due gruppi. La scelta del test dipende dal tipo di dati e dalle assunzioni sulla popolazione.

💡 Principio fondamentale: Un test non "prova" mai un'ipotesi - può solo fornire evidenze a favore o contro!

Test Avanzati - Chi-quadro e Analisi di Contingenza

I test Chi-quadro sono strumenti versatili per verificare se i tuoi dati seguono un modello teorico o se due variabili sono indipendenti.

Il test di adattamento confronta frequenze osservate con quelle attese secondo una distribuzione teorica. Calcoli $Q = \sum \frac{(osservati - attesi)^2}{attesi}$ e confronti con $\chi^2_{\alpha}(k-1-r)$, dove r è il numero di parametri stimati.

Il test di indipendenza verifica se due variabili categoriali sono associate. Costruisci una tabella di contingenza e calcoli le frequenze attese assumendo indipendenza: $\frac{n_i \cdot n_j}{n}$.

Per i test su due varianze usi la distribuzione F, confrontando $F = \frac{s_1^2}{s_2^2}$ con i valori critici. Questo è fondamentale prima di confrontare medie, perché molti test assumono varianze uguali.

Tutti questi test richiedono che le frequenze attese siano almeno 5 per essere validi. Se non è così, devi accorpare le categorie.

💡 Regola pratica: Prima di applicare qualsiasi test, controlla sempre che siano soddisfatte le condizioni di applicabilità!