Calcolatore dell’intervallo di confidenza

Calcolatore dell’intervallo di confidenza: media, margine di errore, Z e t

Il calcolatore dell’intervallo di confidenza stima un intervallo per la media di una popolazione partendo da media campionaria, deviazione standard, dimensione del campione e livello di confidenza. Lo strumento può usare la distribuzione normale Z quando la deviazione standard della popolazione è nota oppure la distribuzione t di Student quando viene stimata dal campione.

Il risultato quantifica l’incertezza dovuta al campionamento, ma non elimina errori di misura, selezione distorta, osservazioni dipendenti o un modello statistico inadeguato. Perciò, oltre ai limiti numerici, è necessario controllare come sono stati raccolti i dati e se le ipotesi del metodo sono ragionevoli.

Che cos’è un intervallo di confidenza?

Un intervallo di confidenza associa a una stima puntuale, come la media campionaria, un limite inferiore e un limite superiore. NIST descrive questo intervallo come un modo per rappresentare l’incertezza con cui il campione stima il parametro della popolazione.

Intervallo =
Stima puntuale ± Margine di errore

Per la media, la stima puntuale è x̄. L’ampiezza dipende da variabilità, dimensione del campione, distribuzione scelta e livello di confidenza.

Interpretazione corretta di un intervallo al 95%

In termini frequentisti, il parametro della popolazione è considerato fisso, mentre gli intervalli cambiano da campione a campione. Se ripetessimo molte volte lo stesso procedimento di campionamento e costruissimo ogni volta un intervallo al 95%, circa il 95% di tali intervalli conterrebbe il vero parametro, a condizione che modello e ipotesi siano corretti.

Dopo avere osservato un singolo campione, non è rigoroso dire che esiste una probabilità del 95% che il parametro fisso si trovi proprio nell’intervallo ottenuto. Una formulazione pratica accettabile è: “con il metodo utilizzato, l’intervallo di confidenza al 95% per la media è da A a B”.

Formula Z quando la deviazione standard della popolazione è nota

IC = x̄ ± z1−α/2 × σ/√n

Dove:

• x̄ è la media campionaria;
• σ è la deviazione standard della popolazione realmente nota;
• n è la dimensione del campione;
• z_1−α/2 è il valore critico della normale standard;
• α = 1 − livello di confidenza.

Con σ nota, la scelta di Z non dipende da una regola automatica come “n almeno 30”. Serve comunque che la distribuzione della media sia normale o sufficientemente ben approssimata dalla normale.

Formula t quando la deviazione standard della popolazione è sconosciuta

IC = x̄ ± t1−α/2, n−1 × s/√n

Qui s è la deviazione standard campionaria e i gradi di libertà sono:

df = n − 1

La distribuzione t ha code più pesanti della normale perché incorpora l’incertezza nella stima di σ. Quando n cresce, il valore critico t si avvicina a quello Z, ma usare t rimane appropriato quando σ è sconosciuta.

Errore standard e margine di errore

Errore standard della media:
SE = σ/√n oppure s/√n

Margine di errore:
E = Valore critico × SE

L’errore standard descrive la variabilità della media campionaria tra campioni ipotetici ripetuti. Non è la stessa cosa della deviazione standard dei dati: quest’ultima misura la dispersione delle singole osservazioni.

Esempio verificato con distribuzione t

Supponiamo di avere:

• media campionaria x̄ = 50;
• deviazione standard campionaria s = 4;
• dimensione n = 25;
• livello di confidenza = 95%;
• σ sconosciuta, quindi t con df = 24.

SE = 4 / √25
SE = 0,800

t0,975;24 ≈ 2,0639

Margine =
2,0639 × 0,800
≈ 1,651

Limite inferiore =
50 − 1,651
≈ 48,349

Limite superiore =
50 + 1,651
≈ 51,651

L’intervallo è quindi circa [48,35; 51,65]. Il valore dell’esempio originario è corretto dopo l’arrotondamento: t ≈ 2,064, margine ≈ 1,651.

Cosa cambierebbe usando Z?

z0,975 ≈ 1,9600

Margine Z =
1,9600 × 0,800
≈ 1,568

IC Z ≈
[48,432; 51,568]

L’intervallo Z sarebbe leggermente più stretto. Tuttavia, non va scelto soltanto perché sembra più preciso: in questo esempio σ non è nota e viene stimata con s, quindi il metodo t rappresenta meglio l’incertezza.

Valori critici per intervalli bilaterali

Il valore t cambia con i gradi di libertà. Pertanto, il calcolatore dell’intervallo di confidenza non deve usare una tabella fissa indipendente da n.

90%, 95% o 99%?

• 90%: intervallo più stretto, ma minore copertura nominale;
• 95%: scelta frequente, non obbligatoria né universalmente ottimale;
• 99%: maggiore copertura nominale e intervallo più ampio.

“Più stretto” non significa automaticamente “più accurato”, mentre “99%” non rende i dati migliori. Il livello va stabilito in funzione della decisione, delle conseguenze di un errore e del protocollo dello studio.

Che cosa determina la larghezza?

Ampiezza totale =
2 × Valore critico × Deviazione standard / √n

L’intervallo tende ad allargarsi quando:

• aumenta il livello di confidenza;
• aumenta la variabilità;
• diminuisce la dimensione del campione;
• si usa t con pochi gradi di libertà.

Per dimezzare approssimativamente il margine di errore, a parità di tutto il resto, bisogna quadruplicare n. Questo deriva dalla presenza di √n al denominatore.

Come pianificare la dimensione del campione

Se σ è nota o stimata da dati precedenti e si desidera un margine massimo E:

n =
(z1−α/2 × σ / E)²

Il risultato deve essere arrotondato sempre all’intero superiore.

Esempio di pianificazione

σ stimata = 12
Margine desiderato E = 3
Confidenza = 95%
z = 1,960

n =
(1,960 × 12 / 3)²
≈ 61,46

Campione minimo arrotondato:
n = 62

Il calcolo non corregge mancata risposta, abbandoni, effetto cluster o una stima iniziale di σ troppo ottimistica. In fase di progetto può essere necessario aumentare il numero previsto.

Ipotesi per un intervallo della media

Prima di interpretare i limiti, verifica:

• campionamento adeguato: osservazioni raccolte in modo casuale o comunque rappresentativo;
• indipendenza: un’osservazione non deve determinare le altre, salvo modello specifico;
• scala quantitativa: la media deve essere una misura sensata per la variabile;
• distribuzione: con campioni piccoli, forte asimmetria e outlier possono rendere il t-intervallo poco affidabile;
• stessa popolazione: i dati devono riferirsi al parametro che si vuole stimare.

Il teorema del limite centrale può rendere la distribuzione della media approssimativamente normale con campioni abbastanza grandi, ma non esiste un valore universale come 30 che risolva ogni forma di asimmetria, coda pesante o dipendenza.

Outlier e distribuzioni asimmetriche

Media e deviazione standard sono sensibili ai valori estremi. Con n piccolo, un solo outlier può spostare il centro, aumentare s e alterare notevolmente l’intervallo.

È opportuno esaminare grafici, origine dei valori anomali e qualità delle misure. Non eliminare un’osservazione soltanto perché amplia l’intervallo; la decisione deve seguire una regola definita e documentata.

Dati appaiati e misure ripetute

Se le stesse persone vengono misurate prima e dopo un intervento, le due serie non sono indipendenti. Si calcola prima la differenza per ogni coppia e poi si costruisce un intervallo sulla media delle differenze:

IC della differenza media =
d̄ ± t × sd/√n

Trattare le due colonne come campioni indipendenti spreca l’informazione dell’abbinamento e può produrre un errore standard sbagliato.

Campioni a cluster, stratificati o pesati

Indagini scolastiche, sanitarie e aziendali possono selezionare gruppi interi, usare pesi diversi o stratificare la popolazione. In questi casi l’errore standard semplice s/√n può sottostimare o sovrastimare l’incertezza.

Servono metodi survey, pesi campionari, correzioni per il disegno o modelli gerarchici. Il calcolatore dell’intervallo di confidenza basato su un campione casuale semplice non gestisce automaticamente queste strutture.

Correzione per popolazione finita

Quando si campiona senza reinserimento una parte rilevante di una popolazione finita:

FPC =
√[(N − n) / (N − 1)]

SE corretto =
SE × FPC

Esempio

Popolazione N = 1000
Campione n = 100

FPC =
√[(1000 − 100) / (1000 − 1)]
≈ 0,9492

La correzione non va applicata a popolazioni concettualmente infinite, campionamenti con reinserimento o situazioni in cui N non rappresenta la popolazione di interesse.

Intervallo bilaterale e limite unilaterale

Un intervallo bilaterale al 95% distribuisce α/2 in ogni coda e usa z ≈ 1,960. Un limite unilaterale al 95% concentra α in una sola coda e usa z ≈ 1,645.

La direzione unilaterale deve essere scelta prima di vedere i dati e deve essere giustificata dall’obiettivo. Trasformare un’analisi bilaterale in unilaterale dopo avere osservato il risultato altera l’interpretazione.

Intervallo di confidenza, previsione e tolleranza

NIST distingue esplicitamente gli intervalli di tolleranza dagli intervalli di confidenza. Usare l’intervallo della media per prevedere un singolo valore sottostima normalmente l’incertezza.

Il calcolo della media non vale per una proporzione

Una percentuale di successi richiede un intervallo per proporzioni. Metodi come Wilson possono essere preferibili alla semplice approssimazione normale, soprattutto con n piccolo o proporzioni vicine a 0 oppure 1.

Analogamente, varianza, deviazione standard, mediana, differenza tra due medie e rapporto tra parametri richiedono formule e distribuzioni specifiche.

Intervalli multipli e confronti ripetuti

Costruire molti intervalli al 95% non garantisce che tutti contengano simultaneamente i rispettivi parametri con probabilità del 95%. La probabilità di almeno un mancato contenimento aumenta con il numero di confronti.

Quando interessa una copertura simultanea possono servire correzioni come Bonferroni o metodi specifici del modello. La scelta dipende dalla famiglia di confronti e dallo scopo dell’analisi.

Risultato statisticamente preciso ma distorto

Un campione molto grande può produrre un intervallo stretto attorno a una stima distorta. Per esempio, un sondaggio volontario online può raccogliere migliaia di risposte ma non rappresentare la popolazione.

L’intervallo standard quantifica prevalentemente l’errore casuale sotto il modello; non misura automaticamente bias di selezione, non risposta, confondimento o errore sistematico dello strumento.

Come usare il calcolatore dell’intervallo di confidenza

1. Inserisci la media campionaria. Digita la media x̄ calcolata sul campione.
2. Inserisci la deviazione standard. Usa σ soltanto se la deviazione standard della popolazione è realmente nota; altrimenti inserisci la deviazione standard campionaria s.
3. Inserisci la dimensione del campione. Specifica n come numero di osservazioni indipendenti utilizzate per calcolare media e deviazione standard.
4. Scegli il livello di confidenza. Seleziona 90%, 95%, 99% oppure un altro livello supportato.
5. Scegli Z o t. Seleziona Z con σ nota; seleziona t con σ sconosciuta e gradi di libertà n − 1.
6. Controlla margine e limiti. Verifica errore standard, valore critico, margine di errore, limite inferiore, limite superiore e condizioni di validità.

Controlli degli input

Un calcolatore affidabile dovrebbe:

• richiedere n intero e positivo;
• richiedere n almeno 2 per il metodo t;
• rifiutare deviazioni standard negative;
• gestire s = 0 con un avviso sulla variabilità nulla osservata;
• usare df = n − 1 per un campione singolo;
• calcolare il valore critico per il livello selezionato;
• distinguere intervalli bilaterali e unilaterali;
• non arrotondare prima dei limiti finali;
• mostrare formula, errore standard e margine di errore.

Errori comuni da evitare

• Scegliere Z soltanto perché n è almeno 30.
• Usare t con gradi di libertà uguali a n invece di n − 1.
• Confondere deviazione standard ed errore standard.
• Interpretare il 95% come probabilità del parametro dopo il calcolo.
• Dire che un intervallo più stretto è sempre più corretto.
• Ignorare outlier, asimmetria e dipendenza.
• Usare la formula della media per una proporzione.
• Usare un intervallo della media come intervallo per singoli individui.
• Aumentare n senza correggere un campionamento distorto.
• Riportare più decimali di quelli sostenuti dai dati.

Limiti del calcolatore

Il calcolatore dell’intervallo di confidenza per una media presuppone un disegno semplice e non interpreta automaticamente dati grezzi, outlier, pesi, cluster, censura o valori mancanti. Inoltre, non decide se media e deviazione standard siano misure appropriate.

Per studi clinici, decisioni regolatorie, controllo di processo, ricerche pubblicabili o campioni complessi è opportuno documentare il protocollo e utilizzare software statistico e competenze adeguate.

Domande frequenti

Che cos’è un intervallo di confidenza?

È un intervallo calcolato da un campione per stimare un parametro della popolazione, per esempio la media. In una procedura al 95%, ripetendo correttamente il campionamento molte volte, circa il 95% degli intervalli costruiti con lo stesso metodo conterrebbe il vero parametro.

Quando devo usare Z e quando la distribuzione t?

Per la media si usa Z quando la deviazione standard della popolazione σ è realmente nota e le condizioni del modello sono soddisfatte. Quando σ è sconosciuta e viene sostituita dalla deviazione standard campionaria s, si usa normalmente la distribuzione t con n − 1 gradi di libertà.

Che cos’è il margine di errore?

È il prodotto tra valore critico ed errore standard. Per un intervallo bilaterale della media, il limite inferiore è stima meno margine e il limite superiore è stima più margine.

Un intervallo al 99% è sempre migliore di uno al 95%?

Non necessariamente. A parità di dati, il 99% offre una copertura nominale maggiore ma produce un intervallo più ampio. La scelta deve dipendere dallo scopo dell’analisi e dal costo dell’incertezza, non soltanto dal desiderio di un numero più alto.

Aumentare la dimensione del campione restringe sempre l’intervallo?

A parità di variabilità, metodo e livello di confidenza, un campione più grande riduce l’errore standard perché compare √n al denominatore. Tuttavia, bias, dipendenza tra osservazioni o un campione non rappresentativo non vengono corretti automaticamente aumentando n.

Posso usare questo calcolo per percentuali e proporzioni?

No, non con la formula della media. Una proporzione richiede un metodo specifico, come Wilson o altri intervalli appropriati. Inserire una percentuale come se fosse una media può produrre limiti non validi.

Qual è la differenza tra intervallo di confidenza e intervallo di previsione?

L’intervallo di confidenza stima un parametro, per esempio la media della popolazione. L’intervallo di previsione riguarda invece una futura osservazione individuale ed è normalmente più ampio perché include anche la variabilità tra singole osservazioni.

Il calcolatore sostituisce un’analisi statistica completa?

No. Il risultato dipende da casualità, indipendenza, forma della distribuzione, qualità delle misure e disegno del campione. Dati appaiati, pesati, stratificati, a cluster o con forte asimmetria possono richiedere metodi diversi.

Fonti statistiche

• NIST/SEMATECH — Confidence Limits for the Mean
• NIST/SEMATECH — What Are Confidence Intervals?
• NIST/SEMATECH — Student’s t Distribution
• NIST/SEMATECH — Tolerance Intervals
• OpenStax — Media con distribuzione normale
• OpenStax — Media con distribuzione t

Conclusione

Il calcolatore dell’intervallo di confidenza combina stima puntuale, errore standard e valore critico per ottenere limiti inferiori e superiori. Nell’esempio con x̄ = 50, s = 4 e n = 25, l’intervallo t al 95% è circa [48,35; 51,65].

Per interpretarlo correttamente, scegli Z soltanto con σ nota, usa t quando σ viene stimata dal campione e verifica indipendenza, rappresentatività, distribuzione e qualità dei dati.