La risposta breve
Un intervallo di confidenza è un intervallo costruito attorno a un campione statistico che probabilmente conterrà il valore reale della popolazione: intervallo = stima puntuale ± (valore critico × errore standard). Un intervallo di confidenza del 95% significa che se ripetessi il processo di campionamento molte volte, circa il 95% degli intervalli che costruiresti conterrebbe il vero parametro della popolazione, non che ci sia una probabilità del 95% che il vero valore si trovi all'interno di questo specifico intervallo.
Punti chiave
- A wider confidence level (99% vs. 90%) always produces a wider interval — you're trading precision for certainty, not getting a "more correct" answer.
- Utilizzare la distribuzione z quando la deviazione standard della popolazione è nota o il campione è ampio (n ≥ 30); utilizzare la distribuzione t quando σ è stimato da un piccolo campione.
- Quadruplicare la dimensione del campione dimezza solo il margine di errore, poiché l’errore standard si riduce con la radice quadrata di n, non con n stesso.
- "95% confidence" describes the long-run reliability of the method across repeated sampling, not the probability that this specific interval contains the true value.
La formula dell'intervallo di confidenza
Media (σ nota): CI = x̄ ± z × (σ / √n)
Proporzione: CI = p̂ ± z × √(p̂(1 − p̂) / n)
| Livello di fiducia | valore critico z |
|---|---|
| 90% | 1.645 |
| 95% | 1.96 |
| 99% | 2.576 |
z vs. t: quale valore critico utilizzare
| Condizione | Utilizzo | Perché |
|---|---|---|
| σ noto, qualsiasi dimensione del campione | z | La distribuzione normale standard si applica esattamente |
| σ sconosciuto, n ≥ 30 | z (ca.) | Campioni di grandi dimensioni rendono t quasi identico a z |
| p sconosciuto, n < 30 | t | Le code più grosse rappresentano un’ulteriore incertezza nella stima di σ |
Esempio elaborato: intervallo del 95% per una media campionaria
Media campionaria x̄ = 50,5, dimensione del campione n = 100, deviazione standard σ = 10,5, livello di confidenza = 95%.
Errore standard = σ / √n = 10,5 / √100 = 1,05
Margine di errore = 1,96 × 1,05 ≈ 2,06
IC 95% = 50,5 ± 2,06 = [48,44, 52,56]
Diremmo che siamo sicuri al 95% che la media reale della popolazione sia compresa tra 48,44 e 52,56, il che significa che questo metodo cattura la media reale in circa il 95% dei campioni estratti nello stesso modo, non che questo intervallo specifico abbia una probabilità del 95% di essere corretto.
Errori comuni da evitare
- Interpreting "95% confidence" as "95% probability the true value is in this interval" — it's a statement about the long-run method, not this one computed interval.
- Utilizzando z quando il campione è piccolo e σ è sconosciuto: le code più grosse della distribuzione t esistono appositamente per tenere conto di quell'incertezza aggiuntiva.
- Supponendo che il raddoppio della dimensione del campione dimezzi il margine di errore: in realtà è necessario quadruplicare n per dimezzare il margine, poiché l'errore standard si riduce con √n.
- Gli intervalli di confidenza delle proporzioni dimenticate richiedono p̂ compreso tra 0 e 1 e possono comportarsi male vicino a 0 o 1 con campioni piccoli.
Calcolatori correlati
- Calcolatore della deviazione standard — calcola σ dai dati grezzi prima di costruire un intervallo attorno ad esso.
- Calcolatore della dimensione del campione — lavorare a ritroso partendo da un margine di errore target fino alla dimensione del campione necessaria.
- Calcolatore del punteggio Z — controlla dove cade un singolo punto dati rispetto a questa distribuzione.
- Calcolatore del valore P — testare un’ipotesi specifica piuttosto che stimare un intervallo.