Non farti fregare dalla grafica
Hai presente quella sensazione di vuoto allo stomaco?
Ti siedi all’esame, giri il foglio e ti trovi davanti a un muro di numeri minuscoli. Le tavole statistiche sembrano fatte apposta per confonderti: righe fitte, colonne che non finiscono mai e quel grafico in alto che cambia ogni volta. Un libro colora la coda a sinistra, l’altro a destra, un altro ancora parte dal centro.
E tu sei lì, con l’orologio che corre, a chiederti se devi sottrarre quell’1 o no.
La buona notizia è che non serve imparare a memoria mille formati diversi. Le tavole non sono strumenti di tortura, sono solo mappe. E come ogni mappa, basta capire dove sta il Nord.
In questa guida lasciamo perdere le definizioni accademiche che trovi già sul libro. Qui impariamo il “mestiere”: come guardare una qualsiasi tabella e capire al volo dove si trova il numero che ti serve, così che nessuna grafica creativa possa più farti sbagliare un esercizio.
🎯 1. Il concetto chiave: l’area sotto la curva
Tutte le tavole — Z, t, [math]\chi^2[/math] — fanno la stessa cosa: trasformano un valore critico in una probabilità, o una probabilità in un valore critico.
- Area = probabilità
- Coda = evento raro
- Centro = evento comune
Se capisci questo, la grafica non ti confonde più.
🟦 Tavola Z (Normale Standard)
La maggior parte delle tavole [math]Z[/math] fornisce la probabilità cumulata: [math]P(Z \le z)[/math]. Questo significa che il numero che leggi rappresenta tutta l’area che “cade” a sinistra del tuo valore.

Come leggerla:
- Coda sinistra: Cerchi direttamente il valore di [math]z[/math].
- Coda destra: Calcoli [math]1 – P(Z \le z)[/math].
- Valore critico: Cerchi l’area nel corpo della tavola e risali ai bordi per trovare [math]z[/math].
• Vuoi l’area sotto → leggi la tavola
• Vuoi l’area sopra → [math]1 – \text{tavola}[/math]
• Vuoi un valore critico → cerca l’area e risali al valore
🟩 Tavola t di Student
(quasi sempre tavola delle code destre)
La [math]t[/math] è usata quando la varianza è ignota e il campione è piccolo ([math]n < 30[/math]).
Come leggerla
- Trova i gradi di libertà ([math]df = n – 1[/math]).
- Scegli la colonna del livello di significatività ([math]\alpha[/math]).
Attenzione alle code
- Test a una coda: Se [math]\alpha = 0,05[/math], usa la colonna 0.05.
- Test a due code: Se [math]\alpha = 0,05[/math], usa la colonna 0.025 (perché l’errore si divide).
• [math]df[/math] → prima colonna
• [math]\alpha[/math] → intestazione
• Test bilaterale → [math]\alpha / 2[/math]

🟩 Guida Visuale alla Tavola t di Student
1. Test a una coda
Mostra come si usa la colonna [math]\alpha[/math] direttamente.
- Area di rifiuto: Corrisponde esattamente a [math]\alpha[/math] (es. [math]0.05[/math]).
- Valore critico: Si trova incrociando [math]df[/math] con la colonna della singola coda.
2. Test a due code
Mostra come si usa la colonna [math]\alpha / 2 = 0.025[/math].
Perché dividere [math]\alpha[/math]?
Nei test bilaterali, l’errore totale [math]\alpha[/math] deve essere equamente distribuito su entrambe le code. Se [math]\alpha = 0.05[/math], cercherai il valore che lascia lo [math]0.025[/math] ([math]2.5\%[/math]) a destra e lo [math]0.025[/math] a sinistra.
3. Schema di lettura
Passo-passo:
- Individua i gradi di libertà ([math]df[/math]) sulla colonna verticale.
- Scegli la colonna in base al tipo di test (una o due code) e al livello [math]\alpha[/math].
- L’incrocio fornisce il valore critico [math]t[/math].
Esempio per [math]df = 15[/math]:
Se cerchi un test bilaterale al [math]5\%[/math], scorri la riga [math]15[/math] fino alla colonna [math]0.025[/math].
4. Evoluzione della Distribuzione
- [math]df[/math] bassi: Code più “pesanti” (più area agli estremi) e valori critici più alti per compensare l’incertezza.
- [math]df[/math] alti: All’aumentare di [math]n[/math], la distribuzione [math]t[/math] converge alla normale standard [math]Z[/math].
- Regola pratica: Si usa la [math]t[/math] tipicamente per [math]n < 30[/math]. Oltre, la differenza con la [math]Z[/math] diventa trascurabile.
📌 Punti chiave da ricordare
- Quando usare la [math]t[/math]: Campioni piccoli ([math]n < 30[/math]) con varianza della popolazione ignota.
- Gradi di libertà: Si calcolano come [math]df = n – 1[/math].
- Test a una coda: Usa il valore di [math]\alpha[/math] così com’è nella testata della colonna.
- Test a due code: Cerca il valore corrispondente a [math]\alpha / 2[/math].
- Convergenza: Per [math]n[/math] molto grande, i valori critici della [math]t[/math] sono identici a quelli della [math]Z[/math].
🟥 Tavola del Chi‑Quadrato ([math]\chi^2[/math])
(quasi sempre area della coda destra)
Il [math]\chi^2[/math] non è simmetrico: la coda destra è quella che interessa nei test di indipendenza e bontà di adattamento.
Come leggerla
- Test con [math]\alpha = 0,05[/math]: colonna 0.05
- Gradi di libertà: [math]df = (\text{righe} – 1) \times (\text{colonne} – 1)[/math]
Caso raro: Se la tavola è cumulativa da sinistra ([math]P(\chi^2 \le x)[/math]), per ottenere la coda destra al 5% devi cercare il valore corrispondente a 0.95.

🟥 Guida Visuale alla Tavola [math]\chi^2[/math] (Chi-Quadrato)
1. Distribuzione Asimmetrica
- Area di rifiuto ([math]\alpha[/math]): Rappresentata dalla coda destra (colore rosso scuro).
- Area di accettazione ([math]1-\alpha[/math]): La parte principale della curva a sinistra del valore critico.
- Valori positivi: La distribuzione parte da [math]0[/math] e si estende verso l’infinito; [math]\chi^2 \ge 0[/math] sempre.
2. Confronto Gradi di Libertà
Cambiamento di forma:
- Con [math]df[/math] bassi, la curva è fortemente asimmetrica e “schiacciata” verso lo zero.
- All’aumentare dei [math]df[/math], la distribuzione si sposta a destra e tende lentamente a diventare più simmetrica (simile a una normale).
3. Schema di Lettura Tavola
Come calcolare i [math]df[/math]:
- Test di indipendenza: [math]df = (r-1) \times (c-1)[/math]
- Bontà di adattamento: [math]df = k – 1 – m[/math]
Esempio pratico: Per [math]df = 5[/math] e [math]\alpha = 0.05[/math], cerca la riga [math]5[/math] e la colonna [math]0.05[/math].
4. Coda Destra vs Cumulativa
Attenzione alla direzione:
- Tavole Coda Destra: Forniscono il valore per [math]\alpha[/math] direttamente (più comuni).
- Tavole Cumulative: Forniscono l’area da sinistra. In questo caso, per un test con errore [math]\alpha[/math], devi cercare il valore corrispondente a [math]1 – \alpha[/math].
📌 Punti chiave da ricordare
- Asimmetria: A differenza di [math]Z[/math] e [math]t[/math], la distribuzione [math]\chi^2[/math] non è simmetrica.
- Solo valori positivi: Non esistono valori di [math]\chi^2[/math] negativi.
- Utilizzo prevalente: Si usa quasi esclusivamente la coda destra per i test di ipotesi.
- Test di indipendenza: È lo strumento principe per analizzare tabelle di contingenza e variabili qualitative.
👀 Trucco visivo universale
Prima di leggere i numeri, guarda sempre il disegnino sopra la tavola stampata:
- Ombreggiatura a sinistra: probabilità di stare “sotto” quel valore.
- Ombreggiatura a destra: probabilità di superare quel valore (tipico dei test di ipotesi).
- Ombreggiatura centrale: (da 0 a [math]z[/math]) devi aggiungere 0.50 per ottenere la coda sinistra completa.
🧭 Z o t quando n è al limite?
Se il campione è borderline (es. [math]n = 30[/math]) e non sai cosa usare:
👉 Guarda quali tavole ti ha dato il professore. Se tra gli allegati c’è solo la [math]t[/math], usa la [math]t[/math]. Con molti gradi di libertà, la distribuzione [math]t \approx Z[/math]. È la scelta più prudente e metodologicamente sicura.
In ambiti come la Biostatistica o l’A/B Testing per il Marketing, saper distinguere tra una Z e una t con campioni piccoli è ciò che separa un’analisi affidabile da una che fa perdere migliaia di euro in decisioni sbagliate.
📌 STATISTICA – MINI SCHEDA DA MURO
Z – t – [math]\chi^2[/math] in formato super compatto
🟦 TAVOLA Z (Normale Standard)
Quando si usa:
- Varianza nota ([math]\sigma^2[/math])
- Varianza ignota ma [math]n \ge 30[/math]
- Proporzioni
Cosa dà la tavola: [math]P(Z \le z)[/math] → area a sinistra
Come leggerla:
- Coda sinistra → leggi direttamente
- Coda destra → [math]1 – \text{tavola}[/math]
Frase da ricordare:
👉 “La Z è quasi sempre cumulativa da sinistra.”
🟩 TAVOLA t DI STUDENT
Quando si usa:
- Varianza ignota
- [math]n < 30[/math]
- Test sulla media
Cosa dà la tavola: Valori critici per code destre
Come leggerla:
- [math]df = n – 1[/math]
- Test a 1 coda → colonna [math]\alpha[/math]
- Test a 2 code → colonna [math]\alpha / 2[/math]
Frase da ricordare:
👉 “df prima colonna, [math]\alpha[/math] in alto, per due code dividi [math]\alpha[/math].”
🟥 TAVOLA [math]\chi^2[/math] (Chi-Quadrato)
Quando si usa:
- Test di indipendenza / Bontà di adattamento
- Test sulla varianza
Cosa dà la tavola: Valori critici della coda destra
Come leggerla:
- [math]df = (\text{righe} – 1)(\text{colonne} – 1)[/math]
- Cerca la colonna [math]\alpha[/math]
Frase da ricordare:
👉 “Il Chi-quadrato vive nella coda destra.”
👀 TRUCCO VISIVO UNIVERSALE
Guarda l’area ombreggiata nel disegnino in alto nella tavola:
- A sinistra → probabilità sotto
- A destra → rarità sopra
- Centrale → aggiungi 0.50 per la coda sinistra
🧭 Z o t quando n è al limite?
Se [math]n \approx 30[/math] e sei in dubbio: Usa la t. È la scelta più sicura e metodologicamente inattaccabile.
📐 Guida all’interpolazione: L’arte del “compromesso preciso”
Ti capita spesso: il tuo esercizio ti chiede i gradi di libertà [math]df = 17[/math], ma la tavola salta da [math]15[/math] a [math]20[/math]. Che fai? Scegliere il valore più vicino è un rischio, andare a caso è vietato.
La soluzione è l’interpolazione lineare.
Capire il concetto (prima della formula)
Non guardare subito l’equazione. Immagina invece questa situazione: Stai viaggiando tra due città, Città A (che sta al km 15) e Città B (che sta al km 20). Tu ti trovi esattamente al km 17.
- Se fossi esattamente a metà strada ([math]17.5[/math]), il valore sarebbe la media esatta tra i due.
- Ma [math]17[/math] è un po’ più vicino a [math]15[/math] che a [math]20[/math].
L’interpolazione fa esattamente questo: calcola un “punto medio ponderato”. Dice alla matematica: “Visto che 17 è più vicino al 15, dammi un risultato che assomigli di più al valore del 15, spostandoti verso il 20 solo per quel pezzetto di strada che hai effettivamente percorso”. In pratica, calcoliamo la percentuale di strada percorsa tra i due punti noti e la applichiamo al valore critico.
🔢 La Formula (tradotta in italiano)
Ora che hai capito il senso, la formula non fa più paura. È solo la traduzione matematica di “parti dal valore basso e aggiungi il pezzetto di strada fatto”:
In linguaggio formale diventa:
[math]\displaystyle \begin{aligned}
V = V_1 + \frac{(df – df_1)}{(df_2 – df_1)} \cdot (V_2 – V_1)
\end{aligned}[/math]
Dove:
- [math]V_1[/math]: è il valore di partenza (quello che conosci).
- [math]\frac{(df – df_1)}{(df_2 – df_1)}[/math]: è la frazione di strada percorsa. Se sei a [math]17[/math] tra [math]15[/math] e [math]20[/math], hai fatto [math]2[/math] passi su [math]5[/math] totali (cioè i [math]2/5[/math] o il [math]40\%[/math] del cammino).
- [math](V_2 – V_1)[/math]: è la distanza totale tra i due valori della tabella (il “gap” da colmare).
🧪 Esempio Pratico: “Il caso del 17”
Ti serve il valore critico [math]t[/math] per [math]df = 17[/math]. La tavola ti dà solo questi due vicini:
- [math]df = 15 \rightarrow[/math] valore [math]2.131[/math] (Il tuo punto di partenza)
- [math]df = 20 \rightarrow[/math] valore [math]2.086[/math] (Il tuo punto di arrivo)
Il ragionamento intuitivo:
- Da [math]15[/math] a [math]20[/math] ci sono [math]5[/math] passi.
- Tu sei a [math]17[/math], quindi hai fatto [math]2[/math] passi dopo il [math]15[/math].
- Significa che devi percorrere i [math]2/5[/math] della distanza tra i due valori.
Il calcolo:
[math]\displaystyle \begin{aligned}
V &= 2.131 + \frac{2}{5} \cdot (2.086 – 2.131) \\
&{} \quad \text{(Sostituiamo i valori della frazione e la differenza)} \\
V &= 2.131 + 0.4 \cdot (-0.045) \\
&{} \quad \text{(Nota il meno: il valore t diminuisce al crescere di df)} \\
V &= 2.131 – 0.018 = \mathbf{2.113}
\end{aligned}[/math]
Risultato: Il valore stimato è 2.113. Molto più preciso che tirare a indovinare!
Interpretazione intuitiva
- [math]df = 17[/math] è più vicino a 15 che a 20.
- Man mano che i gradi di libertà aumentano, il valore critico diminuisce (si avvicina alla Z).
- L’interpolazione ti dice esattamente quanta “distanza” percorrere tra i due valori noti.
📌 Quando usare l’interpolazione:
- Quando il [math]df[/math] esatto non è in tabella e cerchi il massimo rigore.
- In esami di Statistica, Psicometria o Biostatistica dove l’approssimazione grossolana è penalizzata.
🧭 Regola pratica da esame:
Se hai poco tempo, prendi il valore del [math]df[/math] più vicino. Se vuoi essere impeccabile, usa l’interpolazione lineare.
Esercizi di Autovalutazione – Lettura Rapida delle Tavole
Sezione A – Tavola Z (Normale Standard)
(cumulative da sinistra)
A1.
Trova [math]P(Z \le 1.28)[/math].
- Quale riga e colonna usi?
- Qual è il valore approssimato?
A2.
Trova l’area a destra di [math]z = 2.05[/math].
- Quale valore leggi dalla tavola?
- Come ottieni la coda destra?
A3.
Quale valore critico [math]z[/math] corrisponde a un’area di [math]0.975[/math]?
- È un test a una o due code?
- Quale colonna cerchi?
A4.
Trova [math]P(-1.64 < Z < 1.64)[/math].
- Come ricavi l’area centrale usando la tavola che parte da sinistra?
Sezione B – Tavola t di Student
(valori critici per code destre)
B1.
Test a due code, [math]\alpha = 0.05[/math], [math]df = 12[/math].
- Quale colonna usi?
- Qual è il valore critico?
B2.
Test a una coda, [math]\alpha = 0.01[/math], [math]df = 25[/math].
- Quale colonna cerchi?
- Qual è il valore critico?
B3.
[math]df = 17[/math] non è presente in tavola. Hai [math]df = 15[/math] e [math]df = 20[/math].
Quale valore critico ottieni per un test bilaterale con [math]\alpha = 0.10[/math]? (Puoi usare l’interpolazione lineare.)
B4.
Test a due code, [math]\alpha = 0.01[/math], [math]df = 5[/math].
- Quale colonna?
- Qual è il valore critico?
Sezione C – Tavola χ² (Chi‑Quadrato)
(quasi sempre coda destra)
C1.
[math]df = 4[/math], [math]\alpha = 0.05[/math].
- Qual è il valore critico?
C2.
[math]df = 10[/math], [math]\alpha = 0.01[/math].
- Qual è il valore critico?
C3.
[math]df = 2[/math], [math]\alpha = 0.10[/math].
- Qual è il valore critico?
C4.
[math]df = 18[/math] non è presente in tavola. Hai [math]df = 15[/math] e [math]df = 20[/math].
Stima il valore critico per [math]\alpha = 0.05[/math] usando l’interpolazione lineare.
Sezione D – Riconoscimento della coda (rapidità mentale)
(rispondi senza calcolare)
D1. Test [math]t[/math] bilaterale, [math]\alpha = 0.05[/math].
→ Quale colonna cerchi?
D2. Test [math]Z[/math] a una coda destra, [math]\alpha = 0.01[/math].
→ Quale valore critico cerchi?
D3. Test [math]\chi^2[/math] di indipendenza, [math]\alpha = 0.05[/math].
→ Coda destra o sinistra?
D4. Vuoi l’area a destra di [math]z = 1.96[/math].
→ Cosa fai con il valore della tavola?
Sezione E – Mini‑simulazioni da 10 secondi
E1. “Test sulla media, varianza ignota, [math]n = 22[/math], [math]\alpha = 0.05[/math], due code.”
- → Quale tavola?
- → Quale colonna?
- → Quale [math]df[/math]?
E2. “Test di indipendenza, tabella [math]3 \times 4[/math], [math]\alpha = 0.01[/math].”
- → Quale tavola?
- → Quale [math]df[/math]?
- → Quale colonna?
E3. “Proporzione, [math]n = 200[/math], [math]p = 0.4[/math], [math]\alpha = 0.05[/math], una coda.”
- → Quale tavola?
- → Quale valore critico?
🎤 SOLUZIONI COMMENTATE – Versione “spiegata come all’orale”
🟦 SEZIONE A – Tavola Z
A1. [math]P(Z \le 1.28)[/math]
Risposta orale:
“Uso la tavola [math]Z[/math] cumulativa da sinistra. Cerco [math]1.2[/math] nella colonna principale e [math]0.08[/math] nella riga. All’incrocio trovo circa [math]0.8997[/math]. Questo è [math]P(Z \le 1.28)[/math] perché la tavola mi dà direttamente l’area a sinistra.”
A2. Area a destra di [math]z = 2.05[/math]
Risposta orale:
“La tavola [math]Z[/math] mi dà l’area a sinistra. Quindi leggo [math]P(Z \le 2.05)[/math], che è circa [math]0.9798[/math]. Per la coda destra faccio [math]1 – 0.9798[/math], ottenendo circa [math]0.0202[/math].”
A3. Valore critico per area [math]0.975[/math]
Risposta orale:
“[math]0.975[/math] è tipico dei test bilaterali con [math]\alpha = 0.05[/math]. Cerco nella tavola il valore più vicino a [math]0.975[/math] e trovo [math]1.96[/math]. Questo è il valore critico della [math]Z[/math].”
A4. [math]P(-1.64 < Z < 1.64)[/math]
Risposta orale:
[math]\displaystyle \begin{aligned}
& \text{Calcolo l’area a sinistra di 1.64, che è circa 0.9495.} \\
& \text{L’area a sinistra di -1.64 è } 1 – 0.9495 = 0.0505. \\
& \text{Quindi l’area centrale è } 0.9495 – 0.0505 = 0.899.
\end{aligned}[/math]
🟩 SEZIONE B – Tavola t di Student
B1. Test bilaterale, [math]\alpha = 0.05[/math], [math]df = 12[/math]
Risposta orale:
“Per un test a due code con [math]\alpha = 0.05[/math] devo usare la colonna [math]\alpha/2 = 0.025[/math]. Alla riga [math]df = 12[/math] trovo circa [math]2.179[/math].”
B2. Test a una coda, [math]\alpha = 0.01[/math], [math]df = 25[/math]
Risposta orale:
“Per una coda uso direttamente la colonna [math]0.01[/math]. Alla riga [math]df = 25[/math] trovo circa [math]2.485[/math].”
B3. [math]df = 17[/math] non in tavola, [math]\alpha = 0.10[/math] bilaterale
Risposta orale:
[math]\displaystyle \begin{aligned}
& \text{Per } \alpha = 0.10 \text{ bilaterale uso la colonna 0.05.} \\
& \text{Ho } df = 15 \text{ (1.753) e } df = 20 \text{ (1.725).} \\
& \text{Interpolo: 17 è due quinti tra 15 e 20.} \\
& \text{La differenza è -0.028. Due quinti di -0.028 è -0.011.} \\
& \text{Quindi } 1.753 – 0.011 \approx 1.742.
\end{aligned}[/math]
B4. Test bilaterale, [math]\alpha = 0.01[/math], [math]df = 5[/math]
Risposta orale:
“Per [math]\alpha = 0.01[/math] bilaterale uso la colonna [math]0.005[/math]. Alla riga [math]df = 5[/math] trovo circa [math]4.032[/math].”
🟥 SEZIONE C – Tavola χ²
C1. [math]df = 4[/math], [math]\alpha = 0.05[/math]
Risposta orale:
“Il Chi-quadrato usa la coda destra. Alla colonna [math]0.05[/math] e riga [math]df = 4[/math] trovo circa [math]9.488[/math].”
C2. [math]df = 10[/math], [math]\alpha = 0.01[/math]
Risposta orale:
“Cerco la colonna [math]0.01[/math] e la riga [math]df = 10[/math]. Il valore critico è circa [math]23.209[/math].”
C3. [math]df = 2[/math], [math]\alpha = 0.10[/math]
Risposta orale:
“Colonna [math]0.10[/math], riga [math]df = 2[/math]. Il valore è circa [math]4.605[/math].”
C4. [math]df = 18[/math] non in tavola, [math]\alpha = 0.05[/math]
Risposta orale:
[math]\displaystyle \begin{aligned}
& \text{Uso } df = 15 \text{ (24.996) e } df = 20 \text{ (31.410).} \\
& \text{Interpolo: 18 è tre quinti tra 15 e 20.} \\
& \text{La differenza è 6.414. Tre quinti di 6.414 è 3.848.} \\
& \text{Quindi } 24.996 + 3.848 \approx 28.844.
\end{aligned}[/math]
🧠 SEZIONE D – Riconoscimento della coda
D1. Test [math]t[/math] bilaterale, [math]\alpha = 0.05[/math]
Risposta orale: “Divido [math]\alpha[/math] in due: uso la colonna [math]0.025[/math].”
D2. Test [math]Z[/math] a una coda destra, [math]\alpha = 0.01[/math]
Risposta orale: “Cerco il valore critico che lascia [math]1\%[/math] a destra: è [math]2.33[/math].”
D3. Test [math]\chi^2[/math] di indipendenza, [math]\alpha = 0.05[/math]
Risposta orale: “Il Chi-quadrato usa sempre la coda destra.”
D4. Area a destra di [math]1.96[/math]
Risposta orale: “Leggo l’area a sinistra ([math]0.975[/math]) e faccio [math]1 – 0.975 = 0.025[/math].”
🧩 SEZIONE E – Mini‑simulazioni
E1. Media, varianza ignota, [math]n = 22[/math], [math]\alpha = 0.05[/math], due code
Risposta orale: “Varianza ignota + [math]n < 30 \rightarrow t[/math] di Student. [math]df = 21[/math]. Test bilaterale [math]\rightarrow[/math] colonna [math]0.025[/math].”
E2. Indipendenza, tabella [math]3 \times 4[/math], [math]\alpha = 0.01[/math]
Risposta orale: “Tavola [math]\chi^2[/math]. [math]df = (3-1)(4-1) = 2 \times 3 = 6[/math]. Colonna [math]0.01[/math].”
E3. Proporzione, [math]n = 200[/math], [math]\alpha = 0.05[/math], una coda
Risposta orale: “Le proporzioni usano la [math]Z[/math]. Per una coda con [math]\alpha = 0.05[/math] il valore critico è [math]1.645[/math].”
Perché questi esercizi sono “interessanti”?
L’insidia del Test Bilaterale (B1, B4):
Questi esercizi sono fondamentali perché l’errore più comune è dimenticare di dividere [math]\alpha[/math] per due. Saper passare da “voglio il [math]5\%[/math] di errore totale” a “cerco il [math]2.5\%[/math] sulla coda destra” è il test di maturità per ogni studente.
Il fascino dell’Interpolazione (B3, C4):
Non è solo matematica, è “arte del compromesso”. Questi esercizi mostrano che la statistica non è sempre una risposta secca trovata su un libro, ma una stima intelligente. In contesti professionali, non sempre avrai il dato esatto; saper interpolare significa saper gestire la mancanza di informazioni.
L’asimmetria del Chi-quadrato (C1-C4):
A differenza della [math]Z[/math], qui non puoi semplicemente “fare il meno”. Il Chi-quadrato introduce lo studente alla realtà che non tutto in natura è simmetrico. È interessante perché è il primo passo verso i test di indipendenza, quelli che usiamo per capire, ad esempio, se un farmaco funziona davvero o se è solo un caso.
Il limite di [math]n = 30[/math] (E1):
Questo è l’esercizio “salva-esame”. Insegna la cautela metodologica. Usare la [math]t[/math] quando si è in dubbio è il marchio di fabbrica dello statistico prudente.
Statistica (t-test & chi-quadrato)
📘 Proprio (ma proprio) tutto sulla statistica
📘 Tabella del chi-quadro: uso e interpretazione
📘Tabella dei valori di probabilità assunti dalla variabile aleatoria normale standard
📘 Distribuzione normale standard: esercizi svolti
📘 Verifica di ipotesi sulla media: t-test e p-value (esercizi)
📘 Come scegliere il test statistico giusto: esempi pratici nel retail
(433)
Altri articoli nella categoria "Esercizi svolti di Calcolo delle probabilità"
- Funzioni Suriettive: Definizione, Calcolo Combinatorio ed Esercizi Svolti
- Test d’Ipotesi nel Marketing: Quando la Significatività Statistica Non Basta (Esercizi Svolti)
- Esercizi di Calcolo Combinatorio Applicato al Nudging di Richard Thaler: 6 Casi Aziendali Svolti per l’Architettura delle Scelte
- Test sulla Distribuzione Binomiale: 10 Esercizi Svolti (con Soluzioni e Valutazione)
- Legge di Benford e Data Quality nel Marketing: Guida, Formule ed Esercizi Python
- Calcolo Combinatorio: Come Risolvere i Problemi Senza Formule (con Esempi e Python)
- Il Principio dei Cassetti: la tecnica olimpica che risolve problemi apparentemente impossibili
- Semplificare i Fattoriali: Proprietà, Formule ed Esercizi Risolti
- Coefficiente Multinomiale: Formule, Calcolo e Applicazioni Pratiche con Esercizi Risolti
- Probabilità Geometrica: Calcolare l’Angolo Ottuso in un Quadrato (con il Teorema di Talete) 🎓