L’analisi della varianza: ANOVA spiegata semplice

Tre campagne Google Ads. Oppure quattro landing page, o cinque versioni di una newsletter. Le medie sembrano diverse: ma sono differenze reali o semplice rumore statistico?

È esattamente il problema che risolve l’analisi della varianza (ANOVA): stabilire se almeno uno dei gruppi è realmente diverso dagli altri, senza cadere nella trappola di eseguire decine di confronti separati.

Leggi tutto “L’analisi della varianza: ANOVA spiegata semplice”

Test statistici parametrici e non parametrici

Avete mai lanciato un test A/B e vi siete chiesti se il test giusto sia il t-test o il Wilcoxon? La scelta non è banale: usare il test sbagliato può farvi perdere un risultato significativo — o, peggio, farvi credere significativo ciò che non lo è.

I test statistici si dividono in due grandi famiglie: parametrici e non parametrici. La differenza fondamentale? I primi assumono che i dati seguano una distribuzione nota (di solito la normale); i secondi no. Questa distinzione non è un dettaglio tecnico: determina quali test puoi usare, quanto sono potenti, e quanto puoi fidarti dei risultati.

In questo articolo vediamo le differenze, quando usare l’uno o l’altro, e come la scelta impatta sull’analisi dei dati del tuo sito.

Leggi tutto “Test statistici parametrici e non parametrici”

L’analisi di regressione multipla, spiegata semplice.

La lunghezza del testo aiuta il ranking? I backlink portano traffico? Le pagine più veloci convertono di più?
Prese una alla volta, queste domande hanno quasi sempre la stessa risposta pigra: «sì, un po’». Il guaio è che nella realtà i fattori non arrivano mai uno alla volta. Le pagine lunghe tendono anche ad attirare più link; quelle con più link sono spesso le più curate, e magari anche le più lente. Tutto si muove insieme, e la domanda che conta davvero è un’altra: quale di questi fattori pesa sul traffico al netto degli altri?

Abbiamo visto, parlando di correlazione, che si può misurare quanto due variabili si muovono insieme; e con la regressione lineare semplice che si può usarne una per prevedere l’altra.
Ma una correlazione alla volta è cieca di fronte all’intreccio: rischia di darci la stessa medaglia a un fattore e al suo compare, senza saperli distinguere. È l’anticamera di una trappola che conosciamo già, il paradosso di Simpson: un’associazione che cambia segno o svanisce non appena teniamo conto di una terza variabile. La regressione multipla è lo strumento che affronta di petto proprio questo — molte cause insieme, ciascuna misurata tenendo ferme le altre.

Leggi tutto “L’analisi di regressione multipla, spiegata semplice.”

I dati: le 4 scale di misura

Una domanda: quante volte abbiamo visto — o fatto — l’errore di calcolare la posizione media in SERP per un insieme di keyword e usare quel numero come se fosse un dato qualsiasi?
La posizione media è 4,3, la keyword A è 3 e la B è 7, “in media siamo quarti”.
Il problema è che una posizione in classifica non è un numero: è un dato ordinale. La distanza tra la posizione 1 e la posizione 3 non è la stessa che tra la 3 e la 5, e fare la media di numeri che non hanno una distanza interpretabile — questa sì che è una operazione priva di senso.

Prima di fare qualsiasi calcolo su dei dati, dobbiamo chiederci: che tipo di dato è? La risposta decide tutto ciò che possiamo — e non possiamo — fare dopo. E la risposta viene da una classificazione che, pur risalendo al 1946, resta il fondamento di ogni analisi statistica che si rispetti: le 4 scale di misura di Stanley Smith Stevens.

La scala di misura non serve a descrivere i dati: serve a stabilire quali operazioni hanno significato su quei dati. Più una scala contiene informazione, maggiore è il numero di analisi statistiche che possiamo applicare. È questo il criterio che rende la classificazione di Stevens così potente e dura nella pratica.

Leggi tutto “I dati: le 4 scale di misura”

Regressione lineare semplice e correlazione: retta, r di Pearson e R²

Più fa caldo, più gelati si vendono: lo sospettiamo tutti. Ma di quanto? Se domani il termometro segna 27 gradi, quanti gelati conviene preparare? E, spostandoci sul nostro terreno: se alziamo il budget delle campagne, quante conversioni in più possiamo aspettarci?

Concetti come la media o la deviazione standard descrivono una variabile alla volta. Per domande come queste, invece, dobbiamo guardare due variabili insieme: è il mestiere della correlazione e della regressione lineare semplice, due degli strumenti più usati (e più fraintesi) dell’analisi dei dati.

Leggi tutto “Regressione lineare semplice e correlazione: retta, r di Pearson e R²”