Prima ancora di chiederci se un effetto \u00e8 reale, dobbiamo saper guardare i dati per quello che sono: quante visite, quanto tempo sulla pagina, quante conversioni per canale. \u00c8 un gesto apparentemente banale, eppure \u00e8 qui che si gioca la differenza tra chi prende decisioni informate e chi tira a indovinare. La statistica di base \u00e8 esattamente questo mestiere preliminare: mettere ordine in un mucchio di numeri, descriverli senza tradirli, e cominciare a ragionare sull’incertezza che ogni misura porta con s\u00e9. Non \u00e8 la parte spettacolare \u2014 non ci sono ancora i test, n\u00e9 gli esperimenti \u2014 ma \u00e8 la parte senza la quale tutto il resto poggia sul vuoto.<\/p>\n\n\n\n
Impararla bene, per\u00f2, non significa collezionare definizioni sparse. Significa percorrere una strada che parte dal capire come<\/em> sono fatti i dati che abbiamo davanti, attraversa i modi corretti per riassumerli in pochi numeri sensati, sfiora i primi rudimenti della probabilit\u00e0 \u2014 il linguaggio con cui parliamo di ci\u00f2 che \u00e8 incerto \u2014 e arriva al ponte che porta verso la statistica vera e propria: il passaggio dal campione che osserviamo alla stima di ci\u00f2 che non vediamo.<\/p>\n\n\n\n Questa pagina \u00e8 quella strada, ordinata. Non rispieghiamo qui la teoria: ogni tappa \u00e8 un articolo del blog, e l’ordine in cui li abbiamo messi \u00e8 l’ordine in cui conviene leggerli. Chi parte da zero pu\u00f2 seguirli in sequenza, dal primo all’ultimo; chi ha gi\u00e0 qualche base pu\u00f2 saltare al gruppo che gli serve. Le tre sezioni che seguono \u2014 descrivere i dati, i primi passi nella probabilit\u00e0, e infine il passaggio dal campione alla stima \u2014 sono i tre movimenti di uno stesso percorso, pensato per chi vuole costruirsi le fondamenta prima di affrontare i test e gli A\/B test. Cominciamo da dove comincia ogni analisi: dai dati stessi.<\/p>\n\n\n\n Prima di qualsiasi calcolo viene la domanda pi\u00f9 trascurata: che tipo di dato abbiamo tra le mani? Un colore, un voto, una temperatura e un fatturato non si trattano allo stesso modo, e confonderli porta a medie che non significano nulla. Le scale di misura<\/a> sono il punto di partenza non negoziabile. Spiegano la differenza tra dati nominali, ordinali, a intervalli e di rapporto \u2014 cio\u00e8 tra ci\u00f2 che possiamo solo etichettare, ci\u00f2 che possiamo ordinare, e ci\u00f2 su cui ha senso fare somme e medie. \u00c8 la distinzione che decide quali strumenti potremo usare in tutte le tappe successive: sbagliarla all’inizio significa trascinarsi l’errore fino alla fine.<\/p>\n\n\n\n Le misure di posizione<\/a> rispondono alla domanda pi\u00f9 naturale che facciamo a un insieme di numeri: dov’\u00e8 il centro? Media, mediana e moda sembrano sinonimi e non lo sono affatto; ciascuna racconta una storia diversa, e scegliere quella giusta \u2014 la mediana quando ci sono valori estremi, per esempio \u2014 \u00e8 ci\u00f2 che separa una sintesi onesta da una fuorviante.<\/p>\n\n\n\n Le misure di dispersione<\/a> completano il ritratto spostando l’attenzione dal centro alla larghezza. Due insiemi di dati possono avere la stessa media e comportarsi in modo opposto: la varianza e la deviazione standard misurano quanto i valori si allontanano dal centro, ed \u00e8 proprio questa variabilit\u00e0 \u2014 non la media \u2014 il cuore di tutto ci\u00f2 che verr\u00e0 dopo, dai test agli intervalli di confidenza.<\/p>\n\n\n\n L’indice di Gini<\/a> chiude la sezione con uno strumento pi\u00f9 specifico ma prezioso: misura quanto una grandezza \u00e8 concentrata o distribuita in modo diseguale. Nato per studiare la disuguaglianza dei redditi, torna utile ogni volta che vogliamo sapere se poche pagine, pochi prodotti o pochi clienti pesano sproporzionatamente sul totale. \u00c8 un primo assaggio di come un singolo numero possa catturare la forma di un’intera distribuzione.<\/p>\n\n\n\n Descrivere ci\u00f2 che \u00e8 gi\u00e0 successo \u00e8 met\u00e0 del lavoro; l’altra met\u00e0 \u00e8 ragionare su ci\u00f2 che potrebbe succedere. La probabilit\u00e0 \u00e8 il linguaggio dell’incertezza, e senza un suo abbozzo i test statistici restano formule applicate alla cieca. La probabilit\u00e0, le permutazioni e le combinazioni<\/a> sono il primo mattone. Qui si impara a contare in modo ordinato \u2014 in quanti modi possono disporsi gli elementi di un insieme, e quando l’ordine conta o non conta \u2014 perch\u00e9 calcolare una probabilit\u00e0 significa, quasi sempre, contare i casi favorevoli sui casi possibili. Sembra una digressione combinatoria, ed \u00e8 invece la base di tutto il ragionamento probabilistico.<\/p>\n\n\n\n Le tabelle di contingenza e la probabilit\u00e0 condizionata<\/a> portano la probabilit\u00e0 sul terreno concreto dei dati incrociati. Quando mettiamo in relazione due caratteristiche \u2014 il canale di provenienza e la conversione, per esempio \u2014 la domanda interessante non \u00e8 quanto \u00e8 probabile un evento in assoluto, ma quanto \u00e8 probabile dato<\/em> un altro. \u00c8 il concetto che sta dietro a buona parte delle analisi di marketing, e capirlo qui evita errori grossolani pi\u00f9 avanti.<\/p>\n\n\n\n Arriviamo al ponte. Finora abbiamo descritto i dati che abbiamo; ora ci chiediamo cosa possiamo dire, a partire da quel poco, su ci\u00f2 che non abbiamo misurato \u2014 la popolazione intera, l’effetto vero. Il teorema del limite centrale<\/a> \u00e8 il risultato che rende possibile tutto il salto. Spiega perch\u00e9, mediando tante piccole variazioni casuali, otteniamo quella curva a campana che ricompare ovunque, ed \u00e8 il motivo per cui possiamo dire qualcosa di sensato su una popolazione enorme guardando un campione modesto. \u00c8, allo stesso tempo, l’ultima tappa delle fondamenta e la prima dell’inferenza.<\/p>\n\n\n\n Gli intervalli di confidenza<\/a> sono la traduzione pratica di quell’idea. Invece di una stima secca \u2014 “la media \u00e8 3,2” \u2014 ci danno un intervallo plausibile per il valore vero, dichiarando onestamente quanta incertezza ci portiamo dietro. Capire come si costruiscono, e soprattutto cosa non<\/em> vogliono dire, \u00e8 ci\u00f2 che separa chi legge un numero da chi lo sa interpretare.<\/p>\n\n\n\n Il campionamento e la dimensione campionaria<\/a> chiudono il cerchio rispondendo alla domanda pi\u00f9 pratica di tutte: quanti dati servono davvero? Raccogliere un campione rappresentativo, e sapere in anticipo quanto deve essere grande per dire qualcosa di solido, \u00e8 la competenza che distingue un’analisi progettata da una improvvisata \u2014 ed \u00e8 esattamente il punto da cui parte il percorso successivo, quello dell’inferenza.<\/p>\n\n\n\n Se questo \u00e8 il primo contatto con la materia, il punto d’ingresso \u00e8 uno solo: le scale di misura<\/a> e, subito dopo, le misure di posizione<\/a>. Sono le due tappe da cui tutto il resto prende senso: finch\u00e9 non sappiamo che tipo di dato abbiamo e dove ne cade il centro, ogni calcolo successivo rischia di poggiare sul vuoto. Affrontate le altre fuori sequenza, prima o poi, si torna sempre l\u00ec.<\/p>\n\n\n\n Questo \u00e8 uno dei percorsi tematici che stiamo costruendo per orientarsi tra gli articoli del blog: la statistica di base \u00e8 il punto di partenza, la cassetta degli attrezzi da cui ogni altro percorso, presto o tardi, finisce per attingere. Il passo naturale successivo, una volta solide le fondamenta, \u00e8 il percorso dedicato alla statistica inferenziale<\/a>: \u00e8 l\u00ec che il salto dal campione alla popolazione diventa il mestiere vero e proprio dei test e degli esperimenti.<\/p>\n","protected":false},"excerpt":{"rendered":" Prima ancora di chiederci se un effetto \u00e8 reale, dobbiamo saper guardare i dati per quello che sono: quante visite, quanto tempo sulla pagina, quante conversioni per canale. \u00c8 un gesto apparentemente banale, eppure \u00e8 qui che si gioca la differenza tra chi prende decisioni informate e chi tira a indovinare. La statistica di base … Leggi tutto “Statistica di base: il percorso ordinato per descrivere i dati e fare i primi passi”<\/span><\/a><\/p>\n","protected":false},"author":2,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"_uag_custom_page_level_css":"","footnotes":""},"class_list":["post-3859","page","type-page","status-publish","hentry"],"uagb_featured_image_src":{"full":false,"thumbnail":false,"medium":false,"medium_large":false,"large":false,"1536x1536":false,"2048x2048":false,"post-thumbnail":false},"uagb_author_info":{"display_name":"Paolo Gironi","author_link":"https:\/\/www.gironi.it\/blog\/author\/autore-articoli\/"},"uagb_comment_info":0,"uagb_excerpt":"Prima ancora di chiederci se un effetto \u00e8 reale, dobbiamo saper guardare i dati per quello che sono: quante visite, quanto tempo sulla pagina, quante conversioni per canale. \u00c8 un gesto apparentemente banale, eppure \u00e8 qui che si gioca la differenza tra chi prende decisioni informate e chi tira a indovinare. La statistica di base…","_links":{"self":[{"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/pages\/3859","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/comments?post=3859"}],"version-history":[{"count":0,"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/pages\/3859\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/media?parent=3859"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}Descrivere i dati<\/h2>\n\n\n\n
Riassumere i dati senza prima averli capiti \u00e8 il modo pi\u00f9 rapido per ottenere numeri precisi e sbagliati.<\/strong><\/p>\n\n\n\nI primi passi nella probabilit\u00e0<\/h2>\n\n\n\n
Ogni affermazione statistica su un campione \u00e8, sotto la superficie, un’affermazione sulla probabilit\u00e0: imparare a maneggiarla \u00e8 ci\u00f2 che rende difendibili le conclusioni.<\/strong><\/p>\n\n\n\nDal campione alla stima<\/h2>\n\n\n\n
Questa sezione raccoglie le tappe che trasformano la statistica descrittiva in qualcosa che guarda oltre il campione, e che apre la porta all’inferenza vera e propria.<\/p>\n\n\n\nDa dove cominciare<\/h2>\n\n\n\n