{"id":3638,"date":"2026-06-11T09:11:44","date_gmt":"2026-06-11T08:11:44","guid":{"rendered":"https:\/\/www.gironi.it\/blog\/?p=3638"},"modified":"2026-06-11T16:18:00","modified_gmt":"2026-06-11T15:18:00","slug":"biblioteca-statistica-seo","status":"publish","type":"post","link":"https:\/\/www.gironi.it\/blog\/biblioteca-statistica-seo\/","title":{"rendered":"La biblioteca di Statistica e SEO: i libri che consiglio (e perch\u00e9)"},"content":{"rendered":"\n

C’\u00e8 una domanda che torna, puntuale, ogni volta che pubblico un articolo di questo percorso: \u00abma per studiare queste cose, che libro consigli?\u00bb<\/em>. Finora ho risposto un pezzo alla volta, nella sezione “Per approfondire” che chiude ogni articolo. Qui faccio l’operazione inversa: raccolgo tutta la biblioteca in una pagina sola, con il motivo per cui ogni titolo si \u00e8 guadagnato il posto.<\/p>\n\n\n\n

Non \u00e8 una classifica e non \u00e8 un catalogo: sono i libri che uso davvero<\/strong>, quelli da cui provengono molti degli esempi e delle spiegazioni che trovate negli articoli. Pochi, scelti con un criterio semplice: ogni libro deve far fare un passo avanti concreto a chi lavora con i dati nella SEO e nel marketing, senza richiedere una laurea in matematica.<\/p>\n\n\n\n\n\n\n\n\n\n

Una nota di trasparenza, prima di cominciare: i link che seguono sono affiliati Amazon. Se acquistate un libro passando da qui, il blog riceve una piccola commissione, senza alcun costo aggiuntivo per voi: \u00e8 il modo pi\u00f9 indolore che ho trovato per coprire le spese del server.<\/p>\n\n\n\n

Da dove cominciare<\/h2>\n\n\n\n

L’arte della statistica \u2014 David Spiegelhalter<\/h3>\n\n\n\n

Se dovessi salvarne uno solo, sarebbe questo. L’arte della statistica<\/em><\/a> non insegna le formule: insegna a ragionare sui dati prima di fidarsene<\/strong>, che \u00e8 esattamente la competenza che manca a chi legge un report di Search Console e trae conclusioni affrettate. Spiegelhalter \u2014 professore a Cambridge e divulgatore di rara chiarezza \u2014 costruisce ogni capitolo attorno a un caso reale: sondaggi sbagliati, statistiche mediche fraintese, il celebre caso delle ammissioni a Berkeley (lo stesso caso che ho raccontato parlando del Paradosso di Simpson<\/a>).<\/p>\n\n\n\n

Lo cito praticamente ovunque nel blog: dal campionamento<\/a> agli intervalli di confidenza<\/a>, passando per il Teorema del Limite Centrale<\/a>. Si legge senza carta e penna, e si rilegge con profitto. (Per chi preferisce l’originale inglese: The Art of Statistics<\/em><\/a>.)<\/p>\n\n\n\n

Finalmente ho capito la statistica \u2014 Maurizio De Pra<\/h3>\n\n\n\n

Il titolo dice tutto. Finalmente ho capito la statistica<\/em><\/a> \u00e8 il libro per chi parte da zero e vuole un percorso graduale, con tanti esempi e un prezzo contenuto. Copre bene il territorio delle distribuzioni di probabilit\u00e0<\/strong> \u2014 quelle che nel percorso del blog vanno dalla Poisson<\/a> alla Beta<\/a> \u2014 e i fondamenti del ragionamento probabilistico<\/a>. Non sostituisce un manuale, ma fa quello che un manuale non sa fare: togliere la paura.<\/p>\n\n\n\n

Quando i dati mentono<\/h2>\n\n\n\n

Mentire con le statistiche \u2014 Darrell Huff<\/h3>\n\n\n\n

Scritto nel 1954 e mai invecchiato. Mentire con le statistiche<\/em><\/a> \u00e8 il catalogo, breve e velenoso, dei trucchi con cui i numeri possono essere usati per ingannare: campioni distorti, medie scelte ad arte, grafici con gli assi tagliati, percentuali senza contesto. Huff scriveva per i lettori dei giornali; io lo consiglio a chi legge i report dei tool SEO e le slide dei fornitori, dove quegli stessi trucchi prosperano ancora oggi. Chi \u00e8 passato per il Paradosso di Simpson<\/a> sa gi\u00e0 che i dati aggregati possono mentire: Huff completa il quadro con tutti gli altri modi.<\/p>\n\n\n\n

Si legge in un pomeriggio, e da quel pomeriggio in poi i grafici non si guardano pi\u00f9 con gli stessi occhi. (Originale inglese: How to Lie with Statistics<\/em><\/a>.)<\/p>\n\n\n\n

Il manuale per fare sul serio: l’inferenza<\/h2>\n\n\n\n

Statistica \u2014 Newbold, Carlson, Thorne<\/h3>\n\n\n\n

Prima o poi arriva il momento in cui la divulgazione non basta pi\u00f9: servono le condizioni di applicabilit\u00e0 di un test, le formule complete, gli esercizi per verificare di aver capito. Statistica<\/em><\/a> di Newbold, Carlson e Thorne \u00e8 il manuale universitario di riferimento in italiano per tutta l’inferenza: test delle ipotesi<\/a>, intervalli di confidenza, chi quadrato, ANOVA \u2014 in pratica, la spina dorsale teorica della mia guida ai test statistici per le analisi A\/B<\/a>.<\/p>\n\n\n\n

Va detto con franchezza: \u00e8 un manuale universitario, e costa come un manuale universitario. Ma \u00e8 uno di quei libri che si comprano una volta e si consultano per anni.<\/p>\n\n\n\n

Regressione, serie storiche, modelli<\/h2>\n\n\n\n

Introduzione all’econometria \u2014 Stock, Watson<\/h3>\n\n\n\n

Il nome pu\u00f2 intimidire (econometria?), ma il contenuto \u00e8 esattamente ci\u00f2 che serve a chi vuole andare oltre la regressione lineare<\/a> di base: regressione multipla, variabili omesse, diagnostica, serie storiche<\/a>. Introduzione all’econometria<\/em><\/a> di Stock e Watson ha una qualit\u00e0 che nei manuali \u00e8 rara: l’attenzione costante all’interpretazione<\/strong> dei risultati, non solo al loro calcolo. Che poi \u00e8 il punto in cui si gioca la differenza tra un’analisi utile e un esercizio di stile.<\/p>\n\n\n\n

L’arte (fallibile) della previsione<\/h2>\n\n\n\n

Il segnale e il rumore \u2014 Nate Silver<\/h3>\n\n\n\n

Chi lavora con i dati prima o poi deve fare una previsione \u2014 e una stima del traffico organico del prossimo trimestre \u00e8 una previsione a tutti gli effetti. Il segnale e il rumore<\/em><\/a> racconta perch\u00e9 le previsioni falliscono cos\u00ec spesso: troppa fiducia nei modelli, la tentazione di scambiare il rumore per il segnale, l’incapacit\u00e0 di ragionare in termini di probabilit\u00e0. Silver \u2014 l’uomo che azzecc\u00f2 l’esito delle presidenziali USA del 2012 in tutti e cinquanta gli stati \u2014 attraversa poker, terremoti, meteorologia e finanza, e strada facendo offre la migliore introduzione narrativa al ragionamento bayesiano<\/a> che io conosca. \u00c8 il complemento divulgativo del capitolo sulle serie storiche<\/a>: prima si impara a costruire una previsione, poi si impara a diffidarne. (Originale inglese: The Signal and the Noise<\/em><\/a>.)<\/p>\n\n\n\n

La sperimentazione online<\/h2>\n\n\n\n

Trustworthy Online Controlled Experiments \u2014 Kohavi, Tang, Xu<\/h3>\n\n\n\n

Sull’A\/B testing<\/a> non esiste un equivalente italiano, e francamente nemmeno un equivalente inglese: Trustworthy Online Controlled Experiments<\/em><\/a> \u00e8 il<\/strong> libro sull’argomento, scritto da chi ha guidato la sperimentazione in Microsoft, Google e LinkedIn. Dentro c’\u00e8 tutto quello che ho toccato negli articoli \u2014 sample size, potenza del test, errori da evitare \u2014 pi\u00f9 dieci anni di casi reali su cosa va storto negli esperimenti veri. L’ho usato anche per costruire il mio calcolatore di sample size<\/a>. In inglese, ma di lettura scorrevole.<\/p>\n\n\n\n

Il percorso bayesiano<\/h2>\n\n\n\n

Bayesian Statistics the Fun Way \u2014 Will Kurt<\/h3>\n\n\n\n

La statistica bayesiana<\/a> ha fama di essere ostica, e i suoi manuali fanno di tutto per confermarla. Bayesian Statistics the Fun Way<\/em><\/a> fa il contrario: Will Kurt spiega prior, posterior e aggiornamento bayesiano con esempi presi da Star Wars e dai Lego, e \u2014 cosa che apprezzo particolarmente \u2014 usa R per la parte computazionale, esattamente come faccio qui. \u00c8 il libro giusto per capire la logica bayesiana (e il perch\u00e9 della distribuzione Beta<\/a>) prima di affrontare la teoria formale.<\/p>\n\n\n\n

Verso il machine learning<\/h2>\n\n\n\n

An Introduction to Statistical Learning \u2014 James, Witten, Hastie, Tibshirani<\/h3>\n\n\n\n

Il classico contemporaneo dell’apprendimento statistico, noto a tutti come “ISL”. An Introduction to Statistical Learning<\/em><\/a> copre con il giusto equilibrio tra intuizione e formalismo gli argomenti della parte pi\u00f9 avanzata del percorso: regressione logistica, alberi decisionali<\/a>, PCA<\/a>, con laboratori pratici in R. N.b.: gli autori distribuiscono gratuitamente il PDF dal loro sito \u2014 la versione cartacea resta per chi, come me, sui libri di studio preferisce scrivere a matita.<\/p>\n\n\n\n

Introduction to Machine Learning \u2014 Ethem Alpayd\u0131n<\/h3>\n\n\n\n

Per chi vuole le fondamenta teoriche del machine learning \u2014 quelle che in un corso universitario starebbero prima dei laboratori \u2014 Introduction to Machine Learning<\/em><\/a> di Alpayd\u0131n \u00e8 il riferimento che ho citato nella mia guida introduttiva al ML<\/a>. Pi\u00f9 formale di ISL: da prendere dopo, non al posto di.<\/p>\n\n\n\n

Il linguaggio di lavoro: R<\/h2>\n\n\n\n

R for Data Science \u2014 Wickham, \u00c7etinkaya-Rundel, Grolemund<\/h3>\n\n\n\n

C’era un buco evidente in questo scaffale: il codice R compare in quasi ogni articolo del blog \u2014 dal test del chi quadrato<\/a> alle serie storiche<\/a> \u2014 ma mancava il libro per impararlo. R for Data Science<\/em><\/a> (seconda edizione) colma il buco: Hadley Wickham \u00e8 l’autore del tidyverse, l’ecosistema di pacchetti che ha reso R moderno, e il libro insegna l’intero flusso di lavoro \u2014 importare, pulire, trasformare, visualizzare, comunicare \u2014 su dati veri, senza teoria superflua. Anche questo, come ISL, si legge gratuitamente online sul sito degli autori: un motivo in pi\u00f9 per non avere scuse.<\/p>\n\n\n\n

Comunicare i dati<\/h2>\n\n\n\n

Storytelling with Data \u2014 Cole Nussbaumer Knaflic<\/h3>\n\n\n\n

L’analisi pi\u00f9 rigorosa del mondo vale poco se chi la riceve non la capisce \u2014 e nel marketing un’analisi va quasi sempre raccontata a qualcuno: un cliente, un responsabile, una riunione. Storytelling with Data<\/em><\/a> insegna a trasformare i grafici di default di Excel e Looker Studio in messaggi chiari: scegliere il grafico giusto, eliminare l’inchiostro che non informa, guidare l’attenzione dove serve, costruire una narrazione attorno al numero. Di tutto lo scaffale \u00e8 probabilmente il libro che si ripaga pi\u00f9 in fretta: si applica gi\u00e0 al prossimo report. (Per chi preferisce l’italiano: Data storytelling<\/em><\/a>, edizioni Apogeo.)<\/p>\n\n\n\n

Una lettura di nicchia<\/h2>\n\n\n\n

Monte Carlo Methods in Financial Engineering \u2014 Paul Glasserman<\/h3>\n\n\n\n

Questo \u00e8 il libro pi\u00f9 specialistico dello scaffale, e lo segnalo per onest\u00e0 verso chi \u00e8 arrivato al metodo Monte Carlo<\/a> e vuole andare fino in fondo: Monte Carlo Methods in Financial Engineering<\/em><\/a> di Glasserman \u00e8 il riferimento completo sulla simulazione applicata alla finanza. Non \u00e8 una lettura da ombrellone: \u00e8 il testo a cui si arriva quando gli altri non bastano pi\u00f9.<\/p>\n\n\n\n

La biblioteca in uno sguardo<\/h2>\n\n\n\n

Per orientarsi al volo, ecco lo scaffale completo in forma di tabella:<\/p>\n\n\n\n

Libro<\/th>Per chi<\/th>Lingua<\/th><\/tr><\/thead>
L’arte della statistica<\/em> \u2014 Spiegelhalter<\/td>Tutti: il punto di partenza<\/td>IT (anche EN)<\/td><\/tr>
Finalmente ho capito la statistica<\/em> \u2014 De Pra<\/td>Chi parte da zero, distribuzioni<\/td>IT<\/td><\/tr>
Mentire con le statistiche<\/em> \u2014 Huff<\/td>Difendersi dai numeri truccati<\/td>IT (anche EN)<\/td><\/tr>
Statistica<\/em> \u2014 Newbold, Carlson, Thorne<\/td>Chi vuole il rigore: inferenza e test<\/td>IT<\/td><\/tr>
Introduzione all’econometria<\/em> \u2014 Stock, Watson<\/td>Regressione e serie storiche<\/td>IT<\/td><\/tr>
Il segnale e il rumore<\/em> \u2014 Silver<\/td>Capire perch\u00e9 le previsioni falliscono<\/td>IT (anche EN)<\/td><\/tr>
Trustworthy Online Controlled Experiments<\/em> \u2014 Kohavi et al.<\/td>A\/B testing e sperimentazione<\/td>EN<\/td><\/tr>
Bayesian Statistics the Fun Way<\/em> \u2014 Kurt<\/td>Approccio bayesiano, con R<\/td>EN<\/td><\/tr>
An Introduction to Statistical Learning<\/em> \u2014 James et al.<\/td>Machine learning pratico, con R<\/td>EN<\/td><\/tr>
Introduction to Machine Learning<\/em> \u2014 Alpayd\u0131n<\/td>Fondamenta teoriche del ML<\/td>EN<\/td><\/tr>
R for Data Science<\/em> \u2014 Wickham et al.<\/td>Imparare R, dal dato grezzo al grafico<\/td>EN<\/td><\/tr>
Storytelling with Data<\/em> \u2014 Knaflic<\/td>Comunicare dati e report<\/td>EN (anche IT)<\/td><\/tr>
Monte Carlo Methods in Financial Engineering<\/em> \u2014 Glasserman<\/td>Simulazione avanzata<\/td>EN<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

Questo scaffale non \u00e8 chiuso. Man mano che il percorso del blog si allarga \u2014 i paradossi statistici di cui ho cominciato a parlare, il bootstrap, l’analisi dei testi \u2014 si allargher\u00e0 anche la biblioteca, e questa pagina verr\u00e0 aggiornata di conseguenza. Nel frattempo, se un solo consiglio dovesse bastare: si parta da Spiegelhalter, e gli articoli di questo blog facciano da palestra.<\/p>\n","protected":false},"excerpt":{"rendered":"

C’\u00e8 una domanda che torna, puntuale, ogni volta che pubblico un articolo di questo percorso: \u00abma per studiare queste cose, che libro consigli?\u00bb. Finora ho risposto un pezzo alla volta, nella sezione “Per approfondire” che chiude ogni articolo. Qui faccio l’operazione inversa: raccolgo tutta la biblioteca in una pagina sola, con il motivo per cui … Leggi tutto “La biblioteca di Statistica e SEO: i libri che consiglio (e perch\u00e9)”<\/span><\/a><\/p>\n","protected":false},"author":2,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_uag_custom_page_level_css":"","footnotes":""},"categories":[717,629],"tags":[],"class_list":["post-3638","post","type-post","status-publish","format-standard","hentry","category-seo-it","category-statistica-it"],"lang":"it","translations":{"it":3638,"en":3652},"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":"C’\u00e8 una domanda che torna, puntuale, ogni volta che pubblico un articolo di questo percorso: \u00abma per studiare queste cose, che libro consigli?\u00bb. Finora ho risposto un pezzo alla volta, nella sezione “Per approfondire” che chiude ogni articolo. Qui faccio l’operazione inversa: raccolgo tutta la biblioteca in una pagina sola, con il motivo per cui…","_links":{"self":[{"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/posts\/3638","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/types\/post"}],"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=3638"}],"version-history":[{"count":3,"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/posts\/3638\/revisions"}],"predecessor-version":[{"id":3662,"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/posts\/3638\/revisions\/3662"}],"wp:attachment":[{"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/media?parent=3638"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/categories?post=3638"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/tags?post=3638"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}