{"id":4565,"date":"2026-11-06T15:31:13","date_gmt":"2026-11-06T14:31:13","guid":{"rendered":"https:\/\/www.gironi.it\/blog\/?p=4565"},"modified":"2026-11-06T15:31:13","modified_gmt":"2026-11-06T14:31:13","slug":"confrontare-conteggi-poisson","status":"publish","type":"post","link":"https:\/\/www.gironi.it\/blog\/confrontare-conteggi-poisson\/","title":{"rendered":"Le richieste sono calate davvero? Confrontare due periodi quando si contano eventi"},"content":{"rendered":"\n<p class=\"wp-block-paragraph\">Un sito riceve 612 richieste quest&#8217;anno e ne aveva ricevute 640 l&#8217;anno prima. Il conto \u00e8 presto fatto: \u22124,4%. Parte la ricerca della causa, e con essa la riunione in cui qualcuno propone di rifare le pagine di servizio, qualcun altro incolpa la stagione, qualcun altro ancora \u00abil calo generale del mercato\u00bb. <br>Prima di spiegare un calo, per\u00f2, conviene chiedersi se c&#8217;\u00e8 qualcosa da spiegare. Perch\u00e9 612 contro 640 non \u00e8 un numero: \u00e8 un conteggio, e i conteggi oscillano.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">I numeri di questo articolo sono inventati, ma la forma del problema \u00e8 quella che si incontra ogni mese: richieste, moduli, telefonate, iscrizioni, conversioni senza un denominatore affidabile. Sono tutti <strong>conteggi di eventi<\/strong>, e per confrontarli fra due periodi serve un test che ragioni sul loro ritmo, non sul loro totale. \u00c8 il test di Poisson, e il bello \u00e8 che sta in una riga di R.<\/p>\n\n\n\n<!--more-->\n\n\n\n<p class=\"wp-block-paragraph\"><strong>In sintesi:<\/strong> quando quello che misuriamo \u00e8 un <strong>conteggio<\/strong>, due periodi si confrontano sui <strong>tassi<\/strong>, non sui totali. Il test di <strong>Poisson<\/strong> dice se il ritmo \u00e8 cambiato: <code>poisson.test(c(x2, x1), T = c(t2, t1))<\/code> restituisce il <strong>rapporto fra i tassi<\/strong>, il suo intervallo di confidenza e un p-value. Nel nostro esempio 612 richieste contro 640 sono un calo del 4,4% che il caso produce da solo in pi\u00f9 di un caso su cinque: il rapporto \u00e8 0,96, l&#8217;intervallo va da 0,85 a 1,07, e non c&#8217;\u00e8 niente da spiegare. Lo stesso test funziona con <strong>durate diverse<\/strong>, dove confrontare i totali \u00e8 l&#8217;errore che si vede pi\u00f9 spesso nei report.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Di cosa parleremo<\/strong>:<\/p>\n\n\n\n<ul class=\"wp-block-list\"><li><a href=\"#perche\">Perch\u00e9 le richieste sono un processo di Poisson<\/a><\/li><li><a href=\"#confronto\">Il confronto dei tassi<\/a><\/li><li><a href=\"#output\">Leggere l&#8217;output senza farsi ingannare<\/a><\/li><li><a href=\"#durate\">Durate diverse: il caso che sbaglia quasi tutti<\/a><\/li><li><a href=\"#differenza\">Quando la differenza c&#8217;\u00e8<\/a><\/li><li><a href=\"#potenza\">Quanti dati servono per vedere un calo del 10%?<\/a><\/li><li><a href=\"#anomalia\">Un mese strano: il ponte verso le anomalie<\/a><\/li><li><a href=\"#domande-frequenti\">Domande frequenti<\/a><\/li><li><a href=\"#prova-tu\">Prova tu<\/a><\/li><li><a href=\"#per-approfondire\">Per approfondire<\/a><\/li><\/ul>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"perche\">Perch\u00e9 le richieste sono un processo di Poisson<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Abbiamo conosciuto la <a href=\"https:\/\/www.gironi.it\/blog\/la-distribuzione-di-poisson\/\">distribuzione di Poisson<\/a> parlando di eventi rari che accadono a un ritmo medio costante: chiamate a un centralino, errori di battitura, arrivi a uno sportello. Le richieste di un sito sono parenti stretti di questi esempi. Ogni visita pu\u00f2 generare un modulo inviato, ogni modulo inviato \u00e8 un evento, e in un intervallo di tempo il numero di eventi oscilla intorno a un valore medio.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">La propriet\u00e0 che ci serve \u00e8 una sola, e ha un nome che spaventa pi\u00f9 di quanto dovrebbe: <strong>nella Poisson la varianza \u00e8 uguale alla media<\/strong>. In termini pi\u00f9 chiari e diretti: se in un anno aspettiamo 640 richieste, l&#8217;oscillazione naturale del conteggio \u00e8 dell&#8217;ordine della radice quadrata di 640, cio\u00e8 circa 25 richieste. <br>Dunque un anno \u00abnormale\u00bb pu\u00f2 chiudersi a 615 come a 665 senza che sia successo nulla. Venticinque richieste su 640 sono il 4%: esattamente l&#8217;ordine di grandezza del calo da cui siamo partiti.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Facciamo un esempio al volo, per fissare l&#8217;idea. Se il ritmo vero fosse identico nei due anni, e il conteggio di ciascun anno fosse un&#8217;estrazione da una Poisson con media 640, quante volte osserveremmo un calo almeno del 4,4%?<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code>set.seed(2026)\nvero &lt;- 640\nultimo &lt;- rpois(10000, vero)   # l'anno scorso\nquesto &lt;- rpois(10000, vero)   # quest'anno, stesso ritmo\nvariazione &lt;- (questo - ultimo) \/ vero\n\nmean(variazione &lt;= -0.044)<\/code><\/pre>\n\n\n\n<p class=\"wp-block-paragraph\">Il risultato \u00e8 <strong>0,214<\/strong>: in pi\u00f9 di un caso su cinque. E se guardiamo in entrambe le direzioni, cio\u00e8 a un calo <em>o<\/em> a una crescita almeno del 4,4%, arriviamo al 43%. Met\u00e0 delle volte, con lo stesso ritmo vero, il confronto anno su anno racconta una storia che non c&#8217;\u00e8.<\/p>\n\n\n\n<figure class=\"wp-block-image size-large\"><img decoding=\"async\" src=\"https:\/\/www.gironi.it\/blog\/wp-content\/uploads\/2026\/11\/richieste-poisson-simulazione-1.png\" alt=\"Con lo stesso ritmo vero, l'anno \u00abcalato\u00bb in un caso su cinque: la distribuzione di 10.000 confronti anno su anno simulati, con la soglia del \u22124,4% e la coda colorata.\"\/><figcaption class=\"wp-element-caption\">Con lo stesso ritmo vero, l&#8217;anno \u00abcalato\u00bb in un caso su cinque: la distribuzione di 10.000 confronti anno su anno simulati, con la soglia del \u22124,4% e la coda colorata.<\/figcaption><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">C&#8217;\u00e8 un limite, ed \u00e8 giusto dirlo subito: la Poisson va bene finch\u00e9 gli eventi sono indipendenti e il ritmo \u00e8 stabile. Campagne, bot, un modulo che si rompe per due settimane rompono l&#8217;ipotesi, e ne parleremo alla fine. Per ora teniamoci il caso pulito, che \u00e8 gi\u00e0 la maggior parte dei report mensili.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"confronto\">Il confronto dei tassi<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Il punto di partenza \u00e8 che i due totali, 612 e 640, non sono indipendenti: insieme fanno 1.252 eventi. Se il ritmo fosse lo stesso nei due anni, ognuno dei 1.252 eventi avrebbe la stessa probabilit\u00e0 di cadere nel primo o nel secondo periodo, e il numero di eventi del secondo anno sarebbe una <strong>binomiale<\/strong> con 1.252 prove e probabilit\u00e0 un mezzo. <br>\u00c8 questo il ponte fra la Poisson e il <a href=\"https:\/\/www.gironi.it\/blog\/il-test-delle-ipotesi\/\">test delle ipotesi<\/a>: una volta noto il totale, la domanda \u00abi due tassi sono uguali?\u00bb diventa \u00abla divisione degli eventi fra i due periodi \u00e8 compatibile con una moneta equa?\u00bb.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Il test di Poisson fa esattamente questo, e il rapporto che restituisce \u00e8 il rapporto fra gli eventi per unit\u00e0 di tempo:<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">\\(\\hat{R} = \\frac{x_2 \/ T_2}{x_1 \/ T_1}\\)<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">dove x\u2082 e T\u2082 sono il conteggio e la durata del periodo pi\u00f9 recente, x\u2081 e T\u2081 quelli del periodo precedente. In R si scrive cos\u00ec. Il primo argomento \u00e8 la coppia di conteggi, il secondo la durata dei due periodi, che qui \u00e8 la stessa:<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code>poisson.test(c(612, 640), T = c(365, 365))<\/code><\/pre>\n\n\n\n<p class=\"wp-block-paragraph\">Il risultato contiene tre numeri che vanno letti insieme:<\/p>\n\n\n\n<ul class=\"wp-block-list\"><li>il <strong>rapporto fra i tassi<\/strong> (<em>rate ratio<\/em>): 0,956;<\/li><li>l&#8217;<strong>intervallo di confidenza al 95%<\/strong>: da 0,855 a 1,070;<\/li><li>il <strong>p-value<\/strong>: 0,445.<\/li><\/ul>\n\n\n\n<p class=\"wp-block-paragraph\">Il rapporto \u00e8 il numero che ci interessa davvero: dice che il ritmo di quest&#8217;anno \u00e8 il 95,6% di quello dell&#8217;anno prima, cio\u00e8 un calo del 4,4%. L&#8217;intervallo ci dice quanto \u00e8 precisa questa stima con i dati che abbiamo: da un calo del 14,5% a una crescita del 7%. Il p-value, infine, ci dice che un rapporto cos\u00ec lontano da 1 \u00e8 compatibile con il puro caso in quasi met\u00e0 dei mondi possibili.<\/p>\n\n\n\n<figure class=\"wp-block-image size-large\"><img decoding=\"async\" src=\"https:\/\/www.gironi.it\/blog\/wp-content\/uploads\/2026\/11\/richieste-poisson-forest.png\" alt=\"I tre confronti dell'articolo: il calo vero, i moduli con durate diverse e le richieste. L'intervallo delle richieste attraversa la linea dell'1; quello del calo vero no.\"\/><figcaption class=\"wp-element-caption\">I tre confronti dell&#8217;articolo: il calo vero, i moduli con durate diverse e le richieste. L&#8217;intervallo delle richieste attraversa la linea dell&#8217;1; quello del calo vero no.<\/figcaption><\/figure>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"output\">Leggere l&#8217;output senza farsi ingannare<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">La prima tentazione \u00e8 tradurre \u00abp = 0,445\u00bb in \u00abnon \u00e8 cambiato niente\u00bb. Non \u00e8 quello che il test dice. <strong>Un p-value alto non dimostra che i due tassi sono uguali: dice che i dati non bastano a dimostrare che sono diversi.<\/strong> La differenza fra assenza di prove e prova di assenza \u00e8 la stessa che c&#8217;\u00e8 fra \u00abnon ho trovato il portafoglio\u00bb e \u00abil portafoglio non esiste\u00bb, e nella pratica quotidiana fa una bella differenza.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">L&#8217;intervallo di confidenza \u00e8 pi\u00f9 utile del p-value, perch\u00e9 delimita quello che possiamo escludere. Nel nostro caso l&#8217;intervallo va da \u221214,5% a +7%: possiamo ragionevolmente escludere un tracollo, ma non possiamo escludere un calo dell&#8217;8% o una crescita del 5%. Se il cliente chiede \u00absiamo stabili?\u00bb, la risposta onesta \u00e8 \u00ababbiamo escluso i cali oltre il 15%, non quelli oltre il 5%\u00bb.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">C&#8217;\u00e8 poi un dettaglio che riguarda la direzione del rapporto. <code>poisson.test()<\/code> restituisce il rapporto fra il <strong>primo<\/strong> gruppo e il <strong>secondo<\/strong>. Invertendo l&#8217;ordine dei conteggi il rapporto diventa 1,046, e chi legge potrebbe credere a una crescita. Non \u00e8 un errore del test: \u00e8 un promemoria a dichiarare sempre quale periodo sta al numeratore. Nella pratica conviene mettere al primo posto il periodo pi\u00f9 recente, cos\u00ec il rapporto si legge come \u00abquest&#8217;anno rispetto all&#8217;anno scorso\u00bb e i numeri sotto 1 sono cali.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"durate\">Durate diverse: il caso che sbaglia quasi tutti<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Il test d\u00e0 il meglio di s\u00e9 quando i due periodi non durano lo stesso tempo, che \u00e8 la norma nei report veri: un sito lanciato a met\u00e0 anno, un mese di 28 giorni contro uno di 31, un periodo di 180 giorni contro un anno intero.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Immaginiamo un modulo che ha ricevuto 7 invii in 180 giorni e 15 invii nei 365 giorni precedenti. A occhio i secondi sono pi\u00f9 del doppio dei primi, e la prima bozza di un report potrebbe parlare di \u00abpi\u00f9 che raddoppiati\u00bb. Ma i periodi non durano lo stesso tempo: il primo ritmo \u00e8 di 7 invii ogni 180 giorni, il secondo di 15 ogni 365. Normalizziamo e confrontiamo:<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code>poisson.test(c(7, 15), T = c(180, 365))<\/code><\/pre>\n\n\n\n<p class=\"wp-block-paragraph\">Il rapporto fra i tassi \u00e8 <strong>0,946<\/strong>, con intervallo da 0,33 a 2,47 e p-value 1. In parole: i due ritmi sono indistinguibili, e con cos\u00ec pochi eventi l&#8217;intervallo \u00e8 talmente largo da non permetterci di dire quasi nulla. <br>Questo \u00e8 il punto in cui il test \u00e8 pi\u00f9 prezioso e pi\u00f9 scomodo. Prezioso, perch\u00e9 evita di raccontare una crescita inesistente; scomodo, perch\u00e9 costringe a scrivere \u00abnon lo sappiamo\u00bb invece di una percentuale.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Vale la pena notare che il rapporto calcolato sui totali sarebbe stato 15\/7 = 2,14, cio\u00e8 +114%. La differenza fra +114% e \u22125% non \u00e8 un dettaglio di metodo: \u00e8 la differenza fra due report che dicono cose opposte.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"differenza\">Quando la differenza c&#8217;\u00e8<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Naturalmente il test non serve solo a spegnere entusiasmi. Immaginiamo un periodo con 420 richieste e uno, della stessa durata, con 500. Il rapporto \u00e8 0,84:<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code>poisson.test(c(420, 500))<\/code><\/pre>\n\n\n\n<p class=\"wp-block-paragraph\">Qui l&#8217;intervallo va da 0,74 a 0,96 e il p-value \u00e8 0,009. Il calo \u00e8 del 16%, e i dati permettono di escludere con una certa sicurezza qualunque valore sopra \u22124%. <strong>Significativo, per\u00f2, non vuol dire grande<\/strong>: un calo del 16% su 500 richieste \u00e8 un problema operativo, non una catastrofe, e la dimensione dell&#8217;effetto va letta separatamente dalla sua significativit\u00e0. Ne abbiamo parlato diffusamente parlando di <a href=\"https:\/\/www.gironi.it\/blog\/effect-size-e-power-analysis\/\">effect size e potenza<\/a>.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">C&#8217;\u00e8 un altro uso che vale la pena conoscere: invece del p-value possiamo chiedere all&#8217;intervallo se il calo supera una soglia che ci interessa. Se la soglia decisionale \u00e8 \u00absotto \u221210% cambiamo il form\u00bb, ci basta guardare l&#8217;intervallo: se il suo estremo superiore \u00e8 sotto \u221210%, la decisione \u00e8 presa; se lo attraversa, i dati non bastano. \u00c8 un modo di usare il test pi\u00f9 vicino a come si prendono le decisioni, e meno vicino alla caccia al p-value.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"potenza\">Quanti dati servono per vedere un calo del 10%?<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Il caso dei 7 invii in 180 giorni lascia una domanda aperta: quanti eventi servono per accorgersi di un calo del 10%? La risposta si ottiene simulando il test su molti mondi possibili. Fissiamo il ritmo vero del secondo periodo a 1.600 eventi all&#8217;anno, immaginiamo che il primo sia il 10% pi\u00f9 basso, e contiamo quante volte il test trova la differenza:<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code>potenza &lt;- function(n, calo = 0.9, B = 4000) {\n  mean(replicate(B, poisson.test(c(rpois(1, n * calo), rpois(1, n)))$p.value &lt; 0.05))\n}\n\npotenza(1600)<\/code><\/pre>\n\n\n\n<p class=\"wp-block-paragraph\">Il risultato \u00e8 circa <strong>0,82<\/strong>: con 1.600 eventi all&#8217;anno, un calo del 10% viene individuato otto volte su dieci. Con 800 eventi la potenza scende intorno al 53%, con 400 a poco meno di un terzo. Tradotto in mesi: se il sito riceve 80 richieste al mese, 1.600 eventi sono venti mesi di dati. <strong>Un calo del 10% non si vede in un trimestre<\/strong>, e questa \u00e8 probabilmente la cosa pi\u00f9 utile da mettere in una slide.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"anomalia\">Un mese strano: il ponte verso le anomalie<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Lo stesso strumento serve a trovare i buchi, non solo i cali. Se in un mese ci aspettiamo 70 eventi e ne osserviamo 3, la domanda non \u00e8 pi\u00f9 \u00abil ritmo \u00e8 cambiato?\u00bb ma \u00ab\u00e8 plausibile che un ritmo di 70 produca 3 eventi?\u00bb. La probabilit\u00e0 cumulata di osservare 3 o meno eventi da una Poisson con media 70 si calcola in un attimo:<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code>ppois(3, 70)<\/code><\/pre>\n\n\n\n<p class=\"wp-block-paragraph\">Il risultato \u00e8 <strong>2,4\u00d710\u207b\u00b2\u2076<\/strong>. Non \u00e8 la stagione, non \u00e8 il caso, non \u00e8 un mese strano: \u00e8 quasi certamente un problema di misura. \u00c8 lo stesso calcolo che sta dietro all&#8217;<a href=\"https:\/\/www.gironi.it\/blog\/anomaly-detection\/\">anomaly detection<\/a>, e torner\u00e0 utile quando parleremo di dati mancanti e di come ricostruirli senza inventarli.<\/p>\n\n\n\n<div class=\"wp-block-group has-background\" style=\"background-color:#f5f7f9;margin-top:2.5rem;margin-bottom:2.5rem;padding-top:1.5rem;padding-right:1.5rem;padding-bottom:1.5rem;padding-left:1.5rem\"><div class=\"wp-block-group__inner-container is-layout-flow wp-block-group-is-layout-flow\">\n<p>Un avvertimento: il test di Poisson assume che la varianza sia uguale alla media. Sui dati web spesso non \u00e8 cos\u00ec \u2014 bot, picchi, campagne, giorni della settimana \u2014 e in quel caso gli intervalli risultano troppo stretti e i p-value troppo piccoli. Prima di fidarsi di un test sui conteggi, vale la pena controllare il rapporto fra varianza e media; se \u00e8 molto sopra 1, il test va rifatto con un modello che tenga conto della sovradispersione.<\/p>\n<\/div><\/div>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"domande-frequenti\">Domande frequenti<\/h2>\n\n\n\n<h3 class=\"wp-block-heading\">Perch\u00e9 non posso confrontare direttamente le percentuali di due periodi?<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Perch\u00e9 una percentuale ha senso solo se esiste un denominatore affidabile. Se le richieste sono il numeratore e le sessioni il denominatore, e le sessioni sono misurate male, la percentuale eredita l&#8217;errore. Il test di Poisson lavora sui conteggi e sulle durate, e non ha bisogno di un denominatore: per questo \u00e8 pi\u00f9 robusto quando il denominatore \u00e8 incerto.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Che differenza c&#8217;\u00e8 fra il test di Poisson e un test sulle proporzioni?<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Il test sulle proporzioni (<code>prop.test()<\/code>) serve quando ogni prova ha un esito s\u00ec\/no e il numero di prove \u00e8 noto: 1.000 sessioni, 30 conversioni. Il test di Poisson serve quando il numero di prove non \u00e8 noto e contiamo direttamente gli eventi in un intervallo di tempo. Se il denominatore c&#8217;\u00e8 ed \u00e8 affidabile, il test sulle proporzioni \u00e8 la scelta naturale; se non c&#8217;\u00e8, si resta sui tassi.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Un p-value alto vuol dire che non \u00e8 cambiato niente?<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">No. Vuol dire che i dati non bastano a dimostrare un cambiamento. L&#8217;intervallo di confidenza \u00e8 pi\u00f9 informativo, perch\u00e9 dice quali cambiamenti possiamo escludere e quali restano compatibili con i dati. Un intervallo largo \u00e8 un&#8217;informazione preziosa: ci dice che servono pi\u00f9 dati, non che va tutto bene.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Posso usarlo per confrontare pi\u00f9 di due periodi?<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">S\u00ec, ma non con una sola chiamata: si confrontano a coppie, oppure si passa a un modello di regressione di Poisson con il periodo come variabile. Attenzione, in quel caso, ai confronti multipli: con molti periodi e molte pagine, qualche differenza \u00absignificativa\u00bb esce sempre per caso.<\/p>\n\n\n\n<script type=\"application\/ld+json\">{\"@context\": \"https:\/\/schema.org\", \"@type\": \"FAQPage\", \"mainEntity\": [{\"@type\": \"Question\", \"name\": \"Perch\u00e9 non posso confrontare direttamente le percentuali di due periodi?\", \"acceptedAnswer\": {\"@type\": \"Answer\", \"text\": \"Perch\u00e9 una percentuale ha senso solo se esiste un denominatore affidabile. Se le richieste sono il numeratore e le sessioni il denominatore, e le sessioni sono misurate male, la percentuale eredita l'errore. Il test di Poisson lavora sui conteggi e sulle durate, e non ha bisogno di un denominatore: per questo \u00e8 pi\u00f9 robusto quando il denominatore \u00e8 incerto.\"}}, {\"@type\": \"Question\", \"name\": \"Che differenza c'\u00e8 fra il test di Poisson e un test sulle proporzioni?\", \"acceptedAnswer\": {\"@type\": \"Answer\", \"text\": \"Il test sulle proporzioni (prop.test()) serve quando ogni prova ha un esito s\u00ec\/no e il numero di prove \u00e8 noto: 1.000 sessioni, 30 conversioni. Il test di Poisson serve quando il numero di prove non \u00e8 noto e contiamo direttamente gli eventi in un intervallo di tempo. Se il denominatore c'\u00e8 ed \u00e8 affidabile, il test sulle proporzioni \u00e8 la scelta naturale; se non c'\u00e8, si resta sui tassi.\"}}, {\"@type\": \"Question\", \"name\": \"Un p-value alto vuol dire che non \u00e8 cambiato niente?\", \"acceptedAnswer\": {\"@type\": \"Answer\", \"text\": \"No. Vuol dire che i dati non bastano a dimostrare un cambiamento. L'intervallo di confidenza \u00e8 pi\u00f9 informativo, perch\u00e9 dice quali cambiamenti possiamo escludere e quali restano compatibili con i dati. Un intervallo largo \u00e8 un'informazione preziosa: ci dice che servono pi\u00f9 dati, non che va tutto bene.\"}}, {\"@type\": \"Question\", \"name\": \"Posso usarlo per confrontare pi\u00f9 di due periodi?\", \"acceptedAnswer\": {\"@type\": \"Answer\", \"text\": \"S\u00ec, ma non con una sola chiamata: si confrontano a coppie, oppure si passa a un modello di regressione di Poisson con il periodo come variabile. Attenzione, in quel caso, ai confronti multipli: con molti periodi e molte pagine, qualche differenza \u00absignificativa\u00bb esce sempre per caso.\"}}]}<\/script>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"prova-tu\">Prova tu<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Un modulo ha ricevuto 55 invii in un mese di 31 giorni e 48 in un mese di 30 giorni. Il ritmo \u00e8 cambiato?<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code>poisson.test(c(55, 48), T = c(31, 30))<\/code><\/pre>\n\n\n\n<p class=\"wp-block-paragraph\">Il rapporto \u00e8 circa 1,11, l&#8217;intervallo attraversa l&#8217;1 e il p-value \u00e8 ben sopra 0,05: con questi numeri non c&#8217;\u00e8 nulla da dire. Proviamo ora con 12 invii in 7 giorni contro 3 invii nei 7 giorni precedenti: il rapporto \u00e8 4, ma l&#8217;intervallo \u00e8 cos\u00ec largo che anche un ritmo identico resta plausibile. \u00c8 l&#8217;esercizio pi\u00f9 utile: cercare il punto in cui il test smette di essere informativo, e scriverlo nel report.<\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<p class=\"wp-block-paragraph\">Il confronto fra due periodi risolve met\u00e0 del problema. L&#8217;altra met\u00e0 comincia quando i periodi sono dodici mesi consecutivi e la stagionalit\u00e0 rende il confronto mese su mese un rebus: dicembre non si pu\u00f2 confrontare con novembre, e la decomposizione classica con soli due anni di dati si rifiuta di partire. \u00c8 il tema del prossimo articolo: <a href=\"https:\/\/www.gironi.it\/blog\/confronto-anno-su-anno\/\">togliere la stagionalit\u00e0 senza avere abbastanza stagioni<\/a>.<\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h3 class=\"wp-block-heading\" id=\"per-approfondire\">Per approfondire<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Per rivedere i test di inferenza con un testo che parte dalle basi e arriva ai modelli per conteggi, consiglio <a href=\"https:\/\/www.amazon.it\/dp\/8891910651?tag=consulenzeinf-21&amp;ascsubtag=confrontare-conteggi-poisson\" rel=\"nofollow sponsored noopener\" target=\"_blank\"><em>Statistica<\/em><\/a> di Newbold, Carlson e Thorne: \u00e8 il manuale che molti corsi universitari usano, e la parte sui test per proporzioni e conteggi \u00e8 pi\u00f9 chiara di tanti testi specialistici. Se invece si vuole arrivare alla Poisson partendo da zero, senza dare per scontata la teoria delle distribuzioni, <a href=\"https:\/\/www.amazon.it\/dp\/8867319396?tag=consulenzeinf-21&amp;ascsubtag=confrontare-conteggi-poisson\" rel=\"nofollow sponsored noopener\" target=\"_blank\"><em>Finalmente ho capito la statistica<\/em><\/a> di Maurizio De Pra \u00e8 il libro che consiglio a chi comincia.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Un sito riceve 612 richieste quest&#8217;anno e ne aveva ricevute 640 l&#8217;anno prima. Il conto \u00e8 presto fatto: \u22124,4%. Parte la ricerca della causa, e con essa la riunione in cui qualcuno propone di rifare le pagine di servizio, qualcun altro incolpa la stagione, qualcun altro ancora \u00abil calo generale del mercato\u00bb. Prima di spiegare &hellip; <a href=\"https:\/\/www.gironi.it\/blog\/confrontare-conteggi-poisson\/\" class=\"more-link\">Leggi tutto<span class=\"screen-reader-text\"> &#8220;Le richieste sono calate davvero? Confrontare due periodi quando si contano eventi&#8221;<\/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":[629],"tags":[],"class_list":["post-4565","post","type-post","status-publish","format-standard","hentry","category-statistica-it"],"lang":"it","translations":{"it":4565,"en":4575},"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":1,"uagb_excerpt":"Un sito riceve 612 richieste quest&#8217;anno e ne aveva ricevute 640 l&#8217;anno prima. Il conto \u00e8 presto fatto: \u22124,4%. Parte la ricerca della causa, e con essa la riunione in cui qualcuno propone di rifare le pagine di servizio, qualcun altro incolpa la stagione, qualcun altro ancora \u00abil calo generale del mercato\u00bb. Prima di spiegare&hellip;","_links":{"self":[{"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/posts\/4565","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=4565"}],"version-history":[{"count":2,"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/posts\/4565\/revisions"}],"predecessor-version":[{"id":4573,"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/posts\/4565\/revisions\/4573"}],"wp:attachment":[{"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/media?parent=4565"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/categories?post=4565"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/tags?post=4565"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}