Quando fai un test statistico, puoi sbagliare in due modi commettendo sono errori in direzioni opposte.
Il primoerrore si chiama di tipo I: concludi che c’è un effetto quando in realtà non c’è. Hai visto qualcosa che non esiste. In letteratura lo chiamano falso positivo. La probabilità di commetterlo è esattamente illivello di significativitàche scegli, quel famoso 0.05. Significa che accetti in partenza un rischio del 5% di gridare “trovato” quando non c’è niente da trovare.
Il secondo errore si chiama di tipo II. Non rilevi un effetto che invece esiste. Hai mancato qualcosa di reale. Lo chiamano falso negativo. Questo errore dipende dalla potenza del test, quanto è capace di vedere ciò che c’è. Con campioni piccoli, la potenza cala e il rischio di tipo II sale.
Il problema è che i due errori si compensano a vicenda: ridurre uno tende ad aumentare l’altro. Abbassare la soglia di significatività per evitare falsi positivi rende il test più conservativo e aumenta il rischio di perdere effetti reali.
Non esiste una soluzione che elimini entrambi. Esiste solo la consapevolezza di quale rischio stai scegliendo di correre e perché.
In statistica non si cerca la certezza. Si sceglie quale incertezza è più accettabile.
Nota editoriale
Questo articolo ha finalità divulgative e informative. I contenuti non costituiscono consulenza professionale e non sostituiscono una valutazione specifica del tuo studio o progetto di ricerca. Mathsly Research declina ogni responsabilità per decisioni metodologiche o analitiche adottate sulla base dei soli contenuti del magazine senza consulenza professionale dedicata. Per supporto specifico:mathsly.it.