Problema di Monty Hall e ricerca scientifica: perché l’intuizione può ingannare.

MG
Prof.ssa Marilù Garo
Scientific Director · Mathsly Research
Mar 2026
8 min di lettura

Hai mai avuto la certezza assoluta di aver fatto la scelta giusta, salvo scoprire che era sbagliata nel momento in cui qualcuno ti ha mostrato i numeri? Nella ricerca scientifica succede più spesso di quanto si ammetta. E il problema, quasi mai, è la competenza, ma è la struttura stessa di come ragiona la mente umana. Scopriamo di più.

Nel mondo della ricerca, una delle forme più insidiose di errore non nasce dalla mancanza di dati né da un difetto nel disegno dello studio. Nasce da un meccanismo molto più sottile: la tendenza della mente a costruire ragionamenti che sembrano solidi ma che, alla prova del metodo scientifico, rivelano crepe profonde.

La tendenza a sopravvalutare i risultati positivi e a minimizzare quelli negativi può derivare dal desiderio di valorizzare gli aspetti più promettenti del proprio lavoro. In molti casi, però, questa distorsione non è frutto di un’intenzione consapevole: affonda le radici in un bias involontario, un automatismo cognitivo che porta il ricercatore a enfatizzare ciò che appare favorevole rispetto a ciò che è neutro o negativo — non per malizia, ma per come funziona il cervello umano sotto pressione.

La mente, per risparmiare energia cognitiva, tende a semplificare. Cerca simmetrie dove non ce ne sono, costruisce connessioni che “suonano vere”, preferisce ciò che appare immediatamente plausibile rispetto a ciò che è dimostrabile. Il risultato è che ragionare da ricercatori — guidati solo dall’evidenza — non è così naturale come vorremmo credere.

È in questo contesto che emergono quelli che potremmo definire inganni dell’intuizione: situazioni in cui una risposta sembra logica e rassicurante, ma si rivela errata o fuorviante. Scenari che mostrano con chiarezza quanto sia facile confondere un’impressione di plausibilità con un fondamento metodologico solido.

Una puntata a blackjack

Per capire davvero la natura di questi inganni, vale la pena spostarsi per un momento nel mondo del cinema — e più precisamente in uno dei film più noti sulla psicologia delle decisioni sotto incertezza:21.

L’atmosfera è già tutta nella frase che ne apre la narrazione:“Winner, winner, chicken dinner”— un’espressione tipica dei casinò di Las Vegas, apparentemente scherzosa, che nasconde un universo fatto di calcolo, rischio e illusione. È proprio in contesti ibridi tra razionalità e percezione che gli errori cognitivi si manifestano con maggiore evidenza. E non solo al tavolo da gioco.

Il film racconta — ispirandosi a fatti reali — la storia di un gruppo di studenti del MIT reclutati da un professore di matematica con un obiettivo preciso: battere i casinò contando le carte. Tra questi studenti c’è Ben Campbell, brillante e metodico, determinato a ottenere una borsa di studio per Harvard Medical School. La trama sembra introdurci alla tecnica del conteggio e alla matematica applicata al gioco, ma la vera forza del film sta nella sottile pedagogia che lo attraversa: ogni scena è un test, ogni dialogo una verifica, ogni dimostrazione una sfida alla percezione.

Il Problema di Monty Hall

Prima ancora di portare Ben al tavolo da gioco, il professor Micky Rosa — interpretato da Kevin Spacey — decide di testarne la capacità di ragionare contro l’intuizione. La scena che ne deriva non contiene algebra né teoria dei numeri: c’è invece un semplice quiz travestito da gioco televisivo. È il celebre Problema di Monty Hall, apparentemente banale, capace di mettere in crisi chiunque non abbia la pazienza di interpretare correttamente la struttura dell’informazione.

La dinamica è questa: tre porte, un’automobile nascosta dietro una di esse, due capre dietro le altre. Ben sceglie la porta numero uno. Il conduttore — impersonato dal professor Rosa — apre la porta numero tre, rivelando una capra. Ed è esattamente in questo momento che si manifesta l’inganno: molti, vedendo due porte rimaste chiuse, sono portati a pensare che le probabilità si riducano a un “cinquanta e cinquanta”, e che mantenere la scelta iniziale sia ragionevole quanto cambiarla.

Rosa non lascia passare questa scorciatoia mentale. Si rivolge direttamente a Ben: «Ora, il presentatore — che conosce il contenuto di tutte le porte — apre la numero tre. Una capra. A questo punto ti chiede: vuoi rimanere con la porta uno o passare alla porta due? È nel tuo interesse cambiare?»

Ben risponde subito di sì. Rosa lo interrompe: «Aspetta. E se il presentatore stesse usando la psicologia inversa? Come fai a sapere che non vuole guidarti verso l’errore?»

Ben non si lascia disorientare: «Non mi interessa. La mia risposta si basa sulla statistica. Sulla variazione delle variabili.»

«Variazione delle variabili? Ti ho fatto solo una domanda semplice.»

«Sì, ma quella domanda ha cambiato tutto.»

Rosa lo invita a sviluppare il ragionamento. Ben lo espone con chiarezza cristallina: «All’inizio avevo il 33,3% di probabilità di scegliere la porta giusta. Dopo che il presentatore apre una delle altre due porte e mi offre la possibilità di cambiare, la probabilità sale al 66,7% se cambio. Quindi sì, scelgo la numero due. E ringrazio per quel 33,3% in più.»

Rosa sorride: «Esatto.» Poi si rivolge all’intera classe: «Ricordate: quando non sapete quale porta aprire, considerate sempre la variazione delle variabili. La maggior parte delle persone non cambierebbe, frenata da emozioni, paura, abitudini mentali. Ma il signor Campbell ha messo da parte tutto questo e ha lasciato che fosse la matematica a guidarlo.»

Mathsly Research
Un errore di metodo — nel disegno, nell'analisi o nella scrittura — può costare uno studio.

Dalla progettazione alla pubblicazione, supporto metodologico completo, rigoroso e firmato.

Perché il problema inganna e perché c’entra con la ricerca

Il Problema di Monty Hall si presenta in modo simmetrico, ma non lo è. Sembra una scelta tra due possibilità equivalenti, ma la struttura probabilistica è profondamente diversa da ciò che appare. Questo è esattamente il tipo di errore che ritroviamo nella ricerca: non un calcolo sbagliato, ma una lettura distorta dell’informazione disponibile.

Quando il conduttore apre una porta, non compie un gesto neutro — porta nuova informazione. Chi ignora questa variazione delle variabili e ragiona come se il problema fosse rimasto identico a prima commette un errore strutturale, non numerico. Scambia una sensazione di coerenza per una dimostrazione reale.

Nella ricerca scientifica il meccanismo è lo stesso. Un ricercatore che analizza i dati di un sottogruppo senza considerare come quel sottogruppo è stato selezionato, o che interpreta una correlazione senza interrogarsi sulle variabili di confondimento, sta aprendo la porta sbagliata — convinto che le probabilità siano ancora cinquanta e cinquanta.

Dove questi errori appaiono davvero

Gli inganni dell’intuizione non si limitano a problemi astratti. Sono frequenti e documentati in ambito medico ed economico, dove la complessità dei dati e l’incertezza delle misure amplificano le distorsioni.

In medicina, il Paradosso di Simpson mostra come un trattamento possa sembrare efficace nei dati aggregati, ma rivelarsi inefficace — o addirittura dannoso — una volta stratificato per età, sesso o gravità della malattia. L’inganno della sensibilità e specificità evidenzia invece come un test diagnostico apparentemente accurato possa generare molti falsi positivi in popolazioni a bassa prevalenza, rendendo il suo utilizzo clinicamente poco utile pur mantenendo un’apparenza di rigore.

In economia, fenomeni analoghi emergono nel Paradosso di Berkeley e nell’effetto part-whole, in cui indicatori aggregati mostrano miglioramenti che non si verificano nei singoli sottogruppi. Oppure nelle serie temporali, dove un trend locale può far credere a una crescita che nel lungo periodo non esiste.

In tutti questi casi, ciò che sembra evidente è un’illusione generata da una lettura incompleta o distorta dell’informazione. La struttura del problema è cambiata — come quando il conduttore apre la porta — ma il ragionamento è rimasto fermo alla scelta iniziale.

Come affrontare questi errori

Riconoscere un errore cognitivo è fondamentale. Affrontarlo è la parte decisiva.

Affrontare questi inganni richiede tre cose: consapevolezza, metodo e verifica. Consapevolezza significa accettare che la prima risposta che sembra corretta possa non esserlo. Metodo significa scomporre il ragionamento, formalizzare il problema, esplicitare variabili e dipendenze, analizzare scenari alternativi. Verifica significa confrontare le proprie conclusioni con dati reali, simulazioni e modelli alternativi — con l’obiettivo di mettere alla prova l’ipotesi, non di confermarla.

Il dubbio metodologico, in questo senso, non è un ostacolo: è una risorsa. È il dubbio che ci costringe a verificare la coerenza delle conclusioni, che impedisce all’intuizione di trasformarsi in convinzione infondata. Quando questo approccio diventa parte del modo di ragionare del ricercatore, gli errori non scompaiono — ma diventano riconoscibili e gestibili.

Il ruolo della peer review

In questo scenario, la peer review assume una funzione essenziale: introduce uno sguardo esterno, meno coinvolto e meno vulnerabile ai bias dell’autore. Permette di identificare ragionamenti ingannevoli, conclusioni costruite più sull’intuizione che sui dati, errori metodologici e interpretazioni affrettate.

È una dinamica che ricorda il rapporto tra Rosa e Ben nel film: un osservatore competente che mette alla prova il ragionamento altrui, non per ostacolarlo, ma per rafforzarlo. La peer review non è un controllo editoriale — è uno strumento epistemologico che restituisce ai risultati la solidità che solo la valutazione critica tra pari può garantire.

Conclusione

La scena del film21ci ricorda che, nella scienza come nella vita, l’intuizione può essere seducente ma ingannevole. Le probabilità richiedono disciplina, metodo e una costante disponibilità a revisionare le proprie convinzioni quando nuove informazioni emergono.

Riconoscere e affrontare gli inganni dell’intuizione non è un esercizio astratto: è un requisito della buona ricerca. Il rigore metodologico, la formalizzazione del problema, la verifica dei risultati e il confronto con scenari alternativi sono strumenti indispensabili per evitare le distorsioni del ragionamento.

La lezione del professor Rosa e quella di Monty Hall coincidono: non basta scegliere una porta, bisogna comprendere perché la si sta scegliendo. E nella ricerca, come in quel celebre gioco televisivo, è la capacità di interpretare correttamente l’informazione — e di modificare il proprio giudizio quando lo scenario cambia — a determinare la qualità delle nostre decisioni.

La scienza avanza non grazie a intuizioni brillanti, ma grazie a intuizioni messe alla prova, corrette, confutate e infine confermate dai dati. È in questa dialettica tra ciò che sembra vero e ciò che è dimostrabile che si costruisce la conoscenza. E, proprio come nel film, è la matematica — più dell’intuizione — a indicarci la porta giusta da aprire.

Revisione pre-submission
Prima di inviare alla rivista, fallo leggere a un metodolgo.

Revisione critica di metodi, statistica e reporting. CONSORT, STROBE, PRISMA, GRADE. Risposta ai reviewer inclusa.

CONSORTSTROBEPRISMAGRADE
Richiedi la revisione →Scopri il servizioScopri tutti i servizi →
Revisione pre-submission
Prima di inviare alla rivista, fallo leggere a un metodolgo.

Revisione critica di metodi, statistica e reporting. CONSORT, STROBE, PRISMA, GRADE. Risposta ai reviewer inclusa.

CONSORTSTROBEPRISMAGRADE

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.

Mathsly Research
Stai conducendo uno studio o hai bisogno di una consulenza personalizzata?

Dal disegno dello studio alla submission finale — SAP, analisi statistica, protocolli, PROSPERO, comitati etici, AI validation e assistenza in fase di peer-review.

Parliamo del tuo progetto →
Biostatistica clinicaSAP / RAPMeta-analisiPROSPEROAI ValidationMDR / IVDRComitati eticiPeer-review support
Risposta entro 48h · mathsly.it

I contenuti di Mathsly Research Magazine hanno finalità divulgative e non costituiscono consulenza professionale. Non ci assumiamo responsabilità per decisioni adottate sulla base dei soli articoli pubblicati. Termini d'uso