Quando si lavora con campioni grandi, la distribuzione normale funziona bene. Ma Gosset – ideatore deltest tdi Student – non aveva campioni grandi: aveva lotti di birra, qualche misurazione e il problema concreto di trarre conclusioni affidabili da pochi dati.
Il punto è questo: con campioni piccoli, stimare la variabilità dei dati introduce un’incertezza aggiuntiva. La distribuzione normale non la considera: essa assume di conoscere la varianza della popolazione, che nella pratica quasi mai si conosce. Gosset capì che questa assunzione, con campioni ridotti, portava a sottostimare l’incertezza e quindi a essere troppo sicuri dei propri risultati.
La distribuzione t che sviluppò è più cauta. Ha le code più pesanti rispetto alla normale, ossia assegna più probabilità agli eventi estremi, riflettendo l’incertezza aggiuntiva che deriva dall’avere pochi dati. Al crescere della dimensione del campione, le due distribuzioni si avvicinano fino a coincidere praticamente. Con trenta osservazioni o più, la differenza è già trascurabile.
Gosset non stava complicando le cose. Stava semplicemente dicendo la verità sui dati che aveva e sulla prudenza che richiedevano.
Con pochi dati, la distribuzione normale è ottimista. La distribuzione t è realista. E in statistica, il realismo vale più dell’ottimismo.
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.