Stai guardando un esercizio di statistica e la traccia sembra innocua: scegliere un campione di 100 studenti da una popolazione di 1.000. Poi leggi meglio: i 1.000 studenti appartengono a anni di corso diversi, e da lì nasce il dubbio vero. La differenza tra campionamento stratificato e casuale semplice è questa: nel campionamento casuale semplice estrai le unità direttamente dall'intera popolazione, dando a ciascuna la stessa probabilità di essere selezionata; nel campionamento stratificato dividi prima la popolazione in gruppi rilevanti, detti strati, e poi campioni all'interno di ogni strato. Il primo punta alla semplicità; il secondo alla rappresentazione controllata dei gruppi che contano.
Per capire quale usare all'università non basta ricordare la definizione: devi vedere quando gli strati servono davvero, quali vantaggi danno, quali limiti introducono e come riconoscere il metodo giusto in un esercizio. In questa guida trovi un confronto chiaro, un esempio svolto passo per passo e una procedura pratica per non confonderti all'esame.
Differenza in una frase
La vera differenza non sta solo nel modo in cui si estrae, ma nell'informazione che decidi di usare prima dell'estrazione. Con il campionamento casuale semplice tratti la popolazione come un unico insieme. Con il campionamento stratificato riconosci che dentro la popolazione esistono sottogruppi importanti e li preservi nel campione.
- Casuale semplice: una sola lista, un'unica estrazione, massima linearità operativa.
- Stratificato: prima dividi in strati, poi estrai in ogni strato, così eviti che alcuni gruppi restino troppo poco rappresentati.
- Domanda chiave: i gruppi interni alla popolazione sono irrilevanti oppure possono cambiare il risultato che vuoi stimare?
Se stai ripassando queste tecniche di campionamento statistica per l'esame, il corso di Statistica di Weduup raccoglie lezioni registrate e on-demand, organizzate per il singolo esame, con esercizi e appelli quando previsti. Si segue online tramite l'app desktop Weduup per Windows e macOS e, per molti studenti che non hanno bisogno di interazione continua, può affiancare o sostituire le ripetizioni.
Come funzionano davvero i due metodi
Campionamento casuale semplice
Hai una popolazione di dimensione N e vuoi estrarre un campione di dimensione n. Nel campionamento casuale semplice ogni unità della popolazione ha la stessa probabilità di essere scelta e ogni campione di n unità è, in linea di principio, estraibile secondo la regola prevista. Operativamente immagini una lista completa delle unità e un'estrazione casuale.
È il metodo più immediato da spiegare e spesso il primo insegnato perché fa capire bene l'idea di casualità. Il suo punto forte è che non richiede informazioni preventive sulla struttura interna della popolazione, oltre all'elenco delle unità da cui estrarre.
Campionamento stratificato
Nel campionamento stratificato la popolazione viene suddivisa in strati, cioè gruppi non sovrapposti costruiti su una variabile ritenuta rilevante per l'analisi: per esempio anno di corso, fascia d'età o area disciplinare. Dopo la suddivisione, si estrae un campione separato in ogni strato.
La versione più comune all'università è lo stratificato proporzionale. Se N_h è la numerosità dello strato h, N la popolazione totale, n il campione totale e n_h il numero di unità da estrarre nello strato h, allora:
n_h = n × (N_h / N)
Questa formula dice che ogni strato riceve una quota di campione proporzionale al suo peso nella popolazione. In pratica, usi la casualità dentro ogni strato, ma non lasci al caso la presenza dei gruppi nel campione.
Quando usare il campionamento stratificato e quando no
La domanda più utile non è quale metodo sia più elegante in teoria, ma quando usare il campionamento stratificato rispetto al casuale semplice. La risposta dipende da come è fatta la popolazione e da che cosa vuoi stimare.
Scegli il campionamento casuale semplice se
- la popolazione è abbastanza omogenea rispetto al fenomeno che stai studiando;
- non hai una variabile chiara con cui costruire strati sensati;
- ti serve una procedura rapida e pulita in un esercizio base;
- hai una lista completa delle unità e vuoi evitare passaggi aggiuntivi.
Un esempio tipico: vuoi stimare il tempo medio di percorrenza casa-biblioteca in un gruppo di studenti che frequentano lo stesso polo e non hai ragioni forti per pensare che esistano sottogruppi decisivi. In un caso così, il campionamento casuale semplice può essere del tutto adeguato.
Scegli il campionamento stratificato se
- la popolazione contiene gruppi che differiscono in modo plausibile sul fenomeno studiato;
- vuoi essere sicuro che ogni gruppo entri nel campione;
- alcuni strati sono piccoli e rischierebbero di comparire troppo poco con un'estrazione puramente casuale;
- l'esercizio ti fornisce già la popolazione divisa per categorie rilevanti.
Esempio classico universitario: devi stimare le ore medie di studio settimanali di studenti distribuiti tra primo, secondo e terzo anno. Se pensi che l'anno di corso incida sulle abitudini di studio, ignorarlo e campionare tutto insieme può produrre un campione sbilanciato per pura casualità. In quel caso lo stratificato ha più senso.
Vantaggi e limiti a confronto
Tra le tecniche di campionamento in statistica, queste due sono spesso messe a confronto perché sembrano vicine. In realtà risolvono problemi diversi.
Vantaggi del campionamento casuale semplice
- È facile da capire, spiegare e applicare.
- Richiede meno informazioni preliminari sulla popolazione.
- Riduce il rischio di costruire male gruppi artificiali prima dell'estrazione.
- In molti esercizi introduttivi è il punto di partenza più lineare.
Limiti del campionamento casuale semplice
- Può generare campioni poco equilibrati rispetto a gruppi importanti presenti nella popolazione.
- Se alcuni sottogruppi sono numericamente piccoli, potrebbero risultare quasi assenti.
- Non sfrutta informazioni utili già disponibili sulla struttura della popolazione.
Vantaggi del campionamento stratificato
- Garantisce una presenza controllata dei gruppi scelti come strati.
- È molto utile quando la popolazione non è omogenea.
- Rende più trasparente il confronto tra sottogruppi.
- All'esame ti aiuta a mostrare che hai letto bene il contesto del problema, non solo la formula.
Limiti del campionamento stratificato
- Richiede informazioni affidabili per definire gli strati.
- Se gli strati sono scelti male, la procedura si complica senza dare vero vantaggio.
- Serve più attenzione operativa: devi suddividere, allocare, estrarre e poi ricomporre correttamente il campione.
In breve: il casuale semplice è forte per semplicità, lo stratificato per controllo. La scelta giusta dipende dal fatto che i gruppi interni siano trascurabili o decisivi.
Esempio svolto
Dati e ipotesi
Supponi di voler stimare le ore medie di studio a settimana degli studenti iscritti a un insegnamento universitario. La popolazione totale è N = 1.000 studenti, distribuiti così:
- Primo anno: N1 = 500
- Secondo anno: N2 = 300
- Terzo anno: N3 = 200
Vuoi estrarre un campione di n = 100 studenti. L'ipotesi ragionevole è che l'anno di corso influenzi il numero di ore di studio settimanali. Per questo confronteremo i due metodi.
Passaggio 1: cosa succede con il campionamento casuale semplice
Se estrai 100 studenti da tutti i 1.000 senza distinguere i gruppi, l'estrazione è corretta dal punto di vista del metodo. Tuttavia, un possibile esito ipotetico potrebbe essere:
- 63 studenti del primo anno
- 25 studenti del secondo anno
- 12 studenti del terzo anno
Non c'è un errore formale: è il risultato del caso. Il problema è pratico. Se il terzo anno ha abitudini di studio diverse, 12 osservazioni possono risultare poche per rappresentarlo bene nel campione rispetto al suo peso reale nella popolazione, che è il 20%.
Passaggio 2: allocazione nello stratificato proporzionale
Con il campionamento stratificato decidi prima gli strati: primo, secondo e terzo anno. Poi assegni a ciascuno una quota di campione con la formula:
n_h = n × (N_h / N)
Dove:
- n_h = numerosità del campione nello strato h
- n = numerosità totale del campione
- N_h = numerosità dello strato h nella popolazione
- N = numerosità totale della popolazione
Calcolo:
- Primo anno: n1 = 100 × (500 / 1000) = 50
- Secondo anno: n2 = 100 × (300 / 1000) = 30
- Terzo anno: n3 = 100 × (200 / 1000) = 20
Adesso non hai ancora scelto i singoli studenti, ma hai stabilito quanti studenti estrarre da ogni anno. L'estrazione casuale avverrà dentro ciascuno strato.
Passaggio 3: stima della media complessiva
Immagina che, dopo l'estrazione stratificata, le medie osservate delle ore di studio settimanali siano:
- Primo anno: x̄1 = 17,8 ore a settimana
- Secondo anno: x̄2 = 22,4 ore a settimana
- Terzo anno: x̄3 = 26,5 ore a settimana
La media complessiva stratificata si ottiene pesando ogni media di strato per il peso dello strato nella popolazione:
x̄_st = Σ(W_h × x̄_h)
Dove:
- x̄_st = media campionaria stratificata complessiva
- W_h = N_h / N = peso dello strato h sulla popolazione
- x̄_h = media osservata nello strato h
Quindi:
x̄_st = 0,50 × 17,8 + 0,30 × 22,4 + 0,20 × 26,5 = 8,9 + 6,72 + 5,30 = 20,92 ore a settimana
La stima finale è quindi 20,92 ore di studio a settimana.
Controllo finale
- Le numerosità di strato sommano correttamente: 50 + 30 + 20 = 100.
- I pesi sommano a 1: 0,50 + 0,30 + 0,20 = 1.
- Ogni anno di corso è rappresentato in proporzione alla sua presenza reale.
Che cosa hai imparato da questo esempio universitario? Non che il campionamento casuale semplice sia sbagliato, ma che lo stratificato è spesso preferibile quando esistono gruppi interni plausibilmente diversi sul fenomeno osservato. La differenza, in pratica, sta nel livello di controllo che vuoi avere sulla composizione del campione.
Procedura in 5 passaggi per scegliere il metodo giusto
- Definisci l'obiettivo. Vuoi stimare una media, una proporzione o confrontare gruppi? Se i gruppi sono parte del problema, il semplice potrebbe non bastare.
- Guarda la popolazione. Chiediti se è ragionevole trattarla come omogenea oppure no.
- Individua una variabile di stratificazione sensata. Deve essere disponibile prima dell'estrazione e avere un nesso plausibile con il fenomeno studiato.
- Valuta il rischio di sottorappresentazione. Se alcuni gruppi piccoli sono importanti, lo stratificato diventa molto utile.
- Controlla la fattibilità operativa. Se non hai dati per costruire gli strati, il casuale semplice resta l'opzione più pulita.
Questa procedura ti aiuta anche a interpretare le tracce d'esame: spesso la scelta del metodo è già suggerita dai dati forniti, ma bisogna riconoscerla.
Errori comuni che confondono all'esame
- Confondere strati e cluster. Negli strati vuoi gruppi distinti e rilevanti, poi campioni dentro ciascun gruppo. Nei cluster la logica è diversa.
- Pensare che lo stratificato sia sempre migliore. Se gli strati non servono davvero o sono scelti male, stai solo complicando il problema.
- Dimenticare la proporzionalità. Se l'esercizio richiede stratificazione proporzionale, non puoi assegnare numeri a caso ai diversi strati.
- Usare gruppi non pertinenti. Dividere per criterio disponibile ma irrilevante non rende automaticamente il campione migliore.
- Scordare il controllo finale. Le quote devono sommare a n, i pesi a 1 e le unità di misura devono restare coerenti, per esempio ore a settimana in tutto il calcolo.
Molti errori nascono da una lettura superficiale della traccia: la tecnica corretta si capisce spesso dalla struttura stessa della popolazione descritta.
Checklist operativa prima di consegnare un esercizio
- Ho scritto chiaramente se sto usando campionamento casuale semplice o campionamento stratificato?
- Se uso lo stratificato, ho definito gli strati e spiegato perché sono rilevanti?
- Ho indicato il significato dei simboli N, n, N_h e n_h?
- Se faccio allocazione proporzionale, la somma delle quote coincide con il campione totale?
- Le unità di misura sono coerenti in tutti i passaggi?
- La scelta del metodo è coerente con l'obiettivo dell'esercizio?
Autoverifica rapida
- Se la popolazione è divisa in gruppi che potrebbero comportarsi in modo diverso, ha senso ignorarli?
- Se un gruppo pesa poco nella popolazione ma è importante per l'analisi, il casuale semplice lo protegge abbastanza?
- Riesci a spiegare in una frase perché nello stratificato si estrae dopo aver costruito gli strati?
- Sapresti calcolare n_h = n × (N_h / N) senza confondere popolazione totale e dimensione del campione?
Se a una o più domande hai risposto con esitazione, conviene ripassare sia la logica del metodo sia almeno un esercizio completo. Per orientarti nel percorso può esserti utile anche la guida all'esame di Statistica.
In sintesi
La differenza tra campionamento stratificato e casuale semplice è semplice da dire ma importante da applicare: il casuale semplice estrae dall'intera popolazione senza distinguere gruppi, lo stratificato usa prima la struttura della popolazione e poi campiona dentro ogni strato. Se la popolazione è abbastanza uniforme, il primo è spesso sufficiente. Se esistono gruppi rilevanti che vuoi rappresentare con più controllo, il secondo è la scelta più convincente.
Se vuoi ripassare questi passaggi con lezioni registrate e on-demand pensate per il singolo esame, puoi vedere il percorso di Statistica su Weduup: è una modalità pratica per chi cerca un supporto ordinato, con esercizi e appelli quando previsti, senza dover dipendere da un'interazione live continua.