Hai il foglio degli esercizi aperto, la calcolatrice sul banco e sul quaderno una scritta cerchiata: z o t? È una scena esemplificativa, ma tipica quando mancano pochi giorni all’esame di statistica e tutte le formule sembrano quasi uguali.
La risposta breve a “t di student o normale quando si usa” è questa: usa la normale (z) quando la deviazione standard della popolazione σ è nota, oppure quando il corso ammette l’approssimazione normale con campioni grandi; usa la t di Student quando σ è ignota e la sostituisci con la deviazione standard campionaria s, soprattutto se il campione è piccolo e i dati sono plausibilmente normali. La differenza pratica sta nelle code più larghe della t e nei gradi di libertà.
Risposta rapida: t o normale?
Negli esercizi universitari più comuni, la scelta riguarda quasi sempre test e intervalli sulla media. Se stai stimando o testando una media, la regola operativa è semplice:
- Normale (z): quando conosci la deviazione standard della popolazione, cioè σ.
- T di Student: quando σ è ignota e usi la deviazione standard del campione, cioè s.
- Campione piccolo: la t è particolarmente importante perché tiene conto dell’incertezza aggiuntiva dovuta alla stima di σ.
- Campione grande: t e z diventano molto simili; se σ è ignota, in molti corsi resta comunque più corretto usare t.
Questa logica vale sia per i test di ipotesi sia per gli intervalli di confidenza sulla media. Se invece l’esercizio parla di proporzioni, conteggi o variabili categoriche, il confronto non è più tra z e t nello stesso modo.
Se vuoi ripassare questi passaggi in modo ordinato, nel corso di Statistica di Weduup trovi lezioni online registrate e on-demand, organizzate per il singolo esame, con esercizi e appelli quando previsti. Se ti serve anche una panoramica pratica del percorso, puoi consultare la guida all’esame di Statistica.
Perché esiste la distribuzione t di Student
La distribuzione t Student nasce da un problema molto concreto: nella realtà degli esercizi, quasi mai conosci la vera deviazione standard della popolazione. Allora la sostituisci con una stima ricavata dal campione, cioè s. Questa sostituzione introduce ulteriore incertezza.
Se usassi comunque la normale standard come se nulla fosse, tenderesti a essere troppo ottimista: le tue soglie critiche sarebbero un po’ troppo strette. La t di Student corregge proprio questo punto, perché ha code più pesanti della normale. In parole semplici, concede più spazio alla variabilità quando le informazioni sono limitate.
La forma della t dipende dai gradi di libertà. Nel caso classico di un campione per la media, i gradi di libertà sono n−1, dove n è la numerosità campionaria. Con pochi dati, la t è più diversa dalla normale; quando n cresce, la t si avvicina sempre di più alla z.
Questa è la scoperta pratica che spesso fa scattare la comprensione: non stai scegliendo tra due formule quasi identiche, ma tra due modelli di incertezza diversi.
Albero decisionale operativo
Se durante l’esame ti blocchi, segui questa procedura numerata. Funziona bene per gli esercizi standard su media, test e intervalli.
- Individua il parametro: stai lavorando sulla media μ? Se sì, il confronto z/t ha senso. Se lavori su proporzioni, no.
- Controlla cosa conosci: la traccia ti dà la deviazione standard della popolazione σ? Se sì, orientati verso la normale.
- Se σ è ignota, verifica se stai usando la deviazione standard campionaria s. In questo caso la scelta naturale è la t di Student.
- Guarda la dimensione del campione: con un campione piccolo, la t è cruciale perché la differenza rispetto alla normale può cambiare la decisione finale.
- Controlla le ipotesi sui dati: indipendenza, assenza di outlier estremi e distribuzione non troppo lontana dalla normalità, soprattutto se n è piccolo.
- Determina i gradi di libertà: per un test sulla media con un campione, usa n−1.
- Scegli coda e livello di significatività: unilaterale o bilaterale, con α indicato dalla traccia.
- Calcola e confronta: usa il valore critico o il p-value coerente con la distribuzione scelta.
Se vuoi ridurre l’albero decisionale a una frase sola, è questa: se la varianza è ignota e stai testando una media, pensa prima alla t; se σ è nota, pensa alla z.
Campione piccolo, varianza ignota e gradi di libertà
Qui si concentrano i dubbi più frequenti. Nel linguaggio degli esami, campione piccolo statistica significa spesso che non puoi affidarti troppo all’idea che “tanto con molti dati va tutto bene”. Non esiste una soglia magica valida in ogni corso, ma la regola pratica più usata è che n < 30 richiede più attenzione.
Se hai varianza ignota e pochi dati, la t di Student protegge da conclusioni troppo aggressive. Questo perché stai usando s, che è una stima variabile di σ: da un campione piccolo a un altro, s può cambiare parecchio.
I gradi di libertà spiegano quanto è affidabile quella stima. Nel caso a un campione, sono n−1 perché una parte dell’informazione è già stata “spesa” per stimare la media campionaria x̄. Più i gradi di libertà sono bassi, più la t si allarga rispetto alla normale.
Un dettaglio utile in sede d’esame: dire “uso t perché n è piccolo” da solo non basta. La motivazione completa è migliore: uso t perché σ è ignota, la sostituisco con s e, con n piccolo, la differenza rispetto alla normale è rilevante.
Attenzione però all’estremo opposto: se il campione è minuscolo e i dati mostrano forti asimmetrie o outlier pesanti, non sempre la t risolve tutto. In quel caso conviene fermarsi un secondo e chiedersi se le ipotesi del modello sono ragionevoli, secondo il livello del corso.
Z test o t test: confronto rapido senza confondersi
Quando leggi z test o t test, pensa prima alla formula del denominatore.
Statistica z
z = (x̄ − μ0) / (σ / √n)
Dove x̄ è la media campionaria, μ0 è la media ipotizzata sotto H0, σ è la deviazione standard della popolazione nota e n è la dimensione del campione.
Statistica t
t = (x̄ − μ0) / (s / √n)
Dove s è la deviazione standard campionaria, quindi una stima di σ. La statistica segue una distribuzione t con n−1 gradi di libertà nel caso classico a un campione.
La differenza visibile è minima, ma concettualmente è enorme: σ è un parametro della popolazione, s è un numero stimato dai dati. Per questo la t non è solo una “z quasi uguale”, ma la risposta corretta quando l’incertezza sul denominatore va incorporata.
Un’altra regola che fa risparmiare errori: se σ è ignota ma n è grande, usare la t è raramente una scelta sbagliata, perché la t converge verso la normale. Al contrario, usare la z con n piccolo e σ ignota può portarti fuori strada proprio nei casi più delicati.
Infine, non estendere automaticamente questa logica alle proporzioni. Per una proporzione campionaria p̂, di solito si usano approssimazioni normali o metodi esatti, non la t di Student.
Esempio svolto
Vediamo un caso realistico da compito, utile proprio per capire quando la scelta tra t e normale cambia l’esito.
Dati del problema
Una traccia ipotetica chiede di verificare se il tempo medio necessario per completare un esercizio supera 45 minuti. Vengono osservati n = 12 tentativi indipendenti, con media campionaria x̄ = 48 minuti e deviazione standard campionaria s = 6 minuti. La deviazione standard della popolazione non è nota. Si lavori con livello di significatività α = 0,05.
1. Scelta del test
Qui stiamo testando una media. La varianza della popolazione è ignota e il campione è piccolo. Quindi la scelta corretta è un t test a un campione, non uno z test.
2. Ipotesi
H0: μ = 45 minuti
H1: μ > 45 minuti
È un test unilaterale destro, perché vogliamo verificare se il tempo medio supera 45.
3. Statistica di test
Usiamo la formula t = (x̄ − μ0) / (s / √n).
Sostituiamo i dati:
t = (48 − 45) / (6 / √12)
Poiché √12 ≈ 3,464, allora 6 / √12 ≈ 1,732.
Quindi t ≈ 3 / 1,732 ≈ 1,73.
4. Gradi di libertà
df = n−1 = 12−1 = 11.
5. Regola decisionale
Per α = 0,05 e df = 11, il valore critico unilaterale della t è circa 1,796. Confrontiamo:
- t calcolata = 1,73
- t critica = 1,796
Poiché 1,73 < 1,796, non rifiutiamo H0.
6. Controllo finale e confronto con l’errore tipico
Questo è il passaggio davvero istruttivo. Se uno studente usasse per sbaglio la normale standard, potrebbe confrontare 1,73 con un valore critico unilaterale di circa 1,645 e concludere erroneamente di rifiutare H0.
Ecco perché la domanda “t di Student o normale quando si usa” non è solo teorica: la scelta della distribuzione può cambiare la risposta dell’esercizio.
Il controllo qualitativo finale è coerente: campione piccolo, σ ignota, inferenza sulla media, dati in minuti e nessuna informazione che imponga un altro modello. Quindi il t test è la scelta operativa corretta.
Checklist operativa prima di consegnare
- Sto lavorando su una media e non su una proporzione?
- La traccia mi dà davvero σ oppure solo i dati del campione?
- Se uso s, ho scelto la t di Student?
- Ho verificato se il campione è piccolo e quindi la differenza con z conta?
- Ho scritto correttamente H0 e H1?
- Ho indicato la coda del test e il livello α?
- Ho usato i gradi di libertà giusti, cioè n−1 nel caso a un campione?
- Le unità di misura sono coerenti dall’inizio alla fine, per esempio minuti con minuti?
Se rispondi “sì” a questi punti, hai già eliminato buona parte degli errori da compito.
Errori comuni che fanno perdere punti
- Confondere σ con s: è l’errore più importante. Se la deviazione standard è stimata dal campione, non trattarla come se fosse quella della popolazione.
- Usare la regola del 30 come automatismo cieco: n < 30 è un segnale utile, non una legge fisica. La vera domanda è se σ è nota o ignota e quanto i dati sono compatibili con il modello.
- Scegliere z perché la calcolatrice lo propone per primo: lo strumento non sostituisce il ragionamento statistico.
- Dimenticare i gradi di libertà: senza df corretti, il valore critico della t può essere sbagliato.
- Applicare la t alle proporzioni: per p̂ il percorso standard è diverso.
- Saltare il controllo finale: dopo il calcolo, chiediti sempre se la scelta del test è coerente con la traccia.
Molti errori non nascono dai conti, ma da una scelta iniziale sbagliata. Per questo conviene imparare un processo, non solo una formula.
Autoverifica in 60 secondi
- Se σ è nota e sto testando una media, cosa uso? Normale z.
- Se σ è ignota e n = 14? T di Student, salvo indicazioni particolari della traccia.
- Se σ è ignota e n = 120? In molti casi t; numericamente sarà molto vicina alla z.
- Se sto studiando una proporzione di successi? Non applicare in automatico la t: il problema non è dello stesso tipo.
Se queste quattro risposte ti vengono immediate, hai già trasformato un dubbio ricorrente in una decisione quasi automatica.
Come fissare il metodo senza confondere più z e t
Il punto chiave è ricordare la catena logica, non la singola soglia mnemonica: media → σ nota o ignota → dimensione del campione → gradi di libertà → distribuzione corretta. Quando questa sequenza diventa naturale, il confronto tra normale e t smette di sembrare un trabocchetto.
Se vuoi ripassare con calma, Weduup offre lezioni online registrate e on-demand specifiche per il singolo esame, con esercizi e appelli quando previsti, da seguire tramite l’app desktop Weduup per Windows e macOS. Per molti studenti questa modalità può sostituire le ripetizioni quando non serve un’interazione live continua; chi preferisce domande in tempo reale può invece affiancarla a un tutor. Per approfondire il metodo sugli esercizi, puoi partire dal corso di Statistica.