Calcolatore dell'intervallo di confidenza per una proporzione: formula, passaggi ed esempi
Un calcolatore dell'intervallo di confidenza per una proporzione stima, a partire da un singolo campione, un intervallo di valori plausibili per una proporzione della popolazione sconosciuta, come la percentuale di elettori che sostiene un candidato o il tasso di difetti di una linea di produzione. Studenti e ricercatori usano un calcolatore dell'intervallo di confidenza per una proporzione quando riportano i risultati di un sondaggio, verificano il margine di errore di un sondaggio d'opinione o pianificano quanto deve essere grande un campione per ottenere la precisione desiderata. Questa guida spiega da zero la formula dell'intervallo di confidenza per una proporzione, svolge un esempio completo con 120 successi su 500 usando numeri reali e mostra come scegliere z*, verificare la condizione successi-insuccessi e calcolare la dimensione del campione necessaria per un margine di errore prefissato.
Contenuto
- 01Che cos'è un intervallo di confidenza per una proporzione?
- 02Come funziona un calcolatore dell'intervallo di confidenza per una proporzione?
- 03Come si calcola passo dopo passo un intervallo di confidenza al 95% per una proporzione?
- 04Come si verifica la condizione successi-insuccessi prima di fidarsi dell'intervallo?
- 05Come si sceglie il valore critico z* per un intervallo di confidenza?
- 06Quanto deve essere grande il campione per ottenere il margine di errore desiderato?
- 07Quali errori comuni commettono gli studenti con gli intervalli di confidenza per le proporzioni?
- 08Esercizi: metti alla prova le tue competenze sugli intervalli di confidenza per le proporzioni
- 09Altro aiuto sugli intervalli di confidenza per le proporzioni
Che cos'è un intervallo di confidenza per una proporzione?
Un intervallo di confidenza per una proporzione stima, a partire da un singolo campione, l'insieme dei valori plausibili per una proporzione della popolazione sconosciuta, come la vera percentuale di elettori che sostiene un candidato, il vero tasso di difetti di una linea di produzione o la vera frazione di pazienti che risponde a un trattamento. Un calcolatore dell'intervallo di confidenza per una proporzione richiede solo tre dati (il numero di successi, la dimensione del campione e un livello di confidenza) e restituisce un intervallo costruito attorno alla proporzione campionaria, insieme al margine di errore che lo ha generato. A differenza di un intervallo di confidenza per una media, che si basa su una misura continua come l'altezza o il tempo, un intervallo di confidenza per una proporzione lavora con dati di conteggio: quante osservazioni rientrano nella categoria 'successo' sul totale del campione. Questa distinzione è importante perché la formula dell'errore standard, la forma della distribuzione campionaria e persino le condizioni necessarie affinché l'intervallo sia valido sono diverse rispetto al caso della media, anche se entrambi producono alla fine un intervallo nello stesso formato stima puntuale ± margine di errore.
Formula dell'intervallo di confidenza per una proporzione: p̂ ± z* × √[p̂(1 − p̂) ÷ n], dove p̂ è la proporzione campionaria, z* è il valore critico per il livello di confidenza scelto e n è la dimensione del campione.
Come funziona un calcolatore dell'intervallo di confidenza per una proporzione?
Ogni calcolatore dell'intervallo di confidenza per una proporzione richiede gli stessi pochi dati in ingresso e restituisce un insieme coerente di risultati, qualunque sia il livello di confidenza scelto. Capire che cosa si inserisce e che cosa si ottiene rende molto più semplice impostare correttamente un problema, sia che l'intervallo venga calcolato a mano sia che si usi un calcolatore per controllare il proprio lavoro.
1. Dati richiesti da un calcolatore dell'intervallo di confidenza per una proporzione
Il numero di successi (x) osservati nel campione, la dimensione totale del campione (n) e un livello di confidenza scelto (di solito 90%, 95% o 99%). Alcuni calcolatori chiedono direttamente la proporzione campionaria p̂ invece di x e n separatamente: in quel caso p̂ = x ÷ n è già stato calcolato.
2. Risultati che un calcolatore dell'intervallo di confidenza può restituire
p̂: la proporzione campionaria stessa, espressa come decimale o percentuale. SE: l'errore standard della proporzione. Margine di errore: SE moltiplicato per il valore critico z* del livello di confidenza scelto. Estremi dell'intervallo di confidenza: la proporzione campionaria più e meno il margine di errore, pronti da riportare come intervallo, ad esempio (20,3%, 27,7%).
3. Perché conviene comunque imparare il metodo manuale
Compiti, relazioni di laboratorio ed esami richiedono quasi sempre di mostrare l'impostazione completa (calcolo di p̂, verifica della condizione successi-insuccessi, scelta di z* e costruzione del margine di errore) e non solo un decimale finale ottenuto da un calcolatore dell'intervallo di confidenza. Svolgere la formula a mano sviluppa anche l'intuizione necessaria più avanti per i test di ipotesi sulle proporzioni e per il confronto tra due proporzioni in un test A/B.
Come si calcola passo dopo passo un intervallo di confidenza al 95% per una proporzione?
Il modo più chiaro per imparare la formula dell'intervallo di confidenza per una proporzione è svolgere un esempio completo con numeri reali. Ecco uno scenario che rispecchia il tipo di domanda che compare di continuo nei corsi di statistica e nei resoconti di sondaggi reali.
1. Impostare il problema
Un sondaggio nazionale chiede a 500 adulti scelti a caso se sostengono una nuova proposta sul trasporto pubblico. 120 di loro rispondono di sì. Trova un intervallo di confidenza al 95% per la vera proporzione della popolazione che sostiene la proposta.
2. Calcolare la proporzione campionaria
p̂ = x ÷ n = 120 ÷ 500 = 0,24, ovvero il 24%.
3. Calcolare l'errore standard
SE = √[p̂(1 − p̂) ÷ n] = √[0,24 × 0,76 ÷ 500] = √[0,1824 ÷ 500] = √0,0003648 ≈ 0,0191.
4. Scegliere z* e calcolare il margine di errore
Per un intervallo di confidenza al 95%, z* = 1,96. Margine di errore = 1,96 × 0,0191 ≈ 0,0374, cioè circa 3,74 punti percentuali.
5. Costruire e interpretare l'intervallo
Intervallo di confidenza al 95% = 0,24 ± 0,0374 = (0,2026, 0,2774), ovvero circa (20,3%, 27,7%). Si può affermare con una confidenza del 95% che la vera proporzione di tutti gli adulti che sostengono la proposta sul trasporto pubblico è compresa tra circa il 20,3% e il 27,7%. Un calcolatore dell'intervallo di confidenza per questa proporzione restituirebbe all'istante lo stesso intervallo (20,3%, 27,7%), ma ora puoi verificare personalmente ogni numero intermedio.
Intervallo di confidenza al 95% per una proporzione: 0,24 ± 1,96 × 0,0191 = (0,2026, 0,2774), ovvero circa dal 20,3% al 27,7%.
Come si verifica la condizione successi-insuccessi prima di fidarsi dell'intervallo?
La formula dell'intervallo di confidenza per una proporzione funziona solo perché, per un campione sufficientemente grande, la distribuzione campionaria di p̂ è approssimativamente normale. Questa approssimazione non regge per campioni piccoli o per proporzioni vicine a 0 o a 1, ed è per questo che ogni calcolo di un intervallo di confidenza per una proporzione richiede una rapida verifica delle condizioni prima di fidarsi del risultato.
1. La regola: entrambi i conteggi attesi devono essere almeno 10
Verifica che n × p̂ ≥ 10 (successi attesi) e n × (1 − p̂) ≥ 10 (insuccessi attesi). Alcuni manuali usano una soglia di 5 invece di 10, ma 10 è lo standard più diffuso e più prudente in AP Statistics e nella maggior parte dei corsi introduttivi.
2. Verificare la condizione nell'esempio del sondaggio sul trasporto pubblico
n × p̂ = 500 × 0,24 = 120 ≥ 10. n × (1 − p̂) = 500 × 0,76 = 380 ≥ 10. Entrambe le condizioni sono ampiamente soddisfatte, quindi l'approssimazione normale, e l'intervallo di confidenza basato su z* che ne deriva, è valida in questo caso.
3. Cosa fare quando la condizione non è soddisfatta
Se uno dei due conteggi attesi scende sotto 10, l'intervallo z standard può risultare impreciso, soprattutto quando p̂ è vicino a 0 o a 1. In tal caso usa un metodo esatto come l'intervallo di Wilson o l'intervallo di Clopper-Pearson al posto della formula standard, poiché entrambi gestiscono campioni piccoli e proporzioni estreme in modo molto più affidabile.
Condizione successi-insuccessi: n p̂ ≥ 10 e n(1 − p̂) ≥ 10. Se salti questa verifica, un calcolatore dell'intervallo di confidenza può restituire un intervallo che rappresenta in modo molto distorto la vera incertezza.
Come si sceglie il valore critico z* per un intervallo di confidenza?
Il valore critico z* determina l'ampiezza dell'intervallo e deriva direttamente dal livello di confidenza scelto. Una confidenza più alta implica sempre uno z* più grande, che produce un intervallo più ampio ma più affidabile.
1. Confidenza al 90%
z* = 1,645. Si usa quando un intervallo più stretto conta più di una certezza molto elevata, ad esempio nelle fasi iniziali di una ricerca esplorativa.
2. Confidenza al 95%
z* = 1,96. È la scelta predefinita nella maggior parte dei corsi di statistica, degli articoli scientifici e dei servizi giornalistici sui sondaggi, perché bilancia in modo ragionevole precisione e certezza.
3. Confidenza al 99%
z* = 2,576. Si usa quando il costo di un errore è elevato (sperimentazioni cliniche, test di sicurezza o decisioni di controllo qualità) e un intervallo più ampio è un compromesso accettabile in cambio di una maggiore certezza.
4. Confrontare i tre livelli insieme
Usando il sondaggio sul trasporto pubblico (p̂ = 0,24, SE ≈ 0,0191): con confidenza al 90%, margine di errore = 1,645 × 0,0191 ≈ 0,0314, che dà (0,2086, 0,2714). Al 95%, margine di errore ≈ 0,0374, che dà (0,2026, 0,2774). Al 99%, margine di errore = 2,576 × 0,0191 ≈ 0,0492, che dà (0,1908, 0,2892). Ogni aumento del livello di confidenza allarga l'intervallo, perché deve coprire una parte maggiore dei possibili risultati campionari.
z* = 1,645 per una confidenza al 90%, z* = 1,96 per una confidenza al 95%, z* = 2,576 per una confidenza al 99%: i tre valori critici usati più spesso da ogni calcolatore dell'intervallo di confidenza per una proporzione.
Quanto deve essere grande il campione per ottenere il margine di errore desiderato?
La pianificazione di un sondaggio o di un esperimento parte spesso dalla formula dell'intervallo di confidenza al contrario: invece di calcolare il margine di errore da una dimensione del campione fissata, si stabilisce prima un margine di errore obiettivo e si ricava la dimensione del campione necessaria per raggiungerlo. Risolvendo la formula del margine di errore rispetto a n si ottiene la formula della dimensione campionaria usata da ogni calcolatore della dimensione del campione basato sulle proporzioni.
1. La formula della dimensione del campione
n = (z* ÷ E)² × p̂(1 − p̂), dove E è il margine di errore desiderato (in forma decimale) e p̂ è una stima di pianificazione della proporzione; il risultato va arrotondato per eccesso al numero intero successivo, dato che non si può intervistare una frazione di persona.
2. Esempio con una stima da studio pilota
Supponiamo che lo studio pilota sia il sondaggio sul trasporto pubblico visto sopra, con p̂ = 0,24 ottenuto da x = 120 e n = 500. Uno studio successivo più ampio vuole un intervallo di confidenza al 95% più stretto, con un margine di errore non superiore a 3 punti percentuali (E = 0,03). n = (1,96 ÷ 0,03)² × 0,24 × 0,76 = (65,33)² × 0,1824 ≈ 4268,4 × 0,1824 ≈ 778,6, che arrotondato per eccesso dà 779 intervistati.
3. Esempio senza stima preliminare
Quando non ci sono dati pilota per stimare p̂, usa il valore prudente p̂ = 0,5, poiché p̂(1 − p̂) è massimo, e quindi anche la dimensione campionaria richiesta è massima, quando p̂ = 0,5. Con lo stesso E = 0,03 e confidenza al 95%: n = (1,96 ÷ 0,03)² × 0,5 × 0,5 ≈ 4268,4 × 0,25 ≈ 1067,1, che arrotondato per eccesso dà 1068 intervistati, sensibilmente più dei 779 necessari quando è disponibile una stima di pianificazione ragionevole.
4. Perché il margine di errore diminuisce più lentamente di quanto cresce il campione
Proprio come l'errore standard, il margine di errore è inversamente proporzionale a √n, non a n. Quadruplicare n da 500 a 2000 (mantenendo p̂ ≈ 0,24) riduce il margine di errore da circa 0,0374 a circa 0,0187, esattamente la metà e non un quarto, dato che SE = √(0,1824 ÷ 2000) ≈ 0,00955 e 1,96 × 0,00955 ≈ 0,0187. Ecco perché i sondaggi che puntano a margini di errore molto stretti hanno bisogno di campioni enormemente più grandi per ogni punto percentuale di precisione in più.
Dimensione del campione per un margine di errore obiettivo: n = (z* ÷ E)² × p̂(1 − p̂). Usa p̂ = 0,5 quando non è disponibile una stima di pianificazione: produce la dimensione del campione più grande e più sicura.
Quali errori comuni commettono gli studenti con gli intervalli di confidenza per le proporzioni?
La maggior parte degli errori in un intervallo di confidenza per una proporzione nasce dal confondere le formule o dal saltare la verifica delle condizioni, non da calcoli difficili. Fai attenzione a questi cinque errori.
1. Usare la formula della media invece di quella della proporzione
La formula per la proporzione usa √[p̂(1 − p̂) ÷ n], non s ÷ √n del caso della media. Inserire una proporzione nella formula dell'errore standard della media (o viceversa) produce un intervallo privo di significato.
2. Dimenticare la condizione successi-insuccessi
Costruire un intervallo di confidenza senza verificare che n p̂ ≥ 10 e n(1 − p̂) ≥ 10 può produrre un intervallo che sembra ragionevole ma non è statisticamente valido, soprattutto con campioni piccoli o proporzioni vicine agli estremi.
3. Usare lo z* sbagliato per il livello di confidenza
Confondere 1,645 (90%), 1,96 (95%) e 2,576 (99%) è una causa frequente di un margine di errore sbagliato anche quando tutti gli altri passaggi sono corretti. Controlla bene quale livello di confidenza chiede effettivamente il problema prima di cercare z*.
4. Arrotondare p̂ o SE troppo presto
Arrotondare p̂ o l'errore standard a una o due cifre decimali prima di calcolare il margine di errore può spostare in modo evidente l'intervallo finale. Mantieni almeno quattro cifre decimali fino all'ultimo passaggio.
5. Assumere p̂ = 0,5 quando esiste una stima migliore
Usare p̂ = 0,5 nel calcolo della dimensione del campione è la scelta predefinita sicura e prudente solo quando non si dispone di informazioni preliminari. Se uno studio pilota o dati precedenti forniscono già un p̂ ragionevole, usalo: la dimensione del campione richiesta sarà di solito più piccola e altrettanto valida.
Esercizi: metti alla prova le tue competenze sugli intervalli di confidenza per le proporzioni
Svolgi questi esercizi a mano, poi confronta il tuo procedimento con un calcolatore dell'intervallo di confidenza per una proporzione. Sono incluse le soluzioni complete, così puoi verificare ogni passaggio.
1. Esercizio 1 — IC al 95%, n = 150
In un campione di 150 clienti, 45 preferiscono il pagamento online a quello in negozio. Trova un intervallo di confidenza al 95% per la vera proporzione. Soluzione: p̂ = 45 ÷ 150 = 0,3. SE = √[0,3 × 0,7 ÷ 150] = √0,0014 ≈ 0,0374. Margine di errore = 1,96 × 0,0374 ≈ 0,0733. IC = 0,3 ± 0,0733 = (0,2267, 0,3733), ovvero circa (22,7%, 37,3%).
2. Esercizio 2 — IC al 90%, n = 200
In un campione di 200 utenti di un'app, 80 hanno attivato le notifiche push. Trova un intervallo di confidenza al 90%. Soluzione: p̂ = 80 ÷ 200 = 0,4. SE = √[0,4 × 0,6 ÷ 200] = √0,0012 ≈ 0,0346. Margine di errore = 1,645 × 0,0346 ≈ 0,0570. IC = 0,4 ± 0,0570 = (0,343, 0,457), ovvero circa (34,3%, 45,7%).
3. Esercizio 3 — dimensione del campione senza stima preliminare
Un ricercatore vuole un intervallo di confidenza al 99% con un margine di errore non superiore a 5 punti percentuali (E = 0,05), senza dati pilota disponibili. Soluzione: usa il valore prudente p̂ = 0,5. n = (2,576 ÷ 0,05)² × 0,5 × 0,5 = (51,52)² × 0,25 ≈ 2654,3 × 0,25 ≈ 663,6, che arrotondato per eccesso dà 664 intervistati.
4. Esercizio 4 — verificare la condizione successi-insuccessi
Un piccolo sondaggio pilota su 40 persone registra 8 successi. Ci si può fidare di un intervallo z standard in questo caso? Soluzione: p̂ = 8 ÷ 40 = 0,2. n p̂ = 40 × 0,2 = 8, che è inferiore a 10, quindi la condizione successi-insuccessi non è soddisfatta, anche se n(1 − p̂) = 32 ≥ 10 lo è. Il risultato basato sull'approssimazione normale di un calcolatore dell'intervallo di confidenza standard non è affidabile qui; usa invece un metodo esatto come l'intervallo di Wilson.
5. Esercizio 5 — confrontare la precisione al crescere del campione
Sondaggio A: n = 500, p̂ = 0,24, con SE ≈ 0,0191 e margine di errore al 95% ≈ 0,0374. Sondaggio B: n = 2000 (4 volte più grande), stesso p̂ ≈ 0,24, con SE = √(0,1824 ÷ 2000) ≈ 0,00955 e margine di errore al 95% ≈ 0,0187. L'intervallo del sondaggio B è ampio circa la metà di quello del sondaggio A, a conferma che quadruplicare la dimensione del campione dimezza il margine di errore.
Altro aiuto sugli intervalli di confidenza per le proporzioni
Una volta presa confidenza con il calcolo di p̂, la verifica della condizione successi-insuccessi, la scelta di z* e la costruzione del margine di errore, gli intervalli di confidenza per le proporzioni diventano una questione di impostazione accurata e non più una formula misteriosa. Se i numeri di un problema specifico non tornano come ti aspetti, il risolutore passo dopo passo di Solvify può svolgere lo stesso calcolo dell'intervallo di confidenza mostrato in questa guida (la proporzione campionaria, l'errore standard, il valore critico e l'intervallo finale), così puoi vedere esattamente dove la tua impostazione si discosta da quella corretta.
Prima di fidarti di un calcolatore dell'intervallo di confidenza per una proporzione, verifica la condizione successi-insuccessi: la validità della formula dipende da essa tanto quanto dai calcoli.
Articoli correlati
Calcolatore dell'errore standard: come calcolare SE per medie e proporzioni
La formula dell'errore standard su cui si basa direttamente l'intervallo di confidenza per una proporzione, con altri esempi svolti per medie e proporzioni.
Calcolatore da punteggio z a percentile: formula, passaggi ed esempi
Un approfondimento sulla distribuzione normale standard e sui valori z alla base dei valori critici z* usati in ogni intervallo di confidenza per una proporzione.
Calcolatore del chi quadrato: come calcolare a mano i test chi quadrato
Un altro metodo statistico per dati categoriali, utile quando sei pronto a verificare le relazioni tra proporzioni in gruppi diversi.
Risolutori matematici
Soluzioni passo dopo passo
Visualizza in modo esplicito ogni passaggio di un intervallo di confidenza per una proporzione: proporzione campionaria, errore standard e margine di errore.
Risolutore Smart Scan
Scatta una foto di un esercizio su intervallo di confidenza o margine di errore e ottieni subito una soluzione completamente svolta.
Tutor di matematica AI
Fai domande di approfondimento su intervalli di confidenza, valori z* o su quando applicare la condizione successi-insuccessi.
Materie correlate
Aiuto in statistica
Statistica descrittiva, test di ipotesi e intervalli di confidenza: gli argomenti che si basano direttamente sugli intervalli di confidenza per le proporzioni.
Preparazione agli esami con un tutor AI
Come un tutor AI può guidarti nei problemi su intervalli di confidenza e margine di errore prima di un esame di statistica.