In questa pagina
Un intervallo di confidenza per la media e un intervallo di previsione per una singola osservazione futura rispondono a domande diverse. Il primo stima una media sconosciuta. Il secondo tiene conto anche di quanto un singolo risultato può discostarsi da quella media. Prima di confrontare gli estremi, verifica l’obiettivo: due intervalli possono avere lo stesso centro ma finalità diverse.
Potresti voler stimare la lettura media di un processo di misura stabile oppure prevederne la prossima lettura. Conoscere meglio la media non elimina la variabilità tra le singole letture. NIST distingue proprio tra la stima della risposta media e una nuova risposta misurata. NIST: stima della risposta media.
Chiarisci che cosa deve contenere l’intervallo
Definisci l’obiettivo a parole. Ti interessa la media della popolazione, la risposta media per un dato valore in ingresso o una nuova osservazione? Un intervallo di confidenza può riguardare anche parametri diversi dalla media; qui confrontiamo una media con un singolo valore futuro.
Nella regressione, la risposta media stimata è la media in corrispondenza di valori specificati dei predittori. Una risposta individuale agli stessi valori presenta anche una propria variabilità casuale. L’intervallo di previsione deve includere questa componente aggiuntiva. NIST: incertezza di una singola risposta.
| Domanda | Obiettivo | Intervallo adatto in questo confronto | Che cosa non dimostra |
|---|---|---|---|
| Qual è la lettura media del processo? | La media sconosciuta della popolazione | Un intervallo di confidenza per quella media | Un intervallo destinato a contenere la prossima singola lettura |
| Quale intervallo usare per la prossima lettura? | Una nuova osservazione indipendente dello stesso processo | Un intervallo di previsione per una sola osservazione | La garanzia che quella lettura vi rientri |
Segui il calcolo con un modello ben definito
Considera un processo ipotetico con letture espresse in unità arbitrarie. Supponi che le osservazioni siano estrazioni indipendenti dalla stessa distribuzione normale. La media μ è sconosciuta. La deviazione standard della popolazione σ è nota ed è pari a 10 unità. Un campione di 25 letture ha una media osservata di 50 unità.
La prossima lettura è indipendente dalle 25 precedenti e proviene dalla stessa distribuzione, rimasta invariata. Sono ipotesi scelte per l’esercizio, non risultati relativi a uno strumento reale. In particolare, 10 è una deviazione standard della popolazione fissata per ipotesi, non una stima campionaria trattata implicitamente come nota.
Per intervalli bilaterali al 95%, usa il valore critico della normale standard, circa 1,96. Con questo modello, l’intervallo di confidenza per μ è x̄ ± 1,96σ/√n. L’intervallo di previsione per una nuova osservazione è x̄ ± 1,96σ√(1 + 1/n). Le dispense della Calvin University presentano l’intervallo per la media con σ nota e ricavano il termine aggiuntivo per la previsione. Math 143, intervalli di confidenza e §1.11.
| Calcolo | Intervallo di confidenza per la media | Intervallo di previsione per una singola osservazione |
|---|---|---|
| Centro | 50 unità | 50 unità |
| Deviazione standard usata per l’intervallo | 10/√25 = 2 unità | 10√(1 + 1/25) ≈ 10,1980 unità |
| Margine, usando 1,96 | 1,96 × 2 = 3,92 unità | 1,96 × 10√1,04 ≈ 19,9882 unità |
| Estremo inferiore | 46,08 unità | Circa 30,01 unità |
| Estremo superiore | 53,92 unità | Circa 69,99 unità |
Il margine dell’intervallo per la media è 3,92 unità; quello di previsione è circa 19,99 unità. Entrambi sono centrati sulla media campionaria osservata di 50, ma il secondo deve includere la variabilità di una singola lettura oltre all’incertezza sulla media stimata.
In questo modello, la varianza della differenza tra la lettura futura e la media campionaria è σ² + σ²/n = 100 + 4 = 104 unità al quadrato. L’indipendenza consente di sommare queste varianze; la radice quadrata fornisce la scala della previsione. Sommando invece le deviazioni standard, 10 + 2, si otterrebbe un calcolo diverso e scorretto. È lo stesso principio di combinazione delle varianze descritto da NIST per una nuova risposta.
Il 95% è una proprietà della procedura
Per l’intervallo della media, immagina di estrarre ripetutamente campioni indipendenti di 25 osservazioni dalla stessa popolazione e costruire ogni volta un intervallo. Date le ipotesi, il metodo copre la media fissa e sconosciuta in circa il 95% delle ripetizioni. Non assegna una probabilità a posteriori del 95% che μ appartenga allo specifico intervallo già calcolato. NIST spiega la copertura tramite esperimenti ripetuti. NIST: interpretazione degli intervalli di confidenza.
Per l’intervallo di previsione, ripeti entrambe le fasi: raccogli un campione, costruisci l’intervallo e poi estrai una nuova osservazione indipendente dalla stessa popolazione. In circa il 95% di queste ripetizioni, l’intervallo conterrà la nuova osservazione corrispondente. Non è una garanzia per la prossima lettura, né la promessa che esattamente 95 delle prossime 100 letture rientrino nell’unico intervallo mostrato qui. NIST: interpretazione degli intervalli di previsione.
Supponi ora che una successiva lettura fittizia sia 60 unità. È fuori da 46,08–53,92 ma dentro l’intervallo di circa 30,01–69,99. Questo non dimostra, da solo, che l’intervallo della media abbia fallito: il suo obiettivo era μ, non la nuova lettura. Per sapere se questo specifico intervallo copre la media, dovresti conoscere la vera media.
Confronta le ampiezze solo a parità di analisi
Qui l’intervallo di previsione è più ampio perché modello, dati, centro, livello di confidenza e unità coincidono, mentre l’obiettivo della previsione aggiunge la variabilità individuale. Non estendere il confronto a un intervallo di confidenza di uno studio e uno di previsione di un altro, né a intervalli con livelli o popolazioni diversi.
Nel modello fittizio con σ nota, aumentando n si riduce σ/√n verso zero, mentre σ√(1 + 1/n) tende a σ. Più osservazioni possono migliorare la conoscenza della media senza eliminare la variabilità individuale. La conclusione vale con σ e modello fissi: non significa che ogni intervallo di previsione reale debba restringersi ogni volta che arrivano nuovi dati.
Un intervallo destinato a coprire una proporzione specificata della popolazione ha ancora un altro obiettivo. NIST distingue questi intervalli di tolleranza dagli intervalli di previsione per una singola osservazione. Non reinterpretare l’intervallo mostrato come prova che contenga il 95% dell’intera popolazione con una distinta garanzia di confidenza. NIST: intervalli di tolleranza.
Controlla le ipotesi prima di riutilizzare la formula
Conoscere la variabilità della popolazione rende l’esercizio volutamente semplice. Se σ deve essere stimata, non puoi riutilizzare queste formule con il valore critico normale senza modificarle. Nel corrispondente modello di campione normale indipendente, i consueti intervalli per la media e per una singola osservazione usano invece la deviazione standard campionaria e un valore critico della t di Student con n − 1 gradi di libertà. Calvin University, §1.9–1.11.
Per un’analisi reale, identifica popolazione, campionamento, periodo, unità, obiettivo dell’intervallo e livello di confidenza. Verifica se le osservazioni sono dipendenti, se il processo è cambiato e se le ipotesi distributive sono adatte. Una formula per letture normali indipendenti non si applica automaticamente a indagini a grappoli, serie temporali mutevoli o qualsiasi modello di regressione.
Nessuno dei due intervalli fornisce la probabilità di vincere un’elezione, quella che un contratto di mercato paghi o la prova di un’operazione redditizia. Per una probabilità di evento servono un evento definito e un modello adatto. Le guide su sondaggi e probabilità elettorali (in inglese) e valore atteso e probabilità spiegano perché non puoi sostituire un obiettivo numerico con un altro.
Domande frequenti
Un intervallo di confidenza al 95% contiene il 95% delle osservazioni?
No, non se si tratta di un intervallo di confidenza per la media. In questo caso, la copertura riguarda la media sconosciuta nelle ripetizioni del campionamento, non le singole osservazioni. Nell’esempio fittizio, 46,08–53,92 stima μ: non è un intervallo progettato per contenere il 95% delle singole letture.
Un intervallo di previsione è sempre più ampio di uno di confidenza?
Nel calcolo a condizioni uguali mostrato qui, sì: prevedere una nuova lettura aggiunge la sua variabilità all’incertezza della media stimata. Non è una regola di confronto per dati, livelli di confidenza, obiettivi o metodi non correlati. Verifica prima che le analisi siano davvero confrontabili.
Perché serve più incertezza per la prossima lettura se entrambi gli intervalli partono da 50?
La media osservata di 50 stima la media del processo. Una nuova lettura individuale può discostarsene anche se quella media fosse nota perfettamente. Qui la varianza di previsione include 100 unità al quadrato di variabilità individuale e 4 unità al quadrato dovute alla stima della media.
Posso usare 1,96 se la deviazione standard proviene dal mio campione?
Non trattare quella stima come una σ della popolazione nota. Nel metodo per campioni normali indipendenti descritto qui, stimare σ porta a intervalli t di Student con i gradi di libertà appropriati. Altri disegni e modelli possono richiedere metodi diversi: 1,96 non è un moltiplicatore universale.
Un valore dentro l’intervallo di previsione dimostra che il modello è corretto?
No. Una sola osservazione coperta non convalida le ipotesi di distribuzione, indipendenza o stabilità. Anche con una procedura al 95% correttamente specificata, un’osservazione può cadere fuori. Valuta il modello e le sue prestazioni con prove adeguate, non trattando un risultato come una dimostrazione.
Esplora HypaForecast
Link facoltativi alla pagina generale dei mercati e alle pagine BTC. Sono separati dall’esempio statistico fittizio e non attestano disponibilità o requisiti personali di accesso.
Fonti e ambito
Materiale didattico ospitato da Bocconi, capitolo 12. Consultato il 13 novembre 2026: distingue la previsione del valore medio da quella di un singolo valore nella regressione. Non è la fonte dei dati fittizi o della formula con σ nota usati qui.
NIST §7.2.6.3: intervalli di tolleranza. Verificato il 13 novembre 2026. La copertura di una proporzione della popolazione con un livello di confidenza dichiarato è un obiettivo distinto dalla previsione di una sola osservazione.
Il confronto usa le spiegazioni distinte di NIST sulla stima della risposta media, la previsione di una singola risposta e la copertura nel campionamento ripetuto. Le formule con deviazione standard della popolazione nota sono supportate da Math 143 della Calvin University, in particolare dall’introduzione agli intervalli di confidenza e dai §1.9–1.11. Le 25 letture, la media 50 e la deviazione standard nota 10 sono dati fittizi originali di un modello normale indipendente, non prestazioni osservate. Non si calcola alcun prodotto meteorologico, modello elettorale o probabilità di mercato.
HypaForecast pubblica guide educative e gestisce un mercato di previsione. Questo articolo spiega gli obiettivi degli intervalli statistici: non raccomanda operazioni e non dimostra probabilità di mercato, offerte attuali o requisiti personali di accesso.
Condividi la guida