Cos'è esattamente un punteggio Z e a cosa serve nella statistica?
Il punteggio Z, o z-score, è il numero di deviazioni standard che separa un valore osservato dalla media della distribuzione di riferimento. Si calcola con z = (x − μ) / σ ed è una quantità adimensionale: ciò consente di confrontare misurazioni espresse in unità diverse (un'altezza in centimetri, un voto su 100, un reddito in euro) trasformandole tutte sulla stessa scala. Nei programmi MIM di statistica del secondo biennio dei licei scientifici, lo z-score viene introdotto come strumento per standardizzare le variabili e leggere le tabelle della normale standard.
Perché la distribuzione normale è così importante per gli z-score?
La distribuzione normale (o gaussiana) è simmetrica attorno alla media e completamente determinata da μ e σ. Quando si standardizza una variabile X normale tramite z = (X − μ) / σ, si ottiene la normale standard Z ~ N(0, 1), per la quale esistono tavole pubblicate e funzioni di calcolo integrate. Il teorema centrale del limite, dimostrato nei corsi universitari italiani di Probabilità e Statistica, garantisce inoltre che la media campionaria di un numero sufficientemente grande di osservazioni tende a una distribuzione normale, rendendo lo z-score uno strumento di riferimento ben oltre i dati originariamente normali.
Come si legge la tavola della Z e quale precisione fornisce?
Le tavole della Z, riportate in appendice ai manuali di statistica adottati nei licei e nelle università italiane, indicano la probabilità cumulata Φ(z) = P(Z ≤ z) con tipicamente due cifre decimali per z. Si entra in riga con la parte intera e la prima cifra decimale di z (per esempio 1,2) e in colonna con la seconda cifra decimale (per esempio 0,03), ottenendo Φ(1,23) ≈ 0,8907. Per valori negativi si sfrutta la simmetria della normale: Φ(−z) = 1 − Φ(z). Per maggior precisione si usano le funzioni DISTRIB.NORM.ST.N di Excel italiano o scipy.stats.norm.cdf in Python, che restituiscono Φ(z) con molte più cifre.
Che differenza c'è tra varianza, deviazione standard e z-score?
La varianza σ² è la media dei quadrati degli scarti dalla media e si esprime nelle unità al quadrato dei dati originali. La deviazione standard σ = √σ² ripristina le unità di misura originali ed è quindi più facile da interpretare: in una distribuzione normale circa il 68% dei valori cade entro ±1σ dalla media, il 95% entro ±2σ e il 99,7% entro ±3σ (regola empirica 68-95-99,7). Lo z-score, infine, esprime la posizione di un singolo valore in unità di deviazione standard rispetto alla media, ed è quindi una rinormalizzazione individuale, non una misura di dispersione complessiva.
Cosa prevedono i programmi del MIM sullo studio degli z-score e della normale?
Le Indicazioni nazionali del Ministero dell'Istruzione e del Merito (MIM) per i licei scientifici e le Linee guida per gli istituti tecnici inseriscono la distribuzione normale e la standardizzazione tramite z-score nell'asse Dati e previsioni del secondo biennio e del quinto anno. Gli studenti devono saper calcolare media e deviazione standard di un campione, riconoscere quando una distribuzione è approssimativamente normale, standardizzare i valori con z = (x − μ) / σ e leggere la tavola della normale standard per calcolare probabilità e percentili. Tali argomenti compaiono periodicamente nella seconda prova di matematica dell'esame di Stato dei licei scientifici.
Come si usano gli z-score nelle indagini ISTAT e nei controlli di qualità?
L'ISTAT (Istituto Nazionale di Statistica) e gli enti di controllo industriale italiani utilizzano gli z-score per identificare osservazioni anomale (outlier) e per confrontare unità rilevate in strati diversi. Tipicamente un valore con |z| > 3 viene segnalato per verifica perché, sotto l'ipotesi di normalità, appare meno di 3 volte su mille. Nelle carte di controllo Shewhart, ampiamente impiegate dalle aziende manifatturiere certificate ISO 9001, i limiti di controllo a ±3σ corrispondono a z = ±3 e segnalano la necessità di intervenire sul processo produttivo prima che generi non conformità.
Qual è la differenza tra z-score e t-score?
Lo z-score richiede che la deviazione standard della popolazione σ sia nota o che il campione sia abbastanza grande (tipicamente n ≥ 30) perché la deviazione campionaria s possa essere considerata una buona stima di σ. Il t-score, basato sulla distribuzione t di Student, è invece appropriato quando σ è ignota e il campione è piccolo: la sua distribuzione ha code più pesanti che tengono conto dell'incertezza aggiuntiva nella stima di σ. All'aumentare di n la distribuzione t converge alla normale standard, quindi per grandi campioni i due test producono risultati pressoché identici.
Quali valori di z-score sono considerati statisticamente significativi?
Per convenzione, in un test a due code |z| ≥ 1,96 corrisponde a un livello di significatività α = 0,05, |z| ≥ 2,58 a α = 0,01 e |z| ≥ 3,29 a α = 0,001. Questi valori derivano direttamente dalla funzione di ripartizione della normale standard: P(|Z| > 1,96) ≈ 0,05. Le scienze fisiche, come la fisica delle particelle alimentata dalle ricerche INFN italiane, adottano una soglia molto più severa di 5σ (z ≈ 5), per cui la probabilità di un falso positivo è di circa 1 su 3,5 milioni: questo è lo standard internazionale per annunciare una nuova scoperta.
