Di cosa dovevamo parlare!

  Il panel test e' un'equipe di persone addestrate a conoscere un prodotto (molto spesso alimentare) di cui sono difficili da misurare le caratteristiche. Immaginate un olio extravergine, di quante possibili variabili bisogna tener conto per "misurarne" la qualita', un panel test potrebbe discriminare fra molti oli senza misure chimico-fisiche (utilizzando i suoi "sensors" addestrati).

  Un panel test potrebbe con pochissimi campioni analizzare una produzione di serie e fornire risultati di qualita' comparabili con quelli ottenibili da misure chimico-fisiche, potrebbe!

  In cui si presuppone l'uso di esperti della popolazione sotto misura. Con questo disegno si sottintende l'uso di uno dei metodi non probabilistici. Questi esperti dovrebbero servire per attenuare gli errori dovuti per esempio al campionamento a scelta ragionata.

  Detto anche livello di significativita', e' la possibilita', in %, che una relazione trovata nei dati non sia dovuta solo ad un campione fortunato (sfortunato) e che se ripetessimo il campionamento potremmo non trovare nulla o tutt'altro. E' data come valore positivo, cioe' di quanto sia "ragionevole" la nostra affermazione sulla popolazione partendo dal solo campione.

  Detti anche intervalli di fiducia, sono direttamente collegati alla significativita', e ci fornisco una stima % su quanto e' esteso il nostro errore sulla rivelazione.

  Per una certa variabile in un dato campione, noi potremmo calcolare l'errore standard assumendo una Distribuzione Normale che ha 95 % dei dati raccolti in +/- 1.96 volte l'errore standard con elevato livello di confidenza. Ne parleremo meglio nelle distribuzioni.

  L'effetto del disegno (D), qualche volta detto effetto di progettazione, e' un coefficiente che riflette come il disegno di campionamento altera il calcolo del livello di significativita' in comparazione con il campionamento casuale (simple random sampling with replacements).

  Un valore di D maggiore di 1.0 significa che il disegno di campionamento riduce la precisione della stima (in valutazione) in confronto con il campionamento casuale semplice.

  Un valore di D minore di 1.0 significa che il disegno di campionamento scelto aumenta la precisione se confrontato con campionamento casuale semplice. Il campionamento stratificato (stratified sampling), per esempio, aumenta precisione.

  I vari libri che sono consigliati alla fine sono pieni di formule per i vari disegni di campionamento e di descrizioni dei vari coefficienti che stiamo qui discutendo, credo che comunque qualche piccola formula andra' aggiunta come chiarimento anche qui nella prossima revisione delle slide.

  La pesatura e' un processo a step successivi che applica moltiplicatori o divisori agli oggetti per farli contare di piu' o di meno nel calcolo della probabilita' di selezione, nella non risposta, nella stratificazione, ecc. Pesare e' spesso arbitrario e non statisticamente giustificabile.

  E' il numero di unita' che saranno prelevate e sottoposte a test. Per il calcolo bisogna tener conto di tante variabili che possono aumentare questo numero fra cui la necessita' di livelli di significativita; piu' elevati, un gran numero di variabili di controllo, una disomogeneita' nella popolazione, la grande dispersione di una variabile di controllo, ecc..

  Combinazioni di questi fattori creano complessita' che, in unione con una mancanza di conoscenza della popolazione da campionare, fanno di solito della stima della dimensione del campione null'altro che una valutazione arbitraria.

  Molte calcolatrici in grado di calcolare la dimensione del campione si trovano in linea presso tante Universita' e sono spesso ben costruite anche tenendo conto del disegno di campionamento. Non vi privo qui del piacere della scoperta :-)

  Tenete conto che se data in % la dimensione del campione non dipende affatto dalla dimensione della popolazione da campionare.