significatività

La significatività, in statistica spesso chiamata significatività statistica, indica la probabilità che i dati osservati siano compatibili con l’ipotesi nulla o che un risultato osservato si verifichi per caso. Si valuta mediante un test di ipotesi che genera un p-value, ossia la probabilità di ottenere dati almeno altrettanto estremi di quelli osservati se l’ipotesi nulla fosse vera. Se il p-value è minore o uguale al livello di significatività prefissato (α), si rifiuta l’ipotesi nulla a favore dell’alternativa.

È importante distinguere la significatività statistica dalla rilevanza pratica: un risultato può essere statisticamente significativo ma avere un effetto reale modesto o poco rilevante per il contesto, oppure viceversa. L’inferenza pratica dipende dall’entità dell’effetto stimato, dalla sua precisione e dall’applicabilità nello specifico dominio.

Limiti e critiche: il p-value non quantifica direttamente la probabilità che l’ipotesi nulla sia vera, è influenzato dalla dimensione del campione e può essere distorto da pratiche come il p-hacking o test multipli. Per questo si ricorre anche a intervalli di confidenza, correzioni per test multipli e, in alcuni casi, ad approcci Bayesiani; l’interpretazione affidabile della significatività richiede considerare l’effetto stimato e la potenza del test.

Storia: il concetto è stato essenzialmente sviluppato da Ronald Fisher negli anni 1920–1930, con ulteriori sviluppi da Neyman e Pearson, che hanno contribuito a quadri teorici complementari per i test di ipotesi.