Legge dei grandi numeri: una chiave per comprendere l’incertezza

Un singolo risultato da solo non dice molto. Mettiamo che lanci una moneta una volta e esca testa. Non prova nulla — potrebbe essere capitato per caso. Ma se lanci la moneta 100 volte, vedrai testa e croce uscire in numeri più o meno uguali. È lì che la media inizia ad avere senso.

Ed è proprio questo il punto della legge dei grandi numeri. Più dati raccogli, più accurata diventa la tua media. Ti aiuta a vedere il quadro d’insieme.

In questa guida vedremo cosa significa la legge dei grandi numeri, come funziona nella vita reale e perché è così utile quando cerchi di capire i pattern o prendere decisioni migliori nel tempo.

Che cos’è la legge dei grandi numeri?

La legge dei grandi numeri è un principio della probabilità e della statistica che spiega come si comportano le medie man mano che si raccolgono più dati. All’aumentare della dimensione del campione, la media di quel campione (chiamata media campionaria) si avvicina alla vera media dell’intero gruppo (chiamata media della popolazione).

Nel mondo reale, di solito non abbiamo accesso ai dati dell’intera popolazione. Invece, prendiamo un campione, come intervistare 1.000 elettori invece di tutti i 300 milioni di persone. La legge dei grandi numeri ci dà fiducia che, con abbastanza dati, la media del campione sarà vicina a quella reale.

Man mano che il campione cresce, la variabilità casuale inizia ad annullarsi. I valori anomali pesano meno e la media diventa più stabile e prevedibile.

Esistono due versioni principali della legge, che differiscono per la forza con cui garantiscono questo effetto:

Legge debole (convergenza in probabilità)

La legge debole dei grandi numeri afferma che la media campionaria probabilmente si avvicina alla media della popolazione all’aumentare della dimensione del campione. Più dati raccogli, meno è probabile che la tua media resti lontana dal valore reale.

Per esempio, lanci una moneta equa. Aumentando il numero di lanci, il rapporto tra testa e croce si avvicina al 50/50. Magari non sarà perfetto, ma ci andrà molto vicino, ed è questo il senso della legge debole.

Legge forte (convergenza quasi certa)

La legge forte dei grandi numeri fa un passo in più. Dice che la media campionaria si avvicinerà alla media della popolazione e ci rimarrà con quasi assoluta certezza, non solo con alta probabilità.

In parole semplici: se continui a lanciare quella moneta equa per sempre, il rapporto tra testa e croce non solo si avvicinerà al 50/50; si assesterà lì. Questa legge ci dà quindi quasi totale certezza che le medie di lungo periodo riflettano la realtà, con rare eccezioni.

Esempi reali della legge in azione

Vediamo alcuni esempi reali per capire come funziona questa legge:

Lanci di moneta o tiri di dado

Immagina di aver tirato un normale dado a sei facce tre volte. Potresti ottenere risultati come 6, 2 e 5. La media è 4,3, superiore al valore atteso di 3,5. Ma ora tira il dado 100 volte, poi 1.000. All’aumentare del numero di tiri, la tua media si avvicina a 3,5. La legge dei grandi numeri appiana la casualità nel tempo.

Più tiri fanno avvicinare la media a 3,5. Immagine dell’autore.

Statistiche sportive

Gli atleti possono avere giornate buone e giornate no. Un quarterback può completare 9 passaggi su 10 in una partita, un impressionante 90%. Ma non significa che giochi sempre a quel livello.

Su un’intera stagione, con centinaia di lanci, la percentuale di completi inizia ad assestarsi. Quella statistica sull’intera stagione offre un’idea molto migliore della reale abilità del giocatore.

Media. Immagine dell’autore.

Mutualità del rischio nel settore assicurativo 

Le compagnie assicurative non sanno esattamente quanto costerà loro una singola persona. Alcuni non usano affatto l’assistenza sanitaria, altri sì.

Ma guardando a un grande gruppo di persone, gli alti e bassi si compensano. Distribuendo il rischio tra migliaia di assicurati, gli assicuratori possono prevedere la spesa media con maggiore precisione.

Questo permette loro di fissare prezzi equi (premi) mantenendo la stabilità finanziaria.

La media su molte persone mostra il costo reale. Immagine dell’autore.

Giochi da casinò e vantaggio del banco

I casinò incorporano un leggero vantaggio in ogni gioco. Se giochi a blackjack, potresti vincere cinque mani di fila o perderne dieci. Ma su migliaia di partite, l’esito medio favorisce il casinò.

Per esempio, se il vantaggio del banco è dello 0,5%, nel tempo il casinò si aspetta di guadagnare in media 50 centesimi ogni 100 $ puntati. Questo può non accadere in una sessione breve, ma su milioni di giocate, torna esattamente come previsto.

Il vantaggio del casinò prevale con più scommesse. Immagine dell’autore.

A/B test nelle aziende tech

Mettiamo che un’azienda voglia testare due versioni di un pulsante del sito: Pulsante A e Pulsante B. Dopo che 20 persone hanno provato ciascuno, il Pulsante A sembra migliore. Ma non sono abbastanza dati per fidarsi del risultato.

Ora lascia che 20.000 utenti vedano entrambi. All’aumentare della dimensione del campione, le medie dei tassi di clic diventano più affidabili e il pulsante con performance migliori emerge con chiarezza.

Ecco perché le aziende si affidano a campioni ampi per gli A/B test. La legge dei grandi numeri le aiuta a evitare falsi positivi e a fare scelte più intelligenti.

Più persone testate significa risultati più affidabili. Immagine dell’autore.

Perché la legge dei grandi numeri è importante

Nel data science, usiamo spesso i dati per addestrare modelli. Ma se il dataset è troppo piccolo, pochi valori insoliti possono distorcere i risultati.

Per esempio, stai testando un nuovo algoritmo di raccomandazione usando solo 10 utenti. Se un utente clicca su tutto e un altro non clicca su nulla, la tua performance media potrebbe sembrare ottima o pessima. Non significa che il modello sia buono o cattivo; significa che il tuo campione è troppo piccolo per essere attendibile.

La legge dei grandi numeri ci dice che, man mano che raccogliamo più dati, le fluttuazioni casuali si compensano e il risultato medio diventa più affidabile. Ecco perché i dataset grandi offrono previsioni e insight migliori.

Lo vedi anche nelle simulazioni. Prendi per esempio i metodi Monte Carlo. Si tratta di eseguire la stessa simulazione migliaia di volte usando input casuali. La legge dei grandi numeri garantisce che, più prove eseguiamo, più il risultato medio si avvicina al vero valore atteso.

Nel machine learning, la legge emerge in due modi importanti:

• Addestramento del modello: un modello addestrato su un dataset piccolo e sbilanciato potrebbe apprendere pattern che non riflettono il mondo reale. Ma con dati sufficienti e diversificati, il modello impara ciò che funziona davvero.
• Test del modello: testare un modello su soli 50 utenti può dare risultati molto diversi rispetto a testarlo su 5.000. Un set di test più grande offre un quadro più chiaro di come il modello si comporterà una volta in produzione.

In breve, più dati significano meno rumore e decisioni migliori. 

Fraintendimenti comuni

La legge dei grandi numeri è spesso fraintesa quando ci si aspetta che funzioni all’istante.

Se pensi che i risultati si "compensino" rapidamente, è un errore. Per esempio, se lanci una moneta e ottieni testa cinque volte di fila, potresti pensare che ora croce sia "dovuta" per riequilibrare. Ma non è così che funziona la probabilità.

Questo modo di pensare è noto come fallacia del giocatore d’azzardo: l’idea errata che i risultati passati influenzino quelli futuri in un processo davvero casuale. In realtà, ogni lancio di moneta resta una probabilità 50/50, indipendentemente da ciò che è successo prima.

La legge dei grandi numeri non promette che la casualità si appiani nel breve periodo. Piuttosto, ci dice che su molte, moltissime prove, il risultato medio si avvicina al valore atteso. Nel caso di una moneta equa, significa che alla lunga avrai più o meno metà teste e metà croci, non subito.

Nel frattempo possono comunque comparire brevi serie o pattern insoliti. È così che appare la casualità su campioni piccoli. La legge diventa significativa solo quando allarghi lo sguardo e guardi al quadro generale.

Come si collega ad altri concetti

Mentre la legge dei grandi numeri ci dice che la media del campione si avvicina alla vera media all’aumentare della dimensione del campione, il teorema del limite centrale (CLT) va oltre. Spiega che aspetto ha la distribuzione di quelle medie.

Secondo il CLT, se prendi molti campioni grandi e ne calcoli le medie, quelle medie formeranno una curva a campana (una distribuzione normale) indipendentemente dall’aspetto dei dati originali. 

Entrambi sono importanti in statistica, ma descrivono cose diverse: uno si concentra sull’accuratezza, l’altro sulla forma.

Punti chiave

La legge dei grandi numeri mette in luce un principio fondamentale dell’analisi dei dati: campioni più grandi danno risultati più stabili e accurati, ma solo quando i dati sono rappresentativi. 

Sebbene i grandi dataset riducano gli effetti della variabilità casuale, più dati non è sempre meglio. Se i dati sono distorti o sbilanciati, anche un dataset enorme può produrre risultati fuorvianti. Per trarre conclusioni valide servono sia volume sia qualità.

Se vuoi consolidare le basi di questi concetti, il corso Statistical Thinking in Python è un ottimo punto di partenza. Da lì, esplora la distribuzione gaussiana per capire come la legge dei grandi numeri si collega ad altri strumenti chiave in statistica e machine learning.