Deviazione standard combinata per più gruppi

Che cos’è la deviazione standard combinata?

La deviazione standard combinata (pooled) unisce le stime di varianza di due o più gruppi per ottenere una stima singola e ponderata. È essenziale nei test t per due campioni quando si assume l’uguaglianza delle varianze.

Il concetto è intuitivo: se crediamo che due gruppi provengano da popolazioni con la stessa variabilità di fondo, possiamo combinare i loro dati per ottenere una stima migliore di quella variabilità condivisa. Più dati significano una stima più precisa.

Pensiamola così: se si hanno 20 osservazioni dal Gruppo A e 30 dal Gruppo B, ed entrambi i gruppi hanno la stessa vera varianza, ora si hanno 50 osservazioni per stimare quella varianza anziché stimarla separatamente da campioni più piccoli.

Quando combinare

Si combinano le deviazioni standard solo quando si ha ragione di credere che le varianze delle popolazioni sottostanti siano uguali. Usare il test di Levene o il test F per verificare questa assunzione prima di procedere.

La formula della DS combinata

Per due gruppi, la deviazione standard combinata è:

DS combinata per due gruppi

sp = √[((n₁-1)s₁² + (n₂-1)s₂²) / (n₁+n₂-2)]

Dove n₁ e n₂ sono le dimensioni dei campioni, e s₁ e s₂ sono le deviazioni standard campionarie.

Per k gruppi (come nell’ANOVA), la formula si generalizza:

DS combinata per più gruppi

sp = √[Σ(nᵢ-1)sᵢ² / Σ(nᵢ-1)]

Si noti che la formula usa i termini (n-1) sia al numeratore che al denominatore. Questa ponderazione assicura che i campioni più grandi contribuiscano maggiormente alla stima combinata, il che è appropriato poiché campioni più grandi forniscono stime di varianza più affidabili.

Assunzioni di base

La deviazione standard combinata presuppone l’omogeneità delle varianze, ovvero che tutti i gruppi condividano la stessa varianza della popolazione. Questa assunzione è più rilevante quando:

Le dimensioni dei campioni sono diseguali (particolarmente problematico se il gruppo più grande ha la varianza minore)
Il rapporto tra la varianza maggiore e quella minore supera 2-3
Le dimensioni dei campioni sono piccole (campioni grandi sono più robusti alle violazioni)

Quando le varianze differiscono

Se le varianze sono diseguali, usare il test t di Welch invece del test t con varianze combinate, oppure utilizzare stime di varianza separate. Il test di Welch non assume l’uguaglianza delle varianze ed è spesso raccomandato come approccio predefinito.

Esempio svolto

Scenario: Confronto dei punteggi di un test tra due classi:

Classe A: n₁ = 25, media = 78, s₁ = 12
Classe B: n₂ = 30, media = 82, s₂ = 14

Calcolo della DS combinata:

sp = √[((25-1)(12)² + (30-1)(14)²) / (25+30-2)] sp = √[(24×144 + 29×196) / 53] sp = √[(3456 + 5684) / 53] sp = √[9140 / 53] = √172,45 = 13,13

La DS combinata di 13,13 si colloca tra le singole DS (12 e 14), più vicina al campione più grande. Questo valore combinato verrebbe poi usato nella formula del test t o nel calcolo della d di Cohen.

Applicazioni statistiche

Test t per campioni indipendenti: La DS combinata è usata per calcolare l’errore standard della differenza tra le medie.
d di Cohen per la dimensione dell’effetto: Le dimensioni dell’effetto sono standardizzate usando la DS combinata: d = (M₁ - M₂) / sp
ANOVA: Il quadrato medio dell’errore (MSE) nell’ANOVA è essenzialmente una stima della varianza combinata tra tutti i gruppi.
Meta-analisi: Quando si combinano gli studi, le stime combinate aiutano a standardizzare gli effetti in contesti diversi.

A statistics tutorial is a practical interpretation guide, not just a formula dump. It refers to the assumptions, notation, and reporting language that analysts need when they explain a result to a teacher, manager, client, or reviewer. The article body covers the specific topic, while the sections below create a common interpretation frame that readers can reuse across related metrics.

Reading goal	What to focus on	Common mistake
Definition	What the metric is and what quantity it summarizes	Treating the formula as self-explanatory
Formula choice	Sample versus population assumptions and notation	Using n when n-1 is required or vice versa
Interpretation	Whether the result indicates concentration, spread, or risk	Calling a large value good or bad without context

Frequently Asked Questions

How should I interpret a high standard deviation?

A high standard deviation means the observations are spread farther from the mean on average. Whether that spread is acceptable depends on the context: wide dispersion might signal risk in finance, instability in manufacturing, or genuine natural variation in scientific data.

Why do some articles mention n while others mention n-1?

The denominator reflects the difference between population and sample formulas. Population variance and population standard deviation use N because the full dataset is known. Sample variance and sample standard deviation often use n-1 because Bessel’s correction reduces bias when estimating population spread from a sample.

What is a statistical interpretation guide?

A statistical interpretation guide is a page that moves beyond arithmetic and explains meaning. It tells you what a metric is, when the formula applies, and how to describe the result in plain English without overstating certainty.

Can I cite this article in a report?

You should cite the underlying authoritative reference for formal work whenever possible. This page is best used as an explanatory bridge that helps you understand the concept before quoting the original standard or handbook.

Why include direct citations on every article page?

Direct citations give readers a route to verify the definition, notation, and assumptions. That improves trust and reduces the chance that a simplified explanation is mistaken for the entire technical standard.

Authoritative References

These sources define the concepts referenced most often across our articles. Bessel's correction is a sample adjustment, variance is a squared measure of spread, and standard deviation is the square root of variance expressed in the same units as the data.