Non è il numero a rendere rappresentativo un campione, è la struttura. Mille persone scelte male dicono meno di poche centinaia scelte bene e ripesate sulle distribuzioni vere.
Perché "quante persone" è la domanda sbagliata
Rappresentativo non significa "tanti". Significa che la composizione del campione rispecchia quella della popolazione sulle variabili che contano per la domanda che stai facendo.
Un campione di mille persone raccolte tutte nella stessa città, o tutte attraverso lo stesso canale, non è rappresentativo dell'Italia: è rappresentativo di quella città o di quel canale. Il numero non lo salva.
Al contrario, un campione più piccolo ma costruito per coprire tutti gli strati della popolazione, e poi ripesato perché ogni strato conti quanto conta davvero, dà letture più affidabili.
Cosa determina davvero l'affidabilità di una lettura
| Cosa vuol dire | Cosa succede se manca | |
|---|---|---|
| Copertura degli strati | Ogni combinazione rilevante — area, età, genere, reddito — ha qualcuno dentro. | Interi pezzi di popolazione non sono rappresentati, e nessuna ponderazione può inventarli. |
| Ponderazione | Ogni rispondente pesa quanto pesa il suo strato nella popolazione reale. | Chi ha risposto di più conta di più: il risultato descrive i rispondenti, non il paese. |
| Numerosità della cella più piccola | Il sotto-gruppo su cui vuoi leggere un numero deve avercene abbastanza. | Il totale sembra solido ma il dato per segmento — quello che ti serve — oscilla. |
Perché il "±3%" dice meno di quanto sembri
Il margine di errore campionario misura una cosa sola: quanto il risultato oscillerebbe se ripetessi l'estrazione con lo stesso metodo. Non dice niente su chi non ha risposto, su chi non è stato raggiunto, o su quanto la domanda fosse formulata male.
Nella pratica quelle altre fonti di errore pesano più dell'oscillazione campionaria. Un margine stretto su un campione mal costruito è precisione su un bersaglio sbagliato.
La scelta che abbiamo fatto, e perché
Il panel di deebrain è costruito per coprire gli strati della popolazione adulta italiana, e ogni risposta viene ripesata con la post-stratificazione perché l'aggregato rispecchi le distribuzioni ufficiali, non la composizione di chi ha risposto.
Per questo i risultati sono sempre espressi come proiezione sulla popolazione, in valori assoluti proiettati o in percentuale — e mai come conteggio di quanti profili hanno risposto in un modo o nell'altro. Quel conteggio si presterebbe a essere letto come se fosse un campione reale, e non lo è.
Quando serve leggere un segmento sottile, il panel viene infittito su quel segmento e i pesi lo riportano alla sua dimensione vera: si guadagna risoluzione senza gonfiarne il peso nel totale.
Le domande che ci fanno più spesso
Quanti profili ha il panel di deebrain?
Non pubblichiamo quel numero, per una ragione precisa: verrebbe letto come la numerosità di un campione reale, e porterebbe a conclusioni sbagliate in entrambe le direzioni. L'informazione utile è un'altra — su quali distribuzioni ufficiali il panel è calibrato e quanto si discosta da un'indagine reale. Entrambe sono pubblicate.
Allora come faccio a valutare se è affidabile?
Con gli scostamenti misurati. Nella metodologia c'è il confronto con un'indagine ufficiale sui consumatori, domanda per domanda, comprese quelle in cui il panel va peggio. È un criterio verificabile; la numerosità no.
Posso avere un dato su un segmento piccolo?
Sì. Il panel viene infittito su quel segmento e la ponderazione lo riporta al peso che ha davvero nella popolazione. Il numero sul segmento diventa leggibile senza falsare il totale.
Vale la regola dei mille intervistati?
È una regola del pollice legata al margine di errore su una proporzione, e vale solo se il campione è ben costruito. Su un campione mal composto, mille non sono più affidabili di trecento — sono solo più costosi.
Se questa ti è servita
Se la domanda che hai in testa è ancora un'altra, scrivicela: le guide nascono da lì.
Richiedi accesso in anteprima →