Statistics 101, 201, and 202: Three Shiny Apps for Teaching Probability Distributions, Inferential Statistics, and Simple Linear Regression

Il documento presenta Statistics 101, 201 e 202, tre applicazioni web open-source realizzate con R e Shiny che supportano l'insegnamento della statistica introduttiva consentendo agli studenti di eseguire calcoli probabilistici, inferenziali e di regressione lineare senza necessità di competenze di programmazione, fornendo risultati numerici, grafici e derivazioni matematiche in un'unica interfaccia.

L'essenziale

Immagina di dover insegnare a qualcuno a cucinare un pasto complesso, ma invece di dargli un libro di ricette pieno di termini tecnici e di fargli usare un coltello affilato (che potrebbe spaventarlo), gli dai un robot da cucina magico. Questo robot non solo mescola gli ingredienti, ma ti mostra anche perché sta facendo quel movimento, ti disegna il piatto finito e ti spiega la chimica dietro la cottura, tutto mentre tu guardi semplicemente lo schermo.

Questo è esattamente ciò che fa il paper di Antoine Soetewey. Ha creato tre "robot da cucina" digitali (chiamati App Shiny) per gli studenti che studiano statistica, rendendo la materia meno spaventosa e più intuitiva.

Ecco come funzionano, spiegati in modo semplice:

1. Il Problema: La Matematica come Labirinto

Immagina che la statistica sia un enorme labirinto. Gli studenti devono trovare l'uscita (la risposta corretta) calcolando probabilità, costruendo intervalli di sicurezza o disegnando linee su grafici.

• Il vecchio metodo: Dovevano usare calcolatrici noiose, cercare tabelle di carta (come mappe antiche e sbiadite) o imparare a programmare in R (come imparare a costruire il robot da cucina da zero prima di poter cucinare).
• Il risultato: Molti si bloccavano, si confondevano e dimenticavano perché stavano facendo quei calcoli, concentrandosi solo sui numeri.

2. La Soluzione: I Tre Robot Magici

L'autore ha creato tre applicazioni web gratuite che funzionano come una guida turistica interattiva per questo labirinto. Non serve saper programmare, basta aprire il sito e cliccare.

🎲 App 1: "Statistica 101" – La Macchina del Tempo delle Probabilità

Pensa a questa app come a un oracolo delle probabilità.

• Cosa fa: Hai un dado, una moneta o un evento raro (come la pioggia domani)? L'app ti dice esattamente quanto è probabile che accada.
• La magia: Non ti dà solo il numero "0,84". Ti mostra una disegnazione (un grafico colorato) che ti fa vedere esattamente quale parte della "montagna" di probabilità stai guardando. Ti mostra la formula matematica accanto al risultato, così capisci che il numero non è magia, ma logica visiva.
• Per chi è: Per chi deve capire come funzionano le distribuzioni (come la curva a campana) senza impazzire con i calcoli a mano.

🛡️ App 2: "Statistica 201" – Il Detective degli Intervalli

Immagina di essere un detective che deve decidere se una teoria è vera o falsa basandosi su indizi (dati).

• Cosa fa: Ti aiuta a costruire "intervalli di sicurezza" (dove è probabile che si trovi la verità) e a fare "test di ipotesi" (come dire: "Scommetto che questo farmaco funziona!").
• La magia: Invece di darti solo un "Sì" o "No", l'app ti guida passo dopo passo come un detective che spiega il caso. Ti mostra la formula che usa, i numeri che inserisce e ti disegna il grafico della "zona di pericolo" (dove si rifiuta l'ipotesi). Se il tuo dato cade nella zona rossa, l'app ti dice: "Attenzione, qui c'è qualcosa di strano!".
• Per chi è: Per chi deve confrontare medie, proporzioni o varianze e vuole vedere il ragionamento dietro ogni decisione.

📈 App 3: "Statistica 202" – Il Cartografo delle Relazioni

Questa è per chi vuole capire come due cose sono collegate (es. "Più studio, migliori sono i voti?").

• Cosa fa: Prende i tuoi dati e ci traccia sopra una linea perfetta (regressione lineare) che mostra la tendenza.
• La magia: Non ti dà solo la linea. Ti mostra come è stata disegnata, passo dopo passo, con la formula matematica che calcola l'inclinazione. Ti dice anche se la linea è affidabile o se ci sono "punti ribelli" che la disturbano. Inoltre, ti genera un report automatico che puoi scaricare, come se avessi scritto tu stesso un saggio scientifico.
• Per chi è: Per chi deve analizzare relazioni tra variabili e vuole vedere la storia dietro i dati.

Perché è così speciale?

L'idea di fondo è semplice: non sostituire il pensiero, ma liberarlo.

Spesso gli studenti passano ore a fare calcoli noiosi e perdono il filo del discorso. Queste app fanno i calcoli "sporchi" al posto loro, ma mostrano tutto il "processo di pensiero" accanto. È come avere un professore che ti sta accanto, che ti dice: "Guarda, ho fatto questo calcolo, ecco il risultato, e guarda come corrisponde al disegno. Ora che abbiamo i numeri, parliamo di cosa significano davvero."

In sintesi

Queste tre app sono come ponti tra la teoria astratta dei libri di testo e la realtà pratica dei dati. Sono gratuite, aperte a tutti (chiunque può prenderle e modificarle), e sono state create proprio per aiutare gli studenti a non perdersi nel labirinto della statistica, ma a godersi il viaggio della scoperta.

Sommario tecnico

Sintesi Tecnica: Statistics 101, 201 e 202

Titolo: Statistics 101, 201, and 202: Three Shiny Apps for Teaching Probability Distributions, Inferential Statistics, and Simple Linear Regression.
Autore: Antoine Soetewey (HEC Liège, ULiège).
Data: 30 marzo 2026.

---

1. Il Problema

I corsi introduttivi di statistica in discipline quali economia, biostatistica e scienze sociali richiedono agli studenti di eseguire calcoli complessi: calcolo di probabilità, costruzione di intervalli di confidenza, test di ipotesi e adattamento di modelli di regressione lineare.
Le sfide principali identificate sono:

• Calcolo manuale: L'esecuzione a mano è lenta e soggetta a errori.
• Barriera di programmazione: L'uso di ambienti come R, Python o SPSS presuppone una familiarità con il codice che gli studenti principianti spesso non possiedono.
• Limiti degli strumenti esistenti:
  • Le tabelle statistiche (cartacee o online) coprono solo un numero limitato di distribuzioni e mancano di feedback grafico.
  • I calcolatori web (es. Wolfram Alpha) spesso non includono moduli per test di ipotesi o regressione e non mostrano le espressioni matematiche sottostanti.
  • Gli strumenti basati su Shiny esistenti tendono a focalizzarsi su singoli argomenti specifici piuttosto che coprire l'intera sequenza didattica introduttiva in un'unica interfaccia coerente.

2. Metodologia

L'autore ha sviluppato una suite di tre applicazioni web interattive e open-source utilizzando l'ecosistema R e il framework Shiny. L'approccio metodologico si basa su:

• Tecnologia: Sviluppo in R con interfaccia utente Shiny.
• Visualizzazione: Utilizzo di ggplot2 per i grafici e shinycssloaders per gli indicatori di caricamento.
• Matematica: Integrazione di MathJax per il rendering in linea delle derivazioni matematiche e delle formule.
• Interattività: Le applicazioni non richiedono registrazione, installazione o interazione da riga di comando. Gli studenti accedono tramite URL e inseriscono dati grezzi o statistiche riassuntive.
• Design Pedagogico: L'interfaccia è minimalista per mantenere l'attenzione sui contenuti statistici. Il principio guida è la visualizzazione simultanea del risultato numerico, del grafico e della formula matematica corrispondente, per collegare la teoria alla pratica computazionale.

3. Contributi Chiave (Le Applicazioni)

La suite è organizzata in tre moduli progressivi che coprono l'intero arco di un corso introduttivo di due semestri:

A. Statistics 101: Distribuzioni di Probabilità

• Funzionalità: Calcola probabilità per 18 distribuzioni (Beta, Binomiale, Chi-quadro, Normale, Poisson, t-Student, ecc.).
• Output:
  1. Soluzione: Enunciato della probabilità in notazione matematica completa (es. $P(X \le 1) = 0.8413$) calcolato con le funzioni native di R.
  2. Grafico: Funzione di densità o massa con la regione rilevante ombreggiata.
  3. Dettagli: Mostra la funzione di densità/massa (PDF/PMF), il valore atteso, la deviazione standard e la varianza calcolati sui parametri inseriti.

B. Statistics 201: Intervalli di Confidenza e Test di Ipotesi

• Ambiti: Copre 7 scenari di inferenza (media singola, due medie indipendenti/paired, proporzioni, varianze).
• Input: Supporta sia dati grezzi (CSV) che statistiche riassuntive ($n, \bar{x}, s^2$).
• Output Strutturato in 4 Passi:
  1. Dati: Statistiche descrittive formattate.
  2. Intervallo di Confidenza: Formula con sostituzione numerica dei valori.
  3. Test di Ipotesi: Procedura in 4 punti (enunciato $H_0/H_1$, statistica del test calcolata, valori critici, decisione di rifiuto/non rifiuto).
  4. Interpretazione: Conclusione in linguaggio naturale con il valore p.
• Visualizzazione: Grafico della distribuzione campionaria con regione di rifiuto ombreggiata e statistica osservata marcata.

C. Statistics 202: Regressione Lineare Semplice

• Funzionalità: Adattamento del modello $y = \beta_0 + \beta_1x + \varepsilon$ tramite la funzione lm() di R.
• Output Unico:
  1. Tabella Dati: Interattiva (con opzioni di esportazione).
  2. Derivazione Passo-Passo: Calcolo esplicito degli stimatori OLS ($\hat{\beta}_1$ e $\hat{\beta}_0$) mostrando la formula simbolica e il risultato numerico sui dati dello studente.
  3. Output R: Riepilogo completo del modello (coefficienti, errori standard, t-stat, p-value, $R^2$ aggiustato).
  4. Grafico Interattivo: Scatter plot con linea di regressione e banda di confidenza (usando plotly).
  5. Diagnostica: Pannelli espandibili con i 6 grafici di controllo del modello (linearità, omoschedasticità, ecc.).
  6. Report Scaricabile: Generazione automatica di un report HTML tramite R Markdown.

4. Risultati

• Accessibilità: Le applicazioni sono state implementate e sono attive su shinyapps.io. Il codice sorgente è disponibile su GitHub sotto licenza CC-BY-4.0.
• Adozione Didattica: La suite è stata sviluppata durante il dottorato dell'autore e continua a essere utilizzata attivamente come strumento didattico presso le università di UCLouvain e UNamur (Belgio) nei corsi di probabilità, statistica inferenziale e regressione.
• Efficacia Pedagogica: L'uso degli strumenti ha permesso di spostare il tempo in aula dalla meccanica del calcolo (ricerca di tabelle, inserimento dati) all'interpretazione concettuale e alla discussione, risolvendo la difficoltà degli studenti di collegare le formule astratte ai risultati numerici.

5. Significato e Impatto

• Ponte tra Teoria e Pratica: La caratteristica distintiva è la presentazione "side-by-side" (lato a lato) della derivazione matematica, del grafico e del risultato numerico. Questo aiuta gli studenti a visualizzare come le formule astratte si traducono in risultati concreti sui propri dati.
• Risorsa Open Source: Essendo open-source, gli istruttori possono adottare, modificare (fork) o estendere le applicazioni per adattarle ai propri corsi, promuovendo la riproducibilità e la collaborazione nella didattica della statistica.
• Scalabilità: La struttura modulare permette di coprire l'intero spettro di un corso introduttivo di statistica senza richiedere competenze di programmazione, rendendo la statistica accessibile a studenti di discipline non informatiche.

In conclusione, questo lavoro rappresenta un contributo significativo alla didattica della statistica moderna, fornendo strumenti che democratizzano l'accesso ai calcoli complessi mantenendo il rigore matematico e favorendo la comprensione concettuale.