Statistica per l’analisi dei dati
Statistica Descrittiva
Unità statistica
È il singolo carattere a cui si riferisce un dato statistico. Se i dati che si sono
osservati e che si desidera esaminare si riferiscono a caratteristiche personali
(statura, età, titolo di studio) l'unità statistica è la persona individuale; se si
riferiscono a caratteristiche aziendali/industriali (settore, numero di dipendenti,
fatturato 2014) l'unità statistica è l'azienda;
Carattere statistico
Si chiama carattere la caratteristica che il dato descrive, come quelle indicate
al punto precedente.
E' importante classificare i caratteri perché ciascuna tipologia di carattere
prevede l'uso di strumenti adeguati.
La prima distinzione, abbastanza intuitiva, è tra dati qualitativi e quantitativi.
I dati quantitativi sono numerici, i dati qualitativi sono attributivi.
Ma ciascuna di queste grandi categorie si divide a sua volta in due, per cui si
hanno, di fatto, quattro tipologie fondamentali di carattere:
1. Carattere qualitativo sconnesso (o mutabile sconnessa): è solo possibile
stabilire se due dati sono uguali o diversi Paese/Regione di nascita, Settore
di attività, Gruppo sanguigno sono esempi di mutabili sconnesse.
2. Carattere qualitativo ordinabile (o mutabile ordinabile) : è anche
possibile stabilire un ordinamento, per cui si può dire quale sia il maggiore
(o il minore) tra due dati differenti. Grado degli ufficiali dell'esercito
(generale › colonnello > maggiore › capitano ecc.), categorie di docenti
universitari (ordinario › straordinario › associato ecc.), giudizio di
soddisfazione (ottimo >
buono > sufficiente ecc.) sono esempi di mutabili ordinabili.
I caratteri quantitativi a loro volta si possono distinguere in due categorie:
1. Carattere quantitativo discreto (o variabile discreta): si hanno dati
numerici derivati da un conteggio. Numero di componenti di un nucleo
familiare, numero di stabilimenti o di dipendenti di un'azienda industriale
sono esempi di variabili discrete.
2. Carattere quantitativo continuo (o variabile continua), in cui si hanno
dati numerici derivati da una misurazione. Statura, reddito familiare,
fatturato aziendale, temperatura dell'aria sono esempi di variabili continue.
Es. Rimini ha 1500000 abitanti, il carattere quantitativo derivante da conteggio e quindi carattere
quantitativo discreto.
Rappresentazione statistica
Per rappresentare un insieme di n dati è possibile indicarli uno alla volta, in
ordine di osservazione:
XI, X2, X..., Xni oppure, se il carattere è quantitativo o ordinabile, in ordine
non decrescente: X(1), X(2),X(….) X(n).
Se i dati sono numerosi, è opportuno raccoglierli in una tabella di numerosità,
dove vengono rappresentate le diverse modalità del carattere e le corrispondenti
frequenze assolute e/o relative.
Una tabella di numerosità assume quindi la forma seguente:
Il numero n; rappresenta il numero di volte in cui la modalità x, è stata
osservata, mentre la quantità fi = ni/n é la cosiddetta frequenza relativa.
La somma di tutte le numerosità è uguale a n, mentre la somma di tutte le
frequenze relative è uguale a 1.
Spesso le frequenze relative sono espresse in percentuale, per cui il loro totale è
pari al 100%. La maggiore comodità di lettura della rappresentazione
percentuale si evidenzia soprattutto quando i numeri indicati sono molto
piccoli. Esempi: 0,0137 = 1,37% ; 0,0024 = 0,24% ; 0,0008 = 0,08%.
Quando si analizzano simultaneamente due caratteri X e Y, è necessario
costruire una tabella a doppia entrata, indicando per riga le modalità osservate
del carattere X e per colonna le modalità osservate del carattere Y. Ciascuna
casella contiene la numerosità (cioè il numero di unità osservate) relativa alla
coppia di modalità corrispondente. In fondo a ciascuna riga si indica la somma
delle caselle (che si chiama numerosità marginale di riga) e in fondo a ciascuna
colonna si indica la somma delle caselle della colonna stessa (che si chiama
numerosità marginale di colonna).
Valori medi
Un valore medio è un singolo valore che ha il compito di rappresentare l’intero
insieme dei dati osservati, deve essere scelto con il metodo migliore.
Se parliamo di dati qualitativi sconnessi l’unico modo è vedere il valore che si
ripete di più. Quesito valore prende il nome di moda.
Quando però ordiniamo per valori quantitativo o qualitativo ordinabili
potremo calcolare un ulteriore valore che è il valore che sta nel mezzo che è la
mediana.
Ci sono due tipi di mediana se il valore è quantitativo es. calcolarla per i voti
che ha preso uno studente:
1. Se il numero è dispari c’è solo un valore che fa da mediana.
2. Se sono pari le mediane sono due, es. 10 dati la media a è quinto e sesto. Se
il valore è quantitativo si fa la media. Mediana tra 25 e 26 è 25,5.
N.B: Le osservazioni per il calcolo sono limitate. Es. Mediana esclude tutto ciò che è lontano dal centro.
Se i dati sono quantitativi e si vogliono utilizzare tutte le osservazioni per
ottenere il valore medio, si puo utilizzare il metodo della funzione di Chisini.
Data una funzione g, opportunamente scelta, si sceglie come valore medio il
numero x* tale che: g (X, X2,..., x,) = g(x**, x*,..., x*).
N.B: La funzione può essere la somma, il prodotto, la somma dei quadrati, la somma dei reciproci, delle
radici quadrate, dei logaritmi e così via.
Affermava che sommare tutti i valori è come se sommo un valore per n uguale
volte, quindi x1, x2,x3,x4,x5= sommatoria di x media= nx dove questo valore x
che viene sommato è x1+x2+x3+x4+x5/5.
Le medie
Media aritmetica
È validamente applicabile ai caratteri quantitativi che si compongono per
somma.
Mx= (sommatoria di x_j=1 fino a x_n)/n
Esistono però anche che si compongono per prodotto, es. Tassi interesse o tassi
di sopravvivenza, per cui è importante sapere il valore medio e si calcola con la
funzione prodotto.
Stiamo introducendo la media geometrica:
MG(X)= valore medio dato dalla radice ennesima del prodotto di tutte le x,
N.B: La media geometrica per costruzione da valori minore l’unico caso è in cui il valore che si
ripete è uguale e le due medie sono uguali.
Proprietà delle medie aritmetica e geometrica
1. Se aggiungo una costante, positiva o negativa che sia, la media aritmetica
varia di misura pari alla costante. La media geometrica varia pure ma non di
misura pari alla costante.
2. Se moltiplico un valore costante per ogni dato le medie risultano
raddoppiate o triplicate o dimezzate.
3. Sia la media aritmetica che quella geometrica assumono sempre un valore
maggiore dell’osservazione minima e minore dell’osservazione massima.
4. Una proprietà che ha solo la media geometrica, se prendo i dati iniziali e
elevo tutto al quadrato, con la media aritmetica non tornano i conti, invece
la media geometrica risulterà elevata alla medesima potenza.
5. Mettendo insieme le proprietà indicate si ottengono i seguenti risultati:
M(a + bX) = a + b • M(X)
M,(b•X•) = b • [MG(X)]
Media armonica e media quadratica
1. Media armonica: si sceglie come funzione di riferimento la funzione della
somma dei reciproci, 1/x1, 1/x2 e cosi via. E deve essere uguale a N volte il
reciproco medio. Se si vuol calcolare una media della velocità si può
utilizzare. M_h = n diviso la somma dei reciproci.
2. La media quadratica : Si utilizza come funzione di riferimento la somma dei
quadrati. Al posto di1/x1 è x1 al quadrato. Quindi M_h= sommatoria dei
quadrati, diviso , tutto questo sotto radice quadrata. Può essere scritta alla
fine come radice quadrata di M(X^2).
Tutte queste medie hanno un odine, la media quadratica è la maggiore e la
media armonica la minore, poi troviamo la media geometrica e successivamente
la media aritmetica.
Proprietà di minimo
Il minimo è dato dalla somma della differenza assolute rispetto ad una costante
k. Prendendo come costante k la mediana possiamo notare che la distanza è
minima.
Es. 20 22 24 29 30
Mediana 24, media 25 guardo quanto è distante dalla mediana e poi dalla
media, se faccio la somma delle distanze ottengo 17, se prendo 25 la somma
delle distanze e fa 18.
Se eleviamo le distanze al quadrato e ci da 81, con la media da 76. Questa è una
proprietà di minimo perché cin i quadrati lo otterremo con la differenza dalla
media che della mediana.
Formule di calcolo con tabelle di frequenza
Con la tabella di frequenza viene meglio, con la tabella di frequenze le formule
sono più semplici perché prendo il valore e lo moltiplico con la frequenza, con
la media geometrica elevo. Con la media armonica invece frequenza diviso il
valori e e creo il reciproco, invece con quella quadratica invece uso la radice del
valore per la frequenza.
Le misura di variabilità
Nell'analisi di un insieme di dati osservati ha molta importanza lo studio della
variabilità, ossia della tendenza delle osservazioni alla diversificazione.
Sono state quindi definite e analizzate delle misure di variabilità, che
permettono di stabilire di quanto si differenziano i dati stessi tra loro. Una
misura di variabilità deve soddisfare i seguenti tre requisiti:
• Assumere valori non negativi
• Raggiungere il valore minimo (solitamente zero) in assenza di variabilità
• Non diminuire se si trasferisce una quantità di carattere da un'osservazione
minore a una maggiore.
Vi sono misure di variabilità molto semplici, come il campo di variazione
ottenuto sottraendo l'osservazione più piccola da quella più grande, e altre che
invece sono ottenute a partire da tutti valori osservati.
In particolare si definiscono gli scostamenti medi, ottenuti calcolando la
distanza tra ogni osservazione e un valore fisso di riferimento, e calcolando una
media opportunamente scelta di queste distanze.
Si ottiene così la seguente formula di base:
N.B: Se la variabilità è alta ci saranno distanze maggiori quindi valori maggiori, in caso contrario valori
minori.
I valori si prendono in assoluto, oppure si possono prendere al quadrato. Perché il minimo nel primo caso è
data con la mediana nel secondo con la media.
Sono molto utilizzati gli scostamenti medi, che si differenziano in scarto
quadratico medio semplice e scarto quadratico medio.
I due scostamenti medi possono essere:
1. Lo scostamento semplice medio dalla mediana dove si pone r =1,
chiamato deviazione media assoluta. Si può prendere pura la distanza dalla
media ma il minimo si ottiene con la mediana.
2. Lo scostamento medio dalla media e la funzione è uguale ma con la radice
quadrata. R=2 questa chiamata deviazione standard.
N.B: Il valore minimo è il primo. Questi due scostamenti sono espressi nella stessa misura dei dati.
Devianza e varianza
La varianza è lo scarto quadratico al quadrato, quindi il radicando della
deviazione standard.
Il numeratore della varianza si chiama devianza e si può dividere in due parti
quando i dati sono divisi in gruppi.
N.B: Varianza e devianza sono espresse nel quadrato dell’unità di misura delle osservazioni.
Proprietà della varianza e dello scarto
1. Se i dati sono raccolti in una tabella con frequenze relative, il calcolo della
varianza si semplifica:
2. Aggiungendo a ciascun dato una costante a, positiva o negativa la varianza
rimane invariata.
3. Moltiplicando ciascun dato per una costante b, la varianza viene
moltiplicata per il quadrato di b.
4. Considerando simultaneamente la seconda e la terza proprietà otteniamo:
V(3x+4) = VM(X)+4
5. Essendo lo scarto di S(X) pari alla radice quadratica di V(X), si ottiene il
seguente risultato:
Indici di variabilità relativa
Le misure di variabilità sopra definite sono inevitabilmente legate all'unità di
misura delle osservazioni. Pertanto, permettono confronti tra fenomeni diversi
(stature e pesi) o tra ordini di grandezza diversi dello stesso fenomeno (reddito
annuo e patrimonio). Per permettere questi confronti si possono seguire due
strade:
A) Rapportare le misure di variabilità ad un valore medio;
B) Rapportare le misure di variabilità ai loro valori estremi, ossia al loro valore
minimo e al massimo.
Seguendo la prima strada è naturale scegliere il valore medio in base al centro
di riferimento del numeratore.
Si possono, in particolare, definire due indici, corrispondenti agli scostamenti
medi introdotti:
1. Lo scostamento semplice medio relativo: dato dal rapporto tra
scostamento e mediana.
2. Coefficiente di variazione: dato dal rapporto tra scarto con la media
aritmetica.
N.B: Il risultato può essere espresso in percentuale ma il 100% può essere superato. Lo scarto quadratico
medio va diviso per la media, la deviazione standard con la mediana.
Indici dimensionali e adimensionali
• Un indice dimensionale è espresso in unità di misura. Lo scarto di un’unità
espressa in cm mantiene l’unità di misura.
• Un indice adimensionale non è espresso in una specifica unita di misura, per
cui ha un valore intrinseco. Es. Coefficiente di variazione. Quindi anche se
cambiamo unita di misura il valore non cambia.
Indici normalizzati
Un carattere quantitativo si dice trasferibile quando è possibile ipotizzare uno
scambio di intensità tra unità statistiche. Questo avviene, in generale, per i
caratteri economici e monetari: reddito, patrimonio, possesso di beni ecc. Al
contrario, i caratteri biologici e naturali come età, statura, peso corporeo,
lunghezza delle ossa sono quasi sempre non trasferibili. Per esempio, un
novantenne non può "cedere' quindici anni di età a un bambino, anche se forse
farebbe piacere a entrambi.
Quando il carattere studiato è trasferibile, è possibile studiare il grado di
concentrazione del carattere stesso, ossia il fatto che l'intensità del carattere si
concentri in poche unità statistiche. al limite in una sola. Tra gli indici di
concentrazione che sono stati proposti, ce n'è uno che assume particolare
importanza nella misura degli squilibri economici e monetari, ed è il rapporto di
concentrazione di Gini, indicato con la lettera R.
Per studiare la concentrazione di un carattere trasferibile si devono innanzitutto
definire le due situazioni limite: si ha concentrazione nulla (o equidistribuzione)
se tutte le osservazioni sono uguali, mentre si ha massima concentrazione
quando un singolo individuo possiede tutta la quantità del carattere considerato.
Se si parte da un campione di n dati x, e si vuole determinarne il grado di
concentrazione, attraverso il metodo proposto da Corrado Gini, occorre per
prima cosa permutare i dati in ordine crescente (o non decrescente in presenza
di valori uguali) ottenendo un nuovo insieme ordinato.
Sia M(X) la media aritmetica osservata e sia T(X) = n • M(X) la quantità totale
del carattere, ossia la somma di tutte le osservazioni.
La misura della concentrazione che viene indicata con la R.
R=somma delle differenze tra i pesi/ somma massima
L’indice di gini è dato dalla sommatoria di pj-qj diviso la sommatoria di pj.
Quindi 1- il rapporto tra la somma di qj e la somma di pj. Con concentrazione
massimo sopra è 0 e sotto 1 e in caso contrario all’opposto.
quindi possiamo scrivere alla fine 1- il rapporto tra la somma dei pesi q e la
somma dei pesi p.
Indici di variabilità normalizzati
Quando gli indici di variabilità vengono costruiti in riferimento al loro valore
minimo e massimo, vengono definiti indici normalizzati, e il loro valore è
necessariamente compreso tra zero e uno.
La formula completa di un indice di variabilità normalizzato, associato a una
generica misura V*= (V-Vmin)/(Vmax-Vmin).
Poiché, salvo per alcune misure di variabilità molto particolari, il valore
minimo Vmin è uguale a zero, si semplifica la formula ed è= V/Vmax.
N:B: Per costruzione, a differenza degli indici riferiti a un valore medio, gli
indici normalizzati non possono superare mai il valore del 100%.
Il concetto di eterogeneità
Quando si studia un carattere qualitativo (una mutabile statistica) ed esso ha
una diversificazione, è sempre possibile indicare le modalità e la corrispondente
frequenza assoluta o relativa. Il grado di diversi abilità del dato quantitativo
viene chiamata variabilità ma eterogeneità.
Se si decide di valutare il gradi di eterogeneità, ossia di diversificazione, di
questo insieme di dati, occorre innanzitutto stabilire quale potrebbero essere le
situazioni estreme:
Si avrebbe una perfetta omogeneità se tutte le osservazioni presentassero la
stessa modalità (se, per esempio, una solo squadra nazionale avesse vinto tutti i
campionati mondiali
• La situazione di massima eterogeneità, invece, prevede che ogni modalità sia
stata osservata con la stessa frequenza.
Pertanto, nella situazione di perfetta omogeneità le frequenze saranno: f_1 = 1;
f_2 = f_3 = f_... = f_k = 0.
All'opposto, se l'eterogeneità è massima, si avrà: f_1 = f_2 = f_3 =f_ ... = f_k, =
1/k.
Limiti dell’eterogeneità
L’omogeneità è il primo limite: quando tutti la stessa modalità. Quindi si
avrebbe in questo caso massima o perfetta omogeneità. Es. Una nazionale ha
vinto tutti i mondiali. Le frequenze sarebbero: f1=1 e le altre fn=o
Massima eterogeneità quando ci sono tante modalità presenti e tutte con lo
stesso peso e quindi frequenza. Es. Tutti prese
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.