CALCOLO DELLE PROBABILITA’ E STATISTICA
RILEVAZIONE DEI FENOMENI STATISTICI
La rilevazione dei fenomeni statistici è il processo mediante il quale si raccolgono e
registrano i dati relativi a un fenomeno di interesse, al fine di descriverne e
analizzarne le caratteristiche. Essa può avvenire attraverso indagini totali, che
considerano tutte le unità della popolazione, o campionarie, che si concentrano su
un sottoinsieme rappresentativo. I principali fattori che inducono a optare per
l’indagine campionaria sono:
la riduzione dei tempi e dei costi necessari all’effettuazione dell’indagine;
l’attendibilità delle informazioni ottenibili da un campione può essere misurata e
controllata;
la qualità e la mole delle informazioni può essere maggiore di quella ottenibile
da un’indagine totale.
Il disegno sperimentale, il quale specifica la metodologia da impiegare per
avere un controllo diretto su uno o più fattori che incidono sul fenomeno di
interesse.
La randomizzazione è il processo di controllo indiretto che permette di eliminare
l’effetto dei fattori estranei.
Definizione degli obiettivi: definizione delle unità e delle variabili da rilevare; scelta del
periodo di riferimento.
Devono essere esplicitate le finalità conoscitive in maniera da rendere individuabile la
popolazione alla quale ci si riferisce e le unità statistiche che la compongono. Si deve poi
definire il periodo di riferimento, cioè il periodo di tempo al quale devono essere riferite le
informazioni.
Individuazione della popolazione e della lista delle unità statistiche.
La lista è un elenco degli elementi appartenenti alla popolazione di riferimento e rappresenta
lo strumento principale per la scelta delle unità statistiche.
Definizione del piano di campionamento. Nei casi in cui le liste non siano disponibili
vengono impiegate differenti tecniche di indagine. Fra queste il campionamento areale, che
prevede l’estrazione casuale di alcune piccole aree territoriali sulle quali poi vengono
intervistate “a tappeto” tutte le unità presenti nelle aree; Nel caso di indagini su popolazioni
rare, si utilizza il campione cosiddetto “a valanga”, che consiste nello scegliere un gruppo
iniziale di persone, dalle quali poi ottenere nomi e indirizzi di altre unità appartenenti alla
stessa popolazione.
Raccolta dei dati: scelta della tecnica di rilevazione; formulazione del questionario e
pretesto; rilevazione sul campo. Tra i metodi di acquisizione di dati da popolazioni umane
ricordiamo l’intervista.
Le domande vengono raccolte in un apposito modello detto questionario. Esistono diverse
tecniche di intervista che si differenziano nel modo in cui si somministra il questionario agli
intervistati. Possono essere distinte in metodi diretti e metodi indiretti. Nel primo caso
l’osservatore interagisce direttamente con l’unità osservata. Nel secondo caso ci si
avvale di un mezzo di mediazione tra l’osservatore e l’unità, per esempio del telefono.
Esistono diverse tipologie di intervista, le più diffuse sono:
Intervista diretta: l’elemento più influente è la presenza fisica dell’intervistatore.
Auto-compilazione: molto efficace laddove si ritiene che la popolazione presa in esame
sia ben disposta a collaborare alla ricerca. In questo caso la tecnica dell’auto-
compilazione permette di ridurre sensibilmente i costi dell’indagine e ridurre al
minimo l’organizzazione del lavoro sul campo.
Intervista telefonica.
CATI, CAPI: La tecnica CATI è una tecnica informatica di supporto all’intervista
telefonica che permette di ridurre i tempi e i costi dell’intervista, migliorando la qualità
dei dati. La tecnica CAPI è un metodo di raccolta dati in cui l’intervistatore utilizza un
dispositivo elettronico per gestire il questionario e registrare le risposte durante
un’intervista faccia a faccia con l’intervistato.
L’uso combinato del CATI e del CAPI permette di sfruttare i vantaggi di
entrambi nel caso di indagini che richiedono più interviste per la stessa unità
statistica.
Exit pol: Tale indagine ha lo scopo di fornire stime dei risultati delle elezioni
prima dello spoglio delle schede elettorali. L’indagine si svolge attraverso
l’intervista, in forma anonima, delle persone che escono dai seggi elettorali dopo le
operazioni di voto.
Altre fonti di dati sono costituite dalle banche dati.
Registrazione dei dati: registrazione su supporto digitale; controllo e correzione.
Una volta raccolti i dati si procederà alla registrazione su supporto digitale e quindi a un’analisi
preliminare della loro qualità, andando a controllare, con opportuni programmi, la
compatibilità delle informazioni ottenute.
Dopo aver corretto i dati si passerà alla fase di elaborazione e analisi statistica.
Elaborazione e analisi dei dati.
IL QUESTIONARIO
Il questionario è lo strumento di rilevazione dei dati più utilizzato nelle indagini
statistiche. È un modello costituito da un insieme di domande da sottoporre in
maniera identica a un collettivo di unità statistiche.
Il primo passo per la progettazione di un questionario è la concettualizzazione. Si
individuano le entità che entrano in gioco, si descrivono le relazioni esistenti fra le
entità e si individuano le gerarchie fra le relazioni.
Le domande del questionario sono gli elementi fondamentali attraverso cui un
questionario statistico raccoglie informazioni. Le principali tipologie di domande
possono essere:
Domande filtro: La domanda filtro è una domanda che consente di passare
direttamente da una batteria di domande a un’altra, evitando di sottoporre
all’intervistato domande non pertinenti.
Domande dirette/indirette: Le domande sono poste in maniera diretta
quando si chiama in causa direttamente l’intervistato. Le domande sono poste
in maniera indiretta quando ci si riferisce a una generica terza persona o a un
gruppo di persone con caratteristiche simili.
Domande a risposta semplice/multipla: Le domande a risposta semplice
ammettono solamente una risposta fra quelle possibili. Le domande a risposta
multipla consentono di poter scegliere contemporaneamente più di una
risposta.
Domande aperte/chiuse: si può passare dalla massima flessibilità, data dalle
domande aperte nelle quali si possono “personalizzare” le risposte, alla
massima rigidità, data dalle domande strutturate o chiuse ove le risposte
sono predefinite. Una DOMANDA APERTA è caratterizzata dal fatto che
all’intervistato viene lasciata piena libertà di rispondere a un quesito,
lasciandogli utilizzare il linguaggio che più gli è usuale. Una DOMANDA
CHIUSA considera un insieme chiuso di risposte alternative predefinite durante
la fase di progettazione del questionario. Quindi il rispondente dovrà soltanto
scegliere una fra le possibili risposte.
I BIG DATA
La definizione più nota di big data è quella proposta riguardante tre principali
caratteristiche delle tre V.
Volume, che fa riferimento all’enorme mole di dati osservati.
Velocità, che riguarda la velocità con cui questi dati vengono generati e il loro
flusso nel tempo. Molti dei big data sono osservati in real-time, ossia nello
stesso momento in cui vengono generati.
Varietà, che si riferisce alla moltitudine di tipologie di dati raccolte nei big data
come, per esempio, dati testuali, video, foto, messaggi vocali ecc.
La classificazione di big data che aiuta a distinguere e chiarire cosa si intende per
big data.
1. Social Networks (informazioni che provengono da attività umane).
2. Sistemi aziendali tradizionali (dati mediati da un processo).
3. Internet of Things (dati generati da macchine-sensori in modo automatico):
Molti dei big data sono dati non-strutturati, ossia codificati in una forma per la quale
non è immediato un loro trattamento statistico (i dati provenienti da un’indagine
statistica che si serve di un questionario sono per lo più dati strutturati). Dati
tipicamente non strutturati sono i dati testuali ricavabili dalle comunicazioni
(twits, e-mail, ...) rilasciate dagli utenti sui canali social, ma anche i video, i messaggi
vocali e le foto che vengono postate.
L’avvento dei big data ha quindi dato un nuovo impulso alla statistica nella
ricerca di nuove tecniche e metodi per l’analisi di dati complessi e di grandi
dimensioni.
L’INSIEME DEI DATI. L’insieme dei dati è costituito da tutte le misurazioni
effettuate su ognuna delle unità statistiche prese in esame:
- a ogni unità corrispondono le modalità osservate per ciascuno dei caratteri;
- a ogni carattere corrisponde l’insieme delle modalità osservate sul collettivo.
Indichiamo col termine frequenza assoluta di una modalità di un carattere il numero
di volte che questa viene osservata nel collettivo. Tramite le frequenze, possiamo
ottenere una rappresentazione molto più sintetica denominata appunto distribuzione
di frequenze.
La distribuzione di frequenze si dice:
- semplice se è riferita a un unico carattere, come il Sesso;
- doppia se invece è riferita a due caratteri congiuntamente, come Sesso ed Età;
- multipla se si riferisce a più di un carattere.
Dalle distribuzioni di frequenze assolute si può passare alle distribuzioni di frequenze
relative e percentuali.
La frequenza relativa è una misura statistica che rappresenta la proporzione o la
percentuale di osservazioni che corrispondono a una determinata modalità di un
carattere, rispetto al totale delle osservazioni.
La frequenza relativa è il rapporto tra la frequenza assoluta e il numero totale di
unità osservate, mentre la frequenza percentuale è pari alla frequenza relativa
moltiplicata per 100.
La frequenza cumulata è una misura statistica che rappresenta la somma delle
frequenze assolute (o relative) di tutte le modalità di una variabile fino a un certo
valore o intervallo. In altre parole, indica quante osservazioni si trovano al di sotto o
uguali a un certo valore.
LE RAPPRESENTAZIONI GRAFICHE. Le rappresentazioni grafiche offrono un
accesso immediato e intuitivo ai dati, rendendo le informazioni facilmente fruibili
anche a chi non possiede competenze specifiche. I grafici sono essenzialmente delle
traduzioni visive dei numeri contenuti nelle tabelle e consentono una
comprensione più rapida e diretta dei fenomeni rappresentati.
Nonostante i vantaggi evidenti, la rappresentazione grafica non può sostituire
completamente la tabella. Sebbene un grafico possa talvolta sintetizzare
efficacemente i dati, esso è spesso meno dettagliato rispetto a una tabella,
che rimane una fonte più ricca di informazioni analitiche.
Per questo motivo, grafici e tabelle devono essere considerati strumenti
complementari: le tabelle offrono un’analisi dettagliata dei fenomeni, mentre i grafici
ne facilitano la sintesi e la comprensione complessiva.
- Grafici a nastri – per caratteri qualitativi non ordinati. Se il carattere è
qualitativo ordinato o quantitativo, è preferibile utilizzare il grafico a barre
giacché le barre poste sull’asse orizzontale consentono di cogliere meglio
l’ordinamento delle modalità.
- Grafici a barre – per caratteri qualitativi ordinati e caratteri quantitativi
discreti. Il grafico a nastri viene utilizzato quando non esiste un ordine
predefinito delle modalità, che possono essere rappresentate semplicemente in
ordine decrescente di occorrenza. I grafici a barre sono particolarmente
adatti per confrontare due o più distribuzioni diverse con le stesse
modalità o per analizzare dati differenti riferiti alle medesime situazioni.
Permettono di rappresentare contemporaneamente più distribuzioni semplici.
- Grafici ad aree – per caratteri quantitativi continui nel tempo.
- Istogrammi – per caratteri quantitativi continui suddivisi in classi.
L’istogramma è un grafico costituito da barre non distanziate, con basi uguali o
diverse, dove ogni barra possiede un’area proporzionale alla corrispondente
frequenza o quantità. Dato un carattere quantitativo continuo, si può
suddividere il campo di variazione in classi di stessa ampiezza.
- Grafici a torta – per caratteri qualitativi non ordinati o ordinati ciclici
- Grafici radar – per caratteri ciclici
- Cartogrammi – per serie territoriali
- Diagrammi cartesiani – per serie storiche
GRAFICI AD AREE. Una rappresentazione che evidenzia maggiormente l’andamento del
fenomeno rispetto alle modalità di un carattere continuo è data dal grafico ad aree.
L’area sotto la spezzata viene colorata per evidenziare maggiormente l’andamento del
fenomeno.
I grafici a torta (detti anche a pizza o areali) sono particolarmente utili quando
si vuole rappresentare la composizione di un aggregato (sia in termini di
valori assoluti sia relativi o percentuali).
Per costruire un grafico a torta bisogna calcolare il settore circolare, cioè l’angolo su
cui costruire il settore circolare. La generica fetta o settore circolare corrispondente
alla j-esima modalità è completamente definita dall’angolo al centro corrispondente;
questo si ottiene facilmente da una semplice proporzione.
∗360
P g P
J J J
= =
da cui g J
100 360 100
I grafici radar sono molto utili quando il carattere è ciclico.
Per rappresentare le serie territoriali spesso si utilizza un particolare grafico
chiamato cartogramma.
Se il carattere è quantitativo o ordinale allora il colore avrà un’intensità crescente
all’aumentare dell’intensità del fenomeno che si vuole rappresentare.
Le serie storiche rappresentano l’evoluzione nel tempo di un collettivo o di un
carattere quantitativo associato a una specifica unità statistica.
La rappresentazione grafica più adeguata per le serie storiche è il diagramma
cartesiano, che consente di visualizzare facilmente l’andamento del fenomeno.
Sul piano cartesiano, l’asse delle ascisse (asse orizzontale) rappresenta il tempo,
suddiviso in intervalli regolari in modo che ogni punto corrisponda a un determinato
istante.
L’asse delle ordinate (asse verticale), invece, rappresenta il valore misurato
Questo tipo di rappresentazione fornisce un’approssimazione grafica del fenomeno
reale, utile per evidenziare tendenze, variazioni cicliche o anomalie. Inoltre, grazie alla
rappresentazione grafica, è possibile stimare il valore approssimato del fenomeno in
istanti intermedi, diversi da quelli osservati, anche se ciò richiede cautela per evitare
di trarre conclusioni fuorvianti in caso di variabilità elevata o di andamenti non lineari.
LA MEDIA GEOMETRICA. La media geometrica è una media analitica utilizzata nel
caso in cui l’insieme dei dati è costituito da valori positivi generati da rapporti. Quindi
la media geometrica si usa quando i valori sono moltiplicativi o quando si
vogliono calcolare tassi di variazione medi.
La media geometrica di un insieme di n valori positivi x1, x2, ..., xn di un
carattere quantitativo X è pari alla radice n-esima del prodotto dei singoli
valori: 1
√
n ⋅ ⋅… ⋅
= ovvero
x́ x x x ( )
´ n
⋅ ⋅ ⋅
=
x x x … x
g 1 2 n g 1 2 n
LA MEDIA GEOMETRICA DELLE DISTRIBUZIONI DI FREQUENZA
√
n n 1 n 2 fk
n 1 n 2 kfk ⋅ ⋅ ⋅
⋅ ⋅ =x
= Oppure x́ x … x
x́ x x …⋅ x g 1 2 k
g 1 2
1. Il prodotto dei valori x1, x2, ..., xn assunti da un insieme di unità
statistiche è uguale alla potenza n-esima della media geometrica:
n
[ ]
∗⋯∗xn=
x x x́
¿
1 2 g
ESEMPIO: la media geometrica della sequenza 2, 4, 8 è uguale a:
√ √
3 3 3
=
x́ 2∗4∗8= 64 = 4 Quindi: 2 * 4 * 8 = 64 = 4
g
2. Il logaritmo della media geometrica è uguale alla media aritmetica dei
logaritmi:
n
1 ∑ ( )
=
log x́ log x
g i
n i=1
ESEMPIO: Sapendo che Il tasso di incremento del prezzo di un bene nell’anno r-esimo è
dato da:
P R
=
I r P r−1
Supponiamo di osservare per cinque anni il tasso di incremento del prezzo di un certo
prodotto:
�1 = 1,20; �2 = 1,35; �3 = 1,50; �4 = 1,30; �5 = 1,25 x́
Calcoliamo la media geometrica applicando la 2° proprietà: log =
g
1 [log (1,20) + log (1,35) + log (1,50) + log (1,30) + log (1,25)] = 0,11929
5 x́ 0,11929
Calcolando l’antilogaritmo: = = 1,3161
10
g
La trimmed mean (o media troncata) è una misura di tendenza centrale che si
ottiene eliminando una percentuale fissa di valori più estremi (sia inferiori che
superiori) da un insieme di dati prima di calcolare la media aritmetica.
La trimmed mean al 50% di un carattere quantitativo corrisponde alla media
aritmetica del 50% dei valori più centrali di un insieme ordinato di
osservazioni. In pratica nel calcolo della media aritmetica non vengono considerati il
25% dei valori più piccoli e il 25% dei valori più grandi.
La trimmed mean consente pertanto di diminuire l’effetto dei valori estremi nel calcolo
della media aritmetica.
CALCOLO DELLA TRIMMED MEAN
Volendo calcolare la trimmed mean al 50% per i valori dell’esempio:
5+ 6+8+8 =6,75
3, 5, (5, 6, 8, 8), 9, 150 Si avrà 4
Possiamo notare che la trimmed mean al 50% è un valore centrale della distribuzione,
in quanto una metà dei valori sono inferiori alla trimmed mean e l’altra me
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.