Media (popolazione e campione)
N, n
μ = 1/N ∑i=1N xi; x̄ = 1/n ∑i=1n xi
- μ (media della popolazione): valore medio di tutti i dati della popolazione.
- x̄ (media campionaria): media calcolata su un campione.
- Rappresenta il “centro” dei dati.
Mediana
Valore centrale di un insieme ordinato di dati.
- Se il numero di dati è:
- Dispari: è il valore centrale
- Pari: è la media dei due valori centrali
- Divide i dati in due metà uguali.
Moda
Valore che compare più frequentemente.
- Può essere:
- Unimodale (una sola moda)
- Bimodale o multimodale
Percentili
Valore sotto cui cade una certa percentuale di dati.
- Esempio: il 30° percentile indica che il 30% dei dati è inferiore a quel valore.
Quartili
Dividono i dati in 4 parti:
- Q1: 25%
- Q2: mediana (50%)
- Q3: 75%
Varianza (popolazione e campione)
σ2 = 1/N ∑i=1N (xi − μ)2; s2 = 1/(n−1) ∑i=1n (xi − x̄)2
- Misura la dispersione dei dati rispetto alla media.
- Il campione usa n−1 (correzione di Bessel).
Deviazione standard (popolazione e campione)
σ = √σ2; s = √s2
- È la radice quadrata della varianza.
- Più è grande, più i dati sono dispersi.
Coefficiente di variazione
CV = σ/μ o CV = s/x̄
- Misura la variabilità relativa rispetto alla media.
- Utile per confrontare dispersioni tra dataset diversi.
Covarianza (popolazione e campione)
Cov(X, Y) = 1/N ∑i=1N (xi − μX)(yi − μY); sXY = 1/(n−1) ∑i=1n (xi − x̄)(yi − ȳ)
- Misura come due variabili variano insieme.
- Segno:
- Positivo: crescono insieme
- Negativo: una cresce e l’altra diminuisce
Coefficiente di correlazione lineare (Pearson)
r = Cov(X, Y) / (σX σY)
- Varia tra -1 e +1
- +1: correlazione perfetta positiva
- 0: nessuna correlazione lineare
- -1: correlazione perfetta negativa
- Indica la forza e direzione della relazione lineare tra due variabili.
Variabile aleatoria discreta
- Assume un numero finito o numerabile di valori.
- Esempi: numero di figli, risultati di un dado.
- Si descrive con una funzione di probabilità.