Lezione 8.

Moda e Quantili
Quantili di vc e quantili di variabili statistiche, Mediana e Moda, Boxplot

• Media come decisione MQ ottimale e relazione con la varianza.

• Moda. Calcolo della classe modale. Ottimalità della Moda e misura di
etereogeneità corrispondente.
• Quantili di variabili casuali (già discussi nella Lez.5).
• Quantili di variabili statistiche. Calcolo del quantile in caso di
distribuzioni unitarie, di frequenza e di caratteri quantitativi
raggruppati in classi.
• Proprietà della mediana. Ottimalità della Mediana e relazione con lo
scostamento semplice medio dalla mediana.
• Come variano mediana e quantili quando si effettua una
trasformazione monotona della variabile.
Finire Cap 4
• Diagramma Boxplot. Cap.7.2.1
 Necessità di altre medie
• Uno svantaggio delle medie analitiche è che si applicano solo a caratteri
quantitativi.
Per un carattere qualitativo rettilineo non ha senso calcolare la media aritmetica ma si
possono individuare la mediana e la moda (che è la modalità più frequente).
Per un carattere qualitativo sconnesso o ciclico non ha senso calcolare la media
aritmetica e nemmeno la mediana, ma è possibile calcolare la moda.

• Un altro svantaggio è che sono fortemente influenzate da errori o valori

anomali nei dati.
Si pensi all’effetto leva di una sola osservazione molto estrema sul baricentro (media
aritmetica).

• Perciò esistono misure basate sulla posizione dei dati ordinati, come la
mediana e i quantili oppure sul confronto tra le frequenze (la moda).
 Memo: Media come decisione ottima nel senso dei minimi quadrati
Tizio deve indovinare il valore di una modalità 𝑥 scelta a caso da un collettivo, pagando una
somma pari all’errore quadratico 𝑥 − 𝑑 2 , ove 𝑑 è il valore scelto dal tizio (la decisione).
Allora il valore atteso della perdita del tizio è 𝑀 𝑋 − 𝑑 2 e la decisione che minimizza la
perdita attesa è 𝑑 = 𝑀(𝑋).
Infatti
2 2 2 2
𝑀 𝑋−𝑑 = 𝑀 𝑋 − 𝑀(𝑋) + 𝑀(𝑋) − 𝑑 ≥ 𝑀 𝑋 − 𝑀(𝑋) .

Dunque, quando la perdita è quadratica, 𝑑 = 𝑀(𝑋) è la migliore decisione perché

minimizza il danno atteso, che in tal caso è pari alla varianza

𝑉𝑎𝑟 𝑋 = 𝑀 𝑋 − 𝑀(𝑋) 2
 La Moda
Anche la moda ha la proprietà di essere la decisione che minimizza la perdita attesa secondo una
particolare funzione di perdita. Ora Tizio deve indovinare il valore di una modalità 𝑥 scelta a caso
sapendo che pagherà 1 se sbaglia oppure 0 se ci azzecca.
Def. Quando la decisione è 𝑑 ed è vero 𝑥, la perdita 0/1 (o della roulette) è

1 𝑠𝑒 𝑑 ≠ 𝑥 o tutto
𝐿 𝑥, 𝑑 = ቊ
0 𝑠𝑒 𝑑 = 𝑥 o niente

La perdita attesa
1 1
𝑀 𝐿 𝑥, 𝑑 = ෍ 𝐿(𝑥𝑗 , 𝑑) 𝑛𝑗 = ෍ 𝑛𝑗
𝑛 𝑛
𝑗:𝑥𝑗 ≠𝑑
sarà minima quando 𝑑 è uguale alla modalità più frequente, cioè 𝑑 = 𝑥ℎ : 𝑛ℎ = max(𝑛𝑗 ).
E la minima perdita attesa è
𝑛 − max(𝑛𝑗 )
𝐸= = 1 − max(𝑓𝑗 )
𝑛
 Misura di Eterogeneità associata alla Moda
Come già per media e mediana, la minima perdita attesa può essere assunta come misura di
variabilità del carattere. Nel nostro caso:
𝐸 = 1 − max 𝑓𝑗
NB. La moda è l’unica media valida per caratteri sconnessi.

NB. Non è detto che la moda sia unica, ma anche quando esiste un’unica frequenza massima
si parla comunque di distribuzione plurimodale se vi sono ulteriori picchi di frequenza (mode
secondarie) .

NB Forme distributive tipiche

• Unimodale campanulare
• Plurimodale
• Forme a J o a J rovesciata
• Forme ad U
 Calcolo della Moda
Il calcolo è ovvio in caso di distribuzioni unitarie e di frequenze.
Nel caso di carattere quantitativo raggruppato in classi non è possible determinare
un singolo valore modale. Piuttosto, si definisce la classe modale: la classe che
contiene il maggior numero di individui in rapporto alla sua ampiezza
Dunque la classe modale è quella per cui la densità di frequenza è massima.
Esercizio. Si individui la classe modale del carattere discreto rappresentato in
tabella.
Classe nj
0 71
1-2 80
3-4 109
5-8 274
 Memo: Quantili di variabili casuali continue
Def. Sia 𝑝 ∈ (0,1), si chiama quantile di ordine 𝒑 il valore 𝑥𝑝 :

𝐹 𝑥𝑝 ≡ 𝑃(𝑋 ≤ 𝑥𝑝 ) = 𝑝. (1)

Dalla (1) si deduce che 𝑥𝑝 è il valore dell’inversa di 𝐹 𝐹(𝑥)

nel punto 𝑝:

𝑥𝑝 = 𝐹 −1 (𝑝) . 𝑝=

In pratica, si tratta di scrivere la (1) e risolvere per 𝑥𝑝 .

𝑥
𝑥0,6
In alcuni casi l’equazione 𝐹 𝑥𝑝 = 𝑝 è impossibile da risolvere analiticamente e si
ricorre a metodi numerici (e apposite tavole). In altri casi l’equazione è semplice.
Vediamo ancora qualche esempio.

• Esempio: 𝑼𝒏𝒊𝒇(𝟎, 𝟎, 𝟓).

Sia 𝑋 una vc uniforme in (0, 0,5).
Perciò 𝑋 ha densità: 𝑓 𝑥 =2

e funzione di ripartizione: 𝐹 𝑥 = 2𝑥 𝑥 ∈ (0, 0,5)

Il quantile di ordine 𝑝 è 𝑥𝑝 : 𝐹 𝑥𝑝 = 2𝑥𝑝 = 𝑝, cioè 𝑥𝑝 = 𝑝/2.

Per es. il 1mo quartile è : 𝑥0,25 = 0,25/2 = 0,125.

Esempio. La distribuzione triangolare in (0,3) con fdp
𝑓(𝑥)
2 2 2
𝑓 𝑥 = − 𝑥
3 9 3

0 𝑥<0
2 1 2
E ripartizione 𝐹 𝑥 = ൞3 𝑥 − 𝑥 0≤𝑥≤3
9
1 𝑥>3 0 3

Allora per es. 𝑥0,5 è tale che 𝐹(𝑥)

2 1 2
𝐹 𝑥0,5 = 𝑥 − 𝑥 = 0,5
3 0,5 9 0,5

L’equazione di II grado ha soluzioni 3,515 e 0,879.

Perciò: 𝑥0,5 = 0,879.
Esempio. La distribuzione esponenziale, definita per 𝑥 ≥ 0,
ha densità: 𝑓 𝑥 = 𝜆𝑒 −𝜆𝑥
e funzione di ripartizione: 𝐹 𝑥 = 1 − 𝑒 −𝜆𝑥

L’equazione 𝐹 𝑥𝑝 = 1 − 𝑒 −𝜆𝑥𝑝 = 𝑝 fornisce

1
𝑥𝑝 = − ln(1 − 𝑝)
𝜆
1
Per es. 𝜆 = 4, 𝑥0,5 = − ln 0,5 = 0,173
4
𝐹(𝑥)
𝑓(𝑥)
 Quantili di una vc discreta
𝑓(𝑥)
La fr di una vc discreta è una funzione a scalini che
cresce da 0 a 1 «saltando» da 𝐹(𝑥𝑗−1 ) a 𝐹 𝑥𝑗 =
𝐹 𝑥𝑗−1 + 𝑓(𝑥𝑗 ) in corrispondenza di ciascun 𝑥𝑗 .

Abbiamo due casi possibili.

1° caso.
𝐹 −1 (𝑝) identifica un punto di salto: il quantile è unico
Consideriamo l’esempio in figura, se cerchiamo la 𝐹(𝑥)

mediana, allora 𝑥0,5 = 48.

Infatti
𝐹(𝑥) < 0,5 per ogni 𝑥 < 48 𝑝 = 0,5
e
𝐹(𝑥) > 0,5 per ogni 𝑥 ≥ 48

Quindi non possiamo che scegliere 𝑥0,5 = 48.

2° caso.
𝑓(𝑥)
𝐹 −1 (𝑝) identifica un intervallo (𝑎, 𝑏), il quantile
non è unico, perché per qualsiasi 𝑥 ∈ (𝑎, 𝑏) :
𝑃(𝑋 < 𝑥) = 𝑝 e 𝑃 𝑋 > 𝑥 = 1 − 𝑝.
Allora si sceglie il punto centrale dell’intervallo:
(𝑎 + 𝑏)/2.

Es. Supponiamo ci interessi il quantile di ordine

3
𝑝 = = 0,375.
8 𝐹(𝑥)
Si ha 𝐹(𝑥) = 3/8 per ogni 𝑥 ∈ [30,48).
In tal caso definiamo
30 + 48 𝑝 = 0,375
𝑥0,375 = = 39
2
 Quantili di una distribuzione rettangolare a tratti.
Esempio. Sia
0 𝑥<0
0.5 0 ≤ 𝑥 ≤ 0.5 0,5𝑥 0 ≤ 𝑥 < 0,5
𝑓 𝑥 =ቊ e 𝐹 𝑥 =
1.5 0.5 < 𝑥 ≤ 1 1,5𝑥 − 0,5 0,5 ≤ 𝑥 < 1
1 𝑥≥1
NB: Alla fdp uniforme a tratti corrisponde una fr lineare a tratti.

0,75

0,25
𝒙𝟎,𝟔

Si voglia calcolare 𝑥0,6 .

Primo metodo: quando dispongo della fr risolvo l’equazione 𝐹(𝑥𝑝 ) = 𝑝
Poiché 𝐹 0,5 = 25% < 60%, 𝑥0,6 cade in (𝑎, 𝑏) = (0,5 , 1).
Dunque l’equazione è: 𝐹 𝑥0,6 = 1,5𝑥0,6 − 0,5 = 0,6 , che fornisce 𝑥0,6 = 1,1
1,5
= 0,733
 2° metodo (più comodo quando non si dispone dell’espressione della fr):
Il metodo della frazione dell’ampiezza della classe

0,35 0,40
0,25

𝒙𝟎,𝟔
• (𝑎, 𝑏) = (0,5 , 1) ha probabilità 75%. Di questa: il 35% = 60% − 25% dovrà cadere a
sinistra di 𝑥0,6
• Poiché la probabiltà in (𝑎, 𝑏) è distribuita uniformemente, la distanza tra 𝑎 e 𝑥0,6 sarà pari alla
frazione 0,35/0,75 dell’ampiezza di (𝑎, 𝑏), quindi:
𝟎, 𝟑𝟓
𝑥0,6 =𝑎+ 𝒃 − 𝒂 = 0,5 + 0,467 × 0,5 = 0,733
𝟎, 𝟕𝟓

NB. Questo metodo servirà nel caso delle distribuzioni statistiche raggruppate in classi, ove per semplicità
si useranno direttamente le frequenze assolute.
 3° metodo (anch’esso comodo quando non si dispone dell’espressione della fr)
Calcolo delle aree

0,25 0,35 0,40

𝒙𝟎,𝟔

Poiché l’area del rettangolo delimitato dalle linee tratteggiate dev’essere pari a 0,35, allora :
𝑥0,6 − 𝑎 × 1,5 = 𝟎, 𝟑𝟓

Che ovviamente fornisce lo stesso risultato (sostituendo 𝑎 = 0,5)

 Quantili nel caso di distribuzioni statistiche
La distribuzione delle frequenze di un carattere statistico è formalmente identica a
una distribuzione di probabilità, perciò il calcolo delle misure sintetiche è
identico.
Per il calcolo del quantile potremmo ricavarci le frequenze cumulate relative
dividendo le frequenze cumulate assolute 𝑁𝑗 = 𝑛1 + ⋯ + 𝑛𝑗 per la numerosità
totale e così ottenere le

𝐹𝑗 = 𝑁𝑗 /𝑛, del tutto analoghe alle 𝐹(𝑥𝑗 )

Quindi, si potrebbe ripetere sulle 𝐹𝑗 il procedimento già visto per le vc discrete.

In pratica il procedimento può essere semplificato, attraverso regole specifiche per

i tre casi di distribuzione unitaria, di frequenza e di frequenze di classe. In generale,
invece di «invertire» le 𝑭𝒋 nel punto 𝒑, basterà farlo alle 𝑵𝒋 nel punto 𝒏𝒑.
 Il caso della distribuzione unitaria
Notazione
• [𝑟] indica la parte intera del numero 𝑟.
Per es. [1,1] = 1, [4,9] = 4.

• In questo caso serve ordinare i dati in senso crescente, scrivendo il

numero d’ordine tra parentesi:
𝑥 1 ≤𝑥 2 ≤⋯≤𝑥 𝑖 ≤⋯≤𝑥 𝑛

• 𝑖 indica la posizione occupata nella graduatoria crescente e si dirà che la statistica

d’ordine 𝑥 𝑖 ha rango 𝑖 (cioè sta all’i-esimo posto in graduatoria crescente).

Per es. l’osservazione più piccola: 𝑥(1) ha rango 1. La più grande, 𝑥(𝑛) , ha rango 𝑛.
Esercizio.
Sono dati
𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 , 𝑥5 = 1, 0, 4, 2, 4 .

a) Costruire una tabella formata da

• le statistiche d’ordine 𝑥(𝑖)
• Le frequenze cumulate 𝑁𝑖
• Le frequenze relative cumulate 𝐹𝑖
b) Disegnare il grafico della fr empirica
c) Calcolare
• il primo quartile 𝑥0.25
• Il secondo e l’ottavo decile 𝑥0.2 e 𝑥0.8 .
Sol. a) e b)
Se 𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 , 𝑥5 = 1, 0, 4, 2, 4 , allora 𝑥(1) , 𝑥(2) , 𝑥(3) , 𝑥(4) , 𝑥(5) = 0, 1, 2, 4, 4

Dunque
x(i) 0 1 2 4 4
Ni 1 2 3 4 5
Fi 0,2 0,4 0,6 1 1

𝐹 0,8

0,6

0,4

0,2

0
0 1 2 3 4

𝑥
 𝐹 1
Sol.c) Si vogliono calcolare 𝑥0.2 , 𝑥0.25 e 𝑥0.8 .
𝑥0.8 0,8

x(i) 0 1 2 4 4 0,6

Ni 1 2 3 4 5 𝑥0.25
0,4

Fi 0,2 0,4 0,6 1 1 𝑥0.2 0,2

0
0 1 2 3 𝑥 4

𝑥(1) +𝑥(2)
Per 𝑝 = 0,2 : 𝐹 = 0,2 nell’intervallo tra 𝑥(1) = 0 e 𝑥(2) = 1, quindi 𝑥0.2 = 2
= 0,5.
Per 𝑝 = 0,25 : in 𝑥(2) = 1 la 𝐹 «salta» da 0,2 a 0,4, intervallo che comprende 0,25, quindi 𝑥0.25 = 1.
Per 𝑝 = 0,8 : in 𝑥(4) = 𝑥(5) = 4 la 𝐹 «salta» da 0,6 a 1, intervallo che comprende 0,8, allora 𝑥0.8 = 4.

NB: La cumulate 𝑁𝑖 sono numeri interi in 1,2, … , 𝑛

Se np non è intero, il quantile corrisponde a un salto della fr e si prende la statistica d’ordine pari all’intero
successivo, di rango [np]+1, come nel caso 𝑝 = 0.25, in cui 𝑛𝑝 = 5 × 0,25 = 1,25, e il quantile è 𝑥(2) .
Se np è intero, il quantile corrisponde a un intervallo (come nel caso 𝑝 = 0.2, con 𝑛𝑝 = 1) e allora si fa la
semisomma tra 𝑥(𝑛𝑝) e il successivo, oppure a un salto formato da numeri coincidenti (come nel caso 𝑝 =
0.8, con 𝑛𝑝 = 4). In ogni caso, la formula della semisomma resta valida.
 Regola per il caso della distribuzione unitaria
Una volta ordinata la serie, si determina

𝑥 𝑛𝑝 +1 se 𝑛𝑝 non è intero
𝑥𝑝 = ቐ 1
𝑥 𝑛𝑝 +𝑥 𝑛𝑝 +1 𝑛𝑝 è intero
2

.
Es. Se 𝑛 = 20:
• la mediana 𝑚 ≡ 𝑥0,5 è il punto di mezzo tra le osservazioni di rango 10 e 11.
20
• Il primo terzile 𝑥1 è l’osservazione di rango + 1 = 7, cioè la 7-ma osservazione
3 3
nella graduatoria crescente: 𝑥(7) .

• Il terzo quartile 𝑄3 = 𝑥0,75 è la semisomma di 𝑥(15) e 𝑥(16) .

Il caso della distribuzione di frequenza è
analogo al precedente:

𝑁𝑗
• se 𝑛𝑝 non coincide con uno dei valori cumulati,
𝑛𝑝
allora il quantile corrisponde a un punto di salto
ed è uguale alla modalità 𝑥𝑗 della cumulata 𝑁𝑗−1
immediatamente più grande di 𝑛𝑝.
𝑥𝑝 = 𝑥𝑗

• se 𝑛𝑝 coincide con uno dei valori cumulati,

allora il quantile corrisponde ad un intervallo ed 𝑁𝑗
è uguale alla media della modalità
corrispondente e di quella successiva.
𝑛𝑝 = 𝑁𝑗−1

𝑥𝑗−1 𝑥𝑝 𝑥𝑗
 Regola per il caso della distribuzione di frequenza
• si calcolano le frequenze cumulate 𝑁1 , 𝑁2 , … , 𝑁𝑘 ,
• si trova la prima frequenza cumulata 𝑁𝑗 strettamente maggiore di 𝑛𝑝.
• Si pone
𝑥𝑗 se 𝑁𝑗−1 < 𝑛𝑝 (a)
𝑥𝑝 = ቐ 1 (b)
𝑥𝑗−1 + 𝑥𝑗 se 𝑁𝑗−1 = 𝑛𝑝
2

(a) (b)
𝑁𝑗 𝑁𝑗
𝑛𝑝

𝑁𝑗−1 𝑛𝑝 = 𝑁𝑗−1
.... ....
𝑥𝑝 = 𝑥𝑗 𝑥𝑗−1 𝑥𝑝 𝑥𝑗
Nel caso di carattere quantitativo raggruppato in classi
Assumendo l’ipotesi di equidistribuzione interna alle classi:
• Si individua la prima cumulata 𝑁𝑗 ≥ 𝑛𝑝 , corrispondente alla classe
(𝑎, 𝑏) ove 𝑎 e 𝑏 sono i valori reali della classe.
𝑁𝑗

• Si pone 𝑁𝑗−1 𝑛𝑗
𝑛𝑝 − 𝑁𝑗−1
𝑥𝑝 = 𝑎 + (𝑏 − 𝑎) 𝑛𝑝
𝑛𝑗

𝑎 𝑥𝑝 𝑏
 Esempi
Es.1. Date le osservazioni 1, −5, 0, 3, 7, 12.
a) Calcolare il primo terzile.
b) Calcolare il 99-mo percentile.
Es.2. Calcolare il 95-mo percentile delle tre distribuzioni seguenti:

(a) 𝑥 Frequenza
0 120
1 30
2 60

(b) 𝑥 Frequenza (c) 𝑥 Frequenza

5-10 120 5-10 120
10-20 30 11-19 30
20-30 60 20-30 60
 Soluzioni
Es.1. Date le osservazioni 1, −5, 0, 3, 7, 12.
Soluz. Prima si ordinano: −5, 0, 1, 3, 7, 12
6 𝑥(2) +𝑥(3)
a) Il primo terzile: 𝑛𝑝 = = 2 dunque 𝑥1/3 = = 0,5
3 2
b) Il 99-mo percentile: 𝑛𝑝 = 6 × 0,99 = 5,94 dunque 𝑥0,99 = 𝑥(6) = 12

Es.2. Il 95-mo percentile delle tre distribuzioni:

(a) NB. 𝑛 = 210, 𝑛𝑝 = 199,5
𝑥 Frequenza 𝑁𝑥
0 120 120
(a) Soluz. 𝑥0,95 = 2
49,5
1 30 150 (b) Soluz. 𝑥0,95 = 20 + 10 = 28,25
60
49,5
2 60 210 (c) Soluz. 𝑥0,95 = 19,5 + 11 = 28,575
60

(b) 𝑥 Frequenza 𝑁𝑥 (c) 𝑥 Frequenza 𝑁𝑥 Classi Reali

5-10 120 120 5-10 120 120 4,5 – 10,5
10-20 30 150 11-19 30 150 10,5 – 19,5
20-30 60 210 20-30 60 210 19,5 – 30,5
 La Mediana
Nel caso della distribuzione disaggregata 𝑥1 , 𝑥2 , … , 𝑥𝑛 , sia

𝑥(1) ≤ 𝑥 2 ≤ … ≤ 𝑥(𝑛)

la corrispondente distribuzione dei termini ordinati, allora la mediana è

𝑥 𝑛+1 per 𝑛 dispari 𝑛𝑝 non è intero

2
𝑚= 1
𝑥 𝑛ൗ +𝑥 𝑛ൗ +1 per 𝑛 pari (𝑛𝑝 intero)
2 2 2
Esercizio
Calcolare le mediane delle due distribuzioni disaggregate seguenti

(a) (b)
x x
48 90
48 90
48 48
20 48
90 20
90 30
30 30
30 30
30
Soluzione
(a): 𝑛 = 9 è dispari, dunque il rango di 𝒎 è 10/2 = 5. La quinta osservazione nella graduatoria
crescente è 𝑚 = 48.
8
(b): 𝑛 = 8 è pari, 𝑚 è la semisomma delle osservazione di rango = 4 e la successiva
2
30+48
Queste osservazioni sono 30 e 48, dunque è 𝑚 = = 39.
2
a) x b) x
48 90
48 90
48 48
20 48
90 20
90 30
30 30
30 30
30
 La Mediana nel caso di distribuzioni di frequenza

Si individua la prima frequenza cumulata, 𝑁𝑗 , che è strettamente

maggiore di 𝑛𝑝 = 𝑛/2.

𝑛
Se la precedente cumulata 𝑁𝑗−1 < , 𝑚 = 𝑥𝑗
2
Altrimenti,
𝑛 1
cioè se 𝑁𝑗−1 = , 𝑚= 𝑥𝑗−1 + 𝑥𝑗
2 2
Esempio. Consideriamo la distribuzione unitaria del precendente esercizio (a), in cui s’è
trovato 𝑚 = 48. Scriviamola come distribuzione di frequenze. Si ottiene la tabella a
destra.
La prima cumulata che supera 𝑛/2 = 4,5 è 𝑁3 = 7,
x x j n N
j
corrispondente alla modalità 48 e 𝑁2 = 4 < 4,5.
j

90 20 1 1 Dunque 𝑚 = 48, le regole di calcolo coincidono.

90 30 3 4
48 3 7
48 𝑁(𝑥)
90 2 9
48 9
Totale 9 ///
48
7
20

30

30 4
30

𝑥 𝑥
Esercizio
Consideriamo il caso b del precedente esercizio, in cui s’è trovato 𝑚 = 39.
Si esprimano i dati in forma di distribuzione di frequenza e si calcoli la mediana con
la formula corrispondente, verificando che la regole di calcolo coincidono.

x
90

90

48

48

20

30

30

30

𝑥
 𝑛
La prima cumulata maggiore di = 4 è la terza e la precedente è uguale a 4,
2
quindi
30+48
𝑚= = 39.
2
Le regole coincidono anche in questo caso.

xj nj Nj 𝑁(𝑥)
20 1 1
30 3 4
48 2 6
90 2 8
Totale 8 ///

𝑥
 La Mediana di un carattere quantitativo raggruppato in classi

• Si considerano i valori reali degli estremi di classe.

• Si calcolano le frequenze cumulate.
𝑛
• Si individua la prima cumulata 𝑁𝑗 ≥ , cui corrisponde la classe mediana: (a, b)
2
𝑛
2
− 𝑁𝑗−1
• Si calcola 𝑚=𝑎+ (𝑏 − 𝑎)
𝑛𝑗

𝑛
NB. Nel caso 𝑁𝑗 = la formula fornisce 𝑚 = 𝑏.
2
Esercizio. Data la seguente distribuzione di un carattere continuo raggruppato in
classi, si calcoli la mediana.

𝒙𝒋 (cm) 𝒏𝒋
41 – 43 11
44 – 46 36
47 – 49 52
50 – 54 41
Totale 140
Soluzione. 𝑛/2 = 70, la classe reale mediana è 46,5 − 49,5.
Dunque:
70−47
𝑚 = 46,5 + 49,5 − 46,5 = 47,827
52

𝒙𝒋 (cm) 𝒏𝒋 𝑁𝒋 Grafico di 𝑁 𝑥 quando si assume l’ipotesi di

41 – 43 11 11 distribuzione uniforme entro le classi
44 – 46 36 47
47 – 49 52 99
50 – 54 41 140
Totale 140
70

𝑚
𝑥
 Mediana come decisione ottima
Problema: indovinare una modalità 𝑥 di 𝑋 scelta a caso, quando la perdita è il
valore assoluto dell’errore:
|𝑥 − 𝑑|.
1
Allora il valore atteso della perdita del tizio è 𝑀 |𝑥 − 𝑑| = σ |𝑥 − 𝑑| e la
𝑛
decisione che minimizza la perdita attesa è la mediana
𝑑 = 𝑚.

• Notiamo che è equivalente minimizzare la media o la somma σ |𝑥 − 𝑑|.

• Per semplicità supponiamo che i valori di X siano tutti distinti, es. con 𝑛 = 6:
x(1) x(2) x(3) x(4) x(5) x(6)
 x(1) x(2) x(3) x(4) x(5) x(6)

Riordiniamo la somma partendo dai due più estremi e poi via via verso il centro:
σ |𝑥 − 𝑑| = 𝑥 1 −𝑑 + 𝑥 6 −𝑑 (1

+ 𝑥 2 − 𝑑 + |𝑥 5 − 𝑑| (2

+ 𝑥 3 − 𝑑 + |𝑥 4 − 𝑑| (3

• per minimizzare la somma dei primi due errori (riga 1) basta che 𝑑 ∈ (𝑥 1 ,𝑥 6 )
• per minimizzare la somma dei due errori di riga 2 basta che 𝑑 ∈ (𝑥 2 ,𝑥 5 );
• per minimizzare la somma dei due errori di riga 3 basta che 𝑑 ∈ (𝑥 3 ,𝑥 4 ).

Conclusione: Qualsiasi 𝒅 appartenente all’intervallo centrale (𝑥 3 , 𝑥 4 )

appartiene a tutti gli altri intervalli e, dunque, minimizza tutte le coppie di somme.
 Proprietà della Mediana
• Internalità: min 𝑥 ≤ 𝑚 ≤ max(𝑥)

• Ottimalità: 𝑀 |𝑥 − 𝑑| = min quando 𝑑 = 𝑚.

• Linearità Omogeneità
Traslatività
𝑚 𝑎𝑋 + 𝑏 = 𝑎 𝑚 𝑋 + 𝑏

In realtà la mediana gode di una proprietà ancora più generale della linearità:
• Equinvarianza rispetto a trasformazioni monotòne
Se g è una funzione crescente (o decrescente) qualsiasi, allora 𝑚 𝑔(𝑋) = 𝑔(𝑚 𝑋 ) .
 Es. della Equivarianza per trasformazioni monotone
𝑦 𝑌=𝑔 𝑋
(crescente)

𝑚 𝑌 = 𝑔(𝑚 𝑋 )

𝑥
𝑚(𝑋)
NB. Se 𝑔 cresce il più piccolo 𝑥 si trasforma nel più piccolo 𝑦, il 2° più piccolo 𝑥 nel 2° più piccolo 𝑦 ecc.
NB. Se 𝑔 decresce il 1° diventa ultimo, il 2° diventa penultimo ecc.
Quindi al valore mediano corrisponde il valore mediano
L’equivarianza vale anche in caso di trasformazione decrescente.
NB. La mediana è equivariante sia per trasformazioni crescenti che
decrescenti perché corrisponde a 𝑝 = 0,5. In generale la trasformazione
decrescente trasforma il quantile di ordine 𝑝 nel quantile di ordine 1 − 𝑝.
Esercizio. I quartili del carattere 𝑋 sono 3.5, 8 e 12.
Cosa si può dire riguardo ai tre quartili della trasformata 𝑌 = 𝑔 𝑋 quando:
a) 𝑔 𝑥 = 3 + 2𝑥
b) 𝑔 𝑥 = −2 + 3𝑥
c) 𝑔 𝑥 = 3 − 2𝑥
d) 𝑔 𝑥 = ln 𝑥 (𝑥 > 0)
1
e) 𝑔 𝑥 = (𝑥 > 0)
𝑥
f) 𝑔 𝑥 = 𝑥 2 − 10𝑥

In ciascun caso si dica se si può dire nulla oppure, se si possono calcolare, se ne

calcoli il valore.
Soluz. A parte il caso (f), in cui 𝑔 𝑥 = 𝑥 2 − 10𝑥 non è monotona, e quindi si può dire nulla, negli
altri casi il calcolo è immediato.
• Se la trasformata è crescente, il quantile della trasformata è la trasformata del quantile.
• Se la trasformata è decrescente, il quantile di ordine 𝒑 della trasformata è la trasformata del
quantile di ordine 𝟏 − 𝒑.

Quindi, dati i quartili 3,5, 8 e 12 della variabile originaria, i quartili delle trasformate sono:

𝑄1 𝑄2 𝑄3
𝑔 𝑥 = 3 + 2𝑥 3 + 2 × 3,5 3+2×8 3 + 2 × 12
𝑔 𝑥 = −2 + 3𝑥 −3 + 2 × 3,5 −3 + 2 × 8 −3 + 2 × 12
𝑔 𝑥 = 3 − 2𝑥 3 − 2 × 12 3−2×8 3 − 2 × 3,5
𝑔 𝑥 = ln 𝑥 ln 3,5 ln 8 ln 12
1 1 1 1
𝑔 𝑥 =
𝑥 12 8 3,5
 Ricapitoliamo le tre formule del quantile di ordine p
Distr. disaggregata:
𝑥 𝑛𝑝 +1 se 𝑛𝑝 non è intero
𝑥𝑝 = ቐ 1
𝑥 𝑛𝑝 +𝑥 𝑛𝑝 +1 altrimenti
2
Distr. di frequenze:
Si trova la prima 𝑵𝒋 > 𝒏𝒑
𝑥𝑗 se 𝑁𝑗−1 < 𝑛𝑝
𝑥𝑝 = ቐ 1
𝑥𝑗−1 + 𝑥𝑗 se 𝑁𝑗−1 = 𝑛𝑝
2

Distr. in classi:
Si trova la prima 𝑵𝒋 ≥ 𝒏𝒑
𝑛𝑝 − 𝑁𝑗−1
𝑥𝑝 = 𝑎 + (𝑏 − 𝑎)
𝑛𝑗
(𝑎, 𝑏)=classe del quantile (estremi reali)
Esercizio
Date le nove osservazioni:
4, 2, 8, 9, 12, 20, 40, 41, 50,
calcolare
(a) i quantili di ordine p=0,1 , 0,3 , 0,5 , 0,75 e 0,9.
(b) I due terzili, ie i quantili di ordine 1/3 e 2/3.
Soluzione
Le statistiche d’ordine 𝑥(𝑖) sono:

2, 4, 8, 9, 12, 20, 40, 41, 50

(a) p= 0,1 0,3 0,5 0,75 0,9

np= 0,9 2,25 4,5 6,75 8,1
xp= 2 8 12 40 50

(b) p= 1/3 2/3

np= 3 6
xp= 8,5 30
Esercizio
• Calcolare i percentili di ordine 10%, 25%, 50%, 75% e 90% per la distribuzione
rappresentata in tabella.
𝑥𝑗 𝑛𝑗
0 36
1 22
2 19
3 12
Totale 89
Soluzione
xj nj Nj
p%= 10% 25% 50% 75% 90%
0 36 36
np= 8,9 22,25 44,5 66,75 80,1
1 22 58
xp= 0 0 1 2 3
2 19 77
3 12 89
Totale 89 ---
Esercizio
Calcolare primo, secondo e terzo quartile data la seguente tabella.

𝒙𝒋 (cm) 𝒏𝒋
41 – 43 11
44 – 46 36
47 – 49 52
50 – 54 41
Totale 140
Soluzione
𝑛/4 = 35, la classe del primo quartile è 43,5 − 46,5.
𝑛/2 = 70, la classe mediana è 46,5 − 49,5.
3
𝑛 = 105, la classe del terzo quartile è 49,5 − 54,5.
4

35−11
𝒙𝒋 (cm) 𝒏𝒋 𝑁𝒋 𝑞1 = 43,5 + 46,5 − 43,5 = 45,5
36
41 – 43 11 11 70−47
𝑞2 = 𝑚 = 46,5 + 49,5 − 46,5 = 47,827
44 – 46 36 47
52
105−99
47 – 49 52 99 𝑞3 = 49,5 + 54,5 − 49,5 = 50,232
41
50 – 54 41 140

Totale 140

𝑥
 Differenza Interquartile e Boxplot
Primo e terzo quartile individuano la metà centrale dei dati.
• Perciò una interessante misura di variabilità dei dati
è la differenza interquartile:
∆𝑞 = 𝑞3 − 𝑞1

• Il Boxplot è un grafico basato sui quartili, che

racchiude in una scatola (box) la metà centrale dei
dati e indica la mediana con un segmento in
grassetto, ovviamente interno alla scatola.
• Al di fuori del box si estendono i due baffi, fino
alle osservazioni estreme, quando esse sono a
una distanza minore di 1,5∆𝑞 (come nel caso
dell’esemplare 2).
• Se invece esistono osservazioni ancora più
lontane dalla scatola (esemplare 1), il baffo si
posiziona alla distanza 1,5∆𝑞 e le osservazioni più
estreme vengono direttamente evidenziate.
 Utilità del boxplot per il confronto tra distribuzioni

Fonte: Multiple comparisons with PairViz, by Catherine B. Hurley and R.W. Oldford
[Link]
Esercizi
Esercizio1. Il boxplot è un ottimo strumento grafico perché essendo estremamente sintetico
permette di confrontare distribuzioni diverse nel medesimo diagramma. Ovviamente, l’estrema
sinteticità introduce un prezzo da pagare, cioè un elemento di criticità. Quale?
Esercizio 2. Data la seguente tabella delle frequenze del carattere discreto 𝑋, calcolare i tre quartili.
𝑥 𝑛𝑥
0 30
1 45
2 57
3 18
Totale 150
Esercizio 3. La vc discreta 𝑋 ha la distribuzione di probabilità seguente. Calcolare i tre quartili.
𝑥 𝑓(𝑥)
0 0,2
1 0,3
2 0,38
3 0,12
Totale 1
Esercizio 4. Data la seguente tabella delle frequenze di classe del carattere continuo 𝑋, si calcolino il
primo e il nono decile (ie 𝑥0,1 e 𝑥0,9 ).
𝑥 𝑛𝑥
0 – 0,5 30
0,5 – 1 90
Totale 120

Esercizio 5. Si calcoli la mediana della vc 𝑋 ~ 𝑃𝑜𝑖𝑠𝑠𝑜𝑛(𝜆 = 2), che ha probabilità

2𝑥 𝑒 −2
𝑓 𝑥 = , 𝑥 = 0,1,2, …
𝑥!

Esercizio 6. Il carattere 𝑋 ha media 𝜇 =7 e quartili 𝑞1 =1, 𝑞2 =8 e 𝑞3 =12.

a) Si consideri la trasformata logaritmica 𝑌 = log 𝑋, cosa si può dire di media e quartili di 𝑌?
b) Si consideri la trasformata 𝑍 = 4 − 3𝑋, , cosa si può dire di media e quartili di 𝑍?
Esercizio 7. Requisiti per una media
Si considerino i seguenti requisiti per una media 𝑀 qualsiasi, sia essa una media
analitica, la mediana o la moda:

1. Internalità: min 𝑥 ≤ 𝑀 ≤ max 𝑥.

2. Se 𝑥 è una costante uguale a 𝑐, allora 𝑀 = c.
3. Omogeneità: Se 𝑌 = 𝑘𝑋 ove 𝑘 è una costante, allora la media di 𝑌
è 𝑘 volte la media di 𝑋.
4. Traslatività: Se 𝑌 = 𝑋 + 𝑘 ove 𝑘 è una costante, allora la media
di 𝑌 si ottiene sommando 𝑘 alla media di 𝑋.
Si determini:
a) Quali sono i requisiti posseduti in ogni caso.
b) Almeno una media che non possiede uno o più di questi requisiti.
Esercizio 8. In un collettivo di donne lavoratrici viene rilevato il numero di figli. Calcolare la classe
modale e il novantacinquestimo percentile.
𝑥 𝑛𝑥
0 23
1 − 2 12
3 − 4 3
5 − 8 4
Totale 42

Esercizio 9. Calcolare la classe modale e il terzo quartile nei due seguenti casi di carattere
quantitativo 𝑋 > 0 raggruppato in classi.
a) 𝑥 𝑛𝑥 b) 𝑥 𝑛𝑥
0 − 10 12 0 − 10 9
11 − 20 12 10 − 20 9
21 − 40 7 20 − 40 27
41 − 80 6 40 − 80 4
Totale 37 Totale 49