STATISTICA

La statistica è una scienza dei dati, cioè un insieme di metodologie e tecniche per le
trattazioni quantitative dei fenomeni osservati nella realtà sociale, in natura, in
laboratorio o al computer. E’ applicabile in vari campi come la sociologia, la politica,
l’economia, la saluta pubblica e la medicina. L’analisi statistica si compone di alcune
fasi: la rilevazione, l’elaborazione, la trasformazione dei dati in info con i quali
supportare delle decisioni.
Inoltre la statistica può essere di due tipi, ovvero la statistica descrittiva, la quale
studia le caratteristiche della popolazione, e la statistica differenziale, la quale
utilizza la teoria della probabilità per estendere alla popolazione lo studio del
campione. In particolare la statistica descrittiva è formata da due fasi:
1. Formazione dei dati statistici
->formazione dei casi statistici (dopo aver individuato la popolazione, es gli
studenti di ECOAMM, cerco le caratteristiche da misurare, es opinione sulla
statistica)
->rilevazione
->spoglio dei dati
->preparazione dei dati in tabelle o Grafici
2. Trattamento matematico-statistico dei dati

Le modalità sono i diversi valori di un carattere (es gradimento della statistica) in

esame e hanno delle precise caratteristiche:
->sono incompatibili=le unità devono essere attribuite ad una e una sola modalità
(es o è si o è no)
->esaustive=tutte le unità devono essere classificate in una modalità
Esempio: scuole superiori frequentate dagli studenti di ECOAMM
->liceo scientifico
->classico
->ITC
->professionale
Tutte queste modalità appena elencate sono incompatibili (chi ha fatto il classico non
può aver fatto lo scientifico) e non sono esaustive (c’è anche scienze umane…).
Invece un esempio di modalità esaustive e incompatibili sono le seguenti
corrispondenti al luogo di nascita:
->milano
->province di milano (non milano)
->altre province lombarde
->altre province non lombarde
->stranieri

1
I caratteri, legati al concetto di modalità, possono essere: qualitativi, cioè se sono
espressi da parole, verbi… (es scuole freq, province di nascita, quanto sei sportivo…)
e quantitativi, cioè se le modalità sono numeri. Inoltre quest’ultimi sono classificabili
in due categorie: discreti, cioè quando si contano, e continui, cioè quando si
misurano ad esempio il carattere “reddito di una persona”.

Scale di misurazione di un carattere

Per i caratteri qualitativi vi sono:
->scala nominale= un carattere ha scala nominale quando tra le modalità non esiste
un ordine naturale (es carattere “che scuola hai fatto”). In questo caso si può dire se
due o più unità hanno le stesse modalità di risposta oppure no.
->scala ordinale=un carattere ha una scala ordinale quando tra le modalità del
carattere esiste un ordine naturale (es carattere “livello di scolarità). In questo caso
posso sia dire se una o più unità hanno le stesse modalità oppure posso ordinare le
unità secondo la modalità assunta.
Per i caratteri quantitativi vi sono:
->scala a intervalli=un carattere ha scala a intervalli quando per quest’ultimo non
esiste lo zero assoluto, cioè l’assenza del fenomeno. Ad esempio a proposito del
carattere “misurazione in gradi celsius” lo zero assoluto non esiste perché 0 gradi è
quando l’acqua ghiaccia. Nella scala ad intervalli è possibile verificare se due unità
hanno modalità uguali o diverse, si può stabilire un ordine tra le unità e calcolare
somme o differenze.
->scala di rapporti=un carattere ha una scala di rapporti quando per quest’ultimo
esiste lo zero assoluto. Ad esempio: Quante volte sei stato a Roma? Zero. E’ possibile
verificare se due unità hanno modalità uguali o diverse, si può stabilire un ordine tra
le unità e calcolare somme o differenze, infine si può moltiplicare e dividere.

E’ importante ribadire che il livello di gerarchia aumenta a seconda delle operazioni

matematiche che posso fare.

Come già affermato, dopo la formazione dei casi statistici c’è la rilevazione dei dati,
cioè quando si inseriscono i dati in una tabella. All’inizio di ogni colonna ci sono le
varabili, la prima colonna sono le unità statistiche e ogni riga corrisponde ad una
risposta del rispondente

2
Una volta rilevati i dati si passa allo spoglio dei dati, cioè riunire tutti i casi che
presentano la stessa modalità per un determinato carattere. In questa fase si
costruisce una tabella di frequenza, cioè una successione di modalità di un carattere
con le rispettive frequenze.
In particolare le frequenze sono il numero di unità che presentano una certa
modalità.

3
Caso1: carattere qualitativo (o anche detto mutabile statistica).
Per il carattere A con le modalità a1, a2, aj…. as, la distribuzione di frequenza è una
coppia di valori {(aj;nj) j=1, .... S}
S è il numero di modalità di A e nj è la frequenza assoluta delle modalità (j elemento
generico)

4
Caso2: caratteri quantitativi (o detti anche variabili statistiche)
->caratteri discreti

Esempio numerico:

->carattere quantitativo continuo

Nel caso in cui si generano tabelle troppo lunghe è opportuno trasformare il
carattere in classi come in questi esempi:

5
Esempio voto di maturità:

Come si scrivono le classi:

Ampiezza classi:
Caratteri quantitativi:
->continuo=l’ampiezza della classe è la lunghezza dell’intervallo della classe,
ampiezza= estremo superiore-estremo inferiore
->discreto= l’ampiezza è il numero di modalità presenti nella classe,
6
ampiezza =estremo superiore-estremo inferiore +1

Distribuzioni di quantità
Successioni di modalità con le rispettive quantità (diverse dalle frequenze assolute).
Esempio:
A (carattere)= categoria albergo
X= numero di camere (quantitativo discreto)

Serie storiche
Sono successioni di un fenomeno in corrispondenza del carattere tempo.
Esempio: punti per squadra Inter nelle ultime 5 stagioni.

Serie territoriali
Sono successioni di un fenomeno in corrispondenza di divisioni territoriali.
Esempio:
carattere studiato=numero di ospedali pubblici (carattere quantitativo discreto su
scala di rapporti).

7
I RAPPORTI STATISTICI
Si definisce rapporto statistico la divisione tra due dati, di cui almeno uno di natura
statistica. Si usano per eliminare l’eterogeneità tra i dati e renderli comparabili (ad
esempio si potrebbero utilizzare per confrontare un’azienda con un fatturato elevato
con una con un fatturato basso).
Vi sono vari tipi di rapporti statistici:
->rapporto di composizione o parte del tutto
->rapporto di densità
->rapporto di derivazione
->rapporto di coesistenza
->numeri indici (applicabili alle serie storiche)

Rapporto di composizione
E’ legato al rapporto tra una frequenza (o quantità) legata ad una modalità di un
carattere e la frequenza totale (o quantità totale).

Il rapporto non ha una unità di misura e serve per fare dei confronti.

8
Rapporto di densità
E’ un rapporto “depurato” dal campo di osservazione (spazio, tempo…). Si elimina
l’influenza esercitata dal denominatore sulla grandezza al numeratore, rendendo
confrontabili dati che altrimenti rimarrebbero eterogenei.
Il rapporto di densità ha una sua unità di misura.
Esempio:

Rapporto di derivazione
E’ un rapporto tra x e y, dove y è la causa o il presupposto logico di x
Esempio:

Questo rapporto è senza unità di misura e in questo caso la Valle D’Aosta ha la

propensione alla natalità maggiore.

Rapporto di coesistenza
E’ il rapporto tra dati statistici che coesistono. Solitamente viene utilizzato in
demografia.
Esempio:

9
Il rapporto non ha unità di misura

Rapporti indici
Sono legati alla serie storica.

Definiamo:
->variazione assoluta di x dal tempo ts al tempo tj (con ts<tj): xj-xs (la variazione
assoluta ha la stessa unità di misura del carattere di x).
->variazione relativa di x da ts a tj (con ts<tj): (xj-xs)/xs= V j*s ( si legge variazione di j
rispetto a s).
Esempio:
X=valore di imputazione di un certo paese in milioni di euro
10
Variazione assoluta di x dal 2020 al 2021:
x2021-x2020= 95,5-92,5= 3 milioni di euro (nel 2021 il valore di imputazione è
aumentato di 3 milioni di euro rispetto al 2020).
Variazione relativa di x dal 2020 al 2021:
(x2021-x2020) /x2020 = 3/92,5=0,0324 (rispetto al 2020 il valore delle imputazioni
nel 2021 è aumentato del 3,24%).
In generale se c’è il segno + è un aumento, mentre se c’è il segno – una diminuzione.
Sempre per quanto riguarda la variazione relativa: V j*s=(xj-xs)/xs= (xj/xs)-(xs/xs)
=(xj/xs)-1
xj/xs = Ij•s =è un numero indice: in particolare è il rapporto tra il valore di x al tempo
tj e il valore di x al tempo ts.
I numeri indici vengono classificati secondo due categorie:
->a base fissa: I j*0=xj/x0 per ogni j=0,…k
->a base mobile (cambia di anno in anno): Ij*j-1= xj/xj-1

Esempio numerico:

11
V 2*0=I 2*0-1=1,04-1=0,004->da ciò si evince che rispetto al 2020 (t0), il fenomeno
è aumentato del 4% nel 2022 (t2). Inoltre rispetto al tempo t1 (2021) il fenomeno è
aumentato del 0,73% nel 2022.
Dimostrazione-> esiste una relazione tra i numeri indici a base mobile e a base fissa

DISTRIBUZIONI DI FREQUENZA

Frequenza relativa= la frequenza relativa della modalità aj è il rapporto tra la

frequenza assoluta nj e la frequenza totale N.

12
Fr(aj)=nj/N per ogni j=1…,s
Esempio:

Proprietà frequenza relativa:

1. Fr(aj) sempre maggiore-uguale di 0 per ogni j=1,…,s
Dimostrazione: dato che nj maggiore o uguale di 0 e N>0 allora nj/N maggiore
o uguale di 0 per ogni j=1,…,s
2. Foto:

Infine è importante sottolineare che le frequenze relative possono essere calcolate

per tutti i caratteri (qualitativi su scala nominale o ordinale, quantitativi su scala
discreta o continua).
Frequenze relative percentuali= fr(aj) *100

Frequenza cumulata Cj (di aj)

Posso calcolare solo per carattere ordinati: qualitativi su scala ordinale e quantitativi.

13
Frequenze relative cumulate Fj
Fj=Cj/N per ogni j=1,…,s

50= sono gli studenti che hanno un’opinione al più neutra sulla statistica
Al più= (molto negativa +negativa +neutra)
40% degli studenti ha un’opinione che è al più negativa sulla statistica.
Proprietà:
1. F1=C1/N=n1/N=fr(a1)
2. Fs=Cs/N=N/N=1

Frequenza retrocumulata Rj (di aj)

Posso calcolarla solo per: caratteri qualitativi su scala ordinale e caratteri quantitativi.

14
Proprietà:

Frequenze retrocumulate relative Fj=Rj/N

Esempio se: R4=50
F4=50/100=0,5
Proprietà:

Frequenze specifiche
15
Solo per:
- Caratteri quantitativi discreti in classe
- Caratteri quantitativi continui in classe

Formula: fj=(frequenza assoluta)/(ampiezza classe)=nj/amj

Esempio:
distribuzione di frequenza degli alberghi di x(x=numero di stanze)
carattere quantitativo discreto

cosa vuol dire f1=13,5?

Idealmente per ogni categoria (valore) della classe 7|-|8 esistono 13,5 alberghi
Ipotesi: esiste equidistribuzione delle frequenze per le categorie della stessa classe.

Carattere quantitativo continuo

Distribuzione di frequenza di 80 studenti classificati secondo l’altezza Y in cm

In questo caso ha una unità di misura (cm), mentre il carattere quantitativo discreto

f 2= 5: 𝑖𝑑𝑒𝑎𝑙𝑚𝑒𝑛𝑡𝑒 𝑝𝑒𝑟 𝑜𝑔𝑛𝑖 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑙𝑜 𝑢𝑛𝑖𝑡𝑎𝑟𝑖𝑜 (1𝑐𝑚) 𝑑𝑖 𝑌 𝑑𝑒𝑙𝑙𝑎

no.

𝑐𝑙𝑎𝑠𝑠𝑒 165 |− | 170 𝑒𝑠𝑖𝑠𝑡𝑜𝑛𝑜 5 𝑠𝑡𝑢𝑑𝑒𝑛𝑡𝑖

Ipotesi: esiste equidistribuzione degli studenti (unità) in ogni intervallo unitario della
classe.

16
LE RAPPRESENTAZIONI GRAFICHE

1)Grafici per caratteri qualitativi su scala nominale

-> Quando si fa il confronto tra due distribuzioni si prendono le frequenze relative

non assolute, mentre se ne prendiamo 1 possiamo usare assolute o relative è
17
uguale. !!!!

confronto con la distribuzione degli studenti di sociologia

2) grafico per i caratteri qualitativi su scala ordinale

Hanno un ordine per cui il grafico a torta non va bene, c’è bisogno di quello a barre
ma va impostato con l’ordine adeguato.

Sull’asse y= frequenze assolute o relative visto che in questo caso è un caso.

18
Se devo fare un confronto tra due popolazioni diverse devo usare le frequenze
relative sull’asse delle y.

3)grafici per caratteri quantitativi discreti (non in classi)

Si utilizza il grafico a bastoncini
Precisazione: Se abbiamo l’età in anni compiuti è un carattere quantitativo discreto
altrimenti continuo.
Esempio:

In questo caso si poteva usare sia la frequenza relativa che assoluta.

4) grafico per carattere quantitativo discreto in classe

In classe= sull’asse delle y vanno messe le frequenze specifiche.

19
E’ un grafico a bastoncino

4) grafico per i caratteri quantitativi continui in classe

In questo caso si usa un istogramma
Si utilizza la frequenza specifica tranne per il confronto che si utilizza la frequenza
relativa.

20
Si valuti la frequenza delle unità con altezza da 170 a 176 cm - > nj associato a 179-
176 (176-170) x 4,5=27 Quanto vale nj per 164-176 cm? Area 2 e 3 ci sono già, la 1 si
fa -> (165-164) x 2 + 25 + 27 = 2 + 25 + 27= 54

LE MEDIE
Le medie sono rappresentate da un unico valore (es modalità/numero) che sintetizza
la distribuzione di un carattere.
Le medie più usate sono:
->moda: calcolabile per qualsiasi tipo di carattere
->mediana: calcolabile per caratteri almeno su scala ordinale (le modalità del
carattere devono esser per forza ordinabili ma non devono per forza essere
numeriche).
->media aritmetica: calcolabile solo per caratteri quantitativi
La moda
Per calcolarla richiede solo la presenza di una distribuzione di frequenza, si può
calcolare sempre ed è la modalità con la frequenza più elevata
Esempio con un carattere qualitativo su scala ordinale:

21
Invece per i caratteri quantitativi in classi bisogna prima trovare la classe modale,
ovvero la classe che ha la frequenza specifica più elevata. Una volta trovata la classe,
trovo la moda come il valore centrale della classe: moda= (es+ei)/2.
Esempio:

1 step: individuo classe modale, quindi trovo le frequenze specifiche di ciascuna

classe facendo fj=nj/aj dove aj=es-ej
In questo caso la classe modale è 165-|170 (perché ha la frequenza specifica più
elevata).
2 step: la moda è il valore centrale della classe modale, quindi moda=170+165/2
(dove l’unità di misura della moda è quella del carattere).

La mediana
La mediana deve essere calcolata per caratteri con una scala almeno ordinale,
tuttavia però è importante non confondere la posizione con il valore della mediana
(es se il carattere è l’altezza in cm dei miei compagni la mediana è ad esempio
l’altezza di Nicolò non Nicolò).
Esempio:

In generale come trovo la mediana:

1)i valori devono essere ordinati in modo crescente per il carattere X.
Nell’esempio Xi è i-esimo valore nell’ordinamento, mentre X1 è il primo valore più
piccolo, X2 secondo valore più piccolo,…., Xn valore più elevato.
2)troviamo la posizione centrale:
->se le unità sono in numero dispari allora la posizione centrale è: Pos (Me)=(N+1)/2.
Mentre la mediana è definita come Me=X(N+1/2).
->se le unità sono un numero pari esistono due posizioni centrali: N/2 e (N/2)+1. In
questo caso la mediana è Me=(X N/2+ X(N/2)+1)/2.
22
Esempio di questo ultimo caso:

Spezzata di graduazione
X(1), X(2),…,X(i),…,X(n). Ad esempio la spezzata di graduazione esprime X(i) in
funzione di i.
Esempio:

In generale graficamente:

23
Possiamo utilizzare la spezzata di graduazione per trovare la mediana=X(N+1/2) con
N generico:
->se N è dispari esiste già la posizione intera
->se N è pari allora N+1/2 è una posizione non intera quindi si applica la formula
della spezzata di graduazione.
Pos(Me)=N+1/2=N/2 +1/2
Me=X(N/2 + ½)
Se applico la formula della spezzata di graduazione con i=N/2 e h=1/2:

Quartili, decili, percentili

Quartili
Se si vogliono dividere gli N ordinari in quattro gruppi ciascuno di numerosità N/4
bisogna determinare tre quartili, dove il secondo coincide con la mediana, il primo
divide la prima metà degli N valori e il terzo la seconda metà.

Q1=primo quartile
Pos(Q1) = N+1/4 e Q1=X(N+1/4)
24
Q2=secondo quartile
Pos(Q2) = (N+1/4)*2= N+1/2 e Q2=Me=X(N+1/2)

Q3=terzo quartile
Pos(Q3)=(N+1/4)*3 e Q3=X((N+1/4) * 3)

Posizione di (Qi)= i x N+1/4

Decili
I decimi sono nove e dividono gli N valori ordinari in dieci gruppi equinumerosi.

Pos(Di)=(N+1/10)*i e Dj=X(i*N+1/10) con i=1,…,9

D3=X(3*N+1/10)

D5=Me=X(5*N+1/10)=X(N+1/2)=Q2

Percentili
Divide le N unità in 100 gruppi equinumerosi
Pos (Ci)=(N+1/100) *i
Ci=X(i*N+1/100) dove i=1,…,99

Esempio generico:

25
La mediana nel caso di distribuzioni di frequenza
1) Carattere qualitativo su scala ordinale

Pos (Me)=N+1/2 ed è il valore di B che si trova in posizione N+1/2

Esempio: N=151 spettatori di un certo spettacolo e B= “giudizio allo spettacolo”

26
Pos (Me)=151+1/2=76
Dato che 76 cade fra le posizioni 47 e 84 la mediana è mediocre
Il 50% degli spettatori ha dato un giudizio al più pari (minore o uguale) a mediocre

2) Carattere discreto non in classi

Esempio numerico: N=25 studenti x=n fratelli/sorelle

D6=? Pos(D6)= (25+1)/10 * 6=15,6 D6=1

C95=? Pos(C95)= 25+1/100 *95=24,7->la posizione è tra due classi quindi spezzata
->X(24,7)=X(24)+0,7(X(25-X(24))=2+0,7(4-2)=3,4 quindi il valore del 95 centile è 3,4
27
 3) Carattere discreto in classe
Esempio: N=100 e x=”n di ritardi in un mese”

Me=? Pos(Me)=N+1/2=100+1/2=50,5
La classe mediana: 7|-|9
Come faccio a trovare la mediana? “spacchettamento della classe mediana”, quindi
trovo la frequenza specifica: fj=nj/aj della 3 classe: a3=9-7+1=3 e nj=36
Quindi f3=36/3=12

Dove cade la posizione 50,5? X(50,5)=7 e Me=7

C32=? Pos(C32) =N+1/100 *32=32,32
C32 appartiene a 3-6
Quindi f2=15/4=3,75

C32=4 perché X (32,32) =4

4) Mediana per un carattere quantitativo continuo in classi

Esempio: N=65 e x=”peso in kg”
28
Pos(Me)=N+1/2=65+1/2=33
La mediana quindi si troverà nella classe 4-|10
Per questo tipo di caratteri si può utilizzare questa formula per calcolare il valore x in
una certa posizione t:

Per utilizzarla individuo la classe dove cade la posizione t e trovo:

->lj=estremo inferiore della classe dove cade la posizione t
->nj=frequenza assoluta della classe dove cade la posizione t
->aj=ampiezza della classe dove cade la posizione t
->Fj-1=la frequenza cumulata della classe dove cade la posizione t
N.B: aj/nj=1/fj
Continuo quindi esempio iniziale: t=33 (è la posizione della mediana X(33) =Me)
quindi X(33)=4+(33-15-1/2)*6/30=7,5.
7,5 divide equamente la distribuzione: il 50% delle spedizioni ha un peso minore-
uguale di 7,5, mentre l’altro 50% ha un peso superiore a 7,5
Q3=? Pos(Q3) =3*65+1/4=49,5 quindi la classe è 10-|20
X(49,5)=10+(49,5-45-1/2)*10/20=12

La media aritmetica
La media aritmetica può essere calcolata solo per caratteri quantitativi.
1) Media aritmetica per distribuzione di unità:
dati N valori x1,x2,…,xi,….,xN si definisce media aritmetica la seguente quantità:

Esempio: N=6 aziende e x=”numero di occupati”

29
M1=34 occupati. Ci sono 34 occupati se in ciascuna azienda ci fosse
equidistribuzione tra le aziende.

2) Distribuzione di frequenza non in classi

E’ una media aritmetica ponderata.

Esempio: N=25 e x=”n fratelli/sorelle”

3) Distruzione di frequenza per carattere quantitativo in classi

30
Esempio: N=100 operai e x=n giorni di assenza

Esempio: N=20 e x=” distanza in km”

4) distribuzione di frequenza con totali di classi

N= 500 pacchi spediti all’estero e x=” peso in quintali”

Le proprietà della media aritmetica

31
 1) La somma degli scarti dei valori osservati dalla loro media è sempre nulla.
Definisco lo scarto del valore xi dalla media come la quantità xi-M1

Dimostrazione:

Esempio: N=6 aziende e x=n occupati e M1=34

Osservazioni della prima proprietà:

->se yi=x1-M1 y1 è lo scarto della media per l’1-esima unità.

la media aritmetica degli scarti da M1 è nulla (cioè è pari a 0).

->la proprietà di annullamento degli scarti vale solo per la media aritmetica (non vale
per le altre medie).
Con A una generica media
32
Dimostrazione:

->dalla prima proprietà discende che x1<ugualeM1<ugualexn

Quindi M1 è una media interna, x1 è il valore più piccolo, xN è il valore più grande.

->nel caso di una distribuzione di frequenza

Esempio: N=25 studenti, x =” N di fratelli/sorelle”, M1=0,96

33
 2) Proprietà di minimo della media aritmetica
La media aritmetica minimizza la somma degli scarti al quadrato da un valore o polo
di riferimento

Dimostrazione:

Esempio: N=5, X= altezza in cm, M1=165,6, Me=162

34
Nel caso di una distribuzione di frequenza

3) Proprietà della media aritmetica

La media aritmetica di più gruppi parziali è uguale alla media aritmetica ponderata
delle medie aritmetiche parziali con pesi di ponderazione dati dalle numerosità dei
gruppi.
Esempio: x= voto esame statistica

Dimostrazione:

35
esempio: N=500 pacchi, x= peso in quintali

4) Proprietà di M1
Se i valori di un carattere x vengono trasformati linearmente nei valori di un carattere
Y secondo la seguente relazione
Yi=a+b per Xi (j=1,…,N) con a e b costanti
Allora tra le medie aritmetiche dei 2 caratteri sussiste la stessa relazione
M1(Y)= a+b per M1(x)
Dimostrazione:

Esempio: N= 5 acquisti di una certa materia prima

X= prezzo unitario di acquisto
In ogni acquisto: 1000 kg di materia prima
20 euro di costo di spedizione
Y=” spesa totale di acquisto”
Y= 20+1000 per X dove a =20 e b=1000

36
Casi particolari della quarta proprietà

ALTRE MEDIE (SEMPRE PER CARATTERI QUANTITATIVI)

Media armonica: dati N valori x1, x2,…,xN, tali che xi>0 con i =1,…,N
Si definisce media armonica

Esempio: N= 4 consumatori
X= durata in giorni di una confezione di pasta pasta 500 gr

Ricavare una media in grado di preservare il consumo complessivo di pasta in un

mese (cioè 30 giorni).

37
Quanto vale il consumo complessivo dei 4 consumatori in un mese?

Media geometrica
Dati N valori: x1,x2,…,xN tali che xi>0 con i =1,…,N
Definiamo la media geometrica

La media geometrica Mo(x) viene usata nelle serie storiche

38
Utilizzo la Mo(x) per trovare la media dei numeri indice a base mobile che lascia
invariato il numero indice a base fissa:

Esempio: un’associazione vuole verificare come è stato l’andamento dei suoi iscritti
durante 5 anni, cioè dal 2016 al 2022.

V è il tasso medio di variazione.

Durante il periodo 2017-2022 il numero degli iscritti è aumentato mediamente di
circa 11% ogni anno
Avevamo già visto qualcosa di simile -> la variazione relativa:

39
La media quadratica
Dati N valori x1,x2,xN la media quadratica è=

Esempio: N=6 terreni agricoli (quadrati)

Xi= lunghezza del lato del terreno i-esimo (in metri)
Qual è la misura o la media del valore di x che lascia inalterata la superficie
complessiva?

La superficie totale (25,55)^2 *6=3850

M2(x)=radice quadrata di 3850/6=25,33 (lato dei terreni)
Se voglio che la superficie totale dei terreni rimanga inalterata calcolo M1(x):

Superficie totale=6*M1^2: 6* (23,3)^2=3257,34 -> non è vero quindi M1 non è la

media che mantiene inalterata la superficie totale.

Esercizio di calcolo sulle 4 medie

40
Si nota che M-1< M0 < M1 < M2 (i < sono tutti con l’uguale) e questo risultato è
sempre vero infatti c'è un ordinamento tra le medie M-1< M0 < M1 < M2 (con
l’uguale) e ciascuna di queste medie gode della proprietà di internalità. L'uguaglianza
vale quando x(1)=x(2)=......=x(N), tutti uguali.

Formule di M-1, M0, M2, nel caso di distribuzioni di frequenza

Se valgono le imposizioni sulle x allora:

se al posto delle medie avessimo avuto le classi di valori (xj-1, xj] ->valore centrale
della classe
Esempio: M-1, M0, M1, M2

41
LA VARIABILITA’
Esempio: ci sono due gruppi
->A (NA=6)
->B (NB=6)

Definizione formale di variabilità

1)la variabilità è l’attitudine di un carattere quantitativo ad assumere valori diversi
2)si definisce assenza di variabilità la seguente condizione: x1=x2=…=xi=…=xN, quindi
vale M=xi (con i=1,…,N).
Indici di variabilità
Requisiti
->se c’è assenza di variabilità allora l’indice di variabilità è pari a 0.
->se l’indice è pari a 0, allora c’è assenza di variabilità
Classificazione
->indici assoluti hanno la stessa unità di misura di x e si dividono in 3 categorie:
-intervalli di variazione=sono basati sulle differenze di x tra specifiche posizioni
-scostamenti medi=sono basati sulle differenze tra i valori osservati e una media
-differenze medie=sono basati sulle differenze tra valori osservati
->indici relativi sono numeri puri, cioè non dipendono dall’unità di misura di x.

42
INTERVALLI DI VARIAZIONE
1)campo di variazione
XN-X1
Interpretazione: è la lunghezza dell’intervallo che contiene il 100% dei valori (ovvero
la totalità dei valori).
Controllo i requisiti: se X1=X2=…=XN allora Xn-X1=0 quindi primo requisito verificato
Se XN-X1=0 allora Xn=X1 quindi X1=X2=…=Xi=…=XN quindi secondo
requisito verificato

E’ un indice semplice ma poco usato perché si basa solo sui valori X1 e XN ignorando i
valori nelle altre unità nel mezzo.
2) differenza interquartile (DI)
DI=Q3-Q1
La DI è la lunghezza dell’intervallo che contiene il 50% dei valori centrali

Primo requisito: se X1=X2=…=XN allora Q1=Q3 quindi Q3-Q1=0 quindi verificato

Secondo requisito: se Q3-Q1=0 allora Q3=Q1 ma questo non significa che X1=X2=…=XN
quindi verificato
esempio:

3)differenza interdecile
D9-D1
E’ la lunghezza dell’intervallo che contiene il 90% delle osservazioni centrali
->il primo requisito è soddisfatto
->il secondo requisito non è soddisfatto

43
Indici basati su uno scostamento medio
Questi indici misurano |xi-m|
Scostamento medio semplice da m1

Scostamento medio semplice dalla mediana

Scostamento quadratico medio (deviazione standard o scarto quadratico medio)

La varianza è il quadrato dello scarto quadratico medio, ma è anche la media

aritmetica di (xi-m1(x))2. L’unità di misura della varianza è l’unità di misura delle x al
quadrato.

44
Lo scarto quadratico medio verifica i due requisiti?
->se x1=x2=..XN allora lo scarto quadratico è uguale a 0?
se x1=x2=….=xN allora M1(x)=x1=x2=…..=xN
Allora:

45
46
47
48
2)proprietà della varianza
E’ conosciuta come scomposizione della varianza.
Esempio: se ho k gruppi

49
50
Devianza nei gruppi

Devianza fra i gruppi

Varianza totale

51
La varianza totale dei salari è dovuta:
->per l’11,97% dalla varianza nei gruppi.
->per l’88,03% dalla varianza fra i gruppi.
La variabilità dei salari è dovuta:
->per l’11,97% dalla variazione dei salari all’interno dei gruppi.
->per l’88,03% dalla variazione dei salari medi tra i gruppi.

1)caso: nei gruppi abbiamo valori identici ma i valori sono diversi da gruppo a
gruppo.
Esempio:

In ciascuno dei gruppi la varianza è pari a 0:

Nel nostro caso:

Questo è il caso di massima omogeneità nei gruppi (cioè assenza di variabilità nei
gruppi) ma eterogeneità fra gruppi.

52
2)caso: nei gruppi i valori sono diversi ma le medie dei gruppi sono identiche.

Quindi in questo caso vale:

Indici basati sulle differenze dei valori fra loro->sono le differenze medie
L’obiettivo è quello di misurare quanto i valori di x differiscono tra loro. Li
misureremo come una media aritmetica delle differenze tra i valori (in valore
assoluto).
Esempio:

Caratteristiche della matrice:

->è una matrice quadrata (stesso numero di righe, stesso numero di colonne)

53
->sulla diagonale principale, gli elementi sono pari a zero |xi-xj| dove xi=xj
->è una matrice simmetrica rispetto alla diagonale principale |xi-xj|=|xj-xi|. Gli
elementi in posizione (i,j) sono identici agli elementi in posizione (j,i).
->i valori della matrice sono o positivi o uguali a zero.
Proprietà della matrice quadrata
->sulla diagonale principale i valori sono tutti pari a 0.
-> è una matrice simmetrica rispetto alla diagonale principale.
->è semidefinita positiva perché tutti gli elementi sono maggiori-uguali di 0.

Osservazioni su S
->S non cambia se ordiniamo i valori

->per trovare S ho usato una matrice simmetrica rispetto alla diagonale principale

54
Se ordino i valori nella parte della matrice che si trova sotto la diagonale principale:

Questo risultato vale solo perché:

->ho lavorato coi valori ordinati
->ho lavorato solo nella parte inferiore della matrice

Esempio (continuazione):

55
Esempio:

Formula facilitata:

Esempio continuazione:

56
Schema riassuntivo:

Indici relativi di variabilità

Sono numeri puri, non dipendono dall’unità di misura di x.
Motivazione di utilizzo:
a) Confronto di variabilità tra caratteri che hanno unità di misura diversa.
Es: su una stessa popolazione voglio vedere se è più variabile x altezza (in cm)
o y il peso (in kg)
b) Confronto di variabilità di caratteri con la stessa unità di misura ma ordine di
grandezza diversa.
Gruppo mamme (donne che hanno già partorito)
Gruppo neonati

Gli indici di variabilità relativa servono a fare confronti:

->stessa popolazione, ma caratteri con unità di misura diversa.
->popolazioni diverse, con stesso carattere

57
Gli indici che studiamo sono basati sugli scarti relativi rispetto ad una media:

Indici relativi di variabilità tra differenza dei valori:

->proprietà di invarianza di CV alle trasformazioni di scala

Questa proprietà vale per tutti gli indici di variabilità relativa:

58
INEGUAGLIANZA (CONCENTRAZIONE)
Si applica ai caratteri trasferibili. I caratteri trasferibili sono quei caratteri per i quali
ha senso trasferire parte del valore del carattere tra tutte le unità statistiche (ad
esempio X: reddito dell’individuo/famiglia).
Come prima cosa bisogna ordinare le unita secondo il valore di x (dal più piccolo al
più grande):

Casi estremi:
->equiripartizione: le N unità hanno lo stesso reddito [x1=M, x2=M ,…., xN=M]
->massima ineguaglianza: tutto il reddito T è posseduto da una sola unità [x1=0, x2=0,
…,xi=0, xN=T]
In entrambi i casi sappiamo che:

Definizioni
->reddito cumulato fino alla i-esima unità:

In particolare quando:

->gruppo inferiore alla posizione i-esima

->gruppo superiore alla posizione i-esima

59
->media aritmetica del gruppo inferiore

->media aritmetica del gruppo superiore

Esempio:

Si dimostra che:

INDICE DI BONFERRONI
Si basa sul confronto tra Mi--(x) e M

Vi(x) è la variazione relativa tra la media totale e la media inferiore

60
Esempio 1:
N=6 percettori di reddito
X=reddito individuale in migliaia di euro

T=960
M=960/6=160

La media del gruppo inferiore, quando i=z, è pari al 28,13% della media di tutta la
popolazione

L’indice di ineguaglianza di Bonferroni è pari a 0,473

Esempio 2 equiripartizione:
N=5, T=80, M=80/5=16

61
Esempio 3 massima ineguaglianza
N=5, T=80, M=80/5=16

INDICI DI ZENGA
Si basa sul confronto tra Mi– e Mi+

Nota:

Tornando all’esempio 1:

Mediamente le medie inferiori si discostano da quelle superiori del 72%.

62
Esempio di equiripartizione:

Esempio di massima ineguaglianza:

N=5 e T=80

In generale si dimostra per indice di Zenga:

INDICE DI GINI
Si basa:
->frequenza relativa del gruppo inferiore i/N
->quota relativa del reddito del gruppo inferiore (Qi(x)/T)=L(i/N)è una funzione L
che dipende da i e N
63
L’indice G(x) (indice di Gini) viene calcolato come media aritmetica di P(i/N)

Riprendiamo l’indice puntuale P (i/N) e lo sostituiamo in G(x)

Esercizio:
N=6 e x=reddito in migliaia di euro, M=160

64
Esercizio:
N=5 e N=6, x=reddito in migliaia di euro
Equiripartizione

Esempio:
Massima concentrazione
N=5, M=16, T=80

65
Ricapitolando:

Requisiti di un buon indice di concentrazione/ineguaglianza

1) In caso di equiripartizione l’indice deve essere=0
Infatti nel caso di equiripartizione Mi+=Mi-=M
Tutti e 3 gli indici visti V(x), I(x), G(x) soddisfano il primo requisito.
2) in caso di massima concentrazione, l’indice cresce con N e tente a uno per N
che tende a più infinito.

I tre indici considerati in caso di massima concentrazione:

I 3 indici analizzati soddisfano il secondo requisito.

3) L’indice deve essere invariante a trasformazioni di scala (es redditi
euro->dollari). Y=a*b con b>0

66
 In effetti M(y) = bM(x) allora Mi-(y)=bMi-(x) e Mi+(y)=bMi+(x)

4) L’indice deve diminuire se tutte le unità sono aumentate di una quantità

maggiore di 0. Y=x+a con a>0

Il requisito si chiama non invarianza (vuol dire che cambia) alla traslazione.

Per indici vale:

Dato che il numeratore di Vi(x) e Vi(y) è lo stesso e che il denominatore di

Vi(x)<denominatore di Vi(y)
Allora Vi(y)≤Vi(x) per ogni i =1,…,N quindi V(y)≤V(x)
Vale anche per gli altri due indici (viene dimostrato ugualmente) G(x) e I(x).
67
 Cosa succede per l’indice di Zenga?

5) L’indice deve essere sensibile ai trasferimenti. Esistono diversi tipi di

trasferimenti:
-trasferimento egalitario =trasferimento da un reddito superiore ad un reddito
inferiore. In questo caso l’ineguaglianza diminuisce e quindi l’indice
diminuisce

-trasferimento non egalitario=trasferimento di una certa quantità da un

reddito inferiore ad un reddito superiore.
In questo caso l’ineguaglianza aumenta e quindi l’indice aumenta
Infine questo requisito 5 vale per tutti i 3 gli indici (V(x),I(x),G(x))

68
ASIMMETRIA

Definizione
Dati i valori xi e xj (di una variabile quantitativa) con xj>xi, questi valori sono
simmetrici a un altro valore M se vale una certa proprietà, cioè xi<M<xj.
Se vale M-xi=xj-M

La condizione può essere scritta come:

69
xi e xj sono simmetrici rispetto ad M se M è la semisomma di xi e xj (M=(xj+xi)/2)

definizione di asimmetria puntuale

A(M)=(xj-M)-(M-xi)=xj+xi-2M
-se A(M)=0 allora esiste simmetria tra xj e xi rispetto ad M
-se A(M)>0 allora (xj-M)-(M-xi)>0

-se A(M)<0 allora la asimmetria è negativa (xj-M) < (M-xi)

Esempio
xi=1 xj=9
-voglio valutare l’asimmetria puntuale rispetto ad M=3
A(M)=9+1- 2*3=10-6=4 siamo in presenza di una asimmetria positiva
-voglio valutare l’asimmetria puntuale rispetto a M=7
A(M)=9+1-2*5=10-10=0 allora xi=1 e xj=9 sono simmetrici rispetto ad M=5

Definizione di simmetria per N valori

La prima cosa da fare è ordinare i valori, x(1),x(2),.....x(N). Si definiscono le coppie
{ x(j) ; x (N-j+1) ; j=1....N} Le coppie saranno:

70
Dati x(1)......x(j)....x(N) questi sono simmetrici rispetto ad M se ciascuna delle coppie
x(j);x(N-j+1) j=1....N è simmetrica rispetto ad M:

-Se anche un'unica Aj(M)≠0 allora non ci sarebbe simmetria (quindi saremmo nel
caso di asimmetria).

71
-Se vi è una prevalenza di Aj(M)>0 allora avremo un'asimmetria positiva.
-Se vi è una prevalenza di Aj(M)<0 allora avremo una asimmetria negativa.

Teorema dell’uguaglianza tra Mi e Me nel caso di simmetria tra valori

Se x(1), x(2),…, x(N) sono simmetrici rispetto ad M, allora M=Me=Mi
Dimostrazione
Prima parte:
M=Me
1) Caso con N pari
Aj(M)=0 deve valere per ogni j quindi ad esempio per j=N/2

2) Nel caso di N dispari

Aj(M)=0 per ogni j=1,…N con j=N+1/2

Seconda parte:
Se N valori ordinati sono simmetrici rispetto ad M allora M=Mi
Se N valori ora sono simmetrici rispetto ad M allora Aj(M)=xj+x(N-j+1)-2M=0 per ogni
J=1,…,N

72
Se mettiamo insieme i risultati delle due parti del teorema:
M=Me e M=M1->M=Me=M1

Abbiamo dimostrato che se x(1),…,xN sono simmetrici rispetto ad M allora M=Me=M1

Ma non abbiamo dimostrato il contrario (cioè se M=M1=Me non è detto che x1,…,xN
siano simmetrici rispetto ad M) perché non è vero!
Esempio:
M=16

73
Dato che le asimmetrie puntuali (rispetto ad M=16) non tutte sono uguali a zero,
allora non c’è simmetria tra i 7 valori rispetto ad M=16.
Me=16
M1=112/7=16

INDICI DI ASIMMETRIA
->di verso (direzione di asimmetria)
->di intensità (di quanto i valori sono asimmetrici rispetto ad M)

Indici di verso di asimmetria

Come scelgo M?
-se scelgo M=M1 allora indice sarà sempre M1(A(M1))=0, quindi non è una scelta
buona.
-un candidato ragionevole per M può essere Me infatti M1(A(Me))=2(M1-Me)=
2M1-2Me

Requisiti dell’indice di asimmetria

1) Se ci troviamo nel caso di simmetria degli N valori rispetto ad M (Aj(M)=0 per
ogni j=1,…,N) allora l’indice deve essere uguale a 0.
M1(A(Me))=2(M1-Me)=0 in caso di simmetria perché M1=Me
2) se Aj(Me)>0 per ogni j con almeno un Aj(Me)>0 (asimmetria positiva) allora
M1(A(Me))>0

3) Se Aj(Me)<0 per ogni j con almeno un Aj(Me)<0 (asimmetria negativa) allora

M1(A(Me))<0

Impiego il nostro indice M1(A(Me)=2(M1-Me) nelle situazioni reali

1) M1(A(Me))= 2(M1-Me)>0 allora M1>Me asimmetria positiva (asimmetria a

destra). Le asimmetrie positive prevalgono sulle simmetrie negative.

74
 2) M1(A(Me))=2(M1-Me)<0 le asimmetrie puntuali negative prevalgono sulle
asimmetrie positive M1<Me

3) M1(A(Me))=2(M1-Me)=0 due possibili casi:

-simmetria: tutte Aj(Me)=0 (quindi quando tutte le asimmetrie puntuali sono

uguali a 0)

-asimmetria con Aj(Me)<0 (asimmetrie puntuali negative) che bilanciano

(compensano) con Aj(Me)>0 (asimmetrie puntuali positive).

Secondo indice del verso di asimmetria

Indici di intensità di asimmetria

75
Indice del verso di asimmetria nel caso di una distribuzione di frequenza

Nel caso di una distribuzione di frequenza M1(A(Me)) = 2(M1-Me)

INTERPOLAZIONE

Divisa in:
->interpolazione per punti noti
->interpolazione fra punti noti

Interpolazione per punti noti

76
Esempio:

77
Quali sono i limiti dell’interpolazione per punti noti
->il numero di parametri alfa 0, alfa 1, deve coincidere con il numero dei punti noti,
altrimenti non posso risolvere il sistema.
-> Si applica a pochi punti noti, altrimenti l’andamento diventa molto irregolare.

Interpolazione fra punti noti

Abbiamo N unità statistiche con questi valori

->x e y devono essere 2 variabili quantitative

->x e y sono 2 variabili osservate contestualmente su due unità

L’obiettivo è quello di rappresentare la relazione tra X e Y con una funzione f che

dipende da pochi parametri

78
A che cosa serve l’interpolazione fra punti noti?
-descrivere l’andamento di fondo della nuvola dei punti
-fare previsioni di y per x>x(N) oppure per x<x(1)
-fare delle stime della y per un valore di x che appartenga a [x(1);x(N)]

Problemi da risolvere:

1. scelta della funzione f

2. 2. stima/determinazione dei parametri alfa0, alfa1…

1. Scelta della funzione

La scelta della funzione dipende dalla nuvola dei punti del grafico, oppure da teorie
esistenti.

2. Stima dei parametri->segue il criterio di accostamento

Idea: minimizzare gli scarti (le differenze) tra le yi (valori assoluti) e le yi^ (valori
previsti dal modello)

79
Gli scarti sono definiti->valore osservato di y-valore

Quello che vorrei trovare è una f (x,x0,…,xk) in modo tale che il totale degli errori sia il
più piccolo possibile.
Vengono introdotte due distanze per misurare gli scarti:

Noi dovremmo trovare alfa0, alfa1….,alfak che minimizzano la somma degli scarti
(errori) al quadrato->metodo dei minimi quadrati
Noi useremo f di una retta, quindi stimeremo i parametri di una retta ai minimi
quadrati (retta M. Q).

Definizione

80
Esempio:
N=4

Stimare i parametri alfa0 e alfa1 della retta M.Q

81
Interpretare questi parametri:
->alfa0^=8,2780 (dal punto di vista geometrico è l’intercetta della retta)
Quando x=0 allora y^=8,2780
->alfa1^=0,454 (dal punto di vista geometrico è la pendenza della retta)
Se x aumenta di una unità, allora “mi aspetto” che y aumenti di 0,454 unità.

Nota:

Metodo indiretto per il calcolo della covarianza:

Esempio:
82
Osservazione:

Da cosa dipende il segno di alfa1^

->il denominatore è sicuramente > 0

->il numeratore dipende dal segno di Cod (x,y)

83
La media aritmetica dei valori previsti dal modello (dalla retta a M.Q) è uguale alla
media aritmetica dei valori osservati.
->zi=yi-y^i M1(z)=0

84
Cov(z,x)=0 zi=yi-y^i

BONTA’ DI ADATTAMENTO DELLA RETTA

->approccio grafico

85
->approccio basato sullo studio dei residui
yi-y^i

disegno dei residui

86
Esercizio:

87
88
Esempio:

89
DISTRIBUZIONI BIVARIATE
Esempio:
N=20. A=priorità B=giudizio

90
1->cliente ha dichiarato che la sua priorità è l’assistenza ed ha dato un giudizio
buono
4->clienti hanno dichiarato di avere come priorità la qualità e hanno dato un giudizio
sufficiente
8->clienti hanno dato un giudizio sufficiente
10->clienti hanno dichiarato che la loro priorità era la qualità

Genericamente

nij=frequenza assoluta congiunta di B=bi ed A=aj

i=1,…..,r
j=1,…,c

91
FREQUENZE RELATIVE

92
Esempio:

Distribuzioni parziali di B
->distribuzione parziale di B per A=prezzo

->distribuzione parziale di B per A=qualità

93
->distribuzione parziale di B per A=assistenza

->distribuzione parziale di B per A=tempo

Distribuzioni parziali di A
->distribuzione parziale di A per B=scarso

->distribuzione parziale di A per B=sufficiente

94
->distribuzione parziale di A per B=buono

->distribuzione parziale di A per B=ottimo

Definizioni
->definisco la frequenza condizionata di B dato A
Con j=1,…,c e i=1,…,r

95
->definisco la frequenza condizionata di A dato B=bi

Almeno una delle 2 variabili nella tabella bivariata è quantitativa.

Esempio:
N=32 supermercati
Y=prezzo di vendita in euro di un certo prodotto (è un carattere quantitativo
continuo su scala di rapporti).
A=presenza nel parcheggio no/si (carattere qualitativo su scala nominale).

96
Distribuzioni parziali/condizionate di Y
A= non c’è il parcheggio

A=presenza del parcheggio

Distribuzione marginale di Y

Ricapitolando
97
Definizioni

98
Indipendenza in media
Il carattere Y è indipendente in media dal carattere A se tutte le medie parziali di Y
coincidono tra loro e sono coincidenti con la media marginale (totale) di Y:

Osservazioni:
1) Non è un concetto simmetrico, se Y è indipendente in media da A questo non
implica che A sia indipendente in media da Y
2) L’indipendenza in distribuzione implica l’indipendenza in media
Dimostrazione:

99
Misure di dipendenza in media

100
Recap

101
Esempio:

Calcolo della covarianza

Metodo diretto

102
Metodo indiretto

Commento dei parametri

Valutare la bontà di adattamento con I^d

103
CONCORDANZA
Siamo in presenza X e Y quantitativi

104
In questo caso la retta interpolante ha una pendenza negativa

Nel caso b i punti sul grafico non hanno una relazione lineare tra loro (relazione
parabolica).

105
PROPRIETA’ COVARIANZA
1) Se X e Y (entrambi quantitativi) sono indipendenti in distribuzione allora
Cov(X,Y)=0 (non è vero il contrario).
Esempio:

2) Se X è indipendente in media da Y(oppure se Y è indipendente in media da X)

allora Cov(X,Y)=0. Non è vero il contrario.
3) Se i valori di X e Y sono trasformati linearmente secondo queste relazioni:

106
 Dimostrazione:

4)

107
 Osservazioni quarta proprietà:

COEFFICIENTE DI CORRELAZIONE LINEARE

Noi sappiamo che

108
Proprietà di r

Dimostrazione proprietà 3:

109
Recap:

Esempio:

110
Continuazione esempio….

111