Luca Biglieri

Statistica
Corso AK – Prof. Tarantola – A.A. 2014/15

0
Luca Biglieri

1. Introduzione
1.1 Statistica e Indagini Campionarie
La Statistica, dal latino status, è la scienza che si occupa della conoscenza quantitativa dei fenomeni collettivi. Si tratta di
una scienza non esatta, che prevede sempre un determinato margine di errore riguardo ai risultati che riesce a ricavare.

Per la raccolta dei dati necessari ad un’analisi statistica, è necessario un processo di Indagine; si possono individuare
indagini totali, svolte sulla totalità della popolazione, e indagini campionarie, che prevedono la selezione di un campione
che rappresenta un sottoinsieme della popolazione. Nonostante le indagini totali offrano risultati più precisi, spesso
vengono privilegiate le indagini di tipo campionario: pur fornendo informazioni soltanto parziali sulla popolazione, esse
sono infatti più pratiche, veloci ed economiche. Inoltre, va ricordato che in alcuni casi potrebbe non essere nemmeno
possibile svolgere un’indagine totale, a causa di caratteristiche di indeterminatezza della popolazione di riferimento.

La selezione del campione va svolta in modo casuale a partire da una popolazione che può essere tanto determinata e con
un numero finito di elementi quanto indeterminata e infinita.

Volendo realizzare uno schema dei passaggi necessari per mettere in atto un’indagine campionaria, si ricorderanno:

- Definizione degli obiettivi;

- Pianificazione della Raccolta Dati;
- Raccolta Dati;
- Elaborazione ed Analisi dei Dati;
- Presentazione dei risultati;
- Utilizzo dei risultati.

1.2 Popolazione e Campione

Si definisce Popolazione un insieme completo di tutte le unità oggetto di studio.
La dimensione di una popolazione si indica con 𝑁.

Si definisce Campione il sottoinsieme delle unità osservate all’interno di una popolazione.

La dimensione di un campione si indica con 𝑛.

Un Parametro sintetizza una caratteristica specifica della popolazione (ad esempio, il 40% di 𝑁 possiede un’automobile).
Una Statistica sintetizza una caratteristica specifica del campione (ad esempio, il 50% di 𝑛 ha i capelli scuri).

Si ha un Campione Casuale quando ogni unità della popolazione è scelta a caso e ha la stessa probabilità di essere scelta, e
quando ogni campione di dimensione 𝑛 ha la stessa probabilità di essere scelto. In questo caso, si parlerà di procedimento
di Campionamento Casuale Semplice.

1.3 Statistica Descrittiva e Inferenziale

La Statistica Descrittiva ha il compito di collezionare, descrivere e sintetizzare i risultati delle osservazioni, utilizzando
strumenti quali tabelle e grafici.

La Statistica Inferenziale ha l’obiettivo di analizzare i risultati ottenuti da un’indagine campionaria, ricavandone

informazioni riguardo all’intera popolazione, considerando ovviamente un determinato margine d’errore (ad esempio,
1
Luca Biglieri

tramite stime e verifiche di ipotesi).

Il processo tramite il quale si ricavano informazioni e si prendono decisioni riguardanti un’intera popolazione partendo
dall’analisi di un campione si chiama, infatti, inferenza.

2
Luca Biglieri

2. Variabili e Descrizione Grafica dei Dati

2.1 Classificazione delle Variabili
A seconda delle loro caratteristiche, le variabili si possono classificare in vari modi: riferendosi al livello di misurazione,
infatti, si distingueranno variabili qualitative e quantitative, mentre, per il tipo e la quantità di informazioni contenuti nel
dato, si riconosceranno variabili categoriche e numeriche.
A loro volta, le variabili numeriche si divideranno tra discrete, ovvero un numero finito o un’infinità numerabile di
modalità, e continue, che teoricamente possono assumere ogni valore in un intervallo di numeri reali (ad esempio le
misure di altezza, peso, tempo o moneta).
Riguardo alle variabili qualitative, non sarà possibile dare un significato misurabile per la differenza tra due variabili; tale
significato sarà invece rintracciabile per la differenza tra due variabili quantitative.

La scala del livelli di misurazione delle variabili prevede, partendo dai livelli più basilari:

1. Dati Nominali: i dati qualitativi vengono divisi in categorie distinte, senza un ordine implicito e senza una direzione.
2. Dati Ordinali: i dati qualitativi vengono divisi in categorie tra le quali sussiste un ordine implicito. Tuttavia, non si
può dire quale sia, quantitativamente, la differenza tra due categorie.
3. Scala ad Intervallo: i dati sono quantitativi, quindi è possibile effettuare misurazioni, ma non esiste uno zero
assoluto nella scala dei valori (ad esempio, misurazioni di temperature in °C o °F).
4. Scala di Rapporti: i dati sono quantitativi, si possono effettuare misurazioni ed esiste uno zero assoluto (ad
esempio, misurazioni di peso o altezza).

N.B.: le variabili numeriche possono essere ordinate anche in modo nominale o ordinale. Tuttavia, non sarà possibile
misurare una variabile qualitativa con scale a intervallo o a rapporti.

2.2 Rappresentazione di Dati Qualitativi

2.2.1 Distribuzione di Frequenza

Si definisce Distribuzione di Frequenza l’insieme di modalità e frequenze; in questo tipo di rappresentazione, viene
associato ad ogni categoria il numero di volte in cui compare dei dati, ovvero la sua Frequenza Assoluta o Numerosità.

Modalità Frequenza Assoluta

𝑥1 𝑓1
𝑥2 𝑓2
⋯ ⋯
𝑥𝑘 𝑓𝑘

La somma delle frequenza assolute equivale al totale degli individui osservati: ∑𝒌𝒊=𝟏 𝒇𝒊 = 𝑵.

Dalla Frequenza Assoluta si può ricavare la Frequenza Relativa, ovvero la percentuale sul totale della popolazione degli
𝒇
individui che appartengono a una determinata modalità: 𝒑𝒊 = 𝑵𝒊.
𝑓 1 𝑁
Inoltre, ∑𝒌𝒊=𝟏 𝒑𝒊 = 𝟏: infatti, ∑𝑘𝑖=1 𝑝𝑖 = ∑𝑘𝑖=1 𝑁𝑖 = 𝑁 ∑𝑘𝑖=1 𝑓𝑖 = 𝑁 = 1.

3
Luca Biglieri

Modalità Frequenza Relativa

𝑥1 𝑝1
𝑥2 𝑝2
⋯ ⋯
𝑥𝑘 𝑝𝑘

2.2.2 Diagramma a Barre e a Torta

Si può fornire una rappresentazione grafica delle frequenze assolute e relative delle modalità osservate tramite i
diagrammi a barre e i diagrammi a torta.

Si noti che l’ordine delle categorie non ha alcuna importanza, a meno che non si tratti di variabili ordinali.
Inoltre, soltanto uno degli assi ha un valore numerico: l’asse orizzontale serve solamente per stabilire un eventuale ordine
delle variabili.

In un diagramma a torta, invece, la frequenza delle singole variabili è rappresentata dall’ampiezza dell’angolo al centro di
𝑓𝑖
ciascuno dei settori. In particolare, vale la formula 𝛼𝑖 = 𝑝𝑖 × 360 = 𝑁
× 360.
Anche in questo diagramma, è ininfluente l’ordine delle variabili.

2.2.3 Diagramma di Pareto

Il diagramma di Pareto è un particolare tipo di diagramma a barre, utilizzato per rappresentare dati categorici. In questo
diagramma, le categorie vengono disposte in ordine decrescente di frequenza e le barre sono sormontate da un poligono
della frequenza cumulata, ovvero una linea spezzata che rappresenta la somma cumulativa delle frequenze.
Lo scopo di questo diagramma è separare le poche cause rilevanti dalle molte cause insignificanti.

4
Luca Biglieri

Il diagramma di Pareto può essere utilizzato anche per esaminare i costi relativi alle varie cause: in questo caso, invece
della frequenza delle cause, si calcolerà la percentuale del costo di ogni singola causa rispetto al totale dei costi.

2.3 Rappresentazione di Dati Quantitativi

2.3.1 Grafico per Serie Storiche

Un Grafico per Serie Storiche fornisce una rappresentazione della variazione di valore che una variabile ha subito nel corso
di un determinato periodo di tempo. Si tratta quindi di una rappresentazione unidimensionale: non c’è una relazione tra
due diverse variabili, ma l’analisi di una sola.

In questo tipo di grafico, entrambi gli assi hanno un significato numerico: l’asse orizzontale indica l’avanzare del tempo,
mentre l’asse verticale mostra i valori assunti dalla variabile.
La scala dell’asse temporale dovrà inoltre essere coerente all’unità di misura per ottenere un’analisi efficace; occorre
anche che le osservazioni abbiamo una cadenza regolare.

2.3.2 Distribuzione, Diagramma di Frequenza e Istogramma

Così come avveniva per dati di tipo qualitativo, anche per le variabili quantitative sarà possibile svolgere uno studio relativo
alla loro frequenza. Tale studio sarà svolto secondo modalità diverse, a seconda del tipo di dato quantitativo che ci si trova
ad esaminare.

Lo studio della frequenza di variabili quantitative discrete si svolge in modo analogo a quello delle variabili qualitative: sarà
possibile trovare i valori della frequenza assoluta e di quella relativa, per poi rappresentarli tramite un Diagramma di

5
Luca Biglieri

Frequenza.
Questo particolare grafico avrà la forma di un diagramma a barre, ma si differenzierà da esso per il significato dato ai suoi
assi: entrambi gli assi di un diagramma di frequenza, infatti, hanno valore numerico, mentre, nel diagramma a barre,
soltanto l’asse orizzontale aveva tale valore.

La rappresentazione della frequenza di variabili continue e di variabili discrete con molte modalità seguirà invece una
procedura diversa: è fondamentale, in questo caso, riclassificare i dati in classi di intervalli del tipo [𝑥𝑖 , 𝑥𝑖+1 ), per evitare di
considerare singoli valori con frequenza nulla o molto ridotta.
Utilizzando i consueti calcoli, sarà poi possibile associare a ciascuna classe la corrispondente frequenza assoluta o relativa.

Nello studio di questa tipologia di dati, sarà possibile considerare intervalli con ampiezza costante oppure intervalli con
diverse ampiezze.
Nel primo caso, si sceglierà arbitrariamente un valore 𝑤, che corrisponderà alla ampiezza di ogni intervallo considerato;
l’ampiezza andrà scelta in modo tale da ricavare intervalli che abbiano approssimativamente la medesima frequenza.
𝑉𝑎𝑙𝑜𝑟𝑒 𝑀𝑎𝑥−𝑉𝑎𝑙𝑜𝑟𝑒 𝑀𝑖𝑛
L’ampiezza, arrotondata a un numero intero, corrisponderà quindi a 𝑤 = ; va ricordato che,
𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑖 𝐶𝑙𝑎𝑠𝑠𝑖
solitamente, si utilizzano dalle 5 alle 15-20 classi di intervalli. Inoltre, è fondamentale tenere a mente che due classi di
intervalli non devono mai sovrapporsi, per evitare imprecisioni e sovrabbondanze di dati.
In generale, l’ampiezza e il numero di classi da utilizzare non seguono regole fisse, ma esigenze soggettive; vanno
comunque evitate classi che creano una rappresentazione troppo frastagliata (ovvero, evitare classi poco ampie, con
frequenza troppo bassa o anche nulla) oppure “a blocchi” (ovvero, evitare classi troppo ampie, che oscurano gli andamenti
della variazione).

Il grafico utilizzato per la rappresentazione della frequenza delle classi intervallari è l’Istogramma. In tale grafico, sull’asse
orizzontale saranno rappresentati gli estremi degli intervalli, mentre l’asse verticale andrà a rappresentare la frequenza.
L’area di ciascuna barra risulterà proporzionale alla frequenza della variabile in ciascuna classe intervallare.
Nel caso di classi di ampiezza diversa, le altezze delle barre saranno equivalenti alla Densità di Frequenza 𝑐, dove
𝑝 𝑓𝑖 1
𝑐𝑖 = 𝑤𝑖 = ∙
𝑁 𝑤𝑖
; l’area di ciascun rettangolo, in questo caso, sarà pari alla frequenza relativa della classe intervallare.
𝑖

6
Luca Biglieri

N.B.: La rappresentazione grafica con la densità sull’asse delle ordinate è valida anche per classi intervallari di uguale
ampiezza, ed è, in generale, da preferirsi proprio perché compatibile con qualsiasi tipo di intervallo.

Riguardo alla forma della distribuzione ottenuta tramite istogramma, questa potrà essere simmetrica, se le osservazioni
risultano bilanciate e regolari al centro del grafico, oppure asimmetrica positiva (obliqua verso destra) o asimmetrica
negativa (obliqua verso sinistra).

2.3.3 Funzione di Ripartizione

La Funzione di Ripartizione o Funzione Cumulativa delle Frequenza è un particolare tipo di funzione, utilizzabile sia per
variabili quantitative che per variabili qualitative ordinali.
Essa si definisce come l’insieme di tutte le coppie ordinate (𝑥, 𝐹(𝑥)) in cui 𝑥 ∈ 𝑹 e 𝐹(𝑥) esprime la frequenza relativa con
cui si osservano valori minori o uguali di 𝑥; ovvero, 𝐹(𝑥) = 𝐹𝑟{𝑋 ≤ 𝑥}, dove 𝐹𝑟 è la frequenza relativa. Tale funzione avrà
dominio pari a (−∞, +∞) e codominio [0,1], in quanto rappresenta frequenze relative.
In sostanza, data una 𝑥 ordinabile, si avrà 𝐹(𝑥) che indica quante volte la variabile assume un valore minore o uguale
rispetto a un livello fissato.

Nel caso delle variabili quantitative discrete e delle variabili qualitative ordinali, il valore della funzione in corrispondenza di
una generica modalità 𝑥𝑙 sarà 𝐹(𝑥𝑙 ) = ∑𝑙𝑖=1 𝑝𝑖 = 𝑝1 + 𝑝2 + ⋯ + 𝑝𝑙 .
Considerando tutte le possibili modalità, si può esprimere la funzione in questo modo:
0 𝑥 < 𝑥1
𝑝1 𝑥1 ≤ 𝑥 < 𝑥2
𝐹(𝑥) = 𝑝1 + 𝑝2 𝑥2 ≤ 𝑥 < 𝑥3
…
{ 1 𝑥 ≥ 𝑥𝑘

Il risultato sarà quindi una funzione discontinua, in cui ogni “salto” corrisponde a una frequenza relativa.
Inoltre, generalizzando e indicando con 𝑘 il numero di modalità distinte (𝑥1 , 𝑥2 , … , 𝑥𝑘 ) si potrà esprimere la funzione
0 𝑥 < 𝑥1
𝑝1 𝑥1 ≤ 𝑥 < 𝑥2
come: 𝐹(𝑥) = 𝑝1 + 𝑝2 𝑥2 ≤ 𝑥 < 𝑥3 .
…
{ 1 𝑥 ≥ 𝑥𝑘
7
Luca Biglieri

Questa funzione cambia valore soltanto in corrispondenza di una modalità osservata: nell’intervallo tra due modalità,
infatti, resta costante, per poi compiere il “salto” in corrispondenza della modalità successiva. Generalizzando, quindi, si
può dire che 𝐹 resta costante negli intervalli compresi tra i valori di 𝑥 con 𝑝 positiva.
Inoltre, si nota che 𝐹𝑟{𝑥1 < 𝑥 ≤ 𝑥3 } = 𝐹𝑟{𝑥 ≤ 𝑥3 } − 𝐹𝑟{𝑥 ≤ 𝑥1 } = 𝐹(𝑥3 ) − 𝐹(𝑥1 ).
Nel caso in cui si ha, invece, con gli stessi dati, una disuguaglianza debole, 𝐹𝑟{𝑥1 ≤ 𝑥 ≤ 𝑥3 } = 𝐹𝑟{𝑥 ≤ 𝑥3 } − 𝐹𝑟{𝑥 ≤ 𝑥1 } +
𝐹𝑟{𝑥 = 𝑥1 } = 𝐹(𝑥3 ) − 𝐹(𝑥1 ) + 𝑝(𝑥1 ).
Generalizzando questi ragionamenti, si può dire che 𝐹𝑟{𝑥 ≤ 𝑥𝑘 } ≠ 𝐹𝑟{𝑥 < 𝑥𝑘 } se 𝑝𝑘 ≠ 0, ovvero se 𝑥𝑘 è una modalità
osservata.
Sempre in generale, 𝐹𝑟{𝑎 < 𝑥 ≤ 𝑏} = 𝐹(𝑏) − 𝐹(𝑎).

Se ci si trova ad esaminare variabili quantitative continue oppure discrete in classi di intervalli, si dovrà utilizzare un diverso
grafico, ovvero l’ogiva o curva delle frequenze cumulate.

In questo caso, si dovrà considerare l’area delle barre dell’istogramma come somma delle frequenze relative. Pertanto, si
avrà che 𝐹𝑟{𝑥 ≤ 𝑥𝑘 } = 𝐹𝑟{𝑥 < 𝑥𝑘 } e i calcoli relativi alle frequenze cumulate potranno essere svolti direttamente
sull’istogramma: per calcolare la 𝐹 di un elemento interno a un intervallo, si potrà calcolare l’area sull’istogramma, in
alternativa al calcolo dell’altezza dell’ogiva.
Quindi, dato 𝑥 𝜖 [𝑥𝑖 ; 𝑥𝑖+1 ), si ha 𝐹(𝑥) = 𝐹(𝑥𝑖 ) + 𝑐𝑖 (𝑥 − 𝑥𝑖 ).

Volendo individuare altre proprietà di questa funzione, si può dire che 0 ≤ 𝐹(𝑥) ≤ 1 e che 𝐹𝑟{𝑎 < 𝑥 < 𝑏} = 𝐹𝑟{𝑎 ≤ 𝑥 <
𝑏} = 𝐹𝑟{𝑎 < 𝑥 ≤ 𝑏} = 𝐹𝑟{𝑎 ≤ 𝑥 ≤ 𝑏} = 𝐹(𝑏) − 𝐹(𝑎): l’ogiva è uguale sia in caso di disuguaglianza forte che di
disuguaglianza debole.
Inoltre, 𝐹𝑟{𝑥 = 𝑏} = 0, ∀𝑏: l’area di una barra la cui base è un punto sarà sempre nulla.
L’ogiva è continua e ha diverse inclinazioni; è sempre derivabile, tranne che nei punti in cui cambia l’inclinazione.
Inoltre, anche nei diagrammi di Pareto si trova una curva a ogiva, il cui significato è valido soltanto nei punti delle
osservazioni e non nei segmenti intermedi.

2.4 Rappresentazione delle Relazioni tra Variabili

2.4.1 Diagramma di Dispersione e Tabella a Doppia Entrata

Utilizzando gli strumenti della statistica descrittiva è anche possibile rappresentare ed analizzare le relazioni tra due o più
variabili. Per semplicità, in questi casi si esamineranno solamente due caratteri per volta, utilizzando strumenti come il
Diagramma di Dispersione e la Tabella a Doppia Entrata.

Il Diagramma di Dispersione è un particolare tipo di diagramma cartesiano in cui gli assi rappresentano le due variabili e ad
ogni coppia di valori delle variabili viene assegnato un punto; le coordinate di ciascun punto rappresentano i valori delle
due variabili in corrispondenza di quella particolare osservazione.
8
Luca Biglieri

Il diagramma di dispersione rende possibile l’osservazione dei possibili valori delle variabili, della distribuzione dei dati
all’interno del range di valori osservati, della relazione tra le variabili e della presenza di eventuali valori anomali; tuttavia,
ha il difetto di non riuscire a rappresentare la frequenza con la quale si presenta una determinata coppia di valori: questo
diagramma, quindi, avrà una grande utilità nel caso in cui non ci siano valori ripetuti più volte.

Una Tabella a Doppia Entrata, invece, è una tabella utilizzata per elencare il numero di osservazioni rilevate per ciascuna
combinazione di classi di misura delle due variabili: in ogni cella, che avrà generiche coordinate (𝑥𝑖 , 𝑦𝑖 ), si andrà quindi a
indicare la frequenza con la quale si sono presentati questi due valori delle variabili 𝑥 e 𝑦. Tramite questo studio di
frequenza, sarà possibile analizzare la relazione tra le due variabili, ovvero il modo in cui l’andamento di una influenza
l’andamento dell’altra.
Una tabella, a seconda delle sue dimensioni, si indicherà come 𝑟 × 𝑐, con 𝑟 che indica il numero di righe e 𝑐 il numero di
colonne. Se 𝑟 = 𝑐 si avrà una tabella quadrata, altrimenti se ne avrà una rettangolare.
Se entrambe le variabili sono qualitative, si parlerà di una Tabella di Contingenza; in questo particolare caso, sarà inutile
rappresentare la distribuzione anche attraverso un diagramma, la tabella rappresenterà il metodo migliore.

Le Frequenze Assolute Congiunte rappresentano il numero di osservazioni relative a una coppia di valori della due variabili.
Genericamente, avendo un valore 𝑥𝑖 per la prima variabile e un valore 𝑦𝑗 per la seconda, la frequenza assoluta congiunta
corrispondente si indicherà con 𝑓𝑖𝑗 .
Le Frequenze Marginali Assolute di Riga o di Colonna rappresentano distribuzioni di frequenza unidimensionali, relative
quindi a una singola riga o colonna, ovvero a una singola variabile.
Generalizzando e utilizzando la simbologia, una Tabella a Doppia Entrata si presenterà in questo modo:

9
Luca Biglieri

Ovviamente, sarà possibile costruire una tabella del genere anche utilizzando le frequenze relative, tenendo conto che
𝑓𝑖𝑗
𝑝𝑖𝑗 = 𝑁
. Inoltre, occorre ricordare che le Frequenze Marginali 𝑅𝑟 e 𝐶𝑐 assumeranno forma 𝑝𝑟+ e 𝑝+𝑐 .

All’interno di una tabella, si potranno inoltre ricavare le Frequenze Subordinate o Condizionate per riga o per colonna, che
rappresentano la distribuzione di frequenza di una delle due variabili per una fissata modalità dell’altra variabile.
𝑓𝑖𝑗
Ad esempio, si dirà Frequenza Subordinata di 𝑥 dato 𝑦 la frequenza 𝐹𝑟{𝑋 = 𝑥𝑖 |𝑌 = 𝑦𝑗 } = , che corrisponderà, quindi
𝐶𝑗
alla frequenza con cui si presenta il valore 𝑥𝑖 all’interno della colonna 𝐶𝑗 , ovvero all’interno del gruppo di osservazioni in
cui la variabile 𝑦 ha valore 𝑦𝑗 .
𝑓𝑖𝑗
Viceversa, la Frequenza Subordinata di 𝑦 dato 𝑥 sarà uguale a 𝐹𝑟 = {𝑌 = 𝑦𝑗 |𝑋 = 𝑥𝑖 } = 𝑅𝑖
.
Tali frequenze potranno essere espresse anche sotto forma di frequenze relative, come nella tabella qui sotto, dove si
esprimono le frequenze relative subordinate della variabile “Zona” dato il “Prodotto”.

2.4.2 Rappresentazioni Grafiche: Diagrammi a Barre Accostate e Sovrapposte

10
Luca Biglieri

I grafici utilizzati per rappresentare al meglio le frequenze subordinate e le relazioni tra due diverse variabili sono il
Diagramma a Barre Accostate e il Diagramma a Barre Sovrapposte. Si tratta di due diagrammi equivalenti tra loro, che
potranno essere utilizzati indistintamente.
Per entrambi di questi grafici va ricordato che soltanto l’asse verticale ha un valore numerico, e andrà quindi a
rappresentare la frequenza assoluta o relativa con la quale si presentano le diverse osservazioni. L’asse orizzontale non ha
valore numerico e, pertanto, la base delle barre non assume alcun significato quantitativo.

Questi due grafici sono quindi equivalenti e rappresentano le frequenze subordinate della variabile “Zona” dato il
“Prodotto”; ovviamente, sarà possibile invertire i ruoli delle due variabili utilizzando le frequenze marginali di riga invece
che quelle di colonna.

Dall’esame dei diagrammi a barre accostate o sovrapposte si può arrivare al concetto di Indipendenza Statistica: due
variabili saranno indipendenti (ovvero, tra le variabili ci sarà assenza di relazione) quando le frequenze subordinate sono
simili, ovvero se ci sono simili proporzioni tra le barre che formano il diagramma.

11
Luca Biglieri

3. Indici di Sintesi
3.1 Indici di Posizione: Misure di Tendenza Centrale
Gli Indici di Posizione hanno la funzione di rappresentare la distanza tra i dati osservati; in particolare, dal momento che
nelle osservazioni statistiche i dati tendono a raggrupparsi nei pressi di un “punto centrale” delle osservazioni, assumono
una particolare rilevanza le Misure di Tendenza Centrale, come la Media Aritmetica, la Moda e la Mediana.

3.1.1 Media Aritmetica

La Media Aritmetica di un insieme di dati è il rapporto tra la somma dei valori di tutte le osservazioni e il numero delle
osservazioni stesse.
Essa è calcolabile esclusivamente per dati quantitativi e, se si riferisce ai dati relativi a un’intera popolazione, sarà uguale a
∑𝑁
𝑖=1 𝑥𝑖 𝑥1 +𝑥2 +⋯+𝑥𝑁
𝜇= 𝑁
= 𝑁
.
∑𝑛
𝑖=1 𝑥𝑖 𝑥1 +𝑥2 +⋯+𝑥𝑛
Se i dati si riferiscono a un campione, la media campionaria sarà uguale a 𝑥̅ = 𝑛
= 𝑛
.

La Media è un indice “non robusto”: ciò significa che essa è influenzata dai valori estremi, ovvero i dati che hanno un
valore di molto differente rispetto alla maggior parte dei dati osservati.

Nel caso in cui i dati dovessero avere diversi “pesi” (ad esempio, è il caso dei voti di diversi esami, ciascuno con un diverso
numero di crediti), sarà utile utilizzare la Media Ponderata: avendo i dati 𝑥𝑖 e i relativi pesi 𝑤𝑖 , si avrà che la Media (in
∑𝑛
𝑖=1 𝑥𝑖 𝑤𝑖 𝑥1 𝑤1 +𝑥2 𝑤2 +⋯+𝑥𝑛 𝑤𝑛
questo caso campionaria) sarà uguale a 𝑥̅ = ∑𝑛
= .
𝑖=1 𝑤𝑖 𝑤1 +𝑤2 +⋯+𝑤𝑛

I dati potrebbero essere rappresentati in distribuzione di frequenza: in questo caso, si dovranno seguire procedure diverse
a seconda del tipo di dati.
Per i dati quantitativi discreti, bisognerà calcolare la Media Ponderata utilizzando come pesi le frequenze relative: si
𝑓𝑖
otterranno quindi una Media della popolazione pari a 𝜇 = ∑𝑘𝑖=1 𝑥𝑖 = ∑𝑘𝑖=1 𝑥𝑖 𝑝𝑖 e una Media Campionaria di formula
𝑁
𝑓𝑖
𝑥̅ = ∑𝑘𝑖=1 𝑥𝑖 𝑛
= ∑𝑘𝑖=1 𝑥𝑖 𝑝𝑖 .
Nel caso in cui i dati siano di tipo quantitativo continuo o discreti in classi di intervalli, sarà necessario discretizzare la
variabile osservata, assegnando tutta la frequenza relativa a un intervallo al valore centrale dell’intervallo stesso, chiamato
𝑥𝑖 +𝑥𝑖+1 𝑓 𝑓𝑖
𝑚𝑖 = 2
. Si otterrà quindi 𝜇 ≈ ∑𝑘𝑖=1 𝑚𝑖 𝑁𝑖 = ∑𝑘𝑖=1 𝑚𝑖 𝑝𝑖 nel caso di una popolazione e 𝑥̅ ≈ ∑𝑘𝑖=1 𝑚𝑖 𝑛
= ∑𝑘𝑖=1 𝑚𝑖 𝑝𝑖 se si
tratta di Media Campionaria.

3.1.2 Moda

Il Valore Modale o Moda, se esiste, rappresenta il valore che appare più spesso in un insieme di dati grezzi, sia qualitativi
che quantitativi.
Se esistono due o più valori a cui è associata la frequenza più alta, si parlerà di più valori modali e di distribuzioni bimodali,
trimodali, eccetera.
La Moda non è influenzata da valori estremi (“indice robusto”) e può anche non esistere, nel caso in cui tutte le
osservazioni si presentino con la stessa frequenza.

Per i dati qualitativi e quantitativi discreti, vale quanto detto finora: la Moda sarà rappresentata dal valore che si presenta
con frequenza maggiore.
12
Luca Biglieri

Nel caso in cui si lavori con dati quantitativi continui o discreti in classi di intervalli, si identificherà la Classe Modale con la
𝑝𝑖
maggiore densità di frequenza 𝑐𝑖 = ; la Moda, a sua volta, sarà data dal valore centrale di tale Classe.
𝑤𝑖

È sempre consigliabile considerare la Moda insieme agli altri Indici, e mai basare un’osservazione solo su di essa: la Moda,
infatti, non tiene conto dei valori che si presentano con frequenze più basse, nascondendo quindi molte informazioni che
potrebbero risultare utili.

3.1.3 Mediana

Il Valore Mediano o Mediana rappresenta, in un insieme di osservazioni ordinate in modo non decrescente, l’osservazione
centrale che occupa la posizione intermedia: circa il 50% delle osservazioni si troverà sopra la Mediana e circa il 50% si
collocherà sotto di essa.
La Mediana è calcolabile per valori anche qualitativi, purché almeno ordinali; inoltre, è un “indice robusto” non influenzato
da valori anomali.

Date 𝑁 (o 𝑛) osservazioni ordinate in modo non decrescente, 𝑀𝑒 sarà uguale al valore che occupa la posizione numero
(𝑁+1) 𝑁 𝑁
2
se 𝑁 è dispari, oppure, se 𝑁 è pari, alla media tra il valore in posizione 2 e quello in posizione 2 + 1 (purché non si
tratti di variabili qualitative ordinali).

Nel caso di variabili in distribuzione di frequenza, si utilizzerà la Funzione di Ripartizione e si aprono i soliti due casi.
Per dati qualitativi ordinali e quantitativi discreti, la Funzione di Ripartizione avrà la forma di una linea spezzata
discontinua: si traccia una linea orizzontale in corrispondenza della frequenza relativa 𝑝𝑖 = 0.5 e la Mediana sarà pari al
primo valore osservato la cui Funzione di Ripartizione supera tale frequenza.
Tuttavia, si deve ricordare che, se c’è un valore osservato che ha 𝐹𝑖 = 0.5, la Mediana sarà pari alla Media tra tale
osservazione e quella successiva (ovvero alla Media degli estremi del segmento con 𝐹𝑖 = 0.5).

Se si lavora con dati quantitativi continui o discreti in classi di intervalli, si lavorerà direttamente sull’Istogramma, trovando
il valore (eventualmente anche intermedio rispetto a due valori osservati) tale per cui l’area cumulata del grafico sia pari a
0.5.

13
Luca Biglieri

3.1.4 Quartili e Quantili

Generalizzando il concetto della Mediana, si può arrivare a trovare dei particolari Indici di Posizione che non
rappresentano delle misure di tendenza centrale, i Quantili, ovvero dei valori che dividono la sequenza ordinata delle
osservazioni in determinate quote percentuali prefissate.
Particolarmente importanti sono i Quartili, che suddividono le osservazioni in 4 parti; si ricordano inoltre, i Decili, che
dividono i valori in 10 parti e, più in generale, i Percentili, che suddividono i dati in una qualsiasi percentuale.

Per quanto riguarda i Quartili, essi si indicano con 𝑄1 , 𝑄2 e 𝑄3 .

Il primo quartile, 𝑄1 , rappresenta il valore per il quale il 25% delle osservazioni sono più piccole e il 75% più grandi; sarà
𝑁+1
pari al valore che occupa la posizione numero 4
.
Il secondo quartile, 𝑄2 , rappresenta il valore per il quale il 50% delle osservazioni sono più piccole e il 50% più grandi:
𝑁+1
corrisponde alla Mediana e si può dire che 𝑄2 = 𝑀𝑒. Esso occuperà quindi la posizione numero 2
.
Il terzo quartile, 𝑄3 , rappresenta il valore per il quale il 75% delle osservazioni sono più piccole e il 25% più grandi; sarà pari
𝑁+1
al valore che occupa la posizione numero 3 4
.

Per il calcolo dei Quartili, vanno rispettate alcune regole per la determinazione della posizione:

- Se il calcolo del Quartile ha come risultato un numero intero, si considererà il valore che occupa la posizione
indicata da tale numero;
- Se il risultato è a metà strada tra due numeri interi, si considererà come Quartile la media tra i valori che occupano
le posizioni indicate da tali numeri interi;
- Se il risultato è un numero decimale non a metà strada tra due interi, si considererà come Quartile il valore che
occupa la posizione indicata dal numero intero più vicino.

Inoltre, bisogna ricordare che, esattamente come avveniva per la Mediana, anche 𝑄1 e 𝑄3 si potranno trovare utilizzando il
grafico della Funzione di Ripartizione.

14
Luca Biglieri

𝑁+1
Per quanto riguarda il calcolo dei Percentili, esso si svolgerà moltiplicando la percentuale desiderata a 100
: ad esempio, il
decimo percentile, che individua il valore per cui il 10% delle osservazioni sono minori di esso, occuperà la posizione
𝑁+1
numero 10 100 = 0.1(𝑁 + 1) = 10%(𝑁 + 1).

3.2 Indici di Variabilità

Gli Indici di Variabilità sono strumenti che permettono di studiare la dispersione o la variabilità di una distribuzione. Tra di
essi, si ricordano il Range, la Differenza Interquartile, la Varianza, lo Scarto Quadratico Medio e il Coefficiente di
Variazione.

3.2.1 Range e Differenza Interquartile

Il Campo di Variazione (Range) è la più semplice misura di variabilità e corrisponde alla differenza tra il massimo valore
osservato e il minimo: 𝑅𝑎𝑛𝑔𝑒 = 𝑥𝑀𝐴𝑋 − 𝑥𝑚𝑖𝑛 .
Si tratta di un indice che risente della variabilità dei dati rispetto al centro dell’osservazione, influenzato dagli outlier (valori
anomali) e che non dà informazioni sulla distribuzione della frequenza delle osservazioni.

La Differenza Interquartile è un indice che permette di eliminare il problema degli outlier, non considerando i valori
inferiori al primo quartile e quelli superiori al terzo: in pratica, si va a calcolare il Range del 50% centrale delle osservazioni.
Si avrà quindi 𝐷𝐼 = 𝐼𝑄𝑅 = 𝑄3 − 𝑄1 .

Entrambi questi indici fanno riferimento a due sole osservazioni (valori massimo e minimo nel primo caso, primo e terzo
quartile nel secondo). Per ottenere informazioni su tutti i dati osservati, sarà necessario introdurre nuovi indici.

3.2.2 Varianza e Scarto Quadratico Medio

La Varianza è un indice che corrisponde alla media delle distanze tra ciascuna osservazione e la media delle osservazioni,
elevata al quadrato (per evitare di esprimere una distanza in termini negativi).

A seconda dei casi, si potranno ricavare una Varianza della Popolazione o una Varianza Campionaria:

∑𝑁
𝑖=1(𝑥𝑖 −𝜇)
2
- 𝜎2 = 𝑁
, con 𝜇 che indica la media delle osservazioni della popolazione e 𝑁 che rappresenta il numero di
tali osservazioni.
∑𝑛
𝑖=1(𝑥𝑖 −𝑥̅ )
2
- 𝑠2 = 𝑛−1
, con 𝑥̅ che indica la media delle osservazioni del campione e 𝑛 che rappresenta il numero di tali
osservazioni.

Nel caso in cui si dovessero avere dati in distribuzione di frequenza, la Varianza potrà essere espressa come somma elevata
al quadrato delle distanze tra ciascuna osservazione e la media delle osservazioni, moltiplicate per la frequenza relativa di
ciascuna osservazione.
1
- 𝜎 2 = 𝑁 ∑𝐾 2 𝐾 2
𝑖=1(𝑥𝑖 − 𝜇) ∙ 𝑓𝑖 = ∑𝑖=1(𝑥𝑖 − 𝜇) ∙ 𝑝𝑖 , nel caso della Varianza della Popolazione;
1 𝑛
- 𝑠 2 = 𝑛−1 ∑𝐾 2 𝐾 2
𝑖=1(𝑥𝑖 − 𝑥̅ ) ∙ 𝑓𝑖 = 𝑛−1 ∑𝑖=1(𝑥𝑖 − 𝑥̅ ) ∙ 𝑝𝑖 , nel caso della Varianza Campionaria.

15
Luca Biglieri

Si può notare come la Varianza sia sempre ≥ 0, in quanto valore numerico elevato al quadrato; inoltre, la sua unità di
misura sarà il quadrato di quella utilizzata per le singole osservazioni.
Esaminando la Varianza Campionaria, si nota anche come il suo denominatore sia 𝑛 − 1, ovvero la dimensione del
campione diminuita di una unità. Questo avviene perché, prendendo molti campioni di dimensione 𝑛, si noterà che la
media delle Varianze Campionarie sarà uguale a 𝜎 2 : la Varianza Campionaria serve a stimare la Varianza della Popolazione
e, se quest’ultima è incognita, si può dimostrare che la stima risulterà più precisa utilizzando come denominatore 𝑛 − 1.

Lo Scarto Quadratico Medio o Deviazione Standard corrisponde alla radice quadrata (con segno positivo) della Varianza e
rappresenta la dispersione media delle osservazioni intorno alla media delle osservazioni stesse:

∑𝑁
𝑖=1(𝑥𝑖 −𝜇)
2
- 𝜎=√ 𝑁
, nel caso dello Scarto Quadratico Medio della Popolazione;
∑𝑛
𝑖=1(𝑥𝑖 −𝑥̅ )
2
- 𝑠=√ , nel caso dello Scarto Quadratico Medio Campionario.
𝑛−1

Tale indice avrà la stessa unità di misura delle osservazioni; uno Scarto Quadratico Medio elevato rappresenta una elevata
dispersione media delle osservazioni rispetto alla media (ovvero una grande concentrazione di osservazioni in
corrispondenza dei valori estremi), mentre uno Scarto Quadratico Medio ridotto rappresenta una situazione in cui le
osservazioni sono raggruppate in prossimità della media delle osservazioni.

Lavorando sulle formule viste in precedenza, è possibile arrivare a della formule ridotte della Varianza.
∑𝑁
𝑖=1(𝑥𝑖 −𝜇)
2
Ad esempio, partendo dalla Varianza della Popolazione 𝜎 2 = , si potrà esprimere il numeratore come
𝑁
𝐴
𝐴 = ∑𝑁 2 2
𝑖=1(𝑥𝑖 − 𝜇) , in modo da avere 𝜎 = 𝑁 .

Svolgendo il quadrato, si avrà poi che 𝐴 = ∑𝑁 2 2 𝑁 2 2 𝑁 𝑁 2 2

𝑖=1(𝑥𝑖 + 𝜇 − 2𝜇𝑥𝑖 ) = ∑𝑖=1(𝑥𝑖 + 𝑁𝜇 − 2 ∑𝑖=1 𝜇𝑥𝑖 ) = ∑𝑖=1(𝑥𝑖 + 𝑁𝜇 −
2𝜇 ∑𝑁𝑖=1 𝑥𝑖 ).
Esaminando l’ultimo addendo della parentesi, si nota che ∑𝑁
𝑖=1 𝑥𝑖 = 𝑁𝜇.
𝑁 2 𝑁 2
Pertanto, 𝐴 = ∑𝑖=1(𝑥𝑖 + 𝑁𝜇 − 2𝜇 ∙ 𝑁𝜇) = ∑𝑖=1(𝑥𝑖 + 𝑁𝜇2 − 2𝑁𝜇2 ).
2

∑𝑵 𝟐 𝟐
𝒊=𝟏(𝒙𝒊 −𝑵𝝁 )
Concludendo, si può quindi dire che 𝐴 = ∑𝑁 2 2 𝟐
𝑖=1(𝑥𝑖 − 𝑁𝜇 ) e che, pertanto, 𝝈 = .
𝑵

Con una dimostrazione analoga, si può arrivare alla forma ridotta della Varianza Campionaria.
∑𝑛
𝑖=1(𝑥𝑖 −𝑥̅ )
2 𝐴
Partendo da 𝑠 2 = 𝑛−1
, si indica il numeratore come 𝐴 = ∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅ )2 così che 𝑠 2 = 𝑛−1 .
Svolgendo, si ottiene 𝐴 = ∑𝑛𝑖=1(𝑥𝑖2 + 𝑥̅ 2 − 2𝑥̅ 𝑥𝑖 ) = ∑𝑛𝑖=1(𝑥𝑖2 + 𝑛𝑥̅ 2 − 2 ∑𝑛𝑖=1 𝑥̅ 𝑥𝑖 ) = ∑𝑛𝑖=1(𝑥𝑖2 + 𝑛𝑥̅ 2 − 2𝑥̅ ∑𝑛𝑖=1 𝑥𝑖 ).
Si nota che ∑𝑛𝑖=1 𝑥𝑖 = 𝑛𝑥̅ , quindi 𝐴 = ∑𝑛𝑖=1(𝑥𝑖2 + 𝑛𝑥̅ 2 − 2𝑥̅ ∙ 𝑛𝑥̅ ) = ∑𝑛𝑖=1(𝑥𝑖2 + 𝑛𝑥̅ 2 − 2𝑛𝑥̅ 2 ).
∑𝒏 𝟐
̅𝟐 )
𝒊=𝟏(𝒙𝒊 −𝒏𝒙
Si conclude quindi con 𝐴 = ∑𝑛𝑖=1(𝑥𝑖2 − 𝑛𝑥̅ 2 ) e 𝒔𝟐 = 𝒏−𝟏
.

La formula ridotta della Varianza con distribuzione di frequenza sarà invece pari a:

∑𝐾 2
𝑖=1(𝑥𝑖 −𝜇) ∙𝑓𝑖 ∑𝐾 2
𝑖=1 𝑥𝑖 𝑓𝑖 −𝑁𝜇
2
- 𝜎2 = 𝑁
= 𝑁
nel caso della Varianza della Popolazione;
∑𝐾 2
𝑖=1(𝑥𝑖 −𝑥̅ ) ∙𝑓𝑖 ∑𝐾 2
𝑖=1 𝑥𝑖 𝑓𝑖 −𝑛𝑥̅
2
- 𝑠2 = 𝑛−1
= 𝑛−1
nel caso della Varianza Campionaria.

Infine, sarà possibile calcolare la Varianza per dati continui per intervallo. In questo caso, sarà necessario individuare il
valore centrale 𝑚𝑖 di ogni generico intervallo [𝑥𝑖 , 𝑥𝑖+1 ), per poi applicare le seguenti formule:

∑𝑘 2
1 (𝑚𝑖 −𝜇) ∙𝑓𝑖
- 𝜎2 ≈ , per la Varianza della Popolazione;
𝑁
∑𝑘 2
1 (𝑚𝑖 −𝑥̅ ) ∙𝑓𝑖
- 𝑠2 ≈ 𝑛−1
, per la Varianza Campionaria.

16
Luca Biglieri

Valgono anche in questo caso le formule ridotte elencate in precedenza.

3.2.3 Coefficiente di Variazione

Il Coefficiente di Variazione è una misura relativa di variabilità espressa in percentuale (e non nell’unità di misura delle
osservazioni). Esso indica la dispersione, ovvero la variabilità, dei dati in rapporto alla media aritmetica delle osservazioni,
ed equivale al rapporto tra lo Scarto Quadratico Medio e la Media, moltiplicato per 100.
𝜎
- 𝐶𝑉 = |𝜇| × 100%, 𝜇 ≠ 0 nel caso di una Popolazione;
𝑠
- 𝐶𝑉 = |𝑥̅ | × 100%, 𝑥̅ ≠ 0 nel caso di un Campione.

3.3 Forma della Distribuzione e Variabilità

3.3.1 Forma della Distribuzione

Dato un insieme di dati quantitativi, è possibile ricavare la forma della sua distribuzione, che assumerà diverse
caratteristiche a seconda dei valori assunti dai numeri di sintesi (valore minimo, primo quartile, Mediana, terzo quartile e
valore massimo) e dalla Media.

La forma della distribuzione potrà essere simmetrica o asimmetrica, sia a destra (positivamente) che a sinistra
(negativamente).
In particolare, si avrà una forma simmetrica se:

- Mediana = Media = Media Interquartile;

- 𝑀𝑒 − 𝑄1 = 𝑄3 − 𝑀𝑒;
- 𝑄1 − 𝑚𝑖𝑛 = 𝑀𝐴𝑋 − 𝑄3 .

La forma della distribuzione sarà obliqua a destra (asimmetria positiva) se:

- Mediana < Media; Mediana < Media Interquartile;

- 𝑀𝑒 − 𝑄1 < 𝑄3 − 𝑀𝑒;
- 𝑄1 − 𝑚𝑖𝑛 < 𝑀𝐴𝑋 − 𝑄3 .

La forma della distribuzione sarà obliqua a sinistra (asimmetria negativa) se:

- Mediana > Media; Mediana > Media Interquartile

- 𝑀𝑒 − 𝑄1 > 𝑄3 − 𝑀𝑒;
- 𝑄1 − 𝑚𝑖𝑛 > 𝑀𝐴𝑋 − 𝑄3 .

17
Luca Biglieri

N.B.: La presenza di queste condizioni non rende una distribuzione simmetrica piuttosto che asimmetrica; in una
distribuzione simmetrica (o asimmetrica) si riscontreranno queste condizioni.

3.3.2 Diagramma a Scatola

Il Box Plot o Diagramma a Scatola è una rappresentazione grafica dei dati e dei 5 numeri di sintesi che serve ad
identificare, tra le osservazioni, la presenza di eventuali valori anomali (outlier).

Fissati come estremi del diagramma il valore minimo e il valore massimo, si procede identificando in esso anche i 3 quartili:
𝑄1 e 𝑄3 diventeranno i lati della “scatola” costruita all’interno del grafico. A questo punto, sarà possibile determinare la
presenza di eventuali outlier, ovvero di dati che distano dalla “scatola” più di 1,5 volte il Range interquartile.
Pertanto, 𝑥𝑖 sarà un outlier a sinistra della “scatola” (ovvero spostato verso il minimo) se 𝑥𝑖 < 𝑄1 − 1.5(𝑄3 − 𝑄1 ); tale
dato sarà invece un outlier a destra della “scatola” (verso il valore massimo) se 𝑥𝑖 > 𝑄3 + 1.5(𝑄3 − 𝑄1 ).

3.3.3 Disuguaglianza di Chebychev

La Disuguaglianza di Chebychev è una regola che dimostra, indipendentemente dalla forma della distribuzione delle
osservazioni, che alcuni specifici intervalli di dati contengono una percentuale minima di osservazioni.

Data una qualsiasi popolazione con Media 𝜇 e Scarto Quadratico Medio 𝜎, per ogni 𝑘 > 1 si avrà che la percentuale di
𝟏
osservazioni comprese nell’intervallo (𝜇 − 𝑘𝜎, 𝜇 + 𝑘𝜎) è almeno pari a 𝟏𝟎𝟎 − [𝟏 − (𝒌𝟐)] %.
1
Questo significa che, qualunque sia la forma della distribuzione, almeno il 1 − (𝑘 2 ) × 100% delle osservazioni cadranno
entro 𝑘 Scarti Quadratici Medi dalla Media delle osservazioni.

La Disuguaglianza è vantaggiosa perché è applicabile all’intera popolazione, ma ha lo svantaggio di fornire soltanto la

percentuale minima di osservazioni che si troveranno in un determinato intervallo: spesso la percentuale reale sarà molto
più alta di quella ottenuta tramite questo procedimento, pertanto la stima ottenuta con Chebychev risulterà inutile.

3.3.4 Regola Empirica

Come appena detto, in molti casi la Disuguaglianza di Chebychev risulta inutile per stimare la percentuale di osservazioni
che si trova in un intervallo di dati.
Tuttavia, molte popolazioni reali presentano distribuzioni approssimativamente simmetriche, con forma campanulare e la
maggior parte delle osservazioni concentrate nei pressi della Media: in tale situazione, si potrà applicare la Regola
Empirica, che fornisce una valutazione della percentuale approssimata delle osservazioni il cui scostamento dalla Media (in
più o in meno) è pari al massimo a una, due o tre volte lo Scarto Quadratico Medio.

In particolare, si avrà:

18
Luca Biglieri

- Il 68% delle osservazioni nell’intervallo (𝜇 − 1𝜎; 𝜇 + 1𝜎);

- Il 95% delle osservazioni nell’intervallo (𝜇 − 2𝜎; 𝜇 + 2𝜎);
- Il 99.7% delle osservazioni nell’intervallo (𝜇 − 3𝜎; 𝜇 + 3𝜎).

3.4 Indici di Relazione tra Variabili

Data una coppia di caratteri quantitativi, sarà possibile studiare l’esistenza di un legame tra essi, utilizzando appositi indici
come la Covarianza e il Coefficiente di Correlazione Lineare.
Il legame tra due caratteri potrà essere tanto diretto (concordanza, tendenza di modalità molto/poco elevate di un
carattere ad associarsi con modalità molto/poco elevate dell’altro) quanto inverso (discordanza, tendenza di modalità
molto/poco elevate di un carattere ad associarsi con modalità poco/molto elevate dell’altro).

3.4.1 Covarianza

La Covarianza è una misura della relazione lineare tra due variabili quantitative.
Anche in questo caso, si differenzieranno la Covarianza della Popolazione e la Covarianza Campionaria.

∑𝑁
𝑖=1(𝑥𝑖 −𝜇𝑋 )(𝑦𝑖 −𝜇𝑌 )
- 𝐶𝑜𝑣(𝑋, 𝑌) = 𝜎𝑋𝑌 = 𝑁
, nel caso della Popolazione;
∑𝑛
𝑖=1(𝑥𝑖 −𝑥̅ )(𝑦𝑖 −𝑦
̅)
- 𝐶𝑜𝑣(𝑋, 𝑌) = 𝑠𝑋𝑌 = , nel caso di un Campione.
𝑛−1

A seconda del valore assunto dalla Covarianza, si potranno ricavare indicazioni sulla relazione tra le variabili:

- Se 𝐶𝑜𝑣(𝑋, 𝑌) > 0, le variabili si muoveranno nella stessa direzione: c’è concordanza (relazione diretta);
- Se 𝐶𝑜𝑣(𝑋, 𝑌) < 0, le variabili si muoveranno in direzione opposta: c’è discordanza (relazione inversa);
- Se 𝐶𝑜𝑣(𝑋, 𝑌) = 0, non c’è relazione lineare tra le variabili.

Anche nel caso della Covarianza, esistono delle formule ristrette:

∑𝑁
𝑖=1(𝑥𝑖 −𝜇𝑋 )(𝑦𝑖 −𝜇𝑌 ) 1
- 𝐶𝑜𝑣(𝑋, 𝑌) = 𝜎𝑋𝑌 = 𝑁
= 𝑁 (∑𝑁
𝑖=1 𝑥𝑖 𝑦𝑖 − 𝑁𝜇𝑋 𝜇𝑌 ) per la Popolazione;
∑𝑛
𝑖=1(𝑥𝑖 −𝑥̅ )(𝑦𝑖 −𝑦
̅) 1
- 𝐶𝑜𝑣(𝑋, 𝑌) = 𝑠𝑋𝑌 = 𝑛−1
= 𝑛−1 (∑𝑛𝑖=1 𝑥𝑖 𝑦𝑖 − 𝑛𝑥̅ × 𝑦̅) per il Campione.

La Covarianza è simmetrica: si ha infatti 𝐶𝑜𝑣(𝑋, 𝑌) = 𝐶𝑜𝑣(𝑌, 𝑋). Inoltre, se 𝑋 = 𝑌, la Covarianza equivale alla Varianza.
Inoltre, va ricordato che la Covarianza esprime soltanto la relazione lineare tra le variabili: anche se la Covarianza è nulla,
ciò non significa che non ci sia alcuna relazione tra le variabili, ma soltanto che tale relazione non potrà essere lineare. Una
Covarianza nulla, quindi, non significa indipendenza tra le variabili.
Infine, si deve ricordare che la Covarianza è influenzata dall’unità di misura delle osservazioni, pertanto non può essere
considerato un indicatore universale.

19
Luca Biglieri

La Covarianza si trova all’interno dell’intervallo compreso tra il prodotto degli Scarti Quadratici Medi delle due variabili e il
suo opposto: −𝜎𝑋 𝜎𝑌 ≤ 𝜎𝑋𝑌 ≤ +𝜎𝑋 𝜎𝑌 . Questo vale anche per la Covarianza Campionaria.

3.4.2 Coefficiente di Correlazione Lineare

Come già detto, la Covarianza non fornisce informazioni precise sulla relazione lineare sulle variabili: occorre un indice che
non dipenda dall’unità di misura, ovvero il Coefficiente di Correlazione Lineare, calcolato dividendo la Covarianza per il
prodotto degli Scarti Quadratici Medi delle variabili.
Anche qui, si distingue tra il caso della Popolazione e quello del Campione:
𝐶𝑜𝑣(𝑋,𝑌) 𝜎
- 𝜌= = 𝑋𝑌 per la Popolazione;
𝜎𝑋 𝜎𝑌 𝜎𝑋 𝜎𝑌
𝐶𝑜𝑣(𝑋,𝑌) 𝑠
- 𝑟= 𝑠𝑋 𝑠𝑌
= 𝑠 𝑋𝑌 per il Campione.
𝑋 𝑠𝑌

Il Coefficiente di Correlazione Lineare varia in un intervallo compreso tra −1 e 1: infatti, dal momento che la Covarianza è
𝜎 𝜎 𝜎 𝜎 𝜎 𝜎
tale per cui −𝜎𝑋 𝜎𝑌 ≤ 𝜎𝑋𝑌 ≤ +𝜎𝑋 𝜎𝑌 , si avrà − 𝜎𝑋𝜎𝑌 ≤ 𝜎 𝑋𝑌
𝜎
≤ + 𝜎𝑋𝜎𝑌 => −1 ≤ 𝜎 𝑋𝑌
𝜎
≤1.
𝑋 𝑌 𝑋 𝑌 𝑋 𝑌 𝑋 𝑌
A seconda del valore assunto dal Coefficiente, si potranno ricavare diverse informazioni riguardo alla distribuzione delle
variabili e alla loro relazione lineare:

- Se 𝜌 è più vicino a −1, si ha una relazione lineare negativa tra le variabili (punti distribuiti su una retta con
inclinazione negativa).
- Se 𝜌 è più vicino a +1, si ha una relazione lineare positiva tra le variabili (punti distribuiti su una retta con
inclinazione positiva).
- Se 𝜌 è più vicino a 0, la relazione lineare tra le variabili è molto debole.

3.4.3 Regressione Lineare

Fino ad ora, sono stati esaminati degli indici di correlazione che consideravano le due variabili come se fossero poste sullo
stesso piano. In realtà, può avvenire che una della due variabili sia dipendente dall’altra: solitamente, si indicherà con 𝑌 la
variabile dipendente e con 𝑋 quella indipendente.

Con il modello di Regressione Lineare è possibile individuare un’approssimazione della “nuvola” della dispersione dei
punti che rappresentano le coppie di valori delle variabili osservate: tale approssimazione verrà fatta utilizzando una retta
interpolante, ovvero una funzione di forma lineare, di equazione 𝑌 ̂𝑖 = 𝛽0 + 𝛽1 𝑋𝑖 , 𝑖 = 1, … , 𝑛.
Nella retta, si indica il valore di 𝑌̂ sopra segnato, per distinguere tale valore (che rappresenta un valore teorico) dai valori
effettivamente osservati di 𝑌.

Per trovare la retta interpolante che meglio approssima la dispersione dei valori osservati, bisognerà calcolare, sulla base
dei dati osservati, il valore da assegnare ai coefficienti della retta: tali valori verranno indicati con 𝑏0 e 𝑏1 e si troveranno
utilizzando il metodo dei minimi quadrati.

20
Luca Biglieri

Prendendo come riferimento il grafico, si identificherà come 𝑒𝑖 , ovvero l’errore dell’approssimazione, la differenza tra il
valore reale di 𝑌 e quello teorico: si avrà dunque 𝑒𝑖 = 𝑦𝑖 − 𝑦̂.
𝑖
𝑛
2
Considerando (𝑦𝑖 − 𝑦̂𝑖 ) , sempre positivo, si avrà che ∑𝑖=1(𝑦𝑖 − 𝑦̂)
𝑖
2
= ∑𝑛𝑖=1 𝑒𝑖2 .
̂𝑖 = 𝑏0 +
L’obiettivo dell’approssimazione, chiaramente, sarà quello di minimizzare l’errore: si sceglierà quindi la retta 𝑌
𝑏1 𝑋𝑖 tale per cui ∑𝑛𝑖=1 𝑒𝑖2 è minima.
𝑪𝒐𝒗(𝑿,𝒀) 𝒔
Si avrà, pertanto, 𝒃𝟏 = 𝒔𝟐𝑿
= 𝒓 𝒔𝒀 , che corrisponde alla pendenza della retta, e 𝒃𝟎 = 𝒚
̅ − 𝒃𝟏 𝒙
̅, ordinata all’origine.
𝑿

Elevando al quadrato il Coefficiente di Correlazione Lineare 𝑟, si ottiene 𝑅 2 = 𝑟 2 , un indice che può fornire indicazioni utili
riguardo alla bontà dell’approssimazione effettuata tramite regressione lineare.
Tale indice, infatti, sarà tale che 0 ≤ 𝑅 2 ≤ 1 e, se 𝑅 2 = 0, indicherà la presenza di una retta di regressione costante
(ovvero con 𝑦̂𝑖 = 𝑦̅ e con 𝑏1 = 0).
Se 𝑅 2 = 1, invece, si avrà un adattamento perfetto al modello di regressione: i punti della dispersione delle variabili sono
effettivamente disposti su una retta che coincide con la retta di regressione.
N.B.: Un 𝑅 2 vicino allo 0 indica soltanto un’inadeguatezza del modello di regressione utilizzato, ma non che non vi sia
alcuna relazione tra le variabili. Inoltre, anche un livello alto di tale indice dovrà essere esaminato con cura, perché non
sempre coinciderà con una dispersione lineare delle variabili.

21
Luca Biglieri

4. Probabilità
4.1 Concetti Fondamentali
4.1.1 Spazi Campionari ed Eventi

Lo studio della probabilità si basa sull’analisi di Esperimenti Aleatori, ovvero di processi che portano a due o più possibili
risultati, senza che si possa prevedere quale si realizzerà.
Ciascun possibile risultato di un esperimento aleatorio si definisce Evento Elementare e si indica con 𝜔𝑖 .
L’insieme di tutti gli eventi elementari di un esperimento aleatorio si definisce Spazio Campionario e si indica con 𝛺 o con
𝑆. Esso potrà essere composto da un numero finito di eventi elementari, ma anche da un’infinità numerabile o non
numerabile (ovvero, da tutti i valori compresi in un intervallo).
Si definisce invece Evento un qualsiasi sottoinsieme di eventi elementari appartenenti a uno stesso spazio campionario; un
Evento viene indicato con una lettera maiuscola dell’alfabeto latino. In particolare, se l’evento coincide con 𝛺, si dirà
Evento Certo; si avrà invece un Evento Impossibile se l’evento non comprende alcun elemento dello spazio campionario.

Utilizzando i concetti tipici dell’insiemistica, è possibile arrivare a definire un’Intersezione di Eventi: dati gli eventi 𝐴 e 𝐵
appartenenti al medesimo spazio campionario 𝛺, la loro intersezione 𝐴 ∩ 𝐵 corrisponderà al sottoinsieme di 𝛺 contenente
tutti gli eventi elementari che appartengono sia ad 𝐴 che a 𝐵.
Due eventi 𝐴 e 𝐵 si diranno Eventi Mutuamente Esclusivi o Incompatibili se non hanno alcun evento elementare in
comune, ovvero se 𝐴 ∩ 𝐵 = ∅.

Allo stesso modo, si potrà identificare l’Unione di Eventi: dati gli eventi 𝐴 e 𝐵 appartenenti al medesimo spazio
campionario 𝛺, la loro unione 𝐴 ∪ 𝐵 corrisponderà al sottoinsieme di 𝛺 contenente tutti gli eventi elementari che
appartengono ad 𝐴 oppure a 𝐵.
Si otterrà una Partizione dello spazio campionario 𝛺 prendendo eventi a due a due incompatibili tali che la loro unione sia
uguale allo spazio campionario.
Gli eventi 𝐸1 , 𝐸2 , … , 𝐸𝑘 si diranno Eventi Collettivamente Esaustivi se 𝐸1 ∪ 𝐸2 ∪ … ∪ 𝐸𝑘 = 𝛺, ovvero se la loro unione
equivale allo spazio campionario di cui fanno parte, anche se non sono reciprocamente incompatibili (ovvero, anche se
non costituiscono una Partizione).

L’Evento Complementare di un evento 𝐴 si indica con 𝐴̅ e corrisponde all’insieme di tutti gli eventi elementari di 𝛺 che
non appartengono ad 𝐴.
Nell’ambito degli eventi complementari, valgono le due Leggi di De Morgan:

- ̅̅̅̅̅̅̅̅̅̅
(𝐴 ∪ 𝐵) = 𝐴̅ ∩ 𝐵̅;
- ̅̅̅̅̅̅̅̅̅̅
(𝐴 ∩ 𝐵) = 𝐴̅ ∪ 𝐵̅.

4.1.2 Fondamenti di Probabilità

La Probabilità esprime la possibilità che un evento 𝐴 si verifichi; la probabilità di 𝐴 si indica con 𝑃(𝐴) e varia sempre tra 0
e 1: 0 ≤ 𝑃(𝐴) ≤ 1.
Si avrà 𝑃(𝐴) = 0 se 𝐴 è un evento impossibile, mentre un evento con probabilità uguale a 1 sarà un evento certo.
Assegnare ad un evento 𝐴 una probabilità significa quindi fare una funzione di insieme del tipo 𝑃: 𝐴 → [0,1].

Esistono tre approcci per valutare la probabilità di un evento incerto:

22
Luca Biglieri

- L’approccio della Probabilità Classica ipotizza che tutti gli eventi che appartengono allo spazio campionario siano
ugualmente possibili.
𝑁𝐴
Si avrà quindi 𝑃(𝐴) = 𝑁
, ovvero la probabilità di un evento 𝐴 sarà uguale al rapporto tra gli eventi elementari che
soddisfano 𝐴 e il totale degli eventi elementari dello spazio campionario.
- L’Interpretazione Frequentista della probabilità prevede che un esperimento aleatorio venga ripetuto più volte,
per poi studiare i risultati complessivi di tutte le ripetizioni.
𝑛𝐴
La probabilità dell’evento 𝐴 sarà quindi 𝑃(𝐴) = 𝑛
, ovvero pari al rapporto tra gli eventi nella popolazione che
soddisfano 𝐴 e il totale degli eventi della popolazione, al limite della proporzione di volte che un evento 𝐴 occorre
in 𝑛 ripetizioni dell’esperimento.
- L’approccio della Probabilità Soggettiva si fonda sull’opinione individuale del soggetto riguardo alla possibilità che
un evento si verifichi o meno.

Esistono tre assiomi fondamentali della Probabilità:

1. 0 ≤ 𝑃(𝐴) ≤ 1, con 𝐴 ∈ 𝛺.
2. 𝑃(𝐴) = ∑𝜔∈𝐴 𝑃(𝜔𝑖 ), con 𝐴 ∈ 𝛺: la probabilità dell’evento 𝐴 corrisponde alla sommatoria della probabilità di tutti
gli eventi elementari che appartengono ad 𝐴.
3. 𝑃(𝛺) = 1.

Oltre agli assiomi, la Probabilità è soggetta anche ad alcune regole fondamentali:

- Regola dell’evento complementare: 𝑃(𝐴̅) = 1 − 𝑃(𝐴), ovvero 𝑃(𝐴) + 𝑃(𝐴̅) = 𝑃(𝛺) = 1.

- Regola additiva: 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵).
Tuttavia, si ha 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) se 𝐴 ∩ 𝐵 = ∅.
- Se 𝐴 ⊆ B, 𝑃(𝐴) ≤ 𝑃(𝐵).
- 𝑃(∅) = 0.

La Probabilità Condizionata è la probabilità che un determinato evento si verifichi, dato che un altro evento si è verificato
(per lo stesso principio delle frequenze condizionate).
𝑃(𝐴∩𝐵) 𝑃(𝐴∩𝐵)
Si avrà, ad esempio, 𝑃(𝐴|𝐵) = 𝑃(𝐵)
, ovvero la Probabilità Condizionata di 𝐴 dato 𝐵, e 𝑃(𝐵|𝐴) = 𝑃(𝐴)
, Probabilità
Condizionata di 𝐵 dato 𝐴.
Da questo concetto sarà possibile risalire alla Regola moltiplicativa della Probabilità: 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐵|𝐴) ∙ 𝑃(𝐴) =
𝑃(𝐴|𝐵) ∙ 𝑃(𝐵).

Si parla di Probabilità dell’Unione di Eventi Incompatibili quando si vuole calcolare, ad esempio, 𝑃(𝐴 ∪ 𝐵 ∪ 𝐶), con i tre
eventi tali che 𝐴 ∩ 𝐵 = 𝐴 ∩ 𝐶 = 𝐵 ∩ 𝐶 = ∅, ovvero reciprocamente incompatibili. In questo caso, si avrà 𝑃(𝐴 ∪ 𝐵 ∪ 𝐶) =
𝑃(𝐴) + 𝑃(𝐵) + 𝑃(𝐶).
Generalizzando e ipotizzando di avere una successione di eventi reciprocamente incompatibili 𝐴1 , 𝐴2 , … , ne risulterà che
𝑃(⋃∞ ∞
𝑖=1 𝐴𝑖 ) = ∑𝑖=1 𝑃(𝐴𝑖 ).
Ovviamente, tale generalizzazione vale anche per un numero finito di eventi.

Si parla di Indipendenza Statistica e di eventi statisticamente indipendenti se e solo se 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴) ∙ 𝑃(𝐵), ovvero
quando la probabilità dell’uno non influenza la probabilità dell’altro.
In questa situazione, riprendendo la regola moltiplicativa, si avrà che 𝑃(𝐴|𝐵) = 𝑃(𝐴) se 𝑃(𝐵) > 0, mentre 𝑃(𝐵|𝐴) =
𝑃(𝐵) se 𝑃(𝐴) > 0.
Se gli eventi 𝐴 e 𝐵 sono indipendenti, risulteranno indipendenti anche i loro complementari 𝐴̅ e 𝐵̅, come anche saranno
indipendenti 𝐴 e 𝐵̅ e 𝐴̅ e 𝐵.

23
Luca Biglieri

Dato uno spazio campionario 𝛺 discreto, con 𝛺 = {𝜔1 , 𝜔2 , … }, si avrà che ogni evento elementare avrà una 𝑃(𝜔𝑖 ) = 𝑝𝑖 ≥
0, con ∑∞
𝑖=1 𝑝𝑖 = 1.
A questo punto, si potrà calcolare la probabilità dell’evento 𝐴 ∈ 𝛺, che sarà uguale a 𝑝(𝐴) = ∑𝜔𝑖∈𝐴 𝑝𝑖 .

Gli odds calcolate in favore di un evento sono pari al rapporto tra la probabilità dell’evento e la probabilità dell’evento suo
𝑃(𝐴) 𝑃(𝐴)
complementare: odds = = .
𝑃(𝐴̅) 1−𝑃(𝐴)

4.2 Teoremi sulla Probabilità

4.2.1 Teorema delle Probabilità Totali

Sia 𝐸1 , 𝐸2 , … , 𝐸𝑛 una collezione di eventi a due a due incompatibili, tali che 𝛺 = ⋃𝑖 𝐸𝑖 (ovvero che 𝐸1 , 𝐸2 , … , 𝐸𝑛
costituiscano una Partizione di 𝛺); sia inoltre 𝑃(𝐸𝑖 ) > 0, ∀𝑖.
Allora, la probabilità di un evento 𝐴 sarà data da 𝑷(𝑨) = ∑𝒏𝒊=𝟏 𝑷(𝑨|𝑬𝒊 ) ∙ 𝑷(𝑬𝒊 ).

Questo si può dimostrare dicendo che 𝐴 = 𝐴 ∩ 𝛺 = 𝐴 ∩ (𝐸1 ∪ 𝐸2 ∪ … ∪ 𝐸𝑛 ) = (𝐴 ∩ 𝐸1 ) ∪ (𝐴 ∩ 𝐸2 ) ∪ … ∪ (𝐴 ∩ 𝐸𝑛 ).

Pertanto, 𝑃(𝐴) = 𝑃(𝐴 ∩ 𝛺) = 𝑃(𝐴 ∩ (𝐸1 ∪ 𝐸2 ∪ … ∪ 𝐸𝑛 )) = 𝑃(𝐴 ∩ 𝐸1 ) + 𝑃(𝐴 ∩ 𝐸2 ) + ⋯ + 𝑃(𝐴 ∩ 𝐸𝑛 ).
Per la regola moltiplicativa, si avrà quindi 𝑃(𝐴) = 𝑃(𝐴|𝐸1 ) ∙ 𝑃(𝐸1 ) + 𝑃(𝐴|𝐸2 ) ∙ 𝑃(𝐸2 ) + ⋯ + 𝑃(𝐴|𝐸𝑛 ) ∙ 𝑃(𝐸𝑛 ).
Da qui, si può quindi concludere che 𝑃(𝐴) = ∑𝑛𝑖=1 𝑃(𝐴|𝐸𝑖 ) ∙ 𝑃(𝐸𝑖 ).

4.2.2 Teorema di Bayes

Sia 𝐸1 , 𝐸2 , … , 𝐸𝑛 una collezione di eventi a due a due incompatibili, tali che 𝛺 = ⋃𝑖 𝐸𝑖 (ovvero che 𝐸1 , 𝐸2 , … , 𝐸𝑛
costituiscano una Partizione di 𝛺); sia inoltre 𝑃(𝐸𝑖 ) > 0, ∀𝑖.
𝑷(𝑨|𝑬𝒊 )∙𝑷(𝑬𝒊 )
Per ogni evento 𝐴 con 𝑃(𝐴) > 0, si avrà che 𝑷(𝑬𝒊 |𝑨) = ∑ .
𝒊 𝑷(𝑨|𝑬𝒊 )∙𝑷(𝑬𝒊 )

𝑃(𝐸𝑖 ) è la probabilità iniziale, a priori, dell’evento, mentre 𝑃(𝐴|𝐸𝑖 ) rappresenta la probabilità a posteriori.
𝑃(𝐸𝑖 ∩𝐴) 𝑃(𝐴|𝐸𝑖 )∙𝑃(𝐸𝑖 )
Per la regola della probabilità condizionata e per la regola moltiplicativa, 𝑃(𝐸𝑖 |𝐴) = 𝑃(𝐴)
= 𝑃(𝐴)
.
𝑃(𝐴|𝐸 )∙𝑃(𝐸 )
Per il Teorema delle Probabilità Totali, si ha che 𝑃(𝐴) = ∑𝑛𝑖=1 𝑃(𝐴|𝐸𝑖 ) ∙ 𝑃(𝐸𝑖 ): pertanto, 𝑃(𝐸𝑖 |𝐴) = ∑ 𝑃(𝐴|𝐸𝑖 )∙𝑃(𝐸𝑖 ) .
𝑖 𝑖 𝑖

24
Luca Biglieri

5. Variabili Aleatorie e Distribuzioni

Una Variabile Aleatoria o Variabile Casuale è una variabile che assume diversi valori a seconda del risultato di un
esperimento aleatorio. Solitamente, si indica con una lettera maiuscola la variabile aleatoria, ad esempio 𝑋, mentre la
corrispondente lettera minuscola, ad esempio 𝑥, indica i diversi valori che la variabile può assumere.
Si può quindi dire che 𝑋 sia una funzione del tipo 𝑋: 𝛺 → 𝑹 e che 𝑋(𝜔) = 𝑥, ∀𝜔 ∈ 𝛺, 𝑥 ∈ 𝑹.
𝑋, dunque, corrisponde all’osservazione aleatoria a priori, mentre 𝑥 è un valore osservato dopo l’esperimento.

5.1 Variabili Aleatorie Discrete

5.1.1 Concetti Fondamentali delle Variabili Aleatorie Discrete

Una variabile aleatoria 𝑋 si dice Discreta se lo spazio campionario 𝛺 su cui è definita è discreto. In questo caso, 𝑋 potrà
assumere una quantità finita o un’infinità numerabile di valori.

A ciascuno di tali valori si potrà associare la probabilità con cui esso si manifesta: si potrà quindi trovare la Funzione di
Probabilità relativa a ciascun valore, ovvero 𝑃(𝑥) = 𝑃(𝑋 = 𝑥).
Tale funzione sarà tale per cui 𝑃(𝑥𝑖 ) ≥ 0, ∀𝑥, ovvero ogni valore della variabile avrà una probabilità pari o superiore al
valore nullo. Inoltre, ∑𝑖 𝑃(𝑥𝑖 ) = 1.
Questa funzione sarà rappresentabile graficamente tramite un grafico a barre.

Sarà inoltre possibile costruire una Funzione di Ripartizione, 𝐹(𝑥), che identifichi il valore della probabilità che la variabile
aleatoria 𝑋 non superi il valore 𝑥.
Si avrà quindi 𝐹(𝑥) = 𝑃(𝑋 ≤ 𝑥) = 𝑃[{𝜔: 𝑋(𝜔) ≤ 𝑥}].
Si può quindi dire che la funzione di ripartizione relativa a un valore 𝑥0 sarà uguale a 𝐹(𝑥) = ∑𝑥≤𝑥0 𝑃(𝑥), ovvero alla
somma delle probabilità di tutti i valori assunti da 𝑋 fino a 𝑥0 .
Inoltre, si avrà 0 ≤ 𝐹(𝑥0 ) ≤ 1 per ogni 𝑥0 e, se 𝑥1 < 𝑥2 , 𝐹(𝑥1 ) ≤ 𝐹(𝑥2 ).

5.1.2 Proprietà delle Variabili Aleatorie Discrete

Il Valore Atteso di una variabile aleatoria discreta, ovvero la media in condizione di incertezza, sarà pari a 𝐸(𝑋) = 𝜇 =
∑𝑖 𝑥𝑖 ∙ 𝑃(𝑥𝑖 ). Si tratta, quindi, della media ponderata dei valori che la variabile può assumere, con i pesi pari alle loro
probabilità.
Nel caso in cui si ha una Funzione di Variabile Aleatoria 𝑔(𝑥), si avrà 𝐸(𝑔(𝑥)) = ∑𝑖 𝑔(𝑥𝑖 ) ∙ 𝑃(𝑥𝑖 )

La Varianza di una variabile aleatoria discreta 𝑋, ovvero il valore atteso degli scarti al quadrato dalla media, si indicherà
con 𝜎 2 = 𝑉𝑎𝑟(𝑋) = 𝐸[(𝑋 − 𝜇)2 ] = ∑𝑖(𝑥𝑖 − 𝜇)2 ∙ 𝑃(𝑥𝑖 ).
Esiste una forma ridotta di questo indice, che è anche pari a 𝜎 2 = 𝐸(𝑋 2 ) − [𝐸(𝑋)]2 , dove 𝐸(𝑋) = 𝜇 è pari al Valore
Atteso, mentre 𝐸(𝑋 2 ) = ∑𝑖 𝑥𝑖2 ∙ 𝑃(𝑥𝑖 ).
Questo indice indica la distribuzione della variabile rispetto al suo valore atteso.

La Deviazione Standard o Scarto Quadratico Medio della variabile aleatoria discreta 𝑋 sarà pari alla radice quadrata con
segno positivo della Varianza: 𝜎 = √𝑉𝑎𝑟(𝑋) = √∑𝑖(𝑥𝑖 − 𝜇)2 ∙ 𝑃(𝑥𝑖 ).

Esiste un caso particolare di variabile aleatoria discreta: sia 𝑋 una variabile aleatoria discreta con Valore Atteso pari a 𝜇𝑋 e
Varianza pari a 𝜎𝑋2 . Siano inoltre 𝑎 e 𝑏 due costanti, e sia 𝑌 = 𝑎 + 𝑏𝑋 un’altra variabile aleatoria. 𝑌 sarà dunque il risultato

25
Luca Biglieri

di una trasformazione lineare della variabile aleatoria di partenza.

Allora, la variabile 𝑌 avrà le seguenti proprietà:

- 𝐸(𝑌) = 𝜇𝑌 = 𝐸(𝑎 + 𝑏𝑋) = 𝑎 + 𝑏𝜇𝑋 .

- 𝜎𝑌2 = 𝑉𝑎𝑟(𝑎 + 𝑏𝑋) = 𝑏 2 𝜎𝑋2 .

Si nota come, anche se 𝑌 ha forma lineare (equazione con fattore additivo), la sua Varianza non avrà tale forma: essa ha
un’equazione di tipo moltiplicativo, mentre la componente additiva scompare.

Inoltre, prendendo una generica trasformazione lineare 𝑍 = 𝑎 + 𝑏𝑋, si ha una Variabile Aleatoria Standardizzata nel caso
𝜇 1 𝑋−𝜇𝑋
in cui 𝑎 = − 𝜎𝑋 e 𝑏 = 𝜎 . In tal caso, infatti, si avrà 𝑍 = 𝑎 + 𝑏𝑋 = 𝜎𝑋
.
𝑋 𝑋
Una variabile aleatoria di questo genere gode di due particolari proprietà:

𝑋−𝜇𝑋 𝜇 1
- 𝐸( 𝜎𝑋
)= − 𝜎𝑋 + 𝜎 ∙ 𝜇𝑋 = 0.
𝑋 𝑋
𝑋−𝜇 1
- 𝑉𝑎𝑟 ( 𝜎 𝑋) = 𝜎𝑋2 ∙ 𝜎𝑋2 = 1.
𝑋

Questo processo di standardizzazione fa sì che qualsiasi variabile aleatoria in una nuova variabile con media nulla e
varianza unitaria.

5.2 Distribuzioni di Variabili Aleatorie Discrete

5.2.1 Distribuzione di Bernoulli

Si consideri un esperimento aleatorio che può presentare due soli risultati, chiamati “successo” e “insuccesso”, ovvero due
eventi che risultano mutuamente esclusivi e collettivamente esaustivi. La probabilità di successo è indicata con 𝑝, mentre
(1 − 𝑝) rappresenta la probabilità di insuccesso.
La variabile aleatoria 𝑋 legata all’esperimento assumerà il valore 1 in caso di successo e il valore 0 in caso di insuccesso: si
può quindi dire che la funzione di probabilità di Bernoulli è 𝑃(0) = (1 − 𝑝) e 𝑃(1) = 𝑝.

In questo caso, la variabile aleatoria assumerà una distribuzione denominata Distribuzione di Bernoulli.
𝑥 (1
Si può esprimere tale distribuzione con 𝑿~𝑩𝒆(𝒑) e si avrà 𝑃(𝑥; 𝑝) = {𝑝 − 𝑝)1−𝑥 𝑥 = 0 𝑜 𝑥 = 1.
0 altrove

La media di tale distribuzione sarà pari a 𝜇 = ∑2𝑖=1 𝑥𝑖 ∙ 𝑃(𝑥𝑖 ) = 0 ∙ (1 − 𝑝) + 1 ∙ 𝑝 = 𝑝.

La varianza di una distribuzione bernoulliana sarà pari a 𝑉𝑎𝑟(𝑋) = 𝐸(𝑋 2 ) − [𝐸(𝑋)]2 = 02 (1 − 𝑝) + 12 ∙ 𝑝 − 𝑝2 = 𝑝 −
𝑝2 = 𝑝(1 − 𝑝). Si ha quindi una varianza pari al prodotto delle due probabilità di successo e insuccesso.

5.2.2 Distribuzione Binomiale

La Distribuzione Binomiale è la somma di 𝑛 distribuzioni bernoulliane indipendenti tra loro: se si ripete per 𝑛 volte un
esperimento legato a una variabile aleatoria con distribuzione bernoulliana, la distribuzione della variabile che esprime il
numero di successo, ovvero 𝑋, assumerà questo tipo di distribuzione.
Si dirà quindi che 𝑿~𝑩𝒊𝒏(𝒏; 𝒑)e si otterrà una funzione di probabilità del tipo
𝑛
( ) 𝑝 𝑥 (1 − 𝑝)1−𝑥 𝑥 = 0 𝑜 𝑥 = 1
𝑃(𝑥; 𝑝) = { 𝑥 , dove 𝑥 è il numero dei successi negli 𝑛 esperimenti .
0 altrove

26
Luca Biglieri

𝑛 𝑛!
Nel ricavare tale funzione, va ricordato che ( ) = ; se si dovesse prendere 𝑛 = 1 e 𝑥 = 0, oppure 𝑥 = 1, si otterrà
𝑥 𝑥!(𝑛−𝑥)!
una distribuzione bernoulliana. Inoltre, per le regole dei fattoriali, si avrà 0! = 1 e 1! = 1.

La forma di una distribuzione binomiale, sempre rappresentabile tramite un grafico a barre, subirà delle variazioni a
seconda dei valori assunti da 𝑛 e, soprattutto, da 𝑝: a parità di 𝑛, infatti, un aumento della probabilità di successo porterà
la distribuzione ad assumere una forma simmetrica.

La media di una distribuzione binomiale sarà pari a 𝜇 = 𝐸(𝑋) = 𝑛 ∙ 𝑝; la varianza, invece, sarà pari a 𝜎 2 = 𝑛𝑝(1 − 𝑝). Si
può quindi osservare come tali valori siano uguali al prodotto tra 𝑛 e gli indici di sintesi della distribuzione bernoulliana.

5.2.3 Distribuzione di Poisson

La Distribuzione di Poisson, o Distribuzione di Conteggio, si può usare per contare il numero di volte in cui un evento si
presenta in un determinato intervallo continuo di tempo.
Per applicare la Poisson, si dovrà assumere che un intervallo di tempo sia diviso in un numero molto grande di
sottointervalli, così che la probabilità che un evento si verifichi in ciascun sottointervallo sia molto piccola. A questo punto,
si dovranno assumere per vere le seguenti 3 ipotesi:

- La probabilità del verificarsi di un evento è costante in tutti i sottointervalli;

- La probabilità che un evento possa verificarsi più di una volta in un sottointervallo è bassa e trascurabile;
- Eventi che si verificano in intervalli disgiunti sono indipendenti.

Si può quindi derivare la formula della funzione di probabilità di Poisson direttamente dalla binomiale, ponendo i limiti
𝑝 → 0 e 𝑛 → ∞. Con questi limiti, si identificherà un nuovo parametro, 𝜆 = 𝑛𝑝 > 0, che specifica il numero atteso di
successi per un particolare intervallo.
𝑒 −𝜆 ∙𝜆𝑥
Si potrà quindi dire che 𝑿~𝑷𝒐(𝝀) e la probabilità che ne consegue è 𝑃(𝑥) = 𝑥!
.
In tale formula, con 𝜆 che assume il significato sopra spiegato, 𝑥 rappresenta il numero di successi di un intervallo, mentre
𝑒 = 2,718 è il numero di Nepero.

La media della distribuzione di Poisson sarà pari a 𝜇 = 𝐸(𝑋) = 𝜆.

La varianza di tale distribuzione è pari a 𝜎 2 = 𝐸[(𝑥 − 𝜇)2 ] = 𝜆, ovvero uguale alla media.

Anche la forma della distribuzione di Poisson, sempre rappresentabile con un diagramma a barre, varierà al variare di 𝜆: un
valore alto porterà a una distribuzione simmetrica, mentre un valore basso sarà tipico di un’asimmetria.

5.3 Variabili Aleatorie Continue

5.3.1 Concetti Fondamentali e Proprietà delle Variabili Aleatorie Continue

Una Variabile Aleatoria Continua potrà assumere qualsiasi valore compreso in un intervallo, ovvero un’infinità non
numerabile di possibili valori. Il valore assunto dalla variabile sarà quindi legato alla sua misurazione (ad esempio di
altezza, peso, temperatura) e alla precisione con cui essa viene effettuata.

La Funzione di Ripartizione 𝐹(𝑥0 ) relativa alla variabile aleatoria continua 𝑋 esprime la probabilità che 𝑋 non superi il
valore di 𝑥0 : si avrà quindi 𝐹(𝑥0 ) = 𝑃(𝑋 < 𝑥0 ).
Dati 𝑎 e 𝑏, due possibili valori della variabile aleatoria continua 𝑋 tali che 𝑎 < 𝑏, si avrà 𝑃(𝑎 < 𝑋 < 𝑏) = 𝐹(𝑏) − 𝐹(𝑎) =
𝑃(𝑋 < 𝑏) − 𝑃(𝑋 < 𝑎).
27
Luca Biglieri

Nel caso di una variabile aleatoria continua, si potrà introdurre il concetto di Funzione di Densità di Probabilità, indicata
con 𝑓(𝑥). Chiamando 𝑋 la variabile e 𝑥 un valore che essa può assumere, si può dire che la funzione di densità gode di
alcune proprietà:

- 𝑓(𝑥) > 0 per ogni 𝑥 che appartiene all’intervallo dei valori ammissibili per la variabile; 𝑓(𝑥) = 0 altrove;
- L’area sottesa alla Funzione di Densità di Probabilità su tutto l’intervallo dei valori ammissibili è pari a 1: si può
+∞
quindi dire che ∫−∞ 𝑓(𝑥)𝑑𝑥 = 1;
- Rappresentando graficamente la Funzione e definendo 𝑎 e 𝑏, due valori ammissibili per 𝑋 con 𝑎 < 𝑏, si può dire
che la probabilità che 𝑋 assuma valori tra 𝑎 e 𝑏 sarà pari all’area sottesa alla Funzione tra questi due valori:
𝑏
𝑃(𝑎 ≤ 𝑋 ≤ 𝑏) = ∫𝑎 𝑓(𝑥)𝑑𝑥;
- La Funzione di Ripartizione 𝐹(𝑥0 ) è pari all’area sottesa alla Funzione di Densità di Probabilità fino a 𝑥0 :
𝑥
0
𝐹(𝑥0 ) = ∫−∞ 𝑓(𝑥)𝑑𝑥.

𝑏 𝑎
Si nota inoltre come 𝑃(𝑎 < 𝑋 < 𝑏) = 𝑃(𝑎 ≤ 𝑋 ≤ 𝑏) = 𝐹(𝑏) − 𝐹(𝑎) = ∫−∞ 𝑓(𝑥)𝑑𝑥 − ∫−∞ 𝑓(𝑥)𝑑𝑥 .

+∞
Per quanto riguarda le variabili aleatorie continue, il Valore Atteso sarà pari a 𝜇𝑋 = 𝐸(𝑋) = ∫−∞ 𝑥 ∙ 𝑓(𝑥) 𝑑𝑥.
Nel caso in cui si abbia una Funzione di Variabile Aleatoria 𝑔(𝑥), il Valore Atteso sarà invece pari a 𝐸(𝑔(𝑥)) =
+∞
∫−∞ 𝑔(𝑥) ∙ 𝑓(𝑥) 𝑑𝑥.
La Varianza, invece, sarà pari a 𝜎𝑋2 = 𝐸[(𝑋 − 𝜇𝑋 )2 ] .

5.4 Distribuzioni di Variabili Aleatorie Continue

5.4.1 Distribuzione Normale o Gaussiana

La Distribuzione Normale è adatta per approssimare le distribuzioni di probabilità di un elevato numero di variabili
aleatorie o la distribuzione delle medie campionarie in presenza di campioni molto grandi. Inoltre, ha la funzione di
rendere veloce e semplice il calcolo delle probabilità.
Questa distribuzione ha forma campanulare, centrata sul valore mediale (nella Normale, Media = Moda = Mediana), e
non tocca mai l’asse delle ascisse: questo significa che la variabile aleatoria ha un campo di variazione infinito, ovvero
(−∞; +∞).

𝜇 rappresenta la tendenza centrale, ovvero la Media, che coincide con il valore modale e con la Mediana; 𝜎, invece, indica
la variabilità, ovvero la larghezza della curva: uno Scarto Quadratico Medio basso indica una curva stretta e molto vicina al
valore mediano, mentre, all’aumentare di questo valore, la curva della distribuzione si allargherà.

Una variabile aleatoria esprimibile con una distribuzione normale si indicherà con 𝑿~𝑵(𝝁; 𝝈𝟐 ): devono quindi essere
conosciuti i valori di Media e Varianza.

28
Luca Biglieri

(𝑥−𝜇)2
1 −
La Funzione di Densità di Probabilità della distribuzione normale sarà uguale a 𝑓(𝑥) = ∙𝑒 2𝜎2 , dove 𝜇 e 𝜎
√2𝜋𝜎
rappresentano la Media e lo Scarto Quadratico Medio della popolazione, mentre 𝑥 rappresenta un qualsiasi valore tra −∞
e +∞, ovvero un valore che la variabile può assumere.

È possibile trovare anche una Funzione di Ripartizione Normale relativa a un determinato valore della variabile, 𝑥0 ; tale
0 𝑥
funzione si indicherà con 𝐹(𝑥0 ) e sarà pari a 𝐹(𝑥0 ) = 𝑃(𝑋 < 𝑥0 ) = ∫−∞ 𝑓(𝑥)𝑑𝑥, ovvero l’area sottesa alla Funzione di
Densità fino al valore 𝑥0 .
In modo simile, sarà possibile calcolare la probabilità con cui la variabile assumerà valori tra due generici valori 𝑎 e 𝑏:
𝑃(𝑎 < 𝑋 < 𝑏) = 𝐹(𝑏) − 𝐹(𝑎) = 𝑃(𝑋 < 𝑏) − 𝑃(𝑋 < 𝑎).
Inoltre, l’intera area sottesa alla Funzione di Densità sarà pari a 1: 𝑃(−∞ < 𝑋 + ∞) = 1.
Dal momento che il valore medio si trova esattamente a metà della distribuzione, si può dedurre che 𝑃(−∞ < 𝑋 < 𝜇) =
+𝑃(𝜇 < 𝑋 < +∞) = 0.5.

Qualunque distribuzione normale potrà subire il processo di standardizzazione già visto in precedenza per le variabili
discrete: si otterrà quindi una Distribuzione Normale Standard, che avrà Media nulla e Varianza unitaria, e che assumerà
pertanto la forma 𝑍~(0; 1).
Per trasformare una generica variabile 𝑋 con distribuzione normale nella variabile 𝑍, si dovrà applicare la seguente
𝑋−𝜇
formula: 𝑍 = 𝜎
, dove 𝜇 e 𝜎 sono la Media e lo Scarto Quadratico Medio di 𝑋.
Trovata 𝑍, sarà possibile anche per questa nuova variabile una Funzione di Ripartizione, reinterpretando quella di 𝑋: si
𝑎−𝜇 𝑏−𝜇 𝑏−𝜇 𝑎−𝜇
avrà quindi 𝑃(𝑎 < 𝑋 < 𝑏) = 𝑃 ( <𝑍< ) = 𝐹( )− 𝐹( ).
𝜎 𝜎 𝜎 𝜎

Le Tavole della distribuzione normale standard forniscono i valori della Funzione di Ripartizione di tale distribuzione: per
un determinato valore 𝑎 di 𝑍, le Tavole forniranno 𝐹(𝑎) = 𝑃(𝑍 < 𝑎).
Nel caso in cui si abbiano dei valori negativi di 𝑍, sarà necessario sottrarre a 1 il valore trovato per il valore della variabile.
Per calcolare 𝑃(𝑎 < 𝑋 < 𝑏), supponendo che 𝑋 abbia una distribuzione normale, sarà necessario standardizzare questa
variabile, per poi passare a utilizzare le Tavole per trovare le due Funzioni di Ripartizioni, che andranno poi sottratte.
Per trovare il valore di 𝑋 corrispondente a una determinata probabilità nota, sarà per prima cosa necessario trovare il
valore di 𝑍 corrispondente a tale probabilità, ovvero 𝑧; in seguito, si dovrà trovare il valore di 𝑋, ovvero 𝑥, tramite la
formula 𝑥 = 𝜇 + 𝑧𝜎.

Non tutte le variabili aleatorie continue sono approssimabili tramite la distribuzione normale: per verificare quanto questa
distribuzione possa essere precisa e valida per una determinata variabile, si può utilizzare il Normal Probability Plot.
Questo metodo consiste nell’ordinare i dati dall’osservazione più piccola alla più grande, per poi associare a ciascuno di
essi il corrispondente valore della Funzione di Ripartizione. Ponendo queste coppie di dati su un grafico (con le
osservazioni in ascissa e il valore della Cumulata in ordinata), si potrà dire che la distribuzione normale sarà valida se i dati
si disporranno, approssimativamente, lungo una linea retta.

29
Luca Biglieri

Eventuali deviazioni del grafico evidenzieranno delle deviazioni a livello della distribuzione, che non corrisponderà dunque
alla normale.

5.4.2 Approssimazione di Distribuzioni Binomiali con la Normale

Come già visto, la distribuzione Binomiale prevede 𝑛 prove, in cui la probabilità di successo è costante e pari a 𝑝; la
variabile aleatoria 𝑋 assumerà il valore 1 in caso di successo e 0 in caso di insuccesso e avrà un Valore Atteso 𝐸(𝑋) = 𝜇 =
𝑛𝑝 e una Varianza 𝑉𝑎𝑟(𝑋) = 𝜎 2 = 𝑛𝑝(1 − 𝑝).

Se 𝑛 è sufficientemente grande, ovvero se si svolgono molte prove, si nota che la Binomiale è approssimabile in maniera
efficace tramite una distribuzione Normale. In particolare, la Normale costituirà una buona approssimazione se
𝜎 2 = 𝑛𝑝(1 − 𝑝) > 9.
In questo caso, si potrà procedere con la Standardizzazione di 𝑋 utilizzando i parametri della Binomiale, per ottenere la
𝑋−𝜇 𝑋−𝑛𝑝
nuova variabile aleatoria 𝑍 = = .
√𝜎 2 √𝑛𝑝(1−𝑝)
𝑎−𝑛𝑝 𝑏−𝑛𝑝
Indicando con 𝑋 il numero di successi in 𝑛 prove, dunque, si avrà che 𝑃(𝑎 < 𝑋 < 𝑏) = 𝑃 ( <𝑍< ),
√𝑛𝑝(1−𝑝) √𝑛𝑝(1−𝑝)
sempre supponendo che valga la condizione 𝑛𝑝(1 − 𝑝) > 9.

5.4.3 Distribuzione Uniforme

La Distribuzione Uniforme è una particolare distribuzione di probabilità che assegna a ciascun valore contenuto in un
intervallo la medesima probabilità.

1
𝑎≤𝑥≤𝑏
La Funzione di Densità della Probabilità sarà quindi pari a 𝑓(𝑥) = {𝑏−𝑎 , dove 𝑎 e 𝑏 rappresentano il valore
0 altrove
minimo e il valore massimo che la variabile aleatoria 𝑋 potrà assumere.
𝑏
L’area sottesa a questa funzione sarà pari a 1: ∫𝑎 𝑓(𝑥)𝑑𝑥 = 1.

30
Luca Biglieri

𝑎+𝑏 (𝑏−𝑎)2
La Media sarà dunque pari a 𝜇 = 2
, mentre la Varianza avrà valore 𝜎 2 = 12
.

5.5 Distribuzione di Probabilità Congiunta

5.5.1 Distribuzione di Probabilità Congiunta e Condizionata

Date due variabili aleatorie 𝑋 e 𝑌, è possibile descrivere la probabilità con cui i loro valori si manifestano congiuntamente
tramite un Vettore Aleatorio.

La Distribuzione di Probabilità Congiunta viene usata per descrivere la probabilità che 𝑋 assuma un determinato valore 𝑥
e, contemporaneamente, che 𝑌 assuma un valore 𝑦. Si ha quindi 𝑃(𝑥, 𝑦) = 𝑃(𝑋 = 𝑥 ∩ 𝑌 = 𝑦).
Nel vettore si identificano anche le Probabilità Marginali 𝑃(𝑥) = ∑𝑦 𝑃(𝑥, 𝑦) e 𝑃(𝑦) = ∑𝑥 𝑃(𝑥, 𝑦).
Come avviene anche per le altre distribuzioni, anche per le Probabilità Congiunte si potranno calcolare Valore Atteso e
Varianza.

La Distribuzione di Probabilità Condizionata di un valore della variabile dato un valore dell’altra rappresenta invece la
probabilità che la prima variabile assuma tale valore, supponendo che la seconda assuma il valore dato.
𝑃(𝑥,𝑦) 𝑃(𝑥,𝑦)
Si ha quindi 𝑃(𝑥|𝑦) = 𝑃(𝑦)
e 𝑃(𝑦|𝑥) = 𝑃(𝑥)
, purché le due variabili siano legate da una relazione.

Quando le due variabili non sono legate da relazioni, si dicono Indipendenti. In particolare, le variabili aleatorie 𝑋 e 𝑌 si
diranno indipendenti se e solo se 𝑃(𝑥, 𝑦) = 𝑃(𝑥)𝑃(𝑦), ovvero se la loro probabilità congiunta è uguale al prodotto delle
marginali per tutte le possibili coppie di valori 𝑥 e 𝑦. In generale, 𝑘 variabili aleatorie saranno indipendenti se
𝑃(𝑥1 , 𝑥2 , … , 𝑥𝑘 ) = 𝑃(𝑥1 )𝑃(𝑥2 ) ∙ … ∙ 𝑃(𝑥𝑘 ).
Inoltre, se 𝑋 e 𝑌 sono indipendenti, si avrà 𝑃(𝑦|𝑥) = 𝑃(𝑦) e 𝑃(𝑥|𝑦) = 𝑃(𝑥).

5.5.2 Indicatori di Correlazione

La Covarianza è un indicatore che misura la forza della relazione lineare tra due variabili aleatorie discrete 𝑋 e 𝑌, che
abbiano Medie pari a 𝜇𝑋 e 𝜇𝑌 . La Covarianza di queste due variabili sarà uguale al Valore Atteso di (𝑋 − 𝜇𝑋 )(𝑌 − 𝜇𝑌 ) e
può essere scritta nella forma 𝐶𝑜𝑣(𝑋, 𝑌) = 𝐸[(𝑋 − 𝜇𝑋 )(𝑌 − 𝜇𝑌 )] = ∑𝑥 ∑𝑦(𝑥 − 𝜇𝑋 )(𝑦 − 𝜇𝑌 ) ∙ 𝑃(𝑥, 𝑦).
Una forma equivalente è 𝐶𝑜𝑣(𝑋, 𝑌) = 𝐸(𝑋𝑌) − 𝜇𝑋 𝜇𝑌 = ∑𝑥 ∑𝑦 𝑥𝑦 ∙ 𝑃(𝑥, 𝑦) ∙ 𝜇𝑋 𝜇𝑌 .
Se 𝑋 e 𝑌 sono indipendenti, si avrà 𝐶𝑜𝑣(𝑋, 𝑌) = 0 (ma non necessariamente viceversa).

𝐶𝑜𝑣(𝑋,𝑌)
La Correlazione tra due variabili aleatorie 𝑋 e 𝑌 si indica con 𝜌 = 𝐶𝑜𝑟𝑟(𝑋, 𝑌) = 𝜎𝑋 𝜎𝑌
. Questo valore può assumere
valori compresi nell’intervallo [−1; +1] e, a seconda del valore che assume, si potranno ricavare informazioni sulla
relazione lineare presente tra le due variabili:

- Se 𝜌 = 0, non c’è relazione lineare tra le due variabili;

31
Luca Biglieri

- Se 𝜌 > 0, esiste una relazione lineare positiva: all’aumentare del valore di 𝑋 aumenta anche il valore di 𝑌, e
viceversa;
- Se 𝜌 = 1, c’è una dipendenza lineare perfetta positiva;
- Se 𝜌 < 0, esiste una relazione lineare negativa: all’aumentare del valore di 𝑋, il valore di 𝑌 diminuisce, e
viceversa;
- Se 𝜌 = −1, c’è una dipendenza lineare perfetta negativa.

Esistono delle condizioni particolari perché sussista una dipendenza lineare perfetta, positiva o negativa che sia.
Si potrà avere 𝜌 = 1 se c’è un uguale numero di valori di 𝑋 e di 𝑌, se le probabilità congiunte si trovano solamente sulla
diagonale principale del vettore aleatorio e se i valori, graficamente, si possono rappresentare tutti lungo una retta con
𝑚 > 0.
Si potrà avere 𝜌 = −1 se c’è un uguale numero di valori di 𝑋 e di 𝑌, se le probabilità congiunte si trovano solamente sulla
diagonale secondaria del vettore aleatorio e se i valori, graficamente, si possono rappresentare tutti lungo una retta con
𝑚 < 0.

5.5.3 Valutazione di un Portafoglio

Indicando con 𝑋 la variabile aleatoria che rappresenta il prezzo di un titolo A e con 𝑌 la variabile aleatoria che rappresenta
il prezzo del titolo B, si potrà esprimere con 𝑊 la variabile aleatoria che rappresenta la quotazione di mercato del
portafoglio, tale che 𝑊 = 𝑎𝑋 + 𝑏𝑌: 𝑎 e 𝑏 rappresentano il numero posseduto di titoli A e B.
Con questi dati, sarà possibile individuare alcuni indicatori utili per studiare il rendimento dei titoli:

- 𝜇𝑊 = 𝐸[𝑊] = 𝐸[𝑎𝑋 + 𝑏𝑌] = 𝑎𝜇𝑋 + 𝑏𝜇𝑌 .

2
- 𝜎𝑊 = 𝑎2 𝜎𝑋2 + 𝑏 2 𝜎𝑌2 + 2𝑎𝑏𝐶𝑜𝑣(𝑋, 𝑌) = 𝑎2 𝜎𝑋2 + 𝑏 2 𝜎𝑌2 + 2𝑎𝑏𝐶𝑜𝑟𝑟(𝑋, 𝑌) ∙ 𝜎𝑋 𝜎𝑌 .

Sarà quindi possibile identificare gli investimenti che hanno un valore atteso maggiore, quindi più remunerativi, e quelli più
rischiosi, con Varianza più alta, intersecando questi dati con i risultati previsti per l’intero portafoglio.

5.6 Funzioni di Vettori Aleatori

5.6.1 Valore Atteso di una Funzione di Vettore Aleatorio

Considerando il vettore aleatorio (𝑋1 , 𝑋2 , … , 𝑋𝑛 ), la funzione 𝑔(𝑋1 , 𝑋2 , … , 𝑋𝑛 ) rappresenta una Variabile Aleatoria.
Il suo Valore Atteso varierà a seconda che essa sia discreta o continua:

- Se è discreta, 𝐸[𝑔(𝑋1 , 𝑋2 , … , 𝑋𝑛 )] = ∑𝑥1 ∑𝑥2 … ∑𝑥𝑛 𝑔(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) ∙ 𝑝𝑋1 ,…,𝑋𝑛 (𝑥1 , 𝑥2 , … , 𝑥𝑛 ).

+∞ +∞
- Se è continua, 𝐸[𝑔(𝑋1 , 𝑋2 , … , 𝑋𝑛 )] = ∫−∞ … ∫−∞ 𝑔(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) ∙ 𝑓𝑋1 ,…,𝑋𝑛 (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) 𝑑𝑥1 … 𝑑𝑥𝑛 .

5.6.2 Combinazioni Lineari di Variabili Aleatorie

Un particolare esempio di funzione di vettore aleatorio (𝑋1 , 𝑋2 , … , 𝑋𝑛 ) è rappresentato dalla combinazione lineare delle
variabili di tale vettore, espressa come 𝑔(𝑋1 , 𝑋2 , … , 𝑋𝑛 ) = ∑𝑛𝑖=1 𝑎𝑖 𝑋𝑖 .
Tale funzione avrà valore atteso pari a 𝐸[𝑔(𝑋1 , 𝑋2 , … , 𝑋𝑛 )] = ∑𝑛𝑖=1 𝑎𝑖 𝐸[𝑋𝑖 ], mentre la sua Varianza sarà pari a
𝑉𝑎𝑟(∑𝑛𝑖=1 𝑎𝑖 𝑋𝑖 ) = ∑𝑛𝑖=1 𝑎𝑖2 ∙ 𝑉𝑎𝑟(𝑋𝑖 ) + 2 ∑𝑖 ∑𝑗>𝑖 𝑎𝑖 𝑎𝑗 ∙ 𝐶𝑜𝑣(𝑋𝑖 , 𝑋𝑗 ).

32
Luca Biglieri

Da qui, si può ricavare che 𝑉𝑎𝑟(𝑋1 + 𝑋2 ) = 𝑉𝑎𝑟(𝑋1 ) + 𝑉𝑎𝑟(𝑋2 ) + 2𝐶𝑜𝑣(𝑋1 , 𝑋2 ) e che 𝑉𝑎𝑟(𝑋1 − 𝑋2 ) = 𝑉𝑎𝑟(𝑋1 ) +
𝑉𝑎𝑟(𝑋2 ) − 2𝐶𝑜𝑣(𝑋1 , 𝑋2 ).

Esistono 3 casi particolari:

1. Se si ha un vettore aleatorio (𝑋1 , 𝑋2 , … , 𝑋𝑛 ) tale che 𝑋𝑖 ~𝑁(𝜇𝑖 , 𝜎𝑖2 ) e che tutte le variabili del vettore siano
indipendenti, allora 𝑌 = ∑𝑛𝑖=1 𝑎𝑖 𝑋𝑖 ~𝑁(∑𝑛𝑖 𝑎𝑖 𝜇𝑖 , ∑𝑛𝑖 𝑎𝑖2 𝜎𝑖2 ).
2. Se si ha un vettore aleatorio (𝑋1 , 𝑋2 , … , 𝑋𝑛 ) tale che 𝑋𝑖 ~𝐵𝑒(𝑝) e che tutte le variabili del vettore siano
indipendenti, allora 𝑆𝑛 = 𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛 ~𝐵𝑖𝑛(𝑛, 𝑝).
3. Se si ha un vettore aleatorio (𝑋1 , 𝑋2 , … , 𝑋𝑛 ) tale che 𝑋𝑖 ~𝑃𝑜(𝜆𝑖 ) e che tutte le variabili del vettore siano
indipendenti, allora 𝑆𝑛 = 𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛 ~𝑃𝑜(∑𝑛𝑖 𝜆𝑖 ).

33
Luca Biglieri

6. Statistica Inferenziale
6.1 Concetti Fondamentali
6.1.1 Popolazioni e Campioni

Mentre la statistica descrittiva aveva il compito di descrivere le caratteristiche di un insieme di dati in relazione a un
determinato fenomeno, la Statistica Inferenziale ha il compito di estendere i risultati ottenuti da un campione a un’intera
popolazione.
Con Popolazione si intende l’insieme di tutti gli individui oggetto di studio, mentre un Campione è un sottoinsieme della
popolazione.

È possibile assimilare una popolazione a una distribuzione del carattere che viene studiato: ad esempio, si potrà avere una
“popolazione gaussiana” o una “popolazione bernoulliana”. Per semplicità, si assume che la popolazione abbia una
distribuzione nota a meno di un parametro: in questo ambito, fare inferenza sulla popolazione significa fare inferenza sul
parametro incognito e si può parlare di inferenza parametrica.

Il campione scelto deve essere rappresentativo della popolazione in esame e può essere scelto tramite campionamento
casuale semplice con reimmissione (si estrae un elemento dalla popolazione e lo si pone nel campione; successivamente,
prima di estrarre il successivo elemento, si reimmette il precedente nella popolazione) o senza reimmissione.
Il campione si indica con le maiuscole (𝑋1 , 𝑋2 , … , 𝑋𝑛 ), mentre la sua corrispondente realizzazione si indica con le lettere
minuscole (𝑥1 , 𝑥2 , … , 𝑥𝑛 ). La differenza che intercorre tra campione e realizzazione campionaria è la stesa che intercorre
tra una variabile aleatoria e i suoi valori.

6.2 Statistiche Campionarie e Distribuzioni Campionarie

6.2.1 Concetti Fondamentali

Le informazioni contenute in un campione possono essere sintetizzate tramite una funzione campionaria chiamata
Statistica Campionaria.
Si dice Statistica una qualunque funzione 𝑇 delle 𝑛 variabili aleatorie che costituiscono il campione che non dipende da
parametri non noti della popolazione; tale funzione si indicherà con 𝑇(𝑋1 , 𝑋2 , … , 𝑋𝑛 ) = 𝑇𝑛 e sarà anch’essa una variabile
aleatoria.
La corrispondente realizzazione della statistica si indicherà con 𝑇(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = 𝑡𝑛 e corrisponderà a un numero.

Una Distribuzione Campionaria è una distribuzione di tutti i possibili valori di una statistica ottenuti da campioni della
stessa ampiezza estratti dalla popolazione.

6.2.2 Media Campionaria

Per studiare la Distribuzione della Media Campionaria, si può pensare ad un esempio pratico: si consideri una popolazione
di dimensione 𝑁 = 4 in cui la variabile 𝑋 assume i valori 18, 20, 22, 24. Considerando tutti i possibili campioni casuali di
dimensione 𝑛 = 2 estratti con reimmissione dalla popolazione, si otterranno 16 possibili combinazioni, a ciascuna delle
quali corrisponderà una Media Campionaria. Da questi valori, si potrà arrivare a definire un grafico che rappresenti la
Distribuzione della Media Campionaria.

34
Luca Biglieri

La caratteristica interessante di questa distribuzione è che essa avrà Valore Atteso e Scarto Quadratico Medio diversi
rispetto ai valori della popolazione. Infatti, per la Media Campionaria si ha:

∑𝑖 𝑥̅𝑖
- 𝐸(𝑋̅) = 𝑁 = 𝜇 = 21;
∑(𝑥̅𝑖 −𝜇)2
- 𝜎𝑋̅ = √ 𝑁
= 1.58.

La popolazione, invece, avrà un Valore Atteso uguale ma un diverso Scarto, più elevato, e sarà caratterizzata da una
distribuzione uniforme.

Parlando in generale, definendo (𝑋1 , 𝑋2 , … , 𝑋𝑛 ) un campione casuale estratto da una popolazione, si dirà Media
̅ = 𝟏 ∑𝒏𝒊=𝟏 𝑿𝒊 , alla quale corrispondono i valori definiti come 𝑥̅ = 1 ∑𝑛𝑖=1 𝑥𝑖 .
Campionaria la Variabile Aleatoria 𝑿 𝒏 𝑛

Il Valore Atteso della variabile aleatoria Media Campionaria è pari alla Media della popolazione: 𝐸(𝑋̅) = 𝜇.
1
La Varianza, invece, sarà pari a 𝑉𝑎𝑟(𝑋̅) = ∙ 𝜎 2 , dove 𝜎 2 è la Varianza della popolazione.
𝑛
Queste due proprietà sono dimostrabili indicando con 𝑋 la popolazione, con 𝑛 l’ampiezza del campione e con 𝑋̅ la Media
Campionaria, tenendo conto che 𝐸(𝑋) = 𝜇 e che 𝑉𝑎𝑟(𝑋) = 𝜎 2 .
Partendo dalla popolazione, si estrae il campione e si considerano 𝑋1 , 𝑋2 , … , 𝑋𝑛 , le variabili aleatorie che costituiscono il
campione. Per ciascuna di esse, si avrà 𝐸(𝑋𝑖 ) = 𝜇 e 𝑉𝑎𝑟(𝑋𝑖 ) = 𝜎 2 , 𝑖 = 1,2, … , 𝑛: Valore Atteso e Varianza di ciascuna
variabile restano costanti, non dipendono dal variare di 𝑖.
Si può quindi dire che le 𝑋𝑖 si distribuiscono come la popolazione: sono identicamente distribuite alla popolazione 𝑋.
𝑛
∑ 𝑋𝑖 1
Pertanto, si potrà definire il Valore Atteso della Media Campionaria come 𝐸(𝑋̅) = ( 𝑖=1
𝑛
) = 𝑛 ∙ ∑𝑛𝑖=1 𝑋𝑖 . Il che equivale a
1 1
dire che 𝐸(𝑋̅) = 𝑛 ∙ ∑𝑛𝑖=1 𝜇 = 𝑛 𝑛𝜇 = 𝜇.
Inoltre, supponendo che le 𝑋𝑖 siano indipendenti (campionamento con reimmissione) e identicamente distribuite
∑𝑛
𝑖=1 𝑋𝑖 1
(condizione che si indica con i.i.d.), si avrà che 𝑉𝑎𝑟(𝑋𝑖 ) = 𝜎 2. Pertanto, 𝑉𝑎𝑟(𝑋̅) = 𝑉𝑎𝑟 ( 𝑛
) = 𝑉𝑎𝑟 (𝑛 ∑𝑛𝑖=1 𝑋𝑖 ).
1 1
Portando fuori dalla Varianza il termine frazionario, si ha 𝑉𝑎𝑟(𝑋̅) = 𝑛2 ∙ 𝑉𝑎𝑟(∑𝑛𝑖=1 𝑋𝑖 ) = 𝑛2 ∙ ∑𝑛𝑖=1 𝑉𝑎𝑟(𝑋𝑖 ): questo ultimo
1 1 1
passaggio è possibile solamente per campioni indipendenti. Da qui, si procede con 𝑉𝑎𝑟(𝑋̅) = 𝑛2 ∙ ∑𝑛𝑖=1 𝜎 2 = 𝑛2 ∙ 𝑛𝜎 2 = 𝑛 ∙
𝜎 2.
Da questa formulazione, si può dedurre anche che un aumento di 𝑛, ovvero delle dimensioni del campione, porterà ad una
diminuzione della Varianza, in quanto la distribuzione si concentrerà nei pressi del valore medio: più il campione è grande,
più precisa risulterà la distribuzione.

Nel caso in cui i campioni presi in esame siano dipendenti, invece, si avrà un campionamento senza reimmissione e sarà
necessario applicare il Fattore di Correzione per popolazioni finite per ottenere la Varianza della Media Campionaria. Tale
fattore sarà applicabile nel caso in cui il campione preso in esame abbia una dimensione considerevole (più del 5% di 𝑁):

35
Luca Biglieri

in questo caso, infatti, si possono considerare gli elementi del campione come dipendenti.
𝜎 2 𝑁−𝑛 𝑁−𝑛
Si avrà quindi una Varianza pari a 𝑉𝑎𝑟(𝑋̅) = 𝜎𝑋2̅ = ∙
𝑛 𝑁−1
, dove 𝑁−1 è il fattore di correzione.

Un’altra misura di variabilità della Media Campionaria è l’Errore Standard 𝜎𝑋̅ = √𝑉𝑎𝑟(𝑋̅). Anche in questo caso, il
risultato cambierà a seconda della dipendenza/indipendenza dei campioni:
𝜎
- Se i campioni sono indipendenti, 𝜎𝑋̅ = √𝑉𝑎𝑟(𝑋̅ ) = .
√𝑛
𝜎 𝑁−𝑛
- Se i campioni sono dipendenti, 𝜎𝑋̅ = √𝑉𝑎𝑟(𝑋̅) = ∙ √ 𝑁−1 .
√𝑛

Se la popolazione di riferimento ha una distribuzione normale con parametri 𝜇 e 𝜎 2 e il campione preso in esame è
indipendente, allora anche la distribuzione campionaria della Media Campionaria sarà normale con parametri 𝜇𝑋̅ = 𝜇 e
𝜎2
𝜎𝑋2̅ = 𝑛
.
𝜎 2
Si può quindi dire che 𝑋~𝑁(𝜇, 𝜎 2 ) → 𝑋𝑖 (𝑖. 𝑖. 𝑑. )~𝑁(𝜇, 𝜎 2 ), 𝑖 = 1,2, … , 𝑛 → 𝑋̅~𝑁 (𝜇, ).
𝑛

Inoltre, anche se la popolazione non è normale, si può dire che la Media Campionaria 𝑋̅ sia approssimativamente normale,
purché 𝑛 sia abbastanza grande. Per effettuare tale approssimazione, si utilizza il Teorema del Limite Centrale, applicabile
sia per valori discreti che per valori continui.
Siano 𝑋1 , 𝑋2 , … 𝑋𝑛 𝑛 variabili aleatorie indipendenti e identicamente distribuite, con 𝐸(𝑋𝑖 ) = 𝜇 e 𝑉𝑎𝑟(𝑋𝑖 ) = 𝜎 2 , entrambe
finite. Sia inoltre 𝑆𝑛 la variabile aleatoria Somma, tale che 𝑆𝑛 = 𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛 , con 𝐸(𝑆𝑛 ) = 𝑛𝜇 e 𝑉𝑎𝑟(𝑆𝑛 ) = 𝑛𝜎 2 . Se
𝑺𝒏 −𝒏𝝁
la dimensione del campione (𝑛) è abbastanza grande, allora 𝑷 ( ≤ 𝒛) ≈ 𝑭(𝒛).
√𝒏𝝈
𝑆 −𝑛𝜇
Questo avviene perché 𝑆𝑛 ~𝑁(𝑛𝜇, 𝑛𝜎 2 ) e, standardizzandola, si avrà 𝑛 𝑛𝜎 ~𝑁(0,1). Se 𝑆𝑛 = 𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛 , si ha che
√
𝑆 𝜎2
𝑋̅ = 𝑛𝑛 => 𝑋̅~𝑁 (𝜇, 𝑛
).
Dal punto di vista grafico, il Teorema spiega che, al crescere della dimensione del campione, la distribuzione della Media
Campionaria si approssima a una distribuzione normale, indipendentemente dalla distribuzione della popolazione.
Perché ciò avvenga, si dovrà avere un 𝑛 > 25 o 𝑛 > 30, a seconda dei casi. In presenza di questa condizione, dunque, si
potrà approssimare alla distribuzione normale.

Per determinare un intervallo in cui verosimilmente cadono i valori della Media Campionaria dati 𝜇 e 𝜎 2 della popolazione,
si utilizzano gli Intervalli di Accettazione.
Il Teorema del Limite Centrale ha dimostrato che la distribuzione di 𝑋̅ è approssimativamente normale se 𝑛 è
sufficientemente grande. A questo punto, sarà possibile definire un valore 𝑧𝛼 che, all’interno della distribuzione normale
2
𝛼
standardizzata 𝑍, lasci nella coda destra un’area pari a (ovvero, l’area compresa tra i valori−𝑧𝛼 e 𝑧𝛼 sarà pari a 1 − 𝛼).
2 2 2
Fatte queste premesse, si può dire che 𝝁 ± 𝒛 ∙ 𝝈𝑿̅ è l’Intervallo di Accettazione in cui cadranno i valori di 𝑋̅ con probabilità
𝜶
𝟐
𝑋̅−𝜇
(1 − 𝛼), ovvero 𝑃 (−𝑧𝛼 <
𝜎𝑋
< 𝑧𝛼 ) = 1 − 𝛼 => 𝑃 (𝜇 − 𝑧𝛼 ∙ 𝜎𝑋̅ < 𝑋̅ < 𝜇 + 𝑧𝛼 ∙ 𝜎𝑋̅ ) = 1 − 𝛼.
2 ̅ 2 2 2

6.2.3 Proporzione Campionaria

Siano 𝑋1 , 𝑋2 , … , 𝑋𝑛 variabili aleatorie indipendenti ed identicamente distribuire come una Bernoulli di parametro 𝑝, in
modo tale che 𝑋𝑖 ~𝐵𝑒(𝑝), 𝑖 = 1,2, … , 𝑛.
Sia 𝑆𝑛 = 𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛 la variabile aleatoria somma, tale che 𝑆𝑛 ~𝐵𝑖𝑛(𝑛, 𝑝); in questa distribuzione, 𝑆𝑛 rappresenta il
numero di successi in 𝑛 prove.

36
Luca Biglieri

𝑺𝒏
̂=
Si definisce la Proporzione Campionaria 𝑷 , ovvero la media campionaria calcolata a partire da 𝑛 variabili aleatorie
𝒏
bernoulliane.

Dal momento che ciascuna la popolazione 𝑋 avrà 𝐸(𝑋) = 𝑝 e 𝑉𝑎𝑟(𝑋) = 𝑝(1 − 𝑝) in quanto bernoulliana, si può dire che il
Valore Atteso della Proporzione Campionaria sia pari a 𝐸(𝑃̂) = 𝑝 = 𝐸(𝑋): il Valore Atteso di una Media Campionaria,
infatti, è pari al valore atteso della popolazione.
𝑝(1−𝑝) 𝑉𝑎𝑟(𝑋)
La Varianza della Proporzione Campionaria, invece, sarà pari a 𝑉𝑎𝑟(𝑃̂) = 𝑛 = 𝑛 , sempre per le regole riguardanti
Media Campionaria e popolazione.

Si può quindi dire che il parametro 𝑝 rappresenti la proporzione della popolazione che presenta le caratteristiche oggetto
di studio (“successo” bernoulliano) e che la Proporzione Campionaria fornisce una stima di tale proporzione partendo dal
campione. Pertanto, si avrà 0 ≤ 𝑃̂ ≤ 1.
Inoltre, la variabile aleatoria somma 𝑆𝑛 , come detto, avrà una distribuzione bernoulliana ma potrà essere approssimata
tramite una normale quando 𝑛𝑝(1 − 𝑝) > 9.

La Standardizzazione della variabile aleatoria Proporzione Campionaria avverrà nel consueto modo, sottraendo il Valore
𝑃̂−𝑝 𝑃̂−𝑝
Atteso e dividendo per lo Scarto Quadratico Medio: 𝑍 = 𝜎𝑃
= .
̂ 𝑝(1−𝑝)
√
𝑛

6.2.4 Varianza Campionaria

Sia (𝑋1 , 𝑋2 , … , 𝑋𝑛 ) un campione casuale estratto da una popolazione. Si definisce Varianza Campionaria la variabile
1
aleatoria 𝑆 2 = 𝑛−1
∙ ∑𝑛𝑖=1(𝑋𝑖 − 𝑋̅)2 , che sarà diversa per i vari campioni casuali estratti dalla stessa popolazione.
A partire da questa variabile, si potrà trovare anche la Deviazione Standard Campionaria, pari alla radice quadrata della
Varianza Campionaria.

La Media della distribuzione campionaria di 𝑆 2 è pari a 𝜎 2 : 𝐸(𝑆 2 ) = 𝜎 2 .

6.3 Stima su una Popolazione

6.3.1 Concetti Fondamentali e Stima Puntuale

Si consideri la popolazione 𝑋, una variabile aleatoria la cui distribuzione dipende da un parametro (o da un vettore di
parametri) ignoto denominato 𝜃. Ad esempio, se 𝑋~𝑁(𝜇, 𝜎 2 ), potranno essere ignoti sia 𝜇 che 𝜎 2 , ma anche entrambi tali
parametri, a seconda dei casi.
La Stima Parametrica è una delle tematiche principali della statistica inferenziale: sarà possibile effettuare delle stime sui
parametri della popolazione in base alle osservazioni campionarie.

La stima parametrica può essere puntuale o per intervallo: nel primo caso si proporrà un valore preciso per il parametro 𝜃,
mentre la stima per intervallo proporrà un intervallo di valori (Intervallo di Confidenza) entro cui ragionevolmente si
troverà l’effettivo valore del parametro. In particolare, l’esito della stima puntuale si trova al centro dell’intervallo di
confidenza.

Si definisce Stimatore del parametro 𝜃 una funzione 𝑇(𝑋1 , … , 𝑋𝑛 ) = 𝜃̂ che non dipende da parametri non noti, i cui valori
permettono di stimare il valore di 𝜃.
Il valore 𝑡 = 𝑇(𝑥1 , … , 𝑥𝑛 ), calcolato sulla base della realizzazione campionaria osservata, prende il nome di Stima del

37
Luca Biglieri

parametro.
A seconda del parametro che si deve trovare, esistono vari stimatori puntuali che risulteranno appropriati in situazioni
diverse: per trovare la Media della popolazione (𝜇) si potrà usare la Media Campionaria (𝑋̅); lo stimatore per la
Proporzione della popolazione (𝑝) sarà la Proporzione Campionaria (𝑃̂); la Varianza della popolazione (𝜎 2 ) è stimabile
attraverso la Varianza Campionaria (𝑆 2 ).

Uno stimatore puntuale 𝑇𝑛 si dirà non distorto (o corretto) rispetto al parametro 𝜃 se il suo Valore Atteso è pari a 𝜃,
ovvero se 𝐸(𝑇𝑛 ) = 𝜃, ∀𝜃. 𝑛 indica l’ampiezza del campione e la relazione dovrà essere valida ∀𝑛.
Da questa definizione si può dedurre il concetto di Distorsione di uno stimatore 𝑇𝑛 rispetto al parametro 𝜃: essa sarà
definita come la differenza tra la Media dello Stimatore e il parametro, ovvero 𝐷(𝑇𝑛 ) = 𝐸(𝑇𝑛 ) − 𝜃.
Inoltre, dato 𝑇𝑛 stimatore di 𝜃, esso si dirà asintoticamente non distorto per 𝜃 se 𝐷(𝑇𝑛 ) diminuisce all’aumentare
dell’ampiezza del campione: lim𝑛→+∞ 𝐸(𝑇𝑛 ) = 𝜃 => lim𝑛→+∞ [𝐸(𝑇𝑛 ) − 𝜃 ] = 0 => lim𝑛→+∞ 𝐷(𝑇𝑛 ) = 0.

Supponendo di avere a disposizione diversi stimatori non distorti per il parametro 𝜃, sarà possibile effettuare un confronto
tra essi in base alla loro Efficienza: lo stimatore più efficiente per il parametro 𝜃 sarà lo stimatore non distorto che
presenza la varianza minore.
Si considerino, ad esempio, i due stimatori di 𝜃 chiamati 𝑇𝑛1 e 𝑇𝑛2 , entrambi non distorti e basati sullo stesso numero di
osservazioni campionarie. Si potrà dire che 𝑇𝑛1 è più efficiente di 𝑇𝑛2 se 𝑉𝑎𝑟(𝑇𝑛1 ) < 𝑉𝑎𝑟(𝑇𝑛2 ).
𝑉𝑎𝑟(𝑇𝑛2 )
Inoltre, l’Efficienza Relativa di 𝑇𝑛1 rispetto a 𝑇𝑛2 sarà calcolata come : se tale valore risulta maggiore di 1, allora 𝑇𝑛1
𝑉𝑎𝑟(𝑇𝑛1 )
sarà lo stimatore più efficiente.

6.3.2 Stima per Intervallo

La Stima per Intervallo ha lo scopo di costruire un intervallo di confidenza dentro cui si può ragionevolmente pensare che
ricada il valore del parametro ignoto 𝜃; gli intervallo ricavati da tale stima saranno centrati sul valore della stima puntuale
del parametro.

Dato (𝑋1 , … , 𝑋𝑛 ), un campione casuale composto da variabili aleatorie indipendenti ed identicamente distribuite estratto
da una popolazione indicizzata da un parametro 𝜃, si considerino due generiche statistiche campionarie 𝑇1 =
𝑇1 (𝑋1 , … , 𝑋𝑛 ) e 𝑇2 = 𝑇2 (𝑋1 , … , 𝑋𝑛 ) tali che 𝑇1 < 𝑇2 e che 𝑃(𝑇1 < 𝜃 < 𝑇2 ) = 1 − 𝛼, ∀𝜃.
L’intervallo aleatorio (𝑇1 , 𝑇2 ) si dirà Intervallo di Confidenza Aleatorio per 𝜃 al livello (1 − 𝛼). Ad esso corrisponderà un
Intervallo di Confidenza Osservato, basato sulle osservazioni campionarie, pari a (𝑡1 , 𝑡2 ), con 𝑡1 = 𝑇1 (𝑥1 , … , 𝑥𝑛 ) e
𝑡2 = 𝑇2 (𝑥1 , … , 𝑥𝑛 ).
Il Livello di Confidenza (1 − 𝛼) viene fissato arbtrariamente e rappresenta la probabilità che il parametro si trovi
all’interno dell’intervallo aleatorio; nell’intervallo osservato, la probabilità potrà essere uguale soltanto a 1 o a 0, a
seconda che il valore del parametro si trovi effettivamente nell’intervallo o meno. Ad esempio, un livello di confidenza del
90% significa che il 90% dei campioni osservabili contiene il vero valore del parametro, che tuttavia resterà ignoto: per
quanto possa aumentare la probabilità di trovarlo nel campione, non si arriverà alla sua conoscenza certa (interpretazione
frequentista).
La Lunghezza di un intervallo di confidenza aleatorio (𝑇1 , 𝑇2 ) sarà pari a 𝐿 = 𝑇2 − 𝑇1 , mentre, nel caso dell’intervallo
osservato, si avrà 𝑙 = 𝑡2 − 𝑡1 .

La formula generale degli Intervalli di Confidenza si può esprimere come

Stima Puntuale ± (Fattore di Affidabilità)(Errore Standard dello Stimatore). A seconda del caso particolare in cui ci si
trova, tale formula assumerà aspetti diversi.

38
Luca Biglieri

6.3.3 Intervallo di Confidenza per la Media, Varianza nota

Si assuma per vero che la popolazione 𝑋 ha una distribuzione normale o approssimabile ad una normale (𝑋~𝑁(𝜇, 𝜎 2 )) e
che la Varianza 𝜎 2 sia nota.
𝜎 𝜎
L’Intervallo di Confidenza del parametro ignoto 𝜇 sarà pari a 𝑥̅ − 𝑍𝛼 ∙ < 𝜇 < 𝑥̅ + 𝑍𝛼 ∙ ; 𝑍𝛼 si definisce Fattore di
2 √𝑛 2 √𝑛 2
Affidabilità e sarà pari al valore per cui la distribuzione normale standardizzata 𝑍 lascia nella coda di destra del suo grafico
𝛼
una probabilità pari a 2 (𝛼 si ricava dal valore del livello di confidenza). L’intervallo potrà essere scritto anche come
𝜎 𝜎
(𝑥̅ − 𝑍𝛼 ∙ ; 𝑥̅ + 𝑍𝛼 ∙ ).
2 √𝑛 2 √𝑛
Dalla formulazione dell’intervallo di confidenza si nota che, all’aumentare del Livello di Confidenza (1 − 𝛼), diminuirà il
𝛼
valore di 2 : pertanto, si può dire che, in tale situazione, aumenterà anche il valore di 𝑍𝛼 (ovvero, si considera un valore
2
collocato più a destra nel grafico della Normale standardizzata). Quindi, se il Livello di Confidenza aumenta, i due estremi
dell’intervallo si allontanano, rendendo più ampio l’intervallo stesso.

Per la costruzione dell’Intervallo di Confidenza per 𝜇 di una Normale con 𝜎 2 nota, si può partire dalla formulazione
𝑋~𝑁(𝜇, 𝜎 2 ), da cui deriva che 𝑋𝑖 (𝑖. 𝑖. 𝑑. )~𝑁(𝜇, 𝜎 2 ), 𝑖 = 1, … , 𝑛.
𝜎2 𝜎2
Quindi, la Variabile Aleatoria Media Campionaria sarà tale che 𝑋̅~𝑁 (𝜇, 𝑛
), dove il valore della Varianza 𝑛
sarà noto
(perché entrambi i suoi fattori, 𝜎 2 e 𝑛, sono noti).
𝑋̅−𝜇
Sarà possibile standardizzare 𝑋̅ con il solito metodo, ottenendo 𝜎 = 𝑍~𝑁(0,1). In 𝑍 sarà poi possibile individuare 𝑍𝛼 e
√𝑛 2

−𝑍𝛼 , tali che l’area sottesa alla Normale compresa tra di loro sia pari a (1 − 𝛼).
2
𝑋̅−𝜇
Riformulando quanto appena detto, si potrà quindi affermare che 𝑃 (−𝑍𝛼 < 𝑍 < 𝑍𝛼 ) = 1 − 𝛼; ma 𝑍 = 𝜎 , pertanto si
2 2 √𝑛

𝑋̅−𝜇
potrà riscrivere la disuguaglianza come 𝑃 (−𝑍𝛼 < 𝜎 < 𝑍𝛼 ) = 1 − 𝛼.
2 √𝑛 2

𝑋̅−𝜇 𝜎
Per ottenere l’Intervallo di Confidenza, però, è necessario isolare 𝜇: 𝑃 (−𝑍𝛼 < 𝜎 < 𝑍𝛼 ) = 𝑃 (−𝑍𝛼 ∙ < 𝑋̅ − 𝜇 < 𝑍𝛼 ∙
2 2 2 √𝑛 2
√𝑛
𝜎
) = 1 − 𝛼.
√𝑛
𝜎
Ora si può ragionare sulla disuguaglianza considerandone separatamente le due parti. Nella prima parte, si ha −𝑍𝛼 ∙ <
2 √𝑛
𝜎 𝜎 𝜎
𝑋̅ − 𝜇, da cui deriva che 𝜇 < 𝑋̅ + 𝑍𝛼 ∙ ; dalla seconda parte, 𝑋̅ − 𝜇 < 𝑍𝛼 ∙ , si otterrà invece 𝜇 > 𝑋̅ − 𝑍𝛼 ∙ .
2 √𝑛 2 √𝑛 2 √𝑛
̅ − 𝒁𝜶 ∙
Unendo le due parti, sarà possibile quindi ottenere l’intervallo di centro 𝜇 che rispetti il Livello di Confidenza: 𝑷 (𝑿
𝟐
𝝈 𝝈 𝝈
̅ + 𝒁𝜶 ∙
<𝝁<𝑿 ) ̅ ± 𝒁𝜶 ∙
= 𝟏 − 𝜶; la sua formulazione alternativa sarà 𝑿 .
√𝒏 𝟐 √𝒏 𝟐 √𝒏

𝜎
L’intervallo di confidenza appena visto, nella forma 𝑋̅ ± 𝑍𝛼 ∙ , può essere scritto anche come 𝑋̅ ± 𝑀𝐸, dove 𝑀𝐸 = 𝑍𝛼 ∙
2 √𝑛 2
𝜎
è il Margine di Errore dell’intervallo.
√𝑛
𝜎
Questa definizione permette una nuova formulazione della lunghezza dell’intervallo: nell’intervallo 𝑋̅ ± 𝑍𝛼 ∙ la
2 √𝑛
𝜎 𝜎 𝜎
lunghezza sarà pari a 𝐿 = 𝑋̅ + 𝑍𝛼 ∙ − (𝑋̅ − 𝑍𝛼 ∙ ) = 2 (𝑍𝛼 ∙ ) = 2 ∙ 𝑀𝐸. La lunghezza, dunque, sarà fissa anche se
2 √𝑛 2 √𝑛 2 √𝑛
l’intervallo è aleatorio: non dipende dalle osservazioni campionarie.
Il Margine di Errore potrà essere ridotto operando sui fattori che lo compongono:

- Riducendo la Deviazione Standard della popolazione 𝜎;

- Aumentando la dimensione del campione 𝑛;
- Diminuendo (1 − 𝛼), restringendo dunque l’intervallo di confidenza.
39
Luca Biglieri

6.3.4 Intervallo di Confidenza per la Media, Varianza ignota

Assumendo sempre per vero che la popolazione 𝑋 sia normale o approssimabile alla Normale e ponendo che 𝜎 2 sia ignota,
per trovare un Intervallo di Confidenza per la Media della popolazione sarà necessario introdurre una nuova distribuzione,
denominata 𝒕 di Student.

Si consideri un campione aleatorio di 𝑛 osservazioni, estratto dalla popolazione 𝑋~𝑁(𝜇, 𝜎 2 ), con entrambi i parametri
𝑋̅−𝜇
ignoti. Allora, si può dire che la variabile 𝑇 = 𝑆 , dove 𝑆 è la radice della Varianza Campionaria, ha una distribuzione 𝒕 di
√𝑛
Student con (𝑛 − 1) gradi di libertà.
∑𝑛 ̅ 2
𝑖=1(𝑋𝑖 −𝑋)
I gradi di libertà sono pari al denominatore della Varianza Campionaria: 𝑆 2 = 𝑛−1
.
Le distribuzioni 𝑡 di Student sono campanulari simmetriche centrate sul valore 0, ma hanno code più spesse rispetto alle
distribuzioni Normali. Inoltre, all’aumentare del valore dei gradi di libertà (𝑛 − 1), tali distribuzioni tendono a comportarsi
come distribuzioni Normali standardizzate.
Le tavole della distribuzione 𝑡 di Student indicano sulle righe i gradi di libertà e sulle colonne i valori della Variabile
Aleatoria (ovvero l’area della coda destra della distribuzione). Le singole celle indicano la probabilità che il valore della
Variabile Aleatoria superi il valore indicato nella colonna.
𝑺
̅ − 𝒕(𝒏−𝟏)
Fatte queste premesse, l’Intervallo di Confidenza per la Media, con Varianza ignota, sarà pari a 𝑿 𝜶 ∙ ̅+
<𝝁<𝑿
𝟐 √𝒏
(𝒏−𝟏) 𝑺 (𝑛−1) 𝛼
𝒕𝜶 ∙ , dove 𝑡𝛼 , Fattore di Affidabilità, è il valore che lascia nella coda di destra un valore pari a .
𝟐 √𝒏 2
2
(𝑛−1)
La lunghezza di questo intervallo varia dalla formulazione aleatoria a quella osservata: nel primo caso si ha 𝐿 = 2𝑡𝛼 ∙
2
𝑆 (𝑛−1) 𝑠 ∑𝑛
𝑖=1(𝑥𝑖 −𝑥̅ )
2
, mentre nel caso di un intervallo osservato si avrà 𝑙 = 2𝑡𝛼 ∙ , con 𝑠 che deriva da 𝑠 = .
√𝑛 2
√𝑛 𝑛−1

6.3.5 Intervallo di Confidenza per il Valore Atteso di una Popolazione qualsiasi

Nel caso in cui si dovesse avere una popolazione 𝑋 qualsiasi, se la dimensione del campione 𝑛 è sufficientemente grande,
𝑋̅−𝜇
si potrà applicare il Teorema del Limite Centrale per approssimare alla Normale standard: ( 𝜎 ) ≈ 𝑁(0,1).
√𝑛

A questo punto, si potrà applicare l’Intervallo adeguato, a seconda che la Varianza sia nota o meno: nel primo caso si avrà
𝜎
dunque l’intervallo 𝑋̅ ± 𝑍𝛼 ∙ , mentre nel secondo si dovrà utilizzare la formula con la distribuzione 𝑡 di Student.
2 √𝑛
Tuttavia, si è appena detto che 𝑛 deve essere grande per applicare il Teorema: per un 𝑛 elevato, la 𝑡 di Student assumerà
𝑠
la forma di una Normale standardizzata. Pertanto, nel caso in cui la Varianza è ignota si avrà l’intervallo 𝑋̅ ± 𝑍𝛼 ∙ : la 𝑡 di
2 √𝑛
Student si comporta come 𝑍.

6.3.6 Intervallo di Confidenza per la Proporzione

Si supponga di avere una popolazione bernoulliana 𝑋~𝐵𝑒(𝑝) con 𝐸(𝑋) = 𝑝 e 𝑉𝑎𝑟(𝑋) = 𝑝(1 − 𝑝).
𝑋 𝑝(1−𝑝)
La Proporzione Campionaria sarà pari a 𝑃̂ = ∑𝑛𝑖=1 𝑛𝑖, con 𝐸(𝑃̂) = 𝑝 e 𝑉𝑎𝑟(𝑃̂) = 𝑛 ; tale variabile aleatoria, se 𝑛 è

40
Luca Biglieri

𝑝(1−𝑝)
sufficientemente elevato, si comporta come una Normale: 𝑃̂ ≈ 𝑁 (𝑝, 𝑛
).
𝑃̂−𝑝
La sua standardizzazione, eseguita con il consueto metodo, sarà pari a ≈ 𝑁(0,1).
𝑝(1−𝑝)
√
𝑛

̂ ̂
̂ − 𝒁𝜶 √𝑷(𝟏−𝑷) < 𝒑 <
L’Intervallo di Confidenza per il parametro ignoto 𝑝, ovvero la proporzione della popolazione, sarà 𝑷 𝒏 𝟐

̂ (𝟏−𝑷
𝑷 ̂)
̂ + 𝒁𝜶 √
𝑷 . In questa formulazione, dovendo calcolare la Varianza, che è ignota perché 𝑝 è ignoto, si utilizzerà 𝑃̂ per
𝟐 𝒏
approssimare tale valore non conosciuto.

6.3.7 Determinazione dell’Ampiezza Campionaria

È possibile calcolare l’ampiezza campionaria 𝑛 che garantisca un determinato Margine di Errore, dato il Livello di
Confidenza (1 − 𝛼).
𝜎
Nel caso della Media, con popolazione normale e Varianza nota, si avrà l’intervallo di confidenza 𝑋̅ ± 𝑍𝛼 ∙ .
2 √𝑛
𝜎
A questo punto, si potrà fissare il Margine di Errore desiderato, 𝑀𝐸, e si potrà trovare il valore di 𝑛 tale per cui 𝑍𝛼 ∙ ≤
2 √𝑛
2
𝜎 𝜎
𝑀𝐸 => √𝑛 ≥ 𝑍𝛼 ∙ => 𝑛 ≥ (𝑍𝛼 ∙ ) . Il valore di 𝑛 dovrà sempre essere intero e, in questo caso, andrà
𝑀𝐸 2 𝑀𝐸 2
approssimato per eccesso.

𝑃̂(1−𝑃̂)
Nel caso della Proporzione, si avrà l’intervallo di confidenza 𝑃̂ ± 𝑍𝛼 √ .
2 𝑛

𝑃̂(1−𝑃̂)
Il Margine di Errore è pari a 𝑍𝛼 √ 𝑛
, ma 𝑃̂ varia a seconda del campione estratto, quindi il suo valore è incerto e non
2

determinabile. Tuttavia, si può esprimere il numeratore della radice nel Margine di Errore come 𝑃̂(1 − 𝑃̂) = 𝑃̂ − 𝑃̂2 ,
ovvero una parabola rivolta verso il basso che avrà il suo punto di massimo in corrispondenza di 𝑃̂ = 0.5, dal momento che
0 ≤ 𝑃̂ ≤ 1.
Sostituendo tale valore della Proporzione Campionaria all’interno del Margine, e ponendo tale Margine minore o uguale di
𝑃̂(1−𝑃̂) 0.25
un determinato 𝑀𝐸 (come si era fatto nel caso precedente per la Media), si avrà 𝑍𝛼 √ 𝑛
≤ 𝑀𝐸 => 𝑍𝛼 √ 𝑛
≤
2 2
0.25∙𝑍𝛼2
𝑀𝐸 => 𝑛 ≥ 𝑀𝐸 2
2
.

6.4 Verifica di Ipotesi

6.4.1 Classificazione delle Ipotesi

Un’Ipotesi è un’affermazione riguardo a un parametro ignoto della popolazione.

Un’ipotesi si dice semplice quando specifica un’unica possibile distribuzione, ovvero un singolo valore per il parametro; si
avrà invece un’ipotesi composta quando si specifica una pluralità di distribuzioni, ovvero un intervallo in cui si può trovare
il valore del parametro.

N.B.: Una stessa ipotesi, a seconda del contesto, potrà essere semplice oppure composta. Ad esempio, l’ipotesi 𝜇 = 5 in
𝑋~𝑁(𝜇, 𝜎 2 ) sarà semplice se il valore della Varianza è noto, ma sarà composta se tale valore è ignoto.

41
Luca Biglieri

Le ipotesi composte si dividono a loro volte in tre sottocategorie: si possono trovare ipotesi composte unilaterali a destra
(𝜇 > 3 o 𝜇 ≥ 3) o a sinistra (𝜇 < 3 o 𝜇 ≤ 3), oppure ipotesi composte bilaterali (𝜇 ≠ 3).

6.4.2 Problemi di Verifica di Ipotesi

Risolvere un problema di verifica di ipotesi significa decidere se accettare o rifiutare un’ipotesi statistica, in base a un
risultato campionario. In un problema simile si considerano un’Ipotesi Nulla 𝐻0 , che corrisponde allo status quo, alla
situazione che si ritiene verificata fino a prova contraria, e un’Ipotesi Alternativa 𝐻1 che corrisponde alla situazione
complementare dell’Ipotesi Nulla, ovvero si verifica quando non si verifica 𝐻0 .

L’Ipotesi Nulla rappresenta l’ipotesi numerica che deve essere verificata e si riferisce sempre al parametro della
popolazione, mai alla statistica campionaria.
Si parte sempre assumendo come vera l’ipotesi 𝐻0 , la quale conterrà sempre un simbolo di uguaglianza o disuguaglianza e
potrà essere accettata o rifiutata.
𝐻1 , invece, rappresenta la situazione contraria allo status quo e andrà dimostrata.

Il Test Statistico dell’ipotesi è un procedimento utilizzato per decidere se accettare o rifiutare l’ipotesi nulla a favore
dell’ipotesi alternativa; esso si basa sulle osservazioni campionarie. Il test individuerà una Regione di Rifiuto (𝑅), costituita
dalle realizzazioni campionarie in corrispondenza delle quali 𝐻0 sarà da rifiutare, e una Regione di Accettazione (𝐴)
composta dalla realizzazioni in corrispondenza delle quali si dovrà accettare 𝐻0 . Nel caso in cui il test porti al rifiuto di 𝐻0 ,
si dirà test significativo.
L’accettazione/rifiuto di 𝐻0 dipenderà però dal campione osservato. Si supponga di avere 𝑋~𝑁(𝜇, 1) con 𝐻0 : 𝜇 ≥ 2 e
𝐻1 : 𝜇 < 2 e che il test stabilisca di rifiutare 𝐻0 se 𝑥̅ ≤ 0: risulta intuitivo che due campioni con la medesima ampiezza
potranno condurre a scelte diverse, ad esempio un campione con 𝑥̅ = 0 porterà a rifiutare l’Ipotesi Nulla, mentre un altro
con 𝑥̅ = 2 farà sì che essa venga accettata.
Accettare l’Ipotesi Nulla significa ritenere ragionevole tale ipotesi in base a un’osservazione campionaria, ma non significa
che nella realtà tale ipotesi sia per forza vera: c’è sempre un margine di errore.

Esistono due tipi di errore nel processo decisionale di verifica di un’ipotesi:

- Viene definito Errore di Primo Tipo il rifiuto di un’Ipotesi Nulla vera, ovvero quando nella realtà il parametro
assume un valore che viene rifiutato in base alle osservazioni campionarie. Si tratta di un errore molto grave, che
in un contesto concreto può portare al sostenimento di costi che non porta al miglioramento dei risultati.
La Probabilità che si verifichi un Errore di Primo Tipo si indica con 𝛼 ed è fissata a priori dal ricercatore che vuole
verificare l’ipotesi. 𝛼 si definisce anche livello di significatività del test.
- Si ha un Errore di Secondo Tipo quando non si rifiuta un’Ipotesi Nulla falsa.
In questo caso, la probabilità che tale errore si verifichi si indica con 𝛽.

Si possono riformulare le probabilità di errore esprimendole come probabilità condizionate: si avrà infatti 𝛼 = 𝑃(𝑅|𝐻0 ),
̅̅̅0̅) = 𝑃(𝐴|𝐻1), ovvero la probabilità di accettazione data una
ovvero la probabilità di rifiuto data una 𝐻0 vera, e 𝛽 = 𝑃(𝐴|𝐻
𝐻0 falsa.

42
Luca Biglieri

Se si considera un numero molto grande di campioni, la percentuale di campioni che conducono al rifiuto di un’Ipotesi
Nulla vera, ovvero che conducono a un Errore di Primo Tipo, sarebbe pari ad 𝛼. Se 𝛼 è piccolo, anche se non si riuscirà a
stabilire se il campione osservato fa parte dell’insieme dei campioni che portano a una decisione corretta o di quello che
portano a una decisione errata, si può ritenere che ci sia una probabilità pari a (1 − 𝛼) che il campione faccia parte del
primo insieme.

Fissata l’ampiezza campionaria, sarà possibile fissare a priori uno solo tra 𝛼 e 𝛽, dal momento che i due errori non si
possono verificare contemporaneamente: l’Errore di Primo Tipo si verifica solo se l’Ipotesi Nulla è vera, mentre l’Errore di
Secondo Tipo si verifica se l’ipotesi è falsa.
Per un’ampiezza campionaria fissata, le probabilità di errore sono legate da una relazione inversa e non sarà possibile
minimizzarle contemporaneamente. Il ricercatore dovrà quindi scegliere la regione di rifiuto per cui, dato 𝛼, 𝛽 sia più
piccolo possibile.

Si consideri l’esempio di 𝑋~𝑁(𝜇, 100), con 𝐻0 : 𝜇 = 350 e 𝐻1 : 𝜇 = 360, si supponga di avere una regione di Rifiuto che
corrisponde a 𝑅: {𝑥̅ > 356,25}.

Considerando nella figura la distribuzione di 𝐻0 , 𝛼 sarà uguale all’area sottesa alla distribuzione a destra del valore di
rifiuto, ovvero alla probabilità che si rifiuti una 𝐻0 vera: 𝛼 = 𝑃(𝑅|𝐻0 ).
Considerando invece la distribuzione di 𝐻1 , 𝛽 sarà uguale all’area sottesa ad essa a sinistra del valore di rifiuto, ovvero alla
probabilità che si accetti una 𝐻0 che in realtà è falsa: 𝛽 = 𝑃(𝐴|𝐻1 ).
Dalla figura si nota che, se 𝛼 aumenta, 𝛽 diminuisce, e viceversa: è la rappresentazione grafica della loro relazione lineare
inversa. Il ricercatore dovrà quindi controllare e ridurre al massimo 𝛼, ovvero la probabilità dell’errore più grave, e, fissata
questa, cercare di minimizzare 𝛽.

Si definisce Potenza del Test la probabilità di rifiutare una 𝐻0 falsa, ovvero 𝑃(𝑅|𝐻1). Tale probabilità corrisponderà al
valore 1 − 𝛽.

Il Criterio per la Costruzione della Regione di Rifiuto consisterà appunto, fissato il valore di 𝛼, nel cercare il test che abbia
probabilità di Errore del Primo Tipo uguale o inferiore ad 𝛼 e che abbia il minor valore di 𝛽 (ovvero che massimizzi 1 − 𝛽,
valore della Potenza del test).
43
Luca Biglieri

Inoltre, date due ipotesi, si riterrà Ipotesi Nulla quella ritenuta valida al momento dell’effettuazione del test e che porti ad
un errore più grave nel caso di rifiuto quando è vera.

44