LEZIONE 23/09/2024

LA RAPPRESENTAZIONE STATISTICA
La rappresentazione statistica ha sempre valore positivo (I quadrante), quasi mai si utilizza
il valore 0 in quanto un numero molto piccolo
Vantaggi:
- Confronti tra più distribuzioni;
- Individuazione di valori anomali emersi in una rappresentazione grafica in
quanto spiccano;
- Lettura immediata.
Le variabili di tipo quantitativo possono anche essere definite come variabili cardinali;
invece, quelle mutabili statistiche vengono anche chiamati ordinali.

Per quelle quantitative possiamo utilizzare il diagramma cartesiano dove si

rappresentano le variabili quantitative di tipo discreto (quelle in cui le modalità assumono
solo valori isolati senza valori intermedi).
Es. temperatura media Roma (rappresentazione spezzata)

Per rappresentare le variabili quantitative di tipo continuo oppure delle variabili discrete
divise in classi usiamo l’istogramma.
Es. ciascuna barra corrisponde al peso percentuale della frequenza.
Altro esempio è la rappresentazione della piramide dell’età (prima aveva forma di piramide), con
rappresentato il peso di ciascuna classe in una società.

Per quanto riguarda le mutabili statistiche posso essere meglio rappresentate attraverso i
diagrammi areali (torta). Abbiamo un’area suddivisa a seconda del peso percentuale di
ciascuna modalità. Possono anche essere utilizzati gli ortogrammi che potrebbe ricordare
un istogramma ma il rettangolo viene suddiviso in più parti che rappresentano il peso
percentuale di ogni modalità.

Per ultimo abbiamo i cartogrammi che ci servono per la rappresentazione grafica delle
serie territoriali.

Questi ci servono per la rappresentazione di un fenomeno su territori.

1
 Es. cartina dell’Italia per tasso di disoccupazione (anche con due fattori, es. turisti italiani e
stranieri in un determinato anno)

CONFRONTO TRA DATI

Il confronto tra due diversi collettivi può essere riferito:
- Alle caratteristiche di uno stesso collettivo (popolazione);
- Ad uno stesso fenomeno su collettività diverse;
- A fenomeni diversi tra i quali …
Può essere effettuato per differenza suddivisa in:
- Differenza assoluta d=|a-b|
Es. a= 30.000,00 reddito di Milano; 25.000,00 reddito medio a Bari
- Differenza relativa
𝑎−𝑏 𝑎−𝑏 𝑎−𝑏
𝑑! = ∙ 100, 𝑑" = ∙ 100, 𝑑# = ∙ 100
𝑎 𝑏 1
2 (𝑎 + 𝑏)

RAPPORTI STATISTICI
Il rapporto statistico esprime quante unità del dato posto al numeratore
corrispondono ad una unità del dato posto al denominatore.
È un rapporto tra due termini in cui uno almeno è di natura statistica (riferito a un
collettivo) tale che esista un legame logico ben definito tra i due.
Due condizioni:
1. Almeno uno dei due si riferisce a un collettivo;
2. Nesso logico tra i due termini.

I rapporti statistici ci servono per confrontare nel tempo e nello spazio o in diverse
situazioni in presenza di fenomeni omogenei ed eterogenei.
Tutti gli indicatori (es. BES) che troviamo derivano da rapporti statistici.
Abbiamo vari tipi di rapporti:
1. Rapporto di composizione
Se l'ammontare complessivo di una quantità (frequenza o intensità) viene
classificato in più modalità o classi, il rapporto tra la quantità corrispondente ad una
modalità e la quantità complessiva costituisce un rapporto di composizione o di
parte al tutto.

2
 Il rapporto di composizione può assumere valori compresi tra 0 e 1 (oppure tra 0 e
100, 0 e 1000, …, se il rapporto è moltiplicato per comodità di lettura
rispettivamente per 100, 1000, …).

Un rapporto di composizione può essere un valore percentuale.

Questo rapporto può essere rappresentato con un diagramma di tipo areale.

Il rapporto di composizione evidenzia quanta parte di quella modalità pesa
sul totale.

2. Rapporto di derivazione
È ottenuto dividendo l'ammontare di un aggregato per l'ammontare di un altro
aggregato che sul piano logico e/o temporale ne costituisce l'antecedente o
presupposto fenomenico.
Può assumere valori >0 (oppure >100, >1000, ..., se il rapporto moltiplicato per
comodità di lettura rispettivamente per 100, 1000, ...).

Tutti i tassi sono rapporti di derivazione.

Es. tasso di natalità (nati vivi/ammontare medio della popolazione residente dell’anno
considerato x 1000); da qui ottengo il numero di nati vivi ogni 1000 individui mediamente
presenti nella popolazione.

3. Rapporto di coesistenza
Rapporto di coesistenza è il rapporto tra due parti del collettivo, cioè la
frequenza di una modalità e la frequenza di un’altra.
Es. Pm = Numero di maschi/Pf=numero di femmine

Pm/Pf = Rapporto di mascolinità nella popolazione

Pf7Pm = Rapporto di femminilità nella popolazione

Se Pa = Popolazione anziana (<65 anni) /Pg = popolazione infantile e giovanile (0-

14)
Iv 0 (Pa/Pg)x100 = indice di vecchiaia

Il rapporto di coesistenza è il rapporto tra due parti del fenomeno, cioè tra la
frequenza di una modalità e la frequenza di un’altra.

L’idea di questi rapporti è quello di evidenziare uno squilibrio o uno

sbilanciamento in uno dei fenomeni coesistenti.

3
 4. Rapporto di densità
È ottenuto dividendo l'ammontare di un aggregato per una quantità che
rappresenta la dimensione spaziale, temporale o caratterizzante del campo di
osservazione cui esso fa riferimento.

Le quantità al numeratore e al denominatore sono grandezze eterogenee.

Il rapporto di densità può assumere valori >0 (oppure >100, > 1000, .... se il
rapporto è moltiplicato per comodità di lettura rispettivamente per 100, 1000, …)

Es. popolazione/kmq; abitanti di Padova 210.985/92,85 km2 (1° gennaio 2006)

Materiali
Dipartimento, personale, docenti afferenti al dipartimento o docenti a contratto, Roberta
Pace, area didattica, insegnamento 2024/2025, corsi attribuiti oppure materiale didattico

LEZIONE 25/09/2024

NUMERI INDICE
Il numero indice serve per seguire come è variato un fenomeno nel tempo rispetto ad un
determinato anno che viene assunto come base. I numeri indice possono avere una base
fissa o a base mobile (variabile).
Per base fissa mi riferisco ad un anno determinato che viene considerato come riferimento
per tutti gli anni successivi.
Es. numero di disoccupati
1989 … …(base per tutto il fenomeno)
Per base mobile intendiamo che il riferimento è sempre all’anno precedente
Es. variazione del numero di disoccupati in un determinato anno con quello precedente.

I numeri indice complessi (pg. 102-104) servono per valutare le variazioni dei prezzi da un
anno all’altro.

I valori medi
Attraverso i valori medi descriviamo una distribuzione mettendo in evidenza le sue
particolarità.

4
Possiamo avere: le medie di calcolo che sono quei valori nel cui calcolo vengono
interessati tutti i termini della distribuzione; poi ci sono le medie di posizione, dove si
considerano solo alcuni termini che sono significativi e rappresentativi dell’intera
distribuzione.
Le medie che si indicano con 𝑥! ≤ 𝑥 ≤ 𝑥$ (vedi foto 1) che sta a significare che le medie
sono sempre interne a una distribuzione, ovvero che sono sempre comprese tra il valore
più piccolo e quello più grande della distribuzione stessa.
Es. voti di uno studente del 1°anno di università
18 21 24 19 30 20
Le distribuzioni possono essere semplici quando le modalità si ripetono all’interno del
collettivo una sola volta.
Con l’esempio di prima la media si fa sommando tutti i voti e dividendo tutto per il loro numero.

Se invece, alcune modalità si ripetono, all’interno del connettivo, abbiamo la

distribuzione di frequenze.
Con la distribuzione di frequenze dobbiamo ponderare le modalità, ovvero dare un peso
alle singole modalità.
La ponderazione si effettua moltiplicando la modalità per il numero di volte con cui
questa modalità si presenta all’interno del collettivo.
Es. nell’esempio precedente mettiamo che il 18 si ripeta per 4 volte; quindi, nel calcolo della media
il 18 verrà moltiplicato per 4 volte.
Media aritmetica semplice
∑&
%'! 𝑥% ∙ 𝑛%
𝜇=
𝑁

!()"!)"*)!+)#,)", !#-
Es. = = 22
- -

Media aritmetica ponderata

∑$%'! 𝑥% ∙ 𝑛%
𝜇=
𝑁

!(∙*)!+∙*)",∙/)"!∙#)"*∙")"-∙")#,∙!
Es. =⋯
0

Voti Esami Prodotti

xi ni xi∙ni

5
 18 4 18*4=72
19 4 76
20 5 100

1! )1! )!
v.c.=valore centrale->
"

xi = valore inferiore di una classe

xi+1 = valore superiore di una classe

Il v.c. sarà uguale alla semisomma dei valori di una classe

Es.
CLASSI D’ETÀ ISCRITTI V.C. PRODOTTI
xi ni v.c.(xi) v.c. xi*ni
0-20 3 ,)", 30
10 ( "
= 10)
21-25 10 23 230
26-35 15 30 450
36-45 7 40 280
46-54 3 50 150
55-75 2 65 130

N=40 1270

∑&
%'! 𝑥% ∙ 𝑛% 1270
𝜇= = = 31,7
𝑁 40

SCARTO = differenza tra il valore xi e il valore μ

Prima proprietà della media aritmetica
$

9(𝑥! − 𝜇 ) ∙ 𝑛% = 0
%'!

6
LEZIONE 26/09/2024

MEDIA ARMONICA
La media armonica è quel valore che sostituito ai singoli temini di una distribuzione lascia
inalterata la somma dei reciproci termini.
!
Reciproco di un dato:1
!
2
Reciproco di un dato con frequenza:1!
!

Caso semplice
&
𝑀34 = "
∑$
!%"#
!

Caso ponderato
&
𝑀34 = &
∑'!%" !
#!

esercizio
Un automobilista effettua con tre velocità il percorso di un circuito. I tratti percorso sono
lunghi rispettivamente 4, 5 e 2 km e le velocità sono 60, 48 e 56 km/h.

Velocità Km percorsi Sommatoria

xi ni ni/xi
60 4 4/60=0,06
48 5 5/48=0,1
56 2 2/56=0,03
N=11 0,19

𝑁 1
𝑀34 = 𝑛% 0,19 = 57,89 𝑘𝑚/ℎ
=
$
∑%'!
𝑥%
Risposta
Nel percorso l’automobilista non avendo mantenuto una velocità costante ma avendo
effettuato cambi di velocità, il valore corretto è stato desunto dal calcolo della media
armonica, attraverso la quale abbiamo potuto misurare il cambio di velocità per ogni tratto
di strada percorso, la stessa cosa non si sarebbe ottenuta applicando semplicemente la
media aritmetica.

7
La media armonica, dunque, viene utilizzata quando dobbiamo misurare, a parte il caso
specifico, i consumi medi di alcuni beni.

LA MEDIA QUADRATICA
La media quadratica la possiamo considerare sia per il caso semplice che per il caso
ponderato (calcolo dello scarto quadratico medio).

Caso semplice

∑& "
%'! 𝑥%
𝑀6 = B
𝑁

Caso ponderato

∑$%'! 𝑥%" ∙ 𝑛%
𝑀6 = B
𝑁

Usiamo lo stesso esercizio di prima presupponendo che il logorio della vettura è

proporzionale al quadrato delle velocità.
Applichiamo la media quadratica perché vogliamo determinare la velocità media della
vettura che sul percorso lasci invariato il logorio complessivo.

Velocità Km percorsi V2*km

xi ni 𝒙𝟐𝒊 𝒙𝟐𝒊 ∙ 𝒏𝒊
60 4 3600 14400
48 5 2304 11520
56 2 3136 6272
N=11 32192

32192
𝑀6 = B = E2926,5 = 54𝑘𝑚/ℎ
11

8
La media quadratica ci indica la velocità media alla quale si percorrerebbe l’intero tragitto
in modo da lasciare invariato il logorio della vettura determinato dal cambio di velocità.
La media quadratica cresce al crescere dell’indice.
𝑥% ≤ ⋯ ≤ 𝑀34 ≤ 𝑀9 ≤ 𝜇 ≤ 𝑀: ≤ ⋯ ≤ 𝑥&

La scelta del valore medio da applicare e quindi del tipo di media è una scelta razionale
che richiede una precisa individuazione del problema che si intende affrontare.

MEDIA DI POTENZE
Formula da non usare

( ∑$%'! 𝑥%; ∙ 𝑛%
𝑀; = B
𝑁

esercizio media aritmetica

xi ni xi ni
1 4 4
2 6 12
3 12 36
4 15 60
5 11 55
6 9 54
7 5 35
8 2 16
64 270

∑ 𝑥% 𝑛% 270
𝜇= = = 4,22
𝑁 64

9
esercizio media armonica
𝑁
𝑀34 = 𝑛%
∑$%'!
𝑥%
xi ni xi ni ni/xi x2 x2 ni
1 4 4 4 1 4
2 6 12 2,5 4 24
3 12 36 4 9 108
4 15 60 3,7 16 240
5 11 55 2,2 25 275
6 9 54 1,5 36 324
7 5 35 0,7 49 245
8 2 16 0,2 64 128
64 270 19,4 1348

64
𝑀34 = = 3,3
19,4

esercizio media quadratica

∑$%'! 𝑥%" ∙ 𝑛% 1348

𝑀6 = G =B = 4,59
𝑁 64

LEZIONE 30/09/2024

MEDIE DI POSIZIONE
Nella distribuzione delle medie di calcolo dobbiamo considerare tutti i termini della
distribuzione. Attraverso le medie di posizione garantiamo la rappresentatività anche di
valori che chiamiamo tipici di una distribuzione.
Si definiscono anche medie lasche.
Il v.c. è un esempio di medie di posizione, che risulta anche essere il valore di variazione tra
il valore più piccolo e quello più grande.

10
LA MEDIANA
La mediana è il valore che bipartisce una serie o una distribuzione con le singole modalità
ordinate in maniera crescente. La mediana si trova al centro di una distribuzione, con metà
delle osservazioni che si trovano a sinistra rispetto al valore medio.

Serie con numeri dispari

Quando abbiamo dei numeri dispari, la mediana si trova sempre in posizione centrale
rispetto ai termini ordinati in maniera crescente.

𝑀< = 𝑥(&)!)
"

Es. Voti 18 21 24 19 30
Voti ordinati 18 19 21 24 30

𝑀< = 𝑥 /)! = 𝑥#
( " )

Serie con numeri pari

Per i numeri pari la mediana coincide con la semisomma dei valori centrali.

𝑥(&) + 𝑥(&)!)
" "
𝑀< =
2
Es. Voti 18 21 24 19 30 20
Voti ordinati 18 19 20 21 24 30

𝑥(#) + 𝑥(*) 20 + 21
𝑀< = = = 20,5
2 2
Mediana 20,5 poiché compresa tra il III e IV posto.

Nelle distribuzioni si devono usare le frequenze cumulate.

11
LA MEDIANA
𝑥 & +𝑥 &
(") ( " )!) 𝑥(!"°) + 𝑥(!#°) 20 + 20
𝑀< = = = = 20
2 2 2
Es.
VOTI ESAMI
Ni
xi ni
18 2 2
19 9 11
20 5 16
21 4 20
22 2 22
23 1 23
24 1 24
24

Serie con numeri dispari

Quando abbiamo a che fare con i numeri dispari in una distribuzione la mediana coincide
sempre con il numero che si trova in mezzo ai termini ordinati in maniera crescente.

𝑀< = 𝑥(&)!)
"

Es.
Voti 18 21 24 19 30
Voti ordinati 18 19 21 24 30
𝑀< = 𝑥 /)! = 𝑥#
( " )

12
Serie con numeri pari
Quando abbiamo a che fare con numeri pari la mediana coincide con la semisomma dei
valori centrali.
𝑁 𝑁
𝑥 H 2 I + 𝑥( 2 + 1)
𝑀< =
2

Es.
Voti 18 21 24 19 30 20
Voti ordinati 18 19 20 21 24 30
3 4
𝑥 H I + 𝑥( + 1) 20 + 21
𝑀< = 2 2 = = 20,5
2 2

La mediana è 20,5 perché compresa tra il terzo e quarto posto.

Frequenze cumulate
Voti Esami Ni Frequenze
xi ni cumulate
Ni
18 2 2 Dalla 1
posizione
alla 2
19 9 2+9=11 Dalla 3 alla
11
20 5 11+5=16 Dalla 12 alla
16
21 4 20 Dalla 17 alla
20
22 2 22 Dalla 21 alla
22
23 1 23 23
24 1 24 24
N=24

13
Abbiamo calcolato correttamente le frequenze cumulate se l’ultima è uguale alla
numerosità del collettivo.

Diciamo che lo studente ha preso due volte 18, 9 volte 19….e quindi
18 18 19 19 19 19 19 19 19 19 19 20 20 20 20 20 21 21 21 21 22 22 23 24
la domanda delle frequenze cumulate:
Quante volte lo studente, nella sua carriera universitaria, ha preso una votazione sino a
19?
11 (18 18 19 19 19 19 19 19 19 19 19 20 20 20 20 20 21 21 21 21 22 22 23 24)
quante volte lo studente, nella sua carriera universitaria, ha preso una votazione sino a
20 (compreso)?
16 (18 18 19 19 19 19 19 19 19 19 19 20 20 20 20 20 21 21 21 21 22 22 23 24)
quante volte lo studente, nella sua carriera universitaria, ha preso una votazione sino a
22 (compreso)?
22 (18 18 19 19 19 19 19 19 19 19 19 20 20 20 20 20 21 21 21 21 22 22 23 24)

LEZIONE 7/10/2024

I QUARTILI
Con i quartili possiamo individuare quella parte della distribuzione che occupa un quarto
della stessa.
Il primo quartile è quel valore al di sotto del quale troviamo un quarto della distribuzione,
ovvero il 25%, e al di sopra del quale troviamo i restanti ¾ della distribuzione, ovvero il
75% dei termini della distribuzione stessa.
Q1 Q2 Q3
|-----|-----|-----|-----|

Q1=25% N/4 𝑄! = 𝑥($)")

*

Q2= 50% N/2, ovvero la mediana 𝑄" = 𝑀< = 𝑥(&)")

+

Q3= 75% 3N/4 𝑄# = 𝑥(,$)")

*

14
Es. temini pari
xi ni Ni
Frequenze cumulate
1 16 16

2 15 31

3 14 54

4 3 48

5 16 64

N=64

𝑥 & +𝑥 &
(") ( " )!) 𝑥(#"°) + 𝑥(##°) 3 + 3
𝑀< = 𝑄" = = = =3
2 2 2

𝑥 & +𝑥 &
(*) ( * )!) 𝑥(!-°) + 𝑥(!0°) 1 + 2
𝑄! = = = = 1,5
2 2 2

𝑥(#&) + 𝑥(#&)!) 𝑥(*(°) + 𝑥(*+°) 4 + 5

* *
𝑄# = = = = 4,5
2 2 2

Es. termini dispari

𝑄! = 𝑀< = 𝑥(0)!) = 𝑥" = 20

*

𝑄" = 𝑀< = 𝑥(0)!) = 𝑥* = 20

"

𝑄# = 𝑥(#∙0)!) = 𝑥/,/ = 25
*

15
 xi ni Ni
20 5 5

25 1 6
30 1 7
N=7

LA MODA
La moda corrisponde alla modalità del fenomeno cui corrisponde la massima frequenza.

xi ni
1 18
2 3
3 11
4 30
5 15
6 6

La moda in questo caso è 4 in quanto è la modalità più frequente.

Quando la variabile è divisa in classi possiamo individuare la classe modale.
Es.
xi ni
0–4 5

4-8 4
8 - 12 12
12 - 16 8

𝑓!
𝑀A = 𝐿! + (𝐿 + 𝐿! )
𝑓! + 𝑓# "

16
LEZIONE 9/10/2024

LA VARIABILITÀ
Con variabilità indichiamo la caratteristica dei fenomeni collettivi di assumere modalità
diverse, così come avviene nella realtà.
Es. sul guadagno
PAESE A
sig. rossi 5,00 €
sig. verdi 495,00 €
μ = 250,00 €

PAESE B
sig belli 245,00 €
sig carli 255,00 €
μ = 250,00 €

la media è la stessa, ma nel paese A c’è un alto tasso di variabilità

Requisiti di un indice di variabilità

- Assume valore 0 in caso di uguaglianza dei termini;
- Il valore dell’indice cresce all'aumentare della variabilità (e quindi all’aumentare
della differenza tra i termini di una distribuzione).
Tipologie
Ci sono tre tipologie di indici di variabilità:
1. Basati sulla differenza
Quelli che si basano sulla differenza tra due valori posizionati in maniera
significativa: il campo di variazione e la differenza interquartilica.

a. Il campo di variazione
Rappresenta la differenza tra il valore più grande e il valore più piccolo di una
distribuzione.
𝑊 = 𝑥2 − 𝑥!
nel caso di una serie

Es. A) 495 - 5 = 490

17
 B) 255 - 245 = 10
anche se la media è 250, nella prima serie la variazione è maggiore.

b. Differenza interquartilica
Intervallo in cui è compreso il 50% delle osservazioni, lasciando al difuori (ai
due estremi) il restante 50%.
𝐷: = 𝑄# − 𝑄!
prima di farla, ci serve calcolare il primo e il terzo
quartile per definire la differenza

2. Basati sugli scarti

Quelli basati sugli scarti (differenze) dei singoli valori da una loro media.

Innanzitutto, parliamo del concetto di dispersione (e di addensamento - che sarebbe

il suo opposto).
Possiamo parlare di addensamento quando l'indice assume valori più piccoli
perché tutti i casi sono distribuiti intorno ad un valore medio.
Es.
170 - 130 = 40 medio = 150
155 - 149 = 6 medio = 150
addensamento dei valori attorno a 150
Attraverso la dispersione misuriamo di quanto le quantità rilevate differiscono in
media da una grandezza - la media aritmetica - che abbiamo scelto per rappresentare
una distribuzione.
Per calcolare la dispersione abbiamo bisogno di ricorrere alla media degli scarti.
𝑒% = 𝑥% − 𝜇
Se utilizzassimo gli scarti non in valore assoluto (ossia con i segni), il valore sarebbe
pari a zero, perché, per la prima proprietà della media aritmetica dice che la somma
degli scarti è uguale a 0.
3. Basati sulla differenza di termini
Disuguaglianza.

18
SCARTO
A) Scarto semplice medio
Nel caso di una serie:
∑&
%'B |𝑥% − 𝜇|
𝛿=
𝑁

Nel caso di una distribuzione:

∑$%'B |𝑥% − 𝜇| ∙ 𝑛%
𝛿=
𝑁

B) Scarto quadratico medio

Nel caso di una serie:
∑&
%'B (𝑥% − 𝜇)
"
𝜎=B
𝑁
Nel caso di una distribuzione:

∑$%'B(𝑥% − 𝜇)" ∙ 𝑛%
𝜎=B
𝑁
A differenza del precedente, utilizziamo gli scarti al quadrato. Per cui possiamo
misurare queste differenze che, altrimenti, si annullerebbero - come dice la prima
proprietà della media aritmetica.

C) Varianza
La varianza è sempre una misura della dispersione, e sarebbe lo scarto quadratico
medio al quadrato. Formula identica a quella precedenza con la differenza che:

Nel caso di una serie:

"
∑&
%'B (𝑥% − 𝜇)
"
𝜎 =
𝑁
Nel caso di una distribuzione:
∑$%'B(𝑥% − 𝜇)" ∙ 𝑛%
𝜎" =
𝑁
Il limite della varianza è che è espresso al quadrato dell’unità di misura delle
osservazioni.

19
D) Devianza
La devianza è il numeratore della varianza.
Nel caso di una serie:

𝐷𝑒𝑣 (𝑥 ) = 9(𝑥% − 𝜇)"

Nel caso di una distribuzione:

𝐷𝑒𝑣(𝑥) = 9(𝑥% − 𝜇)" 𝑐𝑛%

P.S. Il limite della sommatoria, che nella serie è N, nella distribuzione è S ma è solo simbolica.

Esercizi…
Mentre μ è uguale per tutti, si vede già dalla formula (xi) che le x vengono considerate tutte.
Calcoliamo le parti restanti della formula

xi ni v.c. (xi) n i∙ x i |xi-μ| |xi-μ|∙ni

Classi
0-4 10 2 20 |2-11,5|=9,5 9,5∙10=95
4-8 8 4 48 5,5 44
8-16 6 12 72 0,5 3
16-30 2 23 46 11,5 23
30-50 4 40 160 28,5 114
N=30 346 279

Iniziamo con lo scarto semplice medio

∑'!%- |1! DE|∙2!
𝛿= = 9,3
&
∑&
%'! 𝑥% ∙ 𝑛% 346
𝜇= = = 11,5
𝑁 30

20
Adesso proviamo con lo scarto quadratico medio.

∑'!%-(1! DE)+ ∙2!

𝜎=U &

ni v.c. (xi) n i∙ x i |xi-μ| (xi-μ)2 (xi-μ)2∙ ni

10 2 20 |2-11,5|=9,5 90,2 90,2∙ ni=902

8 4 48 5,5 30,2 241,6
6 12 72 0,5 0,2 1,2
2 23 46 11,5 132,2 264,4
4 40 160 28,5 812,2 3248,8
N=30 346 4658

*-/(
𝜎=U #,
= 12,5

21
LEZIONE 10/10/2024

LA SCOMPOSIZIONE DELLA DEVIANZA

Per scomposizione della devianza è quella particolare caratteristica della stessa devianza
riscontrabile in distribuzioni suddivise in sottogruppi. Quando abbiamo più sottogruppi
la devianza totale è composta dà la somma delle devianze interne ai gruppi e la devianza
esterna.

Es. Con 8 studenti che ognuno ha i seguenti voti: 2, 3, 4, 10, 9, 8, 7, 6

49
𝜇= =6
8
𝐷𝑒𝑣 (𝑥 ) = 9(𝑥% − 𝜇)"

xi (xi-μ)2
2 16
3 9 f
4 4
10 16
9 9
8 4 m

7 1
6 0

9 = 59

𝐷𝑒𝑣% = (𝑑𝑒𝑣F + 𝑑𝑒𝑣G )

9
𝜇G = =3
3
40
𝜇F = =8
5
𝐷𝑒𝑣V𝑥G W = (𝑥F − 3)" = 1

22
 xi (xi-μ)2
2 1
3 0
4 1

9=2

𝐷𝑒𝑣 (𝑥F ) = (𝑥F − 8)" = 4

xi (xi-μ)2
10 4
9 1
8 0
7 1
6 4

9 = 10

Sommando le due devianze non otteniamo la devianza totale calcolata in

precedenza. In quanto 10+2=12 e non 59.
La differenza tra le due grandezze è spiegata dalla variabilità tra le medie parziali di ciascun
sottogruppo e la media totale.
Ora calcoliamo la devianza esterna:

𝐷𝑒𝑣< = 9(𝜇% − 𝜇)" ∙ 𝑁H

μf=3
μm=8
μt=6
Nf=3
Nm=5

23
 𝐷𝑒𝑣< = 9(3 − 6)" ∙ 3 + (8 − 6)" ∙ 5 = 47

Ora ci calcoliamo la devianza totale che è la somma della devianza interna e quella esterna:
𝐷𝑒𝑣I = 𝑑𝑒𝑣% + 𝑑𝑒𝑣< = 12 + 47 = 59

INDICI DI DISPERSIONE
Gli indici di dispersione sono lo scarto semplice medio, lo scarto quadratico medio, la
varianza e la devianza.

Indici di dispersione
x1
x2. μ
x3
Indici di uguaglianza
x1-μ
x2-μ
x3-μ

Indici di disuguaglianza
Gli indici di disuguaglianza misurano la distanza tra tutte le modalità dal collettivo.
x1-x1
x1-x2
x1-x3
x2-x1
x2-x2
x2-x3
x3-x1
x3-x2
x3-x3

24
LEZIONE 23/10/2024

LA DISUGUAGLIANZA
La disuguaglianza si basa sulla differenza tra i termini di una distribuzione quindi, si basa
sulla differenza tra ciascun termine della distribuzione e tutti gli altri.
A differenza della dispersione si misura la distanza tra le varie variabilità.
In questa formula sono presenti due sommatorie:
$ $

9 𝑒 9
%'! %'!

Il perché è che ci aiuta a considerare tutte le differenze, comprese le differenze tra tutti
i termini e se stessi.
- Differenza media semplice
∑$%'! ∑$%'! |𝑥% − 𝑥J |
𝛥=
𝑁(𝑛 − 1)
La doppia sommatoria serve per intendere come se ci fosse una seconda
distribuzione ma in realtà è la stessa.
P.S. Sta all’esame

Es.
Differenza media per distribuzioni semplici
xi
18
19
20
21
22

Ora si dovrebbe procedere facendo 18 – 18 + 18 – 19… ma sarebbe molto lungo, quindi si

utilizza il quadrato latino.

Ricordiamo che va portato tutto in valore assoluto.

25
 xi 18 19 20 21 22 Tot.
18 0 1 2 3 4 10
19 1 0 1 2 3 7
20 2 1 0 1 2 6
21 3 2 1 0 1 7
22 4 3 2 1 0 10
40
Notiamo che nella diagonale ci sono gli 0.

Quando siamo in presenza di una serie in cui le modalità hanno frequenza unitaria, il numero del
collettivo statistico (N) coincide con il numero delle modalità.
40 40
𝛥= = =2
5(4) 20
Al denominatore della differenza media c’è perché eliminiamo le differenze nulle.
La differenza media di questa distribuzione è pari a 2, cioè, i termini della distribuzione
differiscono, in media, di due unità.

Es. 2
Differenza media per distribuzioni di frequenza
Dobbiamo usare la formula della differenza media ponderata.
∑$%'! ∑$%'! |𝑥% − 𝑥J |𝑛% ∙ 𝑛J
𝛥=
𝑁(𝑛 − 1)
xi/xh ni/nh

1 4

2 6

3 2

4 5

N=17

Ora dovremmo fare: |1-1|*4*4+|1-2|*4*6… ma utilizziamo sempre il quadrato latino.

26
 xi/xh 1 2 3 4 Tot.
ni/nh 4 6 2 5

1 0 24 16 60 100
4 |1-1|*4*4

2 24 0 12 60 96
6

3 16 12 0 10 38
2

4 60 60 10 0 130
5

364

364 364
𝛥= = = 1,3
17(16) 272

P.S. Se abbiamo N2 nella formula, vuol dire che si considerarono tutte le differenze, anche
quelle nulle.
∑$%'! ∑$%'! |𝑥% − 𝑥J |
𝛥=
𝑁"

LEZIONE 24/10/2024

INDICE DI VARIABILITÀ RELATIVA

Gli indici di variabilità assoluta sono espressi con la stessa unità di misura, se invece
dobbiamo effettuare un confronto, dobbiamo utilizzare gli indici di variabilità relativa,
che appunto permettono di poter fare un confronto o tra due distribuzioni con unità di
misura diverse oppure con la stessa unità di misura, ma con diverse unità medie.

Es. Altezza in una classe di liceo, e una di scuola media; ovviamente l’altezza media è differente
per ciascuna classe.

Gli indici di variabilità relativa si possono ottenere in due modi:

1. Rapportare un qualsiasi induce di variabilità assoluta alla sua media

27
 𝑉L
𝑉K =
𝜇
Es.
𝛿 𝐷<M
𝑉K = 𝑜 𝑉K
𝜇 𝜇
Ha un campo di variazione che va da infinito a meno infinito: ∞−≤ 𝑉K ≤ +∞

Coefficiente di variabilità o variazione:

𝜎
𝐶𝑉 = ∙ 100
𝜇

2. Mettendo al numeratore la variabilità assoluta, mentre al denominatore il massimo

valore che la variabilità assoluta può raggiungere.

𝑉L
𝑉K =
𝑀𝑎𝑥𝑉L

È compreso tra 0 ≤ 𝑉K ≤ 1
Quando abbiamo 0 la variabilità è nulla, in quanto tutti i termini della distribuzione
sono uguali.
Quando abbiamo 1 c’è la variabilità massima, ovvero abbiamo una grande differenza
tra i vari termini della distribuzione.

Concentrazione
All’interno della variabilità relativa assume molta importanza lo studio della
concentrazione, attraverso la quale studiamo la distribuzione di un carattere tra le N unità
osservate (ossia il collettivo statistico).
La condizione per misurare la concentrazione è che i caratteri siano trasferibili.
Cosa sono i caratteri trasferibili?
Sono quelli che possono essere trasferiti da una persona ad un’altra (es. credito, oggetti,
azioni bancarie. NO peso e altezza…)

- Abbiamo l’equidistribuzione quando ogni unità statistica possiede la stessa

quantità. Variabilità=0.
- Abbiamo la massima concentrazione quando tutto il carattere è concentrato
in una sola persona. Variabilità=1.

28
- Abbiamo la concentrazione intermedia quando non c’è né una massima
concentrazione né una equidistribuzione.

Es. Equidistribuzione
xi ni
reddito persone
250 A

250 B

250 C

250 D

1000 N=4

Es. Massima concentrazione

xi ni
reddito persone
0 A

0 B

0 C

1000 D

1000 N=4

29
Es. Concentrazione intermedia
xi ni
reddito persone
100 A

200 B

300 C

400 D

1000 N=4

La concentrazione si misura attraverso il rapporto di concentrazione:

∑&D!
%'B (𝑝% − 𝑞% )
𝑅=
∑&D!
%'! 𝑝%

In questo caso prendiamo in considerazione i limiti della sommatoria perché chiede la

somma di tutti i termini fino al penultimo (N-1).
Il campo di variazione di R: 0 ≤ 𝑉K ≤ 1

Le pi sono le frazioni cumulate delle N unità osservate, ossia le frazioni dei redditieri.
%
𝑝% = & Per una serie
&!
𝑝% = Per una distribuzione
&

Le qi sono le frazioni cumulate del carattere posseduto delle rispettive frazioni di unità
osservate (pi). ossia le frazioni dei rispettivi redditi.
L
𝑞% = L ! dove Ai sono:
$

- In una distribuzione, le cumulate della ai, che sarebbero date dal prodotto tra
x i e n i;
- In una serie, le cumulate della xi.

30
Es. serie. Caso equidistribuzione
xi ni
reddito persone
250 (x1) A (n1)

250 (x2) B (n2)

250 (x3) C (n3)

250 (x4) D (n4)

1000 N=4

Guardando la tabella possiamo già dire che il risultato sarà 0.

% L
Dobbiamo calcolare le pi che, nel caso della serie, sono: 𝑝% = & e le qi: 𝑞% = L !
$
xi ni 𝒊
𝒑𝒊 =
reddito persone 𝑵
250 (x1) A (n1) p1=1/4=0,25

250 (x2) B (n2) p2=2/4=0,5

250 (x3) C (n3) p3=3/4=0,75

250 (x4) D (n4) p4=1

1000 N=4

Quando abbiamo la i significa ce abbiamo un valore generico. N è solo 1, mentre le i sono tante.
xi ni 𝒊 Ai
𝒑𝒊 =
reddito persone 𝑵
Frazione dei
redditieri
250 (x1) A (n1) 0,25 250

250 (x2) B (n2) 0,5 500

250 (x3) C (n3) 0,75 750

250 (x4) D (n4) 1 1000 (=AN)

1000 N=4 n-1=1,5

31
 ∑$/"
!%- (N! D:! )
𝑅=
!,/
xi ni 𝒊 Ai qi=Ai/An
𝒑𝒊 =
reddito persone 𝑵 frazione dei
Frazione dei
redditieri redditi
250 (x1) A (n1) 0,25 250 250/1000=0,25

250 (x2) B (n2) 0,5 500 500/1000=0,5

250 (x3) C (n3) 0,75 750 750/1000=0,75

250 (x4) D (n4) 1 1000 1000/1000=1

1000 N=4 n-1=1,5

xi ni 𝒊 Ai qi=Ai/An p i- q i
𝒑𝒊 =
reddito persone 𝑵 frazione dei
Frazione dei
redditieri redditi
250 (x1) A (n1) 0,25 250 0,25 0,25-0,25=0

250 (x2) B (n2) 0,5 500 0,5 0

250 (x3) C (n3) 0,75 750 0,75 0

250 (x4) D (n4) 1 1000 1 0

1000 N=4 n-1=1,5 0

,
𝑅 = !,/

Di regola dovremmo fare il grafico.

32
Retta di equidistribuzione
Es. serie. Caso di massima concentrazione

xi ni 𝒊
𝒑𝒊 =
reddito persone 𝑵
0 (x1) A (n1) p1=1/4=0,25

0 (x2) B (n2) p2=2/4=0,5

0 (x3) C (n3) p3=3/4=0,75

1000 (x4) D (n4) p4=1

1000 N=4

xi ni 𝒊 Ai qi=Ai/An p i- q i
𝒑𝒊 =
reddito persone 𝑵 frazione dei
Frazione dei
redditieri redditi
0 (x1) A (n1) 0,25 0 0 0,25-0=0,25

0 (x2) B (n2) 0,5 0 0 0,5

0 (x3) C (n3) 0,75 0 0 0,75

1000 (x4) D (n4) 1 1000 1 0

1000 N=4 n-1=1,5 1,5

!,/
𝑅 = !,/ = 1

Nell’area di massima concentrazione che si ottiene dalle coppie di valori di qi e pi si confonde con i
lati del quadrato.
33
LEZIONE 30/10/2024
Concentrazione intermedia

xi ni pi=i/N Ai qi=Ai/AN pi-qi

reddito persone
100 A 0,25 100 100/1000=0,10 0,25-0,10=0,15

200 B 0,50 300 0,30 0,20

300 C 0,75 600 0,60 0,15

400 D [1] 1000 [1]

1000 N=4 1,5

9 = 0,50

∑&D!
%'B (𝑝% − 𝑞% ) 0,50
𝑅= &D! = = 0,33
∑%'! 𝑝% 1,5

Man mano che le pi… aumenta il rapporto di concentrazione e quindi si va verso la

massima di concentrazione.

Area di concentrazione
La concentrazione può essere anche misurata attraverso il calcolo dell’area di
concentrazione.

34
LEZIONE 13/11/2024
Curve di frequenza iniziate l’altra volta
Curva normale o degli errori accidentali
La curva normale è stata elaborata da Gauss il quale aveva notato che effettuando una
misurazione di un certo fenomeno, ripetuta più volte nel tempo, dà origine a risultati
differenti pur in presenza delle stesse condizioni e degli stessi strumenti. Questo lo postò
a pensare che ci fossero delle perturbazioni nella misurazione assimilabili a degli errori
accidentali; quindi, individuò una funzione matematica parametrizzata in funzione delle
grandezze che consentono di individuare univocamente una distribuzione 8numero delle
osservazioni, valore medio e scarto)
L’equazione della curva normale è determinata da 3 parametri:
N = area sotto curva;
μ = ascissa di massimo, media;
σ = distanza in valore assoluto di ciascun punto di flesso dal punto di massimo, scarto
quadratico medio.

𝑁 (1DE)+
D
𝑦= 𝑒 "O+
𝜎√2𝜋

Curva normale standardizzata

In questa curva utilizziamo le frequenze relative (N=1) e si sostituisce all’unità di misura
della distribuzione una misura “standard”, ottenuta con l’impiego degli scarti
standardizzati.

𝑥% − 𝜇
𝑧% =
𝜎

Es. Rossi ottiene 28 all’esame di politica economica

μ=25, sqm=4
Bianchi ottiene 23 all’esame di Sociologia
μ=18, sqm=5

35
 "(D"/
𝑧! = = 0,75 scarti standardizzati rispetto al valore medio
*

"#D!(
𝑧" = =1 scarto standardizzato rispetto al valore medio
/

La distanza di bianchi rispetto a Rossi è maggiore rispetto al valore medio.

0 +
! D
𝑦= 𝑒 + +∞<curva<-∞
√"Q

La curva normale +∞<curva<-∞ ed è simmetrica rispetto all’asse che passa per la media
aritmetica e nello stesso punto raggiunge il suo punto di massimo. Inoltre, presenta dei
punti di flesso in cui la curva diventa concava e sono μ-σ e μ+σ.
Quando varia N, varia l’area compresa sotto la curva; quindi, cambiano in maniera
proporzionale le ordinate della curva normale, mentre quando varia μ varia l’asse di
simmetria; quindi, la curva subisce una traslazione sull’asse delle ascisse. Quando varia σ,
varia la distanza tra l’asse di simmetria e i punti di flesso della curva di frequenza.

36