Lez. 3 - Gli Indici di VARIABILITA’

Presentazione sul tema: "Lez. 3 - Gli Indici di VARIABILITA’"— Transcript della presentazione:

1 Lez. 3 - Gli Indici di VARIABILITA’
Elementi di Statistica descrittiva Lez Gli Indici di VARIABILITA’ - Campo di variazione Scarto dalla media Varianza Scarto quadratico medio Coefficiente di variazione

2 Indici di Variabilità I valori medi sono indici importanti per la descrizione sintetica di un fenomeno statistico Hanno però il limite di non darci alcuna informazione sulla distribuzione dei dati

3 In tutte e tre le prove la media è 6,25
Esempio In tre differenti prove di matematica 4 studenti hanno riportato le seguenti valutazioni In tutte e tre le prove la media è 6,25 ma i dati sono chiaramente distribuiti in modo diverso

4 Diagramma di distribuzione delle tre prove

5 nel caso della 1a prova e 2a prova sarà opportuno fare un recupero per alcuni studenti
nel caso della 3a prova l’insegnante può ritenere che gli obiettivi siano stati raggiunti dalla classe, anche se ad un livello solo sufficiente

6 In statistica è possibile valutare in modo sintetico la distribuzione dei dati mediante gli indici di variabilità (o dispersione) Vedremo i seguenti indici Campo di variazione (Range) Scarto medio dalla media Varianza e scarto quadratico medio Coefficiente di variazione

7 Campo variazione = x max – x min
Campo di variazione E’ il più semplice degli indici di variazione: Si calcola facendo la differenza tra il dato più grande e il dato più piccolo Campo variazione = x max – x min Rappresenta l’ampiezza dell’intervallo dei dati

8 Xmax = 9; Xmin = 3 Range = 9 – 3 = 6 Esempio
Consideriamo le valutazioni della prima prova Xmax = 9; Xmin = 3 Range = 9 – 3 = 6

9 Calcoliamo il Range per tutte le tre prove
Range 1a prova = 6  dati più dispersi, risultati più eterogenei Range 3a prova =  dati più concentrati, risultati più omogenei Range 2a prova = Range 1a prova = 6 Stessa Distribuzione?

10 Vediamo graficamente

11 ma distribuzione 1a prova  Distribuzione 2a prova
Osservazioni: 1. Il campo di variazione dà informazioni sulla distribuzione dei dati: più R è piccolo più i dati sono concentrati; più R è grande più i dati sono dispersi. 2. R è espresso nella stessa unità di misura dei dati 3. Tuttavia R tiene conto solo dei dati estremi della distribuzione e non di tutti i dati, pertanto distribuzioni diverse ma con gli stessi valori estremi hanno range uguali Es Range 1aprova = Range 2a prova. ma distribuzione 1a prova  Distribuzione 2a prova

12 Scarto medio dalla media aritmetica
Un altro modo per calcolare la variabilità dei dati (tenendo conto di tutti i dati) consiste nel calcolare la distanza di tutti i dati dalla media e fare la media aritmetica di tali distanze Scarto medio = Distanza media dei dati dalla media

13 Consideriamo le valutazioni della prima prova
Esempio Consideriamo le valutazioni della prima prova x1 =  3 – 6,25  = 3,25; x2 =  5 – 6,25  = 1,25; x3 =  8 – 6,25  = 1,75; x4 =  9 – 6,25  = 2,75; Sm = 3,25 + 1,25 + 1,75 + 2,75 = 2,25 4

14 Calcoliamo lo Scarto medio per tutte le tre prove
Scarto 1a prova = 2,25  dati più dispersi, risultati più eterogenei Scarto 3a prova = 0,38  dati più concentrati, risultati più omogenei Scarto 2a pr.  Scarto 1a pr. “Le Distribuzioni Differiscono”

15 Diagramma degli scarti dalla media

16 Osservazioni: 1. Lo scarto medio dalla media dà informazioni sulla distribuzione dei dati: più SM è piccolo più i dati sono concentrati; più SM è grande più i dati sono dispersi. 2. SM è espresso nella stessa unità di misura dei dati 3. Non ha l'inconveniente del “Campo di variazione” in quanto SM tiene conto di tutti i dati della distribuzione

17 Varianza e Scarto quadratico medio
Sono gli indici di variabilità più utilizzati, e tengono conto della distribuzione di tutti i dati. Varianza Rappresenta la media aritmetica dei quadrati delle distanze dei dati dalla media M

18

19 Consideriamo le valutazioni della prima prova
Esempio - Varianza Consideriamo le valutazioni della prima prova (x1)2 = (3 – 6,25 )2 = 10,5625; (x2)2 = (5 – 6,25 )2 = 1,5625; (x3)2 = (8 – 6,25 )2 = 3,0625; (x4)2 = (9 – 6,25 )2 = 7,5625; 2 = 10,5625+1,5625+3,0625+7, = 5,6875 4

20 Calcoliamo la Varianza per tutte le tre prove
Varianza 1aprova = 5,69  dati più dispersi, risultati più eterogenei Varianza 3a prova = 0,19  dati più concentrati, risultati più omogenei Varianza 2a pr.  Varianza 1a pr “Le Distribuzioni Differiscono”

21 Scarto quadratico medio o Deviazione standard
È uguale alla radice quadrata della varianza

22 Esempio - Scarto quadratico medio
Riprendiamo le valutazioni della prima prova

23 Calcoliamo lo Scarto quadratico medio per tutte le prove
Scarto q. 1aprova = 2,38  dati più dispersi, risultati più eterogenei Scarto q. 3aprova = 0,43  dati più concentrati, risultati più omogenei Scarto q. 2a pr.  Scarto q. 1a pr “Le Distribuzioni Differiscono”

24 Osservazioni: 1. La varianza 2 e lo scarto quadratico medio  danno informazioni sulla distribuzione dei dati: più 2 e  sono piccoli più i dati sono concentrati; più 2 e  sono grandi più i dati sono dispersi. 2. Entrambi gli indici tengono conto di tutti i dati della distribuzione

25 3. Entrambi si basano sulla proprietà della media per cui la somma dei quadrati degli scarti dalla media è minima 4. La varianza è espressa mediante il quadrato dell’unità di misura dei dati 5. Lo scarto quadratico nella stessa unità di misura dei dati e pertanto viene preferito alla varianza

26 Il coefficiente di variazione CV
Il CV è una misura relativa di dispersione (le precedenti sono misure assolute) ed è una grandezza adimensionale. E’ particolarmente utile quando si devono confrontare le distribuzioni di due gruppi con medie molto diverse o con dati espressi in scale differenti (es. confronto tra variazione del peso e variazione dell’altezza).

27 In natura il coeff. di variazione tende a rimanere costante per ogni fenomeno: i valori normalmente variano dal 5% al 15% Se i valori di CV sono esterni a quelli indicati o si è in presenza di errori di rilevazione, oppure il fenomeno presenta aspetti particolari. se CV è molto basso (2 – 3 %) bisogna sospettare l’esistenza di fattori limitanti la variabilità, se CV è molto alto (intorno al 40% o più) è molto probabile l’esistenza di fattori che aumentano la variabilità

28 Calcoliamo il Coeff. di variazione delle tre prove
CV 1a prova = 38,16%  dati più dispersi, risultati più eterogenei CV 3a prova = 6,93%  dati più concentrati, risultati più omogenei CV 2a pr.  CV 1a pr  “Le Distribuzioni Differiscono”

29 Le misure di Forma Noi esamineremo: l’asimmetria la curtosi
Sono indici sintetici utilizzati per evidenziare particolarità nella forma della distribuzione. Noi esamineremo: l’asimmetria la curtosi

30 Asimmetria Una distribuzione è simmetrica quando la sua curva di frequenza presenta un asse di simmetria In una distribuzione simmetrica media, mediana e moda sono coincidenti. media = mediana = moda In una distribuzione asimmetrica media, mediana e moda non sono più coincidenti e proprio la differenza (distanza) tra la media e la moda può essere considerata una misura della asimmetria

31 Sono state proposte diverse misure dell’ asimmetria, per esempio le più semplici sono:
Dette rispettivamente: primo e secondo coeff. di asimmetria di Pearson Un altro coeff di asimmetria è il Coeff. di asimmetria (di Fisher) = scarto quadratico medio Se a = 0 distribuzione simmetrica Se a > asimmetria destra Se a < asimmetria sinistra

32 Asimmetria positiva (as. Destra)
La distribuzione è asimmetrica quando non presenta nessun asse di simmetria. Si ha un’asimmetria positiva o destra quando il ramo destro della curva è più lungo di quello sinistro media=63,65 moda = 48 mediana =58 In questo caso si ha: moda < mediana < media

33 Asimmetria negativa (as. Sinistra)
Si ha un’asimmetria negativa o sinistra quando il ramo sinistro della curva è più lungo di quello destro media = 85,24 moda = 100 mediana = 90 In questo caso si ha: media < mediana < moda

34 Curtosi Se una distribuzione è simmetrica o quasi simmetrica allora può esser più o meno appuntita o più o meno appiattita rispetto alla distribuzione normale (o di Gauss) Se la curva è più appuntita si dice curva Leptocurtica più appiattita si dice curva Platicurtica Coeff. di curtosi di Pearson  = scarto quadratico medio 0  K < + inf Se K = 3 distribuzione normale se K > 3 curva leptocurtica Se K < 3 curva platicurtica.

35 Curtosi leptocurtosi K = 8,57 platicurtosi K = 2,8 curva normale K = 3

36 Curtosi Spesso il coeff. di curtosi viene indicato con b2 che, come visto, nel caso della distribuzione normale è = 3 pertanto, talvolta, la curtosi viene indicata con (b2 – 3) Allora: se la distribuzione è normale (b2 – 3 ) = 0 se la distribuzione è leptocurtica (b2 – 3 ) > 0 se la distribuzione è platicurtica (b2 – 3 ) < 0

37 Esercizio 5 Il numero dei visitatori di un museo nei diversi giorni delle 4 settimane di ottobre sono stati i seguenti: 1^ sett.: 12, 15, 14, 10, 15, 13, 20 2^ sett.: 3, 23, 5, 6, 31, 13, 7 3^ sett.: 10, 12, 10, 11, 12, 15, 11 4^ sett.: 5, 7, 8, 4, 21, 33, 40 Inserisci i dati in una tabella e crea un grafico significativo. Poi calcola, per ogni settimana, la media, il campo di variazione, lo scarto semplice medio e la deviazione standard. Scrivi poi le tue osservazioni/conclusioni.

38 Fine Lezione