ST1-3-variabilità e Forma

LA STATISTICA (Trilussa)
Sai ched la statistica? E na cosa che serve pe fa un conto in generale de la gente che nasce, che sta male, che more, che va in carcere e che sposa Ma pe me la statistica curiosa dove centra la percentuale, pe via che l la media sempre eguale puro co la persona bisognosa. Me spiego: da li conti che se fanno seconno le statistiche dadesso risurta che te tocca un pollo allanno: E se nun entra ne le spese tue
VARIABILIT
Statistica I a.a. 2009/2010 Prof.ssa R. Paroli

Statistica I-a.a.2009/2010 - Prof. R. Paroli
tentra ne la statistica lo stesso perch ce un antro che ne magnia due!!!

165
VARIABILITA
Gli indici di posizione sono indici sintetici che sostituiscono alle diverse modalit del carattere ununica modalit che possa ritenersi rappresentativa di tutte le altre . Due distribuzioni Da solo lindice di posizione - appare tuttavia insufficiente - sintesi perdita di informazioni
Attitudine del carattere ad assumere modalit modalit differenti
con la stessa media non detto che presentino un medesimo comportamento
- caratteri qualitativi mutabilit

- caratteri quantitativi variabilit o
- interessano anche indicatori della diversit (molteplicit) dei valori di un carattere
dispersione
POSIZIONE + VARIABILIT
167
168
VARIABILIT PER CARATTERI QUALITATIVI

Per capire: Indici di mutabilit o eterogeneit
X ={x1,,x6} Y ={y1,,y6}

esempio: colore dei capelli di 3 gruppi (distribuzioni %) Colore nero castano biondo altro
G1 0.10 0.25 0.60 0.05 1 G2 0.30 0.30 0.30 0.10 1 G3 0.70 0.20 0.05 0.05 1
pi variabile (disperso) X oppure Y ??
in quale gruppo c pi mutabilit?

169
170
INDICE DI ETEROGENEIT DI GINI Basato sulle frequenze relative della distribuzione di frequenza:
k k
esempio: colore dei capelli di 3 gruppi Colore nero castano biondo altro
G1 0.10 0.25 0.60 0.05 1 G2 0.30 0.30 0.30 0.10 1 G3 0.70 0.20 0.05 0.05 1
E=
i=1
fi(1 fi) = 1 fi2

i=1
E = 1 (0.12 + 0.252 + 0.62+ 0.052) = 1 (0.435) = 0.565
(usato per lo studio della concentrazione industriale o di mercato)
E = 1 (0.32 + 0.32 + 0.32+ 0.102) = 1 (0.28) = 0.72 E = 1 (0.72 + 0.22 + 0.052+ 0.052) = 1 (0.535) = 0.465
171
172
situazioni estreme min mutabilit mutabilit: fi = 1, fj = 0 (ji)

esiste una sola modalit cui corrisponde tutta la frequenza, tutte le altre hanno freq. nulla
xi x1 xi xk
xi x1 xi xk
fi 0 1 0 1
fi 1/k 1/k 1/k 1
Per lindice di eterogeneit si dimostra che: nella situazione minima

Emin = 1 (f12 + + fk2) = 1 (1) = 0
max mutabilit mutabilit: f1 = = fk = 1/k

tutte le modalit hanno la stessa frequenza
nella situazione massima

Emax = 1 (1/k)2 = 1 k(1/k)2= 1 1/k
173
174
apriamo una parentesi .. (

Per rendere confrontabili tra di loro alcuni aspetti come la mutabilit (o variabilit) di caratteri diversi (pensate, ad esempio, al carattere colore degli occhi e colore dei capelli) necessario avere a disposizione indici particolari, che prendono il nome di INDICI NORMALIZZATI Si tratta di indici che consentono di fare confronti tra caratteri diversi o stessi caratteri ma misurati con unit di misura diverse (variabilit di un titolo azionario in Euro e uno in Dollaro).
Indici normalizzati Da utilizzare per fare confronti tra variabili con unit di misura differenti
se Imin I Imax I Imin Imax Imin
IN = per il quale
0 IN 1 in genere Imin = 0 IN =
175
per cui I Imax
chiusa la parentesi ) 176
Indice di GINI NORMALIZZATO

esempio: colore dei capelli di 3 gruppi
Per lindice di eterogeneit si ha che:

E 1 fi2 1 1/k
EN =
Emax
Colore nero castano biondo altro
G1 0.10 0.25 0.60 0.05 1
G2 0.30 0.30 0.30 0.10 1
G3 0.70 0.20 0.05 0.05 1
E = 1 (0.12 + 0.252 + 0.62+ 0.052) = 1 (0.435) = 0.565
0 EN 1 minima mutabilit
Emax = 1 1/4 = 0.75

da cui lindice normalizzato e:
massima mutabilit
177
EN = 0.565/0.75 = 0.753
alta variabilit
178
VARIABILIT PER CARATTERI QUANTITATIVI

per gli altri gruppi si ha: G2:
E = 1 (0.32 + 0.32 + 0.32+ 0.12) = 0.72 Emax = 1 1/4 = 0.75
EN = 0.72/0.75 = 0.96
La definizione di variabilit nel caso di caratteri quantitativi pu essere applicata alle modalit in modo analitico. Si posso cio calcolare tutte le differenze o distanze tra le varie modalit, su cui poi basare un indice che ne dia una misura sintetica. Esistono due impostazioni basate sul differente modo del calcolo di tali distanze: - le distanze di ogni modalit da tutte le altre - le distanze di ogni modalit da una particolare, scelta ad hoc
179
G3:
E = 1 (0.72 + 0.22 + 0.052+ 0.052) = 0.465 Emax = 1 1/4 = 0.75
EN = 0.465/0.75 = 0.62
Conclusioni: Conclusioni poich EN(G2)>EN(G1)>EN(G3) G2 presenta maggior mutabilit

180
x1
x2
x1
x2
due modi di misurare la variabilit - variabilit variabilit globale VG(X) - dispersione da centro D(X)
x3 x4 x3 x4
Distanze di ogni modalit da tutte le altre Indicatori globali

Distanze di ogni modalit da una particolare o rappresentativa di X Indicatori di dispersione

181
INDICI DI VARIABILIT VARIABILIT funzioni (medie potenziate!!!) delle distanze scelte
182
PROPRIETA GENERALI
VG(X) =VARIABILIT GLOBALE 1) non negativit VG(X) 0 D(X)=DISPERSIONE D(X) 0 D(X) = 0 se xi=cost
INDICI DI DISPERSIONE
Scostamenti medi assoluti di ordine r da un centro
1 Dr(c) = n
2) VG(X) = 0 se xi = xj 3) invarianza per traslazioni VG(X + b) = VG(X)
i=1
= |xi c|r ni |vi c|r n

i=1
1/r
1 k
1/r
D(X + b) = D(X)
4) monotonicit rispetto alle differenze elementari
c = centro =
percentile xp mediana media aritmetica

184
183
VARIANZA
r = 1 (dalla mediana) 1 D1(Me) = n
Il quadrato dello scarto quadratico medio definisce la VARIANZA
i=1
|xi Me| ni
r = 2 (dalla media)
1 D2() = n
i=1
(xi )2 ni
1/2
D2()2 = 2= Var(X) = 2(X) = 1 k 2 = (xi )2 ni = M (X - ) n i=1

media degli scarti dalla media al quadrato
185
chiamato anche scarto quadratico medio ()

186
esempio:
xi 2 4 6 8 10 ni 3 10 20 6 5 44 x i*n i 6 40 120 48 50 264 (x i- ) -4 -2 0 2 4 (x i- ) *n i 48 40 0 24 80 192
2
Passaggi per il calcolo della varianza con la formula di definizione
Formula operativa:
2= M(X2) - 2 = n xi2ni - 2
i=1
1 k
264 = =6 44 2= k 1 (x )2 n =192 =4.363636 i i n 44 i=1
Dim.
media dei quadrati
quadrato della media
2 2 2 2 = M (X - ) = M(X 2X + ) = = M(X2) 2 M(X) + 2 = M(X2) 22 + 2=
= M(X2) 2
N.B. Var(X) 0 !!!!

187
188
OPERATORE VARIANZA
esempio:
Passaggi per il calcolo della varianza con la formula operativa
xi 2 4 6 8 10
ni 3 10 20 6 5 44
xi ni 6 40 120 48 50 264
x i2 n i 12 160 720 384 500 1776
associa ad ogni variabile la sua VARIANZA propriet 1. Var(a) = 0 (varianza di una costante)
264 =6 44 1776 - 62= 4.363636 44
2. Var(aX) = a2 Var(X) 3. Var(aX + b) = a2 Var(X) (non linearit)
2= M(X2)- 2 =
4. Var(X+Y) = Var(X) + Var(Y) + termine 0

Dimostratele utilizzando loperatore media e le sue propriet
Il calcolo pi veloce
189
190
Ipotesi per il teorema della scomposizione della varianza

Passaggi principali delle dimostrazioni:
I dati elementari sono classificati in h sottogruppi. Per ciascuno dei sottogruppi si conosce la numerosit, la media e la varianza
1. Var(a)= M[(a-M(a))2] = M[(a-a)2]=0 2. Var(aX)=M[(aX-M(aX))2]= M[(a(X-M(X)))2]== =a2 Var(X) 3. Var(aX+b)= M[((aX+b)-M(aX+b))2]= =M[(aX+b-aM(X)-b)2]= = =M[(a(X-M(X)))2]= a2 Var(X) 4. Var(X+Y) = M[((X+Y)-M(X+Y))2]=
1 n1 1
2 1
2 n2 2
2 2

ni
h nh h h
2
- media gruppo i-esimo - varianza gruppo i-esimo
i =
2 i
j=1 ni
xij / ni
j=1
(xij i)2/ ni
192
191
Teorema della scomposizione della varianza (I versione)

La varianza totale 2 ottenibile come la somma della varianza entro i gruppi (varianza WITHIN=W ) e della varianza tra i gruppi (varianza BETWEEN=B) dove:
2 2
SCRIVIAMO PER ESTESO LA VARIANZA WITHIN E BETWEEN:
2 - W = varianza within (entro i gruppi) =
media delle varianze dei gruppi = M(i )

2 1 h 2 n W = n i i i=1 2 - B= varianza between (tra i gruppi) =
2i 21 2h
ni n1 nh n
W = M(i )
B = V(i)
2 2
varianza delle medie dei gruppi = V(i)

2 1 h ( )2 ni B= n i i=1
TESI:
2 = W + B
193
i 1 h
ni n1 nh n
194
DIMOSTRAZIONE
2 = Y n 1 h ni 1
consideriamo separatamente i 3 addendi: I addendo h ni 1 = n
varianza totale =
k=1
xk 2 n
2
i=1 j=1
xij n=
Aggiungo e tolgo le medie di gruppo
i=1 j=1 h ni i=1 j=1
ni
Moltiplico e divido per ni

2

xij i + i -
1 = n
2
[(xij i) + ( i - )] n = (faccio il quadrato)

ni
(xij i) + ( i - ) + 2(xij i)( i - ) n =
i=1 j=1
(xij i)
h n ni h n 2 2 1 i i = n (xij i) ni = i n i=1 j=1 i=1 = media delle var di gruppo = 2 W
i=1 j=1 =
II addendo
fattore che non dipende da j
ni
i=1 j=1
ni
(xij i)
h ni
h ni 1 2 1 ( - ) + + i n n i=1 j=1 1
h 1 ni h 2 1 2 2 ni ( i - ) n = n ( i - ) 1 = ( i - ) n = i=1 j=1 i=1 j=1 i=1
ni
+2
i=1 j=1
(xij i)( i - ) n =
195
= varianza delle medie di gruppo =
2 B
196
III addendo 2
Moltiplico e divido per ni

1
i=1 j=1 =2
ni
(xij i)( i - ) n =
Nel caso in cui non si conoscano i valori assunti da un carattere su tutte le unit statistiche, ma di ogni sottogruppo i in cui suddivisa la popolazione siano noti: - numerosit (ni) - media (i) - varianza (2i) possibile ricavare la media generale (tramite lapplicazione della propriet associativa) e la varianza (tramite il teorema di scomposizione della varianza).
197
h ni ni 1 ( i - ) n (xij i) ni = j=1 i=1
= 0 per la I propriet della media

=2
i ( i - ) (0) = 0 i n
2 2 2= W + B
cvd
198
Esempio
La tabella riporta media e scarto quadratico medio del voto di maturit degli studenti iscritti a 4 Facolt:
Lettere Economia Sc. Politiche Chimica media 88 82 86 85 s.q.m. 6.16 7.38 8.6 4.25
i 88 82 86 85
ni 60 125 75 40 300
Distribuzione delle medie dei gruppi
2 i*ni (i-) *ni 5280 693.60 10250 845.00 6450 147.00 3400 6.40 25380 1692.00
2 i *ni 464640 840500 554700 289000 2148840
Calcolo la varianza between = var. medie dei gruppi = 25380/300 = 84.60 2B=1692/300= (oppure, con la formula operativa) = = 2148840/300 (84.60)2 = 5.64
199
Sapendo che 60 studenti sono di Lettere, 125 di Economia, 75 di Scienze Politiche e 40 di Chimica, calcolare il voto medio di maturit e la varianza complessiva degli studenti di tutto lateneo.
200
MINIMA VARIABILITA
i 6.16 7.38 8.6 4.25 i 37.9456 54.4644 73.96 18.0625
2
ni 60 125 75 40 300
Distribuzione delle varianze dei gruppi
i *ni 2276.736 6808.05 5547 722.5 15354.29

2
la variabile statistica caratterizzata da una distribuzione degenere (costante): le modalit xi=xj=c ij, con i,j=1,,k.
Calcolo la varianza within = media delle var. dei gruppi
2W=15354.29/300= 51.18
varianza totale = var.B + var.W
Tutti gli indici assumono valore 0

anche la varianza VAR(X) = 0 Si ricordi la II propriet degli indici di variabilit
201
2 = 2B + 2W = 5.64 + 51.18 = 56.82

202
MASSIMA VARIABILITA Intuitivamente:

x2 x3 x4 x1 y2 y3 y4 y1
quindi ... bisogna spostare valori e frequenze verso gli estremi ... (o oltre)
.. y2=x2
y3=x3+ ..
Definizione nella distribuzione di max variabilit le unit statistiche si distribuiscono intorno ai valori estremi delle modalit della variabile in studio
203
con media fissa
la variabilit aumenta se aumentano le distanze tra modalit

204
TABELLA DI MAX VARIABILITA Ipotesi per la determinazione della situazione di massima variabilit - modalit non negative (xi 0)
xi a b ni na nb n oppure xi a b fi fa fb 1
si costruisce una tabella con k=2
- non deve variare la numerosit n - non deve variare la media aritmetica
resta fissato il totale T=ixini = n

205
206
- Scelta di a e b
Gli estremi sono soggetti a dei vincoli 0 a x1
a 0 x1 xk
- Calcolo alcolo di [n [na e nb] Bisogna trovare i valori delle frequenze na e nb nella distribuzione
xi a b ni na nb n
xk b T
b T
cio: -a compreso tra 0 ed il minimo dei dati osservati -b compreso tra il massimo dei dati osservati e T
tali da verificare le 2 seguenti condizioni - media aritmetica (o totale) costante - n costante

207
208
Si tratta di risolvere il seguente sistema per sostituzione

Cio:
xi ni = T= n ni = n

ana + bnb = T= n n a + nb = n

na = n
b b-a a b-a
nb = n - na = n
a(n - nb)+ bnb = n na = n - nb

b b-a
(b - a) nb = n(-a) n a = n - nb
a b-a
209
na = n
nb = n
210
Se si opera con le frequenze relative si ha:

Osservazione
Nel caso delle frequenze assolute a volte il risultato NON intero, si prende quindi
x i fi = fi = 1
a fa + b f b = f a + fb = 1
na = int n
e si ottengono
b b-a
nb = int n
a b-a
fa =
b b-a a b-a
211
diventa per (na + nb) = n - 1
fb = 1 - fa =
212
- occorre definire una terza modalit c con frequenza unitaria (nc= 1) tale che soddisfi al vincolo della media costante, cio xini = a na + c 1 + b nb = n da cui
- la distribuzione di massima variabilit diventa
c = n - a n a b nb
xi a c b
ni na 1 nb n
N.B. c deve essere un valore tra a e b !!!!!!
Un qualunque indice di variabilit calcolato su questa tabella ne rappresenter il massimo

213
214
esempio: costruzione tabella di massima variabilit in [xmin;xmax]

xi 2.5 7.5 12.5 17.5 ni 7 3 5 5 20 xi^2ni 43.75 168.75 781.25 1531.25 2525
n=20 = 9.5
a=2.5 b=17.5
xi 2.5 7.5 17.5
ni 10 1 9 20
In questa tabella si verifica che - n invariato (20) - la media invariata (9.5)
b 17.59.5 = 20 = 10.666 10 b-a 17.5-2.5 nb = n - na= 20 10.666= 9.333 9 na = n c=20 9.5-2.5 10 17.5 9 = 7.5
La varianza calcolata su questa tabella la varianza massima nella classe [2.5;17.5]
215
216
Indici di variabilit normalizzati

CASO PARTICOLARE a=0 b=T
sostituendo nelle formule di na e nb si ottiene: na = n-1 nb = 1

Tabella di massima variabilit variabilit tra [0,T]
Come per lindice di mutabilit, la situazione massima ci permette di definire gli indici di variabilit normalizzati (compresi tra 0 e 1): varianza normalizzata:
N =
2
xi 0 T
ni n-1 1 n
2
max
217
218
Formula della varianza massima in [a,b]

OPERATIVAMENTE:
Data la distribuzione di max variabilit in [a,b]:

xi a b fi (b-)/(b-a) (-a)/(b-a) 1
calcolo la varianza applicando la formula operativa: Var(X)=M(X2)-2
come si calcola un indice di variabilit normalizzato???? 1. si calcola lindice assoluto sui dati osservati 2. si costruisce la situazione di massima variabilit 3. si calcola lindice su tale distribuzione 4. si fa il rapporto tra i due
max = [ =
a2(b-) b2(-a) + ]-2= (b-a) (b-a)
a2b-a2+b2-ab2-b2+a2 = (b-a) ab(a-b)-(a2-b2)+2(ab) = (b-a)
??? non esistono formule esplicite ????

219
220
= (a-b)
ab-(a+b)+2 = - (ab-a- b+2) = (b-a)
Nel caso di massima variabilit tra [0,T] la formula esplicita diventa:

2 = (T) = (n - ) = (n1) 2 max
= -[a(b-)-(b-)] = -[(a- )(b-)] = (-a )(b-)
2 max = (b)(a)
VARIANZA NORMALIZZATA
2 2 = N (b)(a) in [a;b]
Questa formula pu essere applicata direttamente quando non si costruisce la situazione di massima variabilit
2 2 = N (n1) 2
221
in [0;T]
222
esempio:
xi 2 4 6 8 10 ni 3 10 20 6 5 44 x i* n i 6 40 120 48 50 264
a=2 T = 264 =6
b = 10 2 =
esempio: confronto della variabilit normalizzando in [0,T]

xi 2.5 7.5 12.5 17.5 ni 7 3 5 5 20
4.363636
=9.5
2=36
2(X) = 0.02099
Norm. in [a;b]
2 2 4.363636 = = = 0.272727 N (b)(a) (106)(62)
yi 15 25 35
Norm. in [0;T]
2 2 4.363636 = = = 0.002819 N (441) 36 (n 1) 2
ni 5 4 11 20
=28
2=71
2(Y) = 0.00477 X presenta maggior variabilit variabilit

224
2(X) > 2(Y)

223
COEFFICIENTE DI VARIAZIONE
esempio: confronto della variabilit
- utile per confronti ma non normalizzato (non compreso tra 0 e 1) - numero puro che non dipende dallunit di misura delle modalit CV= s.q.m./media = / N.B. il CV sempre 0!!!
xi 2.5 7.5 12.5 17.5
ni 7 3 5 5 20
=9.5 cv(X)= 0.6315
2=36
yi 15 25 35
ni 5 4 11 20
=28 cv(Y)= 0.3009
2=71
cv(X)>cv(Y)
225
X presenta maggior variabilit variabilit

226
Grafici BOXPLOT
(o BOX&WHISKERS)
500
GRAFICO RIASSUNTIVO DEI MAGGIORI INDICI DESCRITTIVI UNIVARIATI CHE CONSENTE CONFRONTI VISIVI TRA DIVERSE VARIABILI Per ogni variabile vengono rappresentate:
- mediana (Q2) - I e III quartile (Q1 e Q3) - Differenza interquartile H = Q3 Q1 - minimo e massimo
400
Il BOX la scatola rossa.

300
Q3
BOX
200
Q2
100
E delimitata da Q1 e Q3 mentre la linea nera al suo interno indica la mediana Q2. Tra Q3 e Q1 si trova il 50% delle unit statistiche.
Q1
-100
N= 406
Cilindrata in cc
227
228
300
xmax
500
W H I S K E R S
Q3 + 1.5(Q3Q1) o
400
xmax
200
124 9 20 103 7 8 32 102
Q3 + 1.5(Q3Q1)
300
Q3
Valori anomali
200
Q2
100
(outliers)
100
Q1
Q1 1.5(Q3Q1) o
406
xmin
0
N= 400
-100
N=
Potenza (CV)
Cilindrata in cc
229
230
ESEMPIO
La seguente tabella riporta la distribuzione delle et degli operai di 3 reparti di unazienda
Max = 58 = Valore anomalo
Box - plot a confronto

60
1 40 44 28 26 58 22 19 25 28 21 22
2 21 23 26 19 22 30 18 42 47 18 49
3 20 22 50 41 33 19 22 44 46 19 42
Q1 min Q2 max Q3 Q1-1.5(Q3-Q1) Q3+1.5(Q3-Q1)
1 22 19 26 58 34 4 52
2 20 18 23 49 36 -4 60
3 21 19 33 50 43 -12 76
Q3+1.5(Q3-Q1) = 52
50 40 30 20 10 0 1 2 3 Q1 min Q2 max Q3
231
232
MOMENTI DI UNA V.S.

Indici riassuntivi di una variabile statistica
FORMA DI UNA DISTRIBUZIONE DI FREQUENZA
MOMENTI CENTRALI (o DALLA MEDIA) DI ORDINE s1 (x )s f = M(X )s =

s
MOMENTI DALLORIGINE DI ORDINE s1 s = M(Xs) = xis fi
Statistica I a.a. 2009/2010

233
234
SIMMETRIA
Casi particolari s= 1 - 1 = M (X X)1 = 0 1 = M(X 1) = M(X) s= 2 - 2 = M (X X)2 2 = M(X ) s = 3 s = 4
Una v.s. simmetrica rispetto ad un centro c se:

(I propr. media) media aritmetica
- per ogni xi = c k - esiste un xj = c + k (simmetrico) con stessa frequenza: f(xi) = f(xj)

8
varianza
1 0
N= 23
235
236
PROPRIETA di una v.s. simmetrica unimodale MODA = MEDIA = MEDIANA = c I MOMENTI DALLA MEDIA DI ORDINE DISPARI SONO NULLI
infatti, per la simmetria, gli scarti dalla media (centro) sono a due a due uguali in valore ma opposti in segno e con stessa frequenza medie di ordine dispari sono nulle
ASIMMETRIA POSITIVA (a sinistra)
Me
curva obliqua a sinistra
Mo < Me <
237
238
Con il box-plot ASIMMETRIA NEGATIVA (a destra)
Me
1 0
N= 23
curva obliqua a destra

X
<Me < Mo
239
240
Con il box-plot
8
Indici di simmetria o asimmetria

Indice di FISHER o di SKEWNESS (pi comunemente usato)
1 =
M[(X )3] = 3 3 3
1 > 0 1 < 0 1 = 0
1 0
N= 23
se asimmetria sinistra se asimmetria destra se simmetria

X
NB
241
( = 0 ) solo sintomo di simmetria !!

242
esempio:
xi 5 10 15 20 25 ni 2 4 6 4 2 Ni 2 6 12 16 18 xi*ni 10 40 90 80 50 270 (xi) -10 -5 0 5 10 (xi) *ni (xi) *ni 200 -2000 100 -500 0 0 100 500 200 2000 600 0
2 3
8 6 4 2 0 0 5 10 15 x 20 25 30 ni
esempio:
xi 5 10 15 20 25 ni 2 10 8 6 5 Ni 2 12 20 26 31 xi*ni 10 100 120 120 125 475 (xi) -10.32258 -5.322581 -0.322581 4.677419 9.677419 (xi)2*ni 213.1113 283.2986 0.832466 131.2695 468.2622 1096.774 (xi)3*ni -2199.859 -1507.88 -0.268537 614.0026 4531.57 1437.565
12 10 8 6 4 2 0 0 5 10 15 x 20 25 30
Moda = 15
Mediana = 15
Moda = 10
Mediana = 15
= 2 =
15 33.333
3= 1=
0 0
243
= 15.323 2 = 35.38
3= 1=
46.37307 0.22036
Moda<Mediana<
ni
244
ECCO I BOX PLOT DEGLI ULTIMI 2 ESEMPI: TROVA LE DIFFERENZE

Box - plot a confronto
30 25 Q1 20 15 10 5 0 1
min Q2 media max Q3
245

ST1-3-variabilità e Forma

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

ST1-3-variabilità e Forma

Caricato da

Copyright:

Formati disponibili

LA STATISTICA (Trilussa)

Statistica I a.a. 2009/2010 Prof.ssa R. Paroli

tentra ne la statistica lo stesso perch ce un antro che ne magnia due!!!

Attitudine del carattere ad assumere modalit modalit differenti

con la stessa media non detto che presentino un medesimo comportamento

- caratteri qualitativi mutabilit

- interessano anche indicatori della diversit (molteplicit) dei valori di un carattere

Statistica I-a.a.2009/2010 - Prof. R. Paroli

VARIABILIT PER CARATTERI QUALITATIVI

pi variabile (disperso) X oppure Y ??

in quale gruppo c pi mutabilit?

Statistica I-a.a.2009/2010 - Prof. R. Paroli

fi(1 fi) = 1 fi2

E = 1 (0.12 + 0.252 + 0.62+ 0.052) = 1 (0.435) = 0.565

(usato per lo studio della concentrazione industriale o di mercato)

Statistica I-a.a.2009/2010 - Prof. R. Paroli

Statistica I-a.a.2009/2010 - Prof. R. Paroli

situazioni estreme min mutabilit mutabilit: fi = 1, fj = 0 (ji)

Per lindice di eterogeneit si dimostra che: nella situazione minima

max mutabilit mutabilit: f1 = = fk = 1/k

nella situazione massima

Statistica I-a.a.2009/2010 - Prof. R. Paroli

apriamo una parentesi .. (

per cui I Imax

chiusa la parentesi ) 176

Indice di GINI NORMALIZZATO

Per lindice di eterogeneit si ha che:

Colore nero castano biondo altro

G1 0.10 0.25 0.60 0.05 1

G2 0.30 0.30 0.30 0.10 1

G3 0.70 0.20 0.05 0.05 1

E = 1 (0.12 + 0.252 + 0.62+ 0.052) = 1 (0.435) = 0.565

Emax = 1 1/4 = 0.75

VARIABILIT PER CARATTERI QUANTITATIVI

Conclusioni: Conclusioni poich EN(G2)>EN(G1)>EN(G3) G2 presenta maggior mutabilit

Distanze di ogni modalit da tutte le altre Indicatori globali

Distanze di ogni modalit da una particolare o rappresentativa di X Indicatori di dispersione

INDICI DI VARIABILIT VARIABILIT funzioni (medie potenziate!!!) delle distanze scelte

Statistica I-a.a.2009/2010 - Prof. R. Paroli

2) VG(X) = 0 se xi = xj 3) invarianza per traslazioni VG(X + b) = VG(X)

= |xi c|r ni |vi c|r n

4) monotonicit rispetto alle differenze elementari

percentile xp mediana media aritmetica

Statistica I-a.a.2009/2010 - Prof. R. Paroli

Statistica I-a.a.2009/2010 - Prof. R. Paroli

D2()2 = 2= Var(X) = 2(X) = 1 k 2 = (xi )2 ni = M (X - ) n i=1

chiamato anche scarto quadratico medio ()

Passaggi per il calcolo della varianza con la formula di definizione

264 = =6 44 2= k 1 (x )2 n =192 =4.363636 i i n 44 i=1

media dei quadrati

quadrato della media

2 2 2 2 = M (X - ) = M(X 2X + ) = = M(X2) 2 M(X) + 2 = M(X2) 22 + 2=

N.B. Var(X) 0 !!!!

Statistica I-a.a.2009/2010 - Prof. R. Paroli

x i2 n i 12 160 720 384 500 1776

264 =6 44 1776 - 62= 4.363636 44

2. Var(aX) = a2 Var(X) 3. Var(aX + b) = a2 Var(X) (non linearit)

4. Var(X+Y) = Var(X) + Var(Y) + termine 0

Statistica I-a.a.2009/2010 - Prof. R. Paroli

Ipotesi per il teorema della scomposizione della varianza

- media gruppo i-esimo - varianza gruppo i-esimo

Statistica I-a.a.2009/2010 - Prof. R. Paroli

Teorema della scomposizione della varianza (I versione)