Esercizi Statistica Economica Rapporti Statistici e Numeri Indici

lOMoARcPSD|3060872
Esercizi Statistica Economica - Rapporti Statistici e Numeri

Indici
Statistica Economica (Università degli Studi di Parma)
StuDocu is not sponsored or endorsed by any college or university

Downloaded by Megi Ceka (megiceka@gmail.com)
lOMoARcPSD|3060872
STATISTICA: esercizi svolti su

RAPPORTI STATISTICI E NUMERI INDICI
Downloaded by Megi Ceka

1 (megiceka@gmail.com)
lOMoARcPSD|3060872
1 RAPPORTI STATISTICI E NUMERI INDICI 2
1 RAPPORTI STATISTICI E NUMERI INDICI

1. La seguente tabella riporta il numero di studenti iscritti ai corsi di laurea della facoltà
di statistica di due città nell’anno accademico 1992/93:
Corso Roma Trieste
S. Stat. Dem. 802 228
S. Stat. Att. 443 189
S. Stat. Econ. 1194 534
Si valuti l’importanza numerica relativa dei diversi corsi di laurea, si confrontino i
risultati e si commentino. Si indichi inoltre quale tipo di rapporto statistico è stato
utilizzato.
Svolgimento
Al fine di valutare l’importanza numerica relativa dei diversi corsi di laurea presso
la facoltà di statistica di Roma, è opportuno utilizzare dei rapporti di composizione
(o di parte al tutto). Per il calcolo di quest’ultimi è necessario disporre del numero
totale di iscritti ai corsi di laurea della facoltà di statistica di Roma. Dalla tabella
fornita dal testo dell’esercizio otteniamo:
Corso Roma
S. Stat. Dem. 802
S. Stat. Att. 443
S. Stat. Econ. 1194
Tot. 2439
I rapporti di composizione desiderati risultano quindi essere:
802
• = 0.3288 per quanto riguarda il corso in Scienze Statistiche e Demogra-
2439
fiche;
443
• = 0.1816 per quanto riguarda il corso in Scienze Statistiche ed Attuariali;
2439
1194
• = 0.4895 per quanto riguarda il corso in Scienze Statistiche ed Economiche
2493
I risultati ottenuti ci dicono che presso la facoltà di statistica di Roma, il 32.88% degli
studenti è iscritto al corso di laurea in Scienze Statistiche e Demografiche, il 18.16%
degli studenti è iscritto al corso di laurea in Scienze Statistiche ed Attuariali mentre
il restante 48.95% è iscritto al corso di laurea in Scienze Statistiche ed Economiche.
Procedendo nello stesso modo anche per la facoltà di statistica di Trieste si ottiene:
Corso Trieste
S. Stat. Dem. 228
S. Stat. Att. 189
S. Stat. Econ. 534
Tot. 951

lOMoARcPSD|3060872
I rapporti di composizione desiderati risultano essere:

228
• = 0.2397 per quanto riguarda il corso in Scienze Statistiche e Demografiche;
951
189
• = 0.1987 per quanto riguarda il corso in Scienze Statistiche ed Attuariali;
951
534
• = 0.5615 per quanto riguarda il corso in Scienze Statistiche ed Economiche
951
I risultati ottenuti ci dicono che presso la facoltà di statistica di Trieste, il 23.97%
degli studenti è iscritto al corso di laurea in Scienze Statistiche e Demografiche, il
19.97% degli studenti è iscritto al corso di laurea in Scienze Statistiche ed Attuar-
iali mentre il restante 56.15% è iscritto al corso di laurea in Scienze Statistiche ed
Economiche. In generale osserviamo che, in entrambe le facoltà, il corso di laurea
con un’importanza numerica relativa maggiore è quello in Scienze Statistiche ed Eco-
nomiche seguito dal corso in Scienze Statisitche e Demografiche. Il corso in Scienze
Statistiche ed attuariali risulta invece essere quello con un’importanza numerica rel-
ativa minore in entrambe le facoltà. Osserviamo anche che l’importanza numerica
relativa del corso in Scienze statistiche e Demografiche è più alta presso la facoltà
di Roma mentre i corsi in Scienze Statistiche ed Attuariali e in scienze Statistiche
ed Economiche hanno un’importanza numerica relativa più elevata nella facoltà di
Trieste.
2. La seguente tabella riporta il numero di esami sostenuti nell’anno 2002 per il con-
seguimento delle patenti di guida (A-B-C-D-E-Speciali) nelle province di Milano e di
Roma e il numero di esaminandi risultati idonei (Fonte Ministero delle Infrastrutture
e dei Trasporti):
Provincia Esami Idonei
Milano 124398 93820
Roma 166641 130300
Si valuti in quale delle due province l’esito degli esami è stato migliore.
Si riconosca la natura del rapporto 124398/166641 e se ne interpreti il risultato.
Svolgimento
Per valutare in quale delle due provincie si è avuto il miglior esito degli esami, è
opportuno calcolare i seguenti rapporti di composizione:
n◦ di idonei in provincia di Milano n◦ di idonei in provincia di Roma
.
n◦ di esami svolti in provincia di Milano n◦ di esami svolti in provincia di Roma
Sulla base delle informazioni contenute nella tabella fornita dal testo dell’esercizio i
rapporti di composizione desiderati risultano essere:
93820
• = 0.7542 per quanto riguarda la provincia di Milano;
124398
130300
• = 0.7819 per quanto riguarda per quanto riguarda la provincia di Roma.
166641
lOMoARcPSD|3060872
I risultati ottenuti ci dicono che, nella provincia di Milano, il 75.42% degli esaminati
sono risultati idonei. Nella provincia di Roma tale percentuale sale invece al 78.19%.
Possiamo quindi concludere che l’esito degli esami è stato migliore nella provincia di
Roma.
Il rapporto statistico
n◦ di esami svolti in provincia di Milano 124398
= = 0.7465
n di esami svolti in provincia di Roma
◦
166641
è un rapporto di coesistenza e ci informa che per ogni 100 esami sostenuti a in provin-
cia di Roma, ne sono stati sostenuti circa 75 in provincia di Milano.
3. La seguente tabella riporta per alcune regioni il numero di incidenti stradali verifi-
catesi in un anno e la lunghezza della rete stradale in chilometri:
Regioni Incidenti Lungh. Rete Stradale

Piemonte 18840 30907
Lombardia 47387 27943
Friuli V.G. 10268 5885
Emilia Romagna 31379 29038
Umbria 4520 6639
Lazio 53130 19063
Campania 14251 16828
Basilicata 1218 6415
Sicilia 10283 20833
Sardegna 5562 12132
Calcolare in quale regione si è avuta una maggiore densità di incidenti stradali e con-
frontarlo con l’analogo indice per la nazione, sapendo che in Italia si sono verificati
nell’anno considerato 292762 incidenti e che la lunghezza della rete stradale è pari a
303365 Km.
Svolgimento
Al fine di individuare la regione in cui si è avuta una maggiore densità di incidenti
stradali, è opportuno calcolare, relativamente ad ogni regione, il rapporto di densità:
n◦ di incidenti
.
lunghezza della rete stradale
Ad esempio, nel caso della regione Piemonte, tale rapporto è dato da
18840
= 0.6096
30907

lOMoARcPSD|3060872
e ci indica che in Piemonte, in un anno, si sono verificati 0.6096 incidenti stradali per
km di strada. Nel caso della regione Friuli Venezia Giulia il rapporto è dato da
10268
= 1.7448
5885
e ci indica che in Friuli Venezia Giulia, in un anno, si sono verificati 1.7448 incidenti
per km di strada. Procedendo analogamente per le restanti regioni si ottiene:
Regioni Incidenti Lungh. Rete Stradale Rapporto di densità

Piemonte 18840 30907 0.6096
Lombardia 47387 27943 1.6958
Friuli V.G. 10268 5885 1.7448
Emilia Romagna 31379 29038 1.0806
Umbria 4520 6639 0.6808
Lazio 53130 19063 2.7871
Campania 14251 16828 0.8469
Basilicata 1218 6415 0.1899
Sicilia 10283 20833 0.4936
Sardegna 5562 12132 0.4585
Osservando i risultati riportati nella tabella concludiamo che la regione nella quale
si è avuta una maggiore densità di incidenti stradali è il Lazio. In tale regione, in un
anno, si sono verificati 2.7871 incidenti stradali per km di strada.
Per quanto riguarda l’Italia, il rapporto di densità è dato da
292762
= 0.9650
303365
e ci indica che in Italia, in un anno, si sono verificati 0.9650 incidenti per km di
strada. Questo risultato mostra che la densità di incidenti stradali in Lazio è circa
tre volte più alta di quella dell’Italia.
4. La seguente tabella riporta il numero di nati vivi nel 2004 ripartiti per sesso:
Sesso Nati Vivi

Maschi 288850
Femmine 273749
Totale 562599
a) Sapendo che nel 2004 la popolazione in Italia era di 57888300 unità calcolare il
quoziente di natalità;
b) calcolare quanti maschi e femmine nascono ogni cento nati in Italia;
c) calcolare quanti maschi sono nati nel 2004 per ogni 100 femmine (indice di mas-
colinità); calcolare quante femmine sono nate nel 2004 per ogni 100 maschi (indice

lOMoARcPSD|3060872
di femminilità).
Svolgimento
Svolgimento punto a). Ricordiamo che il quoziente di natalità è un rapporto di
derivazione dato da:
n◦ di nati vivi (avvenuti nell’anno)
Totale popolazione (rilevata nell’anno)
Sulla base dei dati forniti dal testo dell’esecizio, il quoziente di natalità per l’Italia
nel 2004 è pari a
562599
= 0.009719 .
57888300
Solitamente questo indice viene moltiplicato per 1000. In tal caso esso assume valore
pari a 9.719. Concludendo: in Italia, nel 2004, si sono avuti 9.719 nati vivi ogni mille
abitanti.
Svolgimento punto b). Al fine di calcolare quanti maschi e quante femmine nascono
ogni 100 nati vivi in Italia, è opportuno calcolare i seguenti rapporti di composizione
percentuali:
maschi nati vivi 288850
· 100 = = 51.34
totale nati vivi 562599
femmine nate vive 273749
· 100 = = 48.66
totale nati vivi 562599
Tali rapporti ci dicono che in Italia, nel 2004, sono nati circa 51 maschi ogni 100 nati
vivi e circa 49 femmine ogni 100 nati vivi.
Svolgimento punto c). Gli indici di mascolinità e di femminilità sono dei rapporti
di coesistenza percentuali rispettivamente dati da:
n◦ di maschi nati vivi 288850
· 100 = · 100 = 105.52
n di femmine nate vive
◦
273749
n◦ di femmine nate vive 273749
· 100 = · 100 = 94.77
n di maschi nati vivi
◦
288850
L’indice di mascolinità ci dice che in Italia, nel 2004, sono nati circa 106 maschi ogni
100 nate femmine. L’indice di femminilità ci dice invece che in Italia, nel 2004, sono
nate circa 95 femmine ogni 100 nati maschi.
5. La popolazione residente (in migliaia) nel comune di Milano dal 1991 al 1996 ha
avuto il seguente andamento:
1991 1992 1993 1994 1995 1996

1368 1359 1334 1322 1306 1304
Si costruiscano le serie dei numeri indici a base fissa (1991=100), base fissa (1999=100)
e base mobile. Si commentino i risultati ottenuti.

lOMoARcPSD|3060872
Svolgimento
Si indichino con P91 , P92 , ..., P96 rispettivamente la popolazione residente nel comune
di Milano negli anni 1991, 1992, ..., 1996. Secondo questa notazione, la serie dei nu-
meri indici percentuali a base fissa (1991=100) e a base fissa (1993=100) sono date
rispettivamente da:
Pj
Ij,91 · 100 = · 100 j = (91, 92, .., 96)
P91
Pj
Ij,93 · 100 = · 100 j = (91, 92, .., 96)
P93
Utilizzando i dati riportati nel testo dell’esercizio abbiamo ad esempio che:
1359
I92,91 · 100 = · 100 = 99.3421
1368
1334
I93,91 · 100 = · 100 = 97.5146
1368
L’indice I92,91 · 100 ci dice che la popolazione residente a Milano nel 1992 è diminuita
dello 0, 65% rispetto all’anno 1991. L’indice I93,91 · 100 ci dice che la popolazione
residente a Milano nel 1993 è diminuita del 2.48% rispetto all’anno 1991.
Per quanto riguarda i numeri indici a base fissa (1993=100) abbiamo ad esempio che:
1368
I91,93 · 100 = · 100 = 102.5487
1334
1359
I92,93 · 100 = · 100 = 101.8741
1334
L’indice I91,93 · 100 ci dice che la popolazione residente a Milano nel 1991 è più alta
del 2.5487% rispetto all’anno 1993. L’indice I92,93 · 100 ci dice che la popolazione
residente a Milano nel 1992 è più alta dell’1.8741% rispetto all’anno 1991.
Secondo la notazione introdotta in precedenza, la serie dei numeri indici a base mobile
è data da:
Pj
Ij,j−1 · 100 = · 100 j = (91, 92, .., 96)
Pj−1
Sulla base dei dati a nostra disposizione abbiamo ad esempio che:
1359
I92,91 · 100 = · 100 = 99.3421
1368
1334
I93,92 · 100 = · 100 = 98.1604
1359
Il commento relativo a I92,91 · 100 è già stato riportato in precendenza. L’indice
I93,92 · 100 ci dice che la popolazione residente a Milano nel 1993 è diminuita dell’1.8396%
rispetto all’anno precedente.
Nella tabella seguente riportiamo tutti gli indici di cui era richiesto il calcolo.

lOMoARcPSD|3060872
anno popolazione NI(1991=100) NI(1993=100) NI (bm)

1991 1368 100 102.5487 —
1992 1359 99.3421 1018741 99.3421
1993 1334 97.5146 100 98.1604
1994 1322 96.6374 99.1004 99.1004
1995 1306 95.4678 97.9010 98.7897
1996 1304 95.3216 97.7511 99.8469
6. La seguente tabella riporta i numeri indici dei prezzi al consumo per l’intera collet-
tività (fonte ISTAT 2005).
2000 2001 2002 2003 2004
112.8 115,9 118.8 122.0 124.7
Sapendo che la base degli indici è il 1995, commentare la serie dei numeri indici.
Svolgimento
a) 112.8: i prezzi al consumo per l’intera collettività del 2000 sono più alti del
12.8% rispetto a quelli del 1995.
b) 115.9: i prezzi al consumo per l’intera collettività del 2001 sono più alti del
c) 118.8: i prezzi al consumo per l’intera collettività del 2002 sono più alti del
d) 122.0: i prezzi al consumo per l’intera collettività del 2003 sono più alti del
e) 124.7: i prezzi al consumo per l’intera collettività del 2004 sono più alti del
7. I numeri indici a base mobile della popolazione censita dal 1861 al 1981 sono riportati
nella seguente tabella:
1861 1871 1881 1901 1911 1921 1931 1936 1951 1961 1971 1981
— 106.9 105.8 113.3 109.3 102.5 108.4 103.3 112.0 106.5 106.9 103.8
Commentare i numeri indici e calcolare i numeri indici a base fissa 1861 = 100 e
1981 = 100.
Svolgimento
Commentiamo i numeri indici a base mobile forniti dal testo dell’esercizio:

lOMoARcPSD|3060872
• la popolazione censita nel 1871 è più alta del 6.9% rispetto a quella censita nel
1861;
1871;
1881;
1901;
1911;
• la popolazione censita nel 1931 è più alta dell’8.4% rispetto a quella censita nel
1921;
1931;
• la popolazione censita nel 1951 è più alta del 12% rispetto a quella censita nel
1936;
1951;
1961;
1971.
Ricaviamo ora i numeri indici a base fissa 1861 = 100.
• I1871.1861 = 1.069: la popolazione censita nel 1871 è più alta del 6.9% rispetto a
quella censita nel 1861;
• I1881.1861 = I1881.1871 · I1871.1861 = 1.058 · 1.069 = 1.131:
la popolazione censita nel 1881 è più alta del 13.3% rispetto a quella censita nel
1861;
• I1901.1861 = I1901.1881 · I1881.1861 = 1.133 · 1.131 = 1.281:
1861;
• I1911.1861 = I1911.1901 · I1901.1861 = 1.093 · 1.281 = 1.400:
la popolazione censita nel 1911 è più alta del 40% rispetto a quella censita nel
1861;
• I1921.1861 = I1921.1911 · I1911.1861 = 1.025 · 1.400 = 1.436:
1861;

lOMoARcPSD|3060872
• I1931.1861 = I1931.1921 · I1921.1861 = 1.084 · 1.436 = 1.556:

1861;
• I1936.1861 = I1936.1931 · I1931.1861 = 1.033 · 1.556 = 1.607:
1861;
• I1951.1861 = I1951.1936 · I1936.1861 = 1.12 · 1.607 = 1.800:
la popolazione censita nel 1951 è più alta dell’80% rispetto a quella censita nel
1861;
• I1961.1861 = I1961.1951 · I1951.1861 = 1.065 · 1.800 = 1.917:
1861;
• I1971.1861 = I1971.1961 · I1961.1861 = 1.069 · 1.917 = 2.05:
la popolazione censita nel 1971 è più alta del 105% rispetto a quella censita nel
1861;
• I1981.1861 = I1981.1971 · I1971.1861 = 1.038 · 2.05 = 2.128:
la popolazione censita nel 1981 è più alta del 112.8% rispetto a quella censita
nel 1861.
Ricaviamo ora i numeri indici a base fissa 1861 = 100, tralasciando, per brevità, i
relativi commenti.
x1971
x1971 x I1971.1861 2.05
• I1971.1981 = = x1861 = = = 0.963 .
x1861 1981 I1981.1861 2.128
x1861
In modo analogo si ricavano gli indici:

I1961.1861 1.917
• I1961.1981 = = = 0.901;
I1981.1861 2.128
I1951.1861 1.8
• I1951.1981 = = = 0.846;
I1981.1861 2.128
I1936.1861 1.607
• I1936.1981 = = = 0.755;
I1981.1861 2.128
I1931.1861 1.556
• I1931.1981 = = = 0.731;
I1981.1861 2.128
I1921.1861 1.436
• I1921.1981 = = = 0.675;
I1981.1861 2.128
I1911.1861 1.400
• I1911.1981 = = = 0.658;
I1981.1861 2.128
I1901.1861 1.281
• I1901.1981 = = = 0.602;
I1981.1861 2.128

lOMoARcPSD|3060872
I1881.1861 1.131
• I1881.1981 = = = 0.531;
I1981.1861 2.128
I1871.1861 1.069
• I1871.1981 = = = 0.502;
I1981.1861 2.128
I1861.1861 1
• I1861.1981 = = = 0.470.
I1981.1861 2.128

lOMoARcPSD|3060872
STATISTICA esercizi svolti su: TABELLE

STATISTICHE E RAPPRESENTAZIONI
GRAFICHE

lOMoARcPSD|3060872
1 TABELLE STATISTICHE E RAPPRESENTAZIONI GRAFICHE 2
1 TABELLE STATISTICHE E RAPPRESENTAZIONI

GRAFICHE
1.1 Esercizi
Numero Settore di attività

Titolo di Titolo di Reddito Età
d’ordine economica del Numero
godimento studio del annuo lordo del
della capofamiglia di figli
dell’abitazione C.F. (euro) C.F.
famiglia (C.F.)
1 Industria Affitto Diploma 3 19841 29
2 Industria Affitto Laurea 2 18830 29
3 Agricoltura Proprietà Licenza Media 3 15971 26
4 Industria Proprietà Diploma 1 17361 31
5 Altra Attività Proprietà Laurea 0 23426 60
6 Industria Affitto Licenza Media 2 17220 30
7 Industria Altro titolo Licenza Media 3 17540 30
8 Industria Affitto Diploma 4 16980 45
9 Agricoltura Proprietà Senza titolo 5 15340 69
10 Agricoltura Proprietà Licenza Media 1 18270 56
11 Industria Proprietà Licenza Media 1 30733 50
12 Altra Attività Affitto Laurea 1 28760 55
13 Altra Attività Altro titolo Diploma 2 25320 52
14 Agricoltura Affitto Laurea 2 19221 57
15 Altra Attività Proprietà Laurea 2 27320 65
16 Industria Proprietà Laurea 0 23420 59
17 Industria Affitto Laurea 1 20280 48
18 Altra Attività Affitto Licenza Elem. 3 27531 59
19 Industria Proprietà Licenza Media 5 18330 46
20 Industria Proprietà Diploma 0 19750 48

lOMoARcPSD|3060872
Con riferimento ai dati della tabella precedente:
1. Definire la popolazione di riferimento e le unità statistiche.
Svolgimento
La popolazione di riferimento è l’insieme delle famiglie prese in esame e ciascuna di
esse rappresenta quindi una unità statistica.
2. Individuare i caratteri rilevati dall’indagine statistica e per ciascuno di essi indicare

di che tipo si tratta, elencare le modalità con cui si manifesta e la scala di misura di
tali modalità.
Svolgimento
É possibile riassumere il tutto nella seguente tabella:
Tipo Scala di
Carattere Modalità di misurazione
carattere delle modalità
Settore di Industria
attività del Agricoltura Qualitativo Nominale
capofamiglia Altra Attività
Titolo di Affitto
godimento Proprietà Qualitativo Nominale
dell’abitazione Altro titolo
Senza Titolo
Titolo Licenza elementare
di studio Licenza media Qualitativo Ordinale
del capofamiglia Diploma
Laurea
Numero di Quantitativo Scala di
figli 0, 1, 2, 3, 4, 5 Discreto rapporti
Reddito annuo Quantitativo Scala di
lordo (in euro) (25000, 31000) Continuo rapporti
Età del Quantitativo Scala di
capofamiglia (in anni) {25, ..., 70} Discreto rapporti
3. Classificare i casi per ogni carattere individuato al punto precedente predisponendo

le tabelle delle frequenze assolute, relative, cumulate e retrocumulate (se opportuno)
di ognuno di essi.
Effettuare la rappresentazione grafica delle frequenze assolute e relative di ogni carat-
tere. (NB: Per il carattere reddito ed il carattere età scegliere opportune classi di
modalità, giustificando la scelta).

lOMoARcPSD|3060872
Svolgimento
Analizziamo ora ciascun carattere individuato.
• “Settore di attività del capofamiglia”
Settore di
nj
attività del nj = freq. assolute = freq. relative
N
capofamiglia
Agricoltura 4 0.2
Industria 11 0.55
Altra Attività 5 0.25
Totale 20 1
In Figura (1) vediamo rappresentate le frequenze assolute, mentre in Figura (2)

e in Figura (3) le frequenze relative del carattere in esame.
11
4 5
A. I. A. A.
Fig. 1: Grafico delle frequenze assolute del carattere “Settore di attività del capofamiglia”.
0.55
0.2 0.25
A. I. A. A.
Fig. 2: Grafico delle frequenze relative del carattere “Settore di attività del capofamiglia”.

lOMoARcPSD|3060872
0.25
A. A.
0.55 I.
A.
0.2
Fig. 3: Aerogramma delle frequenze relative del carattere “Settore di attività del capofamiglia”.
Non ha senso calcolare le frequenze cumulate e retrocumulate in quanto la scala

di misurazione del carattere è nominale.
• “Titolo di godimento dell’abitazione”
Titolo di
nj
godimento nj = freq. assolute = freq. relative
N
dell’abitazione
Affitto 8 0.4
Proprietà 10 0.5
Altro Titolo 2 0.1
Totale 20 1

e in Figura (6)le frequenze relative del carattere in esame.
10
8
2
A. P. A. T.
Fig. 4: Grafico delle frequenze assolute del carattere “Titolo di godimento dell’abitazione”.

lOMoARcPSD|3060872
0.5
0.4
0.1
A. P. A. T.
Fig. 5: Grafico delle frequenze relative del carattere “Titolo di godimento dell’abitazione”.
0.4
0.5 P. A.
A. T.
0.1
Fig. 6: Aerogramma delle frequenze relative del carattere “Titolo di godimento dell’abitazione”.
Non ha senso calcolare le frequenze cumulate e retrocumulate in quanto la scala

di misurazione del carattere è nominale.
• “Titolo di studio del capofamiglia”
Titolo di
nj
studio del nj = freq. assolute = freq. relative
N
capofamiglia
Senza Titolo 1 0.05
Licenza elementare 1 0.05
Licenza media 6 0.3
Diploma 5 0.25
Laurea 7 0.35
Totale 20 1

le frequenze relative del carattere in esame.

lOMoARcPSD|3060872
7
1 1 6 5
S.T. Lic. El. Lic. M. D L

Fig. 7: Grafico delle frequenze assolute del carattere “Titolo di studio del capofamiglia”.
0.35
0.05 0.05 0.3 0.25
S.T. Lic. El. Lic. M. D L

Fig. 8: Grafico delle frequenze relative del carattere “Titolo di studio del capofamiglia”.
In questo caso ha senso calcolare le frequenze cumulate e retrocumulate, in

quanto la scala di misurazione del carattere è ordinale. Completiamo perciò la
seguente tabella.
Titolo di
studio del Cj = freq. cumulate Rj = freq. retrocumulate
capofamiglia
Senza Titolo 1 20
Licenza elementare 2 19
Licenza media 8 18
Diploma 13 12
Laurea 20 7
• “Numero di figli”
Numero
nj
di nj = freq. assolute = freq. relative
N
figli
0 3 0.15
1 5 0.25
2 5 0.25
3 4 0.20
4 1 0.05
5 2 0.10
Totale 20 1

lOMoARcPSD|3060872

le frequenze relative del carattere in esame.
nj
5
4
3
2
1
0 1 2 3 4 5 figli
Fig. 9: Grafico delle frequenze assolute del carattere “Numero di figli”.
fj
0.25
0.20
0.15
0.10
0.05
0 1 2 3 4 5 figli
Fig. 10: Grafico delle frequenze relative del carattere “Numero di figli”.
Anche in questo caso ha senso calcolare le frequenze cumulate e retrocumu-

late, in quanto la scala di misurazione del carattere è ordinale. Vediamole nella
seguente tabella.
Numero
di Cj = freq. cumulate Rj = freq. retrocumulate
figli
0 3 20
1 8 17
2 13 12
3 17 7
4 18 3
5 20 2

lOMoARcPSD|3060872
• “Reddito annuo lordo (in Euro)”
Come suggerito dal testo, raggruppiamo il carattere in classi. Un modo possi-

bile, cercando di equilibrare le frequenze delle classi, è il seguente:
Reddito
nj
annuo nj = freq. assolute = freq. relative
N
lordo
fino a 17000 3 0.15
17000 ⊣ 18500 5 0.25
18500 ⊣ 20000 4 0.20
20000 ⊣ 26000 4 0.20
oltre 26000 4 0.20
Totale 20 1
Per rappresentare graficamente il carattere “Reddito annuo lordo” è necessario

andare a calcolare le frequenze specifiche (fs ) e quindi si ha bisogno dell’ampiez-
za di ciascuna classe: per calcolare tale ampiezza, nella tabella seguente, si è
ritenuto opportuno “chiudere” la prima classe a 15000, mentre l’ultima a 33000.
Reddito
annuo Ampiezza della classe fs = freq. specifiche
lordo
15000 ⊣ 17000 2000 0.0015
17000 ⊣ 18500 1500 0.003̄
18500 ⊣ 20000 1500 0.0026̄
20000 ⊣ 26000 6000 0.0006̄
26000 ⊣ 33000 7000 0.00057
In Figura (11) riportiamo il grafico del carattere “Reddito annuo lordo”.

lOMoARcPSD|3060872
fs
0.003
0.0026
0.0015
0.0006
0.00057
0 15000 17000 19000 21000 23000 26000 29000 31000 33000 €
Fig. 11: Grafico delle frequenze assolute del carattere “Reddito annuo lordo”.
Anche in questo caso ha senso calcolare le frequenze cumulate e retrocumulate,

in quanto la scala di misurazione del carattere è una scala di rapporti. Vedia-
mole nella seguente tabella.
Reddito
annuo Cj = freq. cumulate Rj = freq. retrocumulate
lordo
15000 ⊣ 17000 3 20
17000 ⊣ 18500 8 17
18500 ⊣ 20000 12 12
20000 ⊣ 26000 16 8
26000 ⊣ 33000 20 4
La seconda frequenza cumulata (8) significa che 8 famiglie tra le 20 considerate

hanno un reddito annuo lordo minore o uguale a 18500 euro.
La seconda frequenza retrocumulata (17) significa che 17 famiglie tra le 20 con-
siderate hanno un reddito annuo lordo maggiore a 17000 euro.
• “Età del capofamiglia”
Come suggerito dal testo, raggruppiamo il carattere in classi. Un modo possibile

è il seguente:

lOMoARcPSD|3060872
Età
nj
del nj = freq. assolute = freq. relative
N
capofamiglia
fino a 30 5 0.25
31|−|49 5 0.25
50|−|55 3 0.15
56|−|60 5 0.25
oltre 60 2 0.1
Totale 20 1
Per rappresentare graficamente il carattere “Età del capofamiglia” è necessario

andare a calcolare le frequenze specifiche (fs ) e quindi si ha bisogno dell’ampiez-
za di ciascuna classe: per calcolare tale ampiezza, nella tabella seguente, si è
ritenuto opportuno “chiudere” la prima classe a 26, mentre l’ultima a 70.
Età
del Ampiezza della classe fs = freq. specifiche
capofamiglia
26|−|30 5 1
31|−|49 19 0.263
50|−|55 6 0.5
56|−|60 5 1
61|−|70 10 0.2
Possiamo ora disegnare il grafico del carattere “Età del capofamiglia”: lo ripor-
tiamo in Figura (12).
fs
0.5
0.26
0.2
0 25 30 35 40 45 50 55 60 65 70 anni
Fig. 12: Grafico delle frequenze assolute del carattere “Età del capofamiglia”.

lOMoARcPSD|3060872
Anche in questo caso ha senso calcolare le frequenze cumulate e retrocumulate,

in quanto la scala di misurazione del carattere è una scala di rapporti. Vedia-
mole nella seguente tabella.
Età
del Cj = freq. cumulate Rj = freq. retrocumulate
capofamiglia
26|−|30 5 20
31|−|49 10 15
50|−|55 13 10
56|−|60 18 7
61|−|70 20 2
La quarta frequenza cumulata (18) significa che 18 famiglie tra le 20 considerate

hanno un capofamglia con un’età minore o uguale a 60 anni.
La quarta frequenza retrocumulata (7) significa che 7 famiglie tra le 20 consid-
erate hanno hanno un capofamglia con un’età maggiore o uguale a 56 anni.
4. Costruire le tabelle a doppia entrata delle frequenze assolute e relative della coppia
di caratteri “settore di attività” e “numero di figli” e della coppia “età” e “reddito”.
Svolgimento
La tabella a doppia entrata delle frequenze assolute dei caratteri “settore di attività”
e “numero di figli” è la seguente:
Sett.attività A I AA
TOTALE
Figli
0 0 2 1 3
1 1 3 1 5
2 1 2 2 5
3 1 2 1 4
4 0 1 0 1
5 1 1 0 2
TOTALE 4 11 5 20
Mentre la tabella a doppia entrata delle frequenze relative è:

lOMoARcPSD|3060872
Sett.attività A I AA
TOTALE
Figli
0 0 0.1 0.05 0.15
1 0.05 0.15 0.05 0.25
2 0.05 0.1 0.1 0.25
3 0.05 0.1 0.05 0.2
4 0 0.05 0 0.05
5 0.05 0.05 0 0.1
TOTALE 0.2 0.55 0.25 1
La tabella a doppia entrata delle frequenze assolute dei caratteri “età” e “reddito” è
la seguente:
Età del C.F. 26|−|30 31|−|49 50|−|55 56|−|60 61|−|70

TOTALE
Reddito
15000 ⊣ 17000 1 1 0 0 1 3
17000 ⊣ 18500 2 2 0 1 0 5
18500 ⊣ 20000 2 1 0 1 0 4
20000 ⊣ 26000 0 1 1 2 0 4
26000 ⊣ 33000 0 0 2 1 1 4
TOTALE 5 5 3 5 2 20
Mentre la tabella a doppia entrata delle frequenze relative è:
Età del C.F. 26|−|30 31|−|49 50|−|55 56|−|60 61|−|70

TOTALE
Reddito
15000 ⊣ 17000 0.05 0.05 0 0 0.05 0.15
17000 ⊣ 18500 0.1 0.1 0 0.05 0 0.25
18500 ⊣ 20000 0.1 0.05 0 0.05 0 0.2
20000 ⊣ 26000 0 0.05 0.05 0.1 0 0.2
26000 ⊣ 33000 0 0 0.1 0.05 0.05 0.2
TOTALE 0.25 0.25 0.15 0.25 0.1 1
5. Con riferimento al carattere numero dei figli:

a) predisporre la tabella delle frequenze assolute, relative e specifiche supponendo
di riclassificare il carattere nelle classi fino ad 1, 2 ⊢⊣ 4 e 5 e oltre ;
b) per la distribuzione calcolata al punto a) effettuare la rappresentazione grafica
delle frequenze assolute e relative;
c) dedurre la percentuale di famiglie con almeno 3 figli e con al più 3 figli per la
distribuzione originaria e per la distribuzione riclassificata individuata al punto
a).

lOMoARcPSD|3060872
Svolgimento
a) Riclassificando il carattere “Numero di figli”, come indicato, otteniamo la seguente

tabella.
Numero
nj
di nj = freq. assolute = freq. relative
N
figli
fino a 1 8 0.4
2|−|4 10 0.5
5 e oltre 2 0.1
Totale 20 1
Calcoliamo ora le ampiezze delle classi, le frequenze specifiche assolute (fs ) e le

frequenze specifiche relative (frs ), dopo aver specificato gli estremi della prima
e dell’ultima classe in modo da avere rispettivamente 0|−|1 e 5|−|6.
Numero
di Ampiezza della classe fs = freq. specifiche frs = freq. specifiche
figli assolute relative
0|−|1 2 4 0.2
2|−|4 3 3.3̄ 0.16̄
5|−|6 2 1 0.05
b) In Figura (13) vediamo rappresentate le frequenze assolute, mentre in Figura

(14) le frequenze relative del carattere in esame.
fS
4
3
2
1
0 1 2 3 4 5 6 figli
Fig. 13: Grafico delle frequenze assolute del carattere “Numero di figli” raggruppato in classi.

lOMoARcPSD|3060872
frs
0.2
0.16
0.05
0 1 2 3 4 5 6 figli
Fig. 14: Grafico delle frequenze relative del carattere “Numero di figli” raggruppato in classi.
c) Considerando il carattere raggruppato in classi, per calcolare la percentuale di

famiglie con almeno 3 figli, basta sommare le lunghezze delle aste in corrispon-
denza dei valori maggiori o uguali a 3 e poi moltiplicare per 100 (vedi Figura
(14)):
0.16̄ + 0.16̄ + 0.05 + 0.05 = 0.43̄ (quindi 43.3̄%).
Se invece non consideriamo il raggruppamento in classi, sommando le lunghezze
delle aste in corrispondenza dei valori maggiori o uguali a 3 (vedi Figura (10))
e moltiplicando per 100, otteniamo:
0.20 + 0.05 + 0.10 = 0.40 (quindi 40%).
Per calcolare invece la percentuale di famiglie con al più 3 figli, dovremo sommare
le lunghezze delle aste in corrispondenza dei valori minori o uguali a 3 e poi
moltiplicare per 100. Quindi, considerando il carattere raggruppato in classi,
(vedi Figura (14)):
0.2 + 0.2 + 0.16̄ + 0.16̄ = 0.73̄ (quindi 73.3̄%)
mentre se consideriamo il carattere non raggruppato in classi (vedi Figura (10)):
0.15 + 0.25 + 0.25 + 0.20 = 0.85 (quindi 85%).
6. La seguente tabella riporta la distribuzione del carattere X numero di stanze di 120

abitazioni della provincia di Belluno.
numero di stanze 1 2 3 4 5 6 7 8
nj 5 22 32 35 16 7 2 1
Individuare la popolazione statistica e le unità statistiche. Indicare di che tipo di

carattere si tratta e la scala di misurazione delle modalità. Calcolare frequenze rela-
tive, cumulate relative ed assolute, retrocumulate relative ed assolute. Rappresentare
graficamente le frequenze assolute.

lOMoARcPSD|3060872
Svolgimento
La popolazione statistica è composta dalle 120 abitazioni della provincia di Belluno
prese in esame e quindi le unità statistiche sono proprio tali abitazioni.
Il carattere “numero di stanze” è un carattere quantitativo discreto e la scala di mi-
surazione delle sue modalità è una scala di rapporti.
Le frequenze relative, cumulate (relative e assolute) e retrocumulate (relative e as-
solute) sono riassunte nella seguente tabella:
nj
numero nj fj = Cj Fj Rj F̄j
N
di freq. freq. freq.cumul. freq.cumulate freq.retrocumul. freq.retrocumul.
stanze assolute relative assolute relative assolute relative
1 5 0.0416 5 0.0416 120 1
2 22 0.183̄ 27 0.225 115 0.9583̄
3 32 0.26̄ 59 0.4916̄ 93 0.775
4 35 0.2916̄ 94 0.783̄ 61 0.5083̄
5 16 0.13̄ 110 0.916̄ 26 0.216̄
6 7 0.0583̄ 117 0.975 10 0.083̄
7 2 0.016̄ 119 0.9916̄ 3 0.025
8 1 0.0083̄ 120 1 1 0.083̄
In Figura (15) sono rappresentate le frequenze assolute.
nj
35
22
16
7
2
0 1 2 3 4 5 6 7 8 Stanze
Fig. 15: Grafico delle frequenze assolute del carattere “numero di stanze”.

lOMoARcPSD|3060872
7. La seguente tabella riporta la distribuzione del carattere X fatturato (in milioni di

euro) di 1240 calzaturifici italiani nell’anno 1996.
Classi di fatturato fino a 0, 5 0, 5 −|1 1 −|5 5 −|10 oltre 10
nj 340 368 480 37 15

carattere si tratta e la scala di misurazione delle modalità. Calcolare frequenze rel-
ative, specifiche, cumulate relative ed assolute, retrocumulate relative ed assolute.
Rappresentare graficamente le frequenze assolute.
Svolgimento
La popolazione statistica è composta dai 1240 calzaturifici italiani presi in esame e
quindi le unità statistiche sono proprio tali calzaturifici.
Il carattere “fatturato” è un carattere quantitativo continuo e la scala di misurazione
delle sue modalità è una scala di rapporti.
nj
classi nj fj = Cj Fj Rj F̄j
N
di freq. freq. freq. cumul. freq.cumulate freq.retrocumul. freq.retrocumul.
fatturato assolute relative assolute relative assolute relative
fino a 0.5 340 0.274 340 0.274 1240 1
0.5 ⊣ 1 368 0.297 708 0.571 900 0.726
1⊣5 480 0.387 1188 0.958 532 0.429
5 ⊣ 10 37 0.030 1225 0.988 52 0.041
oltre 10 15 0.012 1240 1 15 0.012
Per rappresentare graficamente il carattere, essendo raggruppato in classi, è necessario

calcolare le frequenze specifiche. Riteniamo opportuno “chiudere” la prima e l’ultima
classe rispettivamente con i valori 0 e 15. Si ottengono dunque le classi 0 ⊣ 0.5 e
10 ⊣ 15:
classi Ampiezza fs
di nj della frequenze
fatturato classe specifiche
0 ⊣ 0.5 340 0.5 680
0.5 ⊣ 1 368 0.5 736
1⊣5 480 4 120
5 ⊣ 10 37 5 7.4
10 ⊣ 15 15 5 3

In Figura (16), si è utilizzato il tratteggio per evidenziare il fatto che il grafico non è
in scala.

lOMoARcPSD|3060872
fs
736
680
120
7.4
3
0 1 5 10 15 fatturato
Fig. 16: Grafico delle frequenze assolute del carattere “fatturato”.
8. Gli esercizi alberghieri della provincia di Belluno sono stati classificati in base al
numero di camere per esercizio. I risultati dell’indagine sono riportati nella seguente
tabella:
numero di camere fino a 5 6|−|9 10|−|13 14|−|17 18|−|22 23|−|30 totale
numero esercizi 20 20 20 24 25 16 125

carattere si tratta e la scala di misurazione delle modalità. Calcolare frequenze rel-
ative, specifiche, cumulate relative ed assolute, retrocumulate relative ed assolute.
Rappresentare graficamente le frequenze assolute.
Svolgimento
La popolazione statistica è composta dai 125 esercizi alberghieri della provincia di Bel-
luno presi in esame e quindi le unità statistiche sono proprio tali esercizi alberghieri.
Il carattere “numero di camere” è un carattere quantitativo discreto e la scala di mi-
surazione delle sue modalità è una scala di rapporti.

lOMoARcPSD|3060872
nj
numero nj fj = Cj Fj Rj F̄j
N
di freq. freq. freq.cumul. freq.cumulate freq.retrocumul. freq.retrocumul.
camere assolute relative assolute relative assolute relative
fino a 5 20 0.16 20 0.16 125 1
6|−|9 20 0.16 40 0.32 105 0.84
10|−|13 20 0.16 60 0.48 85 0.68
14|−|17 24 0.192 84 0.672 65 0.52
18|−|22 25 0.2 109 0.872 41 0.328
23|−|30 16 0.128 125 1 16 0.128
Per rappresentare graficamente il carattere, essendo raggruppato in classi, è necessario

calcolare le frequenze specifiche (si è ritenuto opportuno “chiudere” la prima classe a
0):
numero Ampiezza fs
di nj della frequenze
camere classe specifiche
0|−|5 20 6 3.3̄
6|−|9 20 4 5
10|−|13 20 4 5
14|−|17 24 4 6
18|−|22 25 5 5
23|−|30 16 8 2
fs
6
5
3.3
2
0 5 10 15 20 25 30 camere
Fig. 17: Grafico delle frequenze assolute del carattere “numero di camere”.

lOMoARcPSD|3060872
9. I correntisti di una banca in possesso di titoli e senza titoli sono stati classificati in
base al loro saldo finale in migliaia di euro al 31/03/04 ottenendo la seguente tabella:
Classi di Clienti con Clienti senza

Saldo Finale un conto titoli un conto titoli
0⊢5 100 40
5 ⊢ 10 40 160
10 ⊢ 50 30 80
50 e oltre 10 20
Totale 180 300
Dopo aver indicato la tipologia del carattere saldo finale e la relativa scala di mis-
urazione, si confrontino in un unico grafico le due distribuzioni di frequenze.
Svolgimento
Il carattere “saldo finale” è un carattere quantitativo continuo e la scala di misurazione
delle sue modalità è una scala di rapporti.
Per rappresentare in un unico grafico le distribuzioni di frequenze, dato che le nu-
merosità dei due gruppi (clienti con un conto titoli e clienti senza un conto titoli) sono
differenti, è necessario calcolare le frequenze relative, rapportando ciascuna frequenza
con il suo totale di colonna.
Clienti con Clienti senza

Classi di
un conto titoli un conto titoli
Saldo Finale
fj fj
0⊢5 0.5̄ 0.13̄
5 ⊢ 10 0.2̄ 0.53̄
10 ⊢ 50 0.16̄ 0.26̄
50 e oltre 0.05̄ 0.06̄
Totale 1 1
A questo punto possiamo calcolare le frequenze specifiche relative per le due distri-
buzioni.
Clienti con Clienti senza

Ampiezza della
Saldo Finale un conto titoli un conto titoli
classe
frs frs
0⊢5 5 0.1̄ 0.026̄
5 ⊢ 10 5 0.04̄ 0.106̄
10 ⊢ 50 40 0.00416̄ 0.006̄
50 ⊢ 60 10 0.005̄ 0.006̄
Le due distribuzioni di frequenze (relative) sono rappresentate in Figura (18).

lOMoARcPSD|3060872
f rs
0.1
= Clienti con un conto titoli
= Clienti senza un conto titoli
0.04
0.026
0.005
0 5 10 15 20 25 30 35 40 45 50 55 60
migliaia di €
Fig. 18: Grafico delle due distribuzioni di frequenze.

lOMoARcPSD|3060872

MODA, MEDIANA,
QUARTILI, DECILI e CENTILI

lOMoARcPSD|3060872
1 MODA, MEDIANA, QUARTILI, DECILI E CENTILI 2
1 MODA, MEDIANA, QUARTILI, DECILI E CENTILI

1. Viene rilevato il tempo X (in secondi) necessario per l’esecuzione di 6 diverse proce-
dure su uno stesso tipo di calcolatore:
Procedura A B C D E F
Tempo (X) 33,6 34,2 35,0 30,6 30,2 31,4
Calcolare moda, mediana e primo quartile del carattere X.

Svolgimento
La distribuzione riportata dal testo dell’esecizio è una distribuzione di unità in cui
non si presenta alcuna ripetizione delle intensità , di conseguenza la moda non esiste.
Per quanto riguarda il calcolo della mediana, si procede anzitutto ad ordinare in senso
non decrescente gli N = 6 valori forniti dal testo dell’esercizio. Si ottiene:
x(1) = 30, 2; x(2) = 30, 6; x(3) = 31, 4; x(4) = 33, 6; x(5) = 34, 2; x(6) = 35.
Dato che N è pari, si hanno le due posizioni centrali:

N N
=3 + 1 = 4.
2 2
A questo punto la mediana è data da:
x(3) + x(4) 31, 4 + 33, 6
= = 32, 5.
2 2
Il valore assunto dalla mediana ci dice che nel 50% dei casi circa, il tempo necessario
per l’esecuzione di una procedura è inferiore a 32.5 secondi. Analogamente, nel 50%
dei casi circa, il tempo necessario per l’esecuzione di una procedura è superiore a 32.5
secondi.
Passiamo ora al calcolo del primo quartile.
Q1 = x(1, N+1 ) = x(1,75)

4
= x(1) + 0, 75(x(2) − x(1) )

= 30, 2 + 0, 75(30, 6 − 30, 2) = 30, 5
Il valore assunto dal primo quartile ci dice che nel 25% dei casi circa, il tempo
necessario per l’esecuzione di una procedura è inferiore a 30.5 secondi. Dunque nel
75% dei casi il tempo di esecuzione è superiore a 30.5 secondi.
2. In un asilo nido si è verificata un’epidemia di influenza. La distribuzione del carattere

giorni effettivi di assenza dall’asilo per la malattia sui 20 bambini colpiti dall’infezione
è riportata nella tabella sottostante dove il carattere è stato raggruppato in classi.
Numero giorni 1 ⊢⊣ 3 4 ⊢⊣ 5 6 ⊢⊣ 8
Frequenza 4 6 10

lOMoARcPSD|3060872
Calcolare la moda della distribuzione.

Svolgimento
Nel caso di distribuzioni con dati raggruppati in classi la determinazione della moda
si riduce all’individuazione della classe modale la quale si ha in corrispondenza della
frequenza specifica più elevata. E’ dunque necessario calcolare le frequenze specifiche:
Numero giorni Frequenza ampiezza classe frequenza specifica
1 ⊢⊣ 3 4 3 1, 33
4 ⊢⊣ 5 6 2 3
6 ⊢⊣ 8 10 3 3, 33
Dal confronto delle frequenze specifiche si conclude che la classe modale è 6 ⊢⊣ 8.
abitazioni della provincia di Belluno.
numero di stanze 1 2 3 4 5 6 7 8
ni 5 22 32 35 16 7 2 1
Calcolare moda e mediana della distribuzione. Commentare i risultati ottenuti.

Quante sono le abitazioni con al più due camere? Che percentuale rappresentano?
Quante sono le abitazione con almeno tre camere? Che percentuale rappresentano?
Calcolare i quartili, il secondo e il settimo decile e il 59-mo centile della distribuzione.
Commentare i risultati ottenuti.
Svolgimento
Riportiamo di seguito alcune calcoli che ci saranno utili nello svolgimento dell’esecizio.
ni
Numero di stanze ni N
Freq. Cumulate Freq. Retrocum.
1 5 0, 0416 5 120
2 22 0, 1833 27 115
3 32 0, 2666 59 93
4 35 0, 2916 94 61
5 16 0, 1333 110 26
6 7 0, 0583 117 10
7 2 0, 0166 119 3
8 1 0, 0083 120 1
tot 120 1 − −
Dalla tabella sopra riportata appare chiaro che la moda si ha in corrispondenza
di X = 4. Si osservi che la moda ha una frequenza relativa pari a 0, 2916. Di
conseguenza essa non può ritenersi una buona sintesi in quanto rappresenta solo il
29% circa delle abitazioni.
Per quanto riguarda il calcolo della mediana, osserviamo che N è pari e di conseguenza
abbiamo due posizioni centrali:
N N
= 60 + 1 = 61.
2 2

lOMoARcPSD|3060872
Osservando le frequenze cumulate, si possono individuare le osservazioni che occupano

le posizioni centrali. Sulla base di queste osservazioni la mediana risulta essere:
x(60) + x(61) 4+4
= = 4.
2 2
La mediana bi-ripartisce l’insieme delle abitazioni in due gruppi: il primo composto
da abitazioni che hanno un numero di stanze minore o uguale a 4, il secondo composto
da abitazioni che hanno un numero di stanze maggiore o uguale 4. Nel dettaglio, il
avalore assunto dalla mediana ci dice che:
• circa il 50% delle abitazioni considerate ha un numero di stanze al più pari a 4;

• circa il 50% delle abitazioni considerate ha un numero di stanze almeno pari a
4.
Il numero di abitazioni con al più due camere ci viene fornito dalla seconda frequenza
cumulata che è pari a 27. Esse rappresentano una quota delle abitazioni pari a
27
= 0, 225
120
che coincide con il 22, 5% delle abitazioni. Il numero di abitazioni con almeno tre
camere ci viene fornito dalla terza frequenza retrocumulata che è pari a 93. Esse
rappresentano una quota delle abitazioni pari a
93
= 0, 775
120
che coincide con il 77, 5% delle abitazioni.
Passiamo al calcolo dei quartili.
Q1 = x( 120+1 ) = x(30,25)
4
= x(30) + 0, 25[x(31) − x(30) ]

= 3 + 0, 25[3 − 3] = 3
Q2 = Me = x( 120+1 ) = x(60,5)
2
= x(60) + 0, 5[x(61) − x(60) ]

= 4 + 0, 5[4 − 4] = 4
Q3 = x(3· 120+1 ) = x(90,75)

4
= x(90) + 0, 75[x(91) − x(90) ]

= 4 + 0, 75[4 − 4] = 4
Il valore assunto da Q1 ci informa che circa il 25% delle abitazioni considerate ha un

numero di stanze al più pari a 3 e dunque circa il 75% delle abitazioni ha un numero

lOMoARcPSD|3060872
di stanze almeno pari a 3. Il valore assunto da Q2 ci informa che circa il 50% delle
abitazioni considerate ha un numero di stanze al più pari a 4 e dunque circa il 75%
delle abitazini considerate ha un numero di stanze almeno pari a 4. Tale informazione
è la medesima che ci viene fornita dalla mediana. Il valore assunto da Q3 ci informa
che circa il 75% delle abitazioni considerate ha un numero di stanze al più pari a 4 e
dunque circa il 25% delle abitazioni ha un numero di stanze almeno pari a 4.
Il secondo ed il settimo decile della distribuzione sono dati da:
D2 = x( 120+1 ) = x(24,2)
5
= x(24) + 0, 2[x(25) − x(24) ]

= 2 + 0, 2[2 − 2] = 2
D7 = x(7· 120+1 ) = x(84,7)

10
= x(84) + 0, 7[x(85) − x(84) ]

= 4 + 0, 7[4 − 4] = 4
Il valore assunto da D2 ci informa che circa il 10% delle abitazioni considerate ha un

di stanze almeno pari a 2. Il valore assunto da D7 ci informa che circa il 70% delle
abitazioni considerate ha un numero di stanze al più pari a 4 e dunque circa il 30%
delle abitazioni ha un numero di stanze almeno pari a 4.
Il cinquantanovesimo centile della distribuzione è dato da:
C59 = x(59· 120+1 ) = x(71,39)

100
= x(71) + 0, 39[x(72) − x(71) ]

= 4 + 0, 39[4 − 4] = 4
Il valore assunto da C59 ci informa che circa il 59% delle abitazioni considerate ha un
di stanze pari almeno pari a 4.
4. La seguente tabella riporta la distribuzione del carattere X fatturato (in miliardi di

lire) di 1240 calzaturifici italiani nell’anno 1996.
classi di fatturato fino a 0, 5 0, 5 ⊣ 1 1⊣5 5 ⊣ 10 oltre 10

ni 340 368 480 37 15
Calcolare moda e mediana della distribuzione. Commentare i risultati ottenuti.

Quanti calzaturifici hanno avuto un fatturato minore o uguale a un miliardo? Che
percentuale ha avuto un fatturato di almeno un miliardo? Quanti calzaturifici hanno
avuto un fatturato compreso tra 3 e 6,5 miliardi?
Calcolare i quartili, i primi cinque decili e i primi 3 centili della distribuzione.
Commentare i risultati ottenuti.

lOMoARcPSD|3060872
Svolgimento
Osserviano innanzi tutto che la distribuzione di frequenze in considerazione riguarda
un carattere quantitativo continuo con modalità raggruppate in classi.
Riportiamo di seguito alcuni calcoli che ci saranno utili nello svolgimento dell’eser-
cizio.
ni
Fatturato ni N
Fr. Cum. Fr. Retrocum. Ampiezza Fr. Spec.
fino a 0, 5 340 0,2741 340 1240 0,5 680
0, 5 ⊣ 1 368 0,2967 708 900 0,5 736
1⊣5 480 0,387 1188 532 4 120
5 ⊣ 10 37 0,029 1225 52 5 7,4
oltre 10 15 0,012 1240 15 10 1,5
Dalla tabella sopra riportata si osserva che la classe di fatturato in corrispondenza

della quale si ha la frequenza specifica più alta è 0, 5 ⊣ 1. Tale classe di fatturato
coincide con la classe modale.
Per quanto riguarda il calcolo della mediana, osserviamo che N = 1240 è un numero
pari e di conseguenza abbiamo due posizioni centrali
N N
= 620 + 1 = 621
2 2
le quali, come evidenziano le frequenze cumulate, cadono entrambe nella classe 0, 5 ⊣
1. Dato che il carattere quantitativo fatturato è continuo con modalità raggruppate
in classi, la mediana viene calcolata nel modo seguente1 :

− N aj
Me = lj + − Cj−1
2 nj
0, 5
= 0, 5 + [620 − 340] = 0, 88
368
Il valore assunto dalla mediana ci informa che circa il 50% dei calzaturifici ha un
fatturato minore o uguale a 0, 88 miliardi di lire. Di conseguenza, il rimanente 50%
circa ha un fatturato maggiore o uguale a 0.88 miliardi di lire.
Il numero di calzaturifici che hanno avuto un fatturato minore o uguale ad un miliardo
di lire ci viene fornito dalla seconda frequenza cumulata che è pari a 708.
Il numero di calzaturifici cha hanno avuto un fatturato di almeno un miliardo di lire
ci viene fornito dalla terza frequenza retrocumulata che è pari a 532. Possiamo quindi
concludere che la percentuale di calzaturifici che hanno avuto almeno un miliardo di
fatturato è pari a
532
· 100 = 42.8%.
1240
I calzaturifici che hanno avuto un fatturato compreso tra 3 e 6, 5 miliardi sono dati
da:
(5 − 3)120 + (6, 5 − 5)7, 4 = 251, 1
1
Zenga M. ; Lezioni di statistica descrittiva; pagina 99.

lOMoARcPSD|3060872
Tale risultato si basa sull’ipotesi che, all’interno di ogni classe di reddito, le frequenze
si distribuiscano in modo uniforme. Graficamente, il numero di cazaturifici che hanno
avuto un fatturato compreso tra 3 e 6, 5 miliardi coincide con l’area evidenziata nel
grafico:
fs
736
680
120
7.4
3
0 1 3 5 6.5 10 15 fatturato
Fig. 1: Grafico delle frequenze specifiche del carattere “Fatturato”.
Per quanto riguarda il calcolo dei quartili, determiniamo innanzi tutto le loro po-
sizioni:
1241 1241
P os(Q1 ) = = 310, 25 P os(Q2 ) = 2 · = 620, 5
4 4
1241
P os(Q3 ) = 3 · = 930, 75.
4
In base alle frequenze cumulate, le classi del primo, secondo e terzo quartile risultano
essere rispettivamente: fino a 0, 5; 0, 5 ⊣ 1; 1 ⊣ 5.
Nel caso della prima classe, sembra opportuno fissare a 0 il suo estremo inferiore. I
quartili risultano dunque essere:
0, 5
Q1 = 0 + [310, 25 − 0 − 0, 5] · = 0, 46
340
Q2 = Me = 0, 88
4
Q3 = 1 + [930, 75 − 708 − 0, 5] · = 2, 852
480
Il valore assunto da Q1 ci informa che all’incirca il 25% dei calzaturifici ha avuto nel
1996 un fatturato minore o uguale a 0, 46 miliardi di lire. Il rimanente 75% circa
ha avuto un fatturato maggiore o uguale a 0, 46 miliardi di lire. Q2 coincide con la
mediana ed ha dunque il suo stesso significato. Il valore assunto da Q3 ci informa
che il 75% dei calzaturifici ha avuto nel 1996 un fatturato minore o uguale a 2, 852
miliardi di lire. Il rimanente 25% circa ha avuto un fatturato maggiore o uguale a
2, 852 miliardi di lire.

lOMoARcPSD|3060872
Per quanto rigiarda il calcolo dei primi cinque decili, determiniamo innanzi tutto le
loro posizioni:
1241 1241
P os(D1 ) = = 124, 1 P os(D2) = 2 · = 248, 2
10 10
1241 1241
P os(D3) = 3 · = 372, 3 P os(D4 ) = 4 · = 496, 4
10 10
1241
P os(D5 ) = 5 · = 620, 5
10
Osservando le frequenze cumulate, le classi associate a tali posizioni sono rispettiva-
mente: fino a 0, 5; fino a 0, 5; 0, 5 ⊣ 1; 0, 5 ⊣ 1; 0, 5 ⊣ 1. Utilizzando 0 come estremo
inferiore della prima classe, i primi cinque decili risultano essere:
0.5
D1 = 0 + [124, 1 − 0 − 0, 5] = 0, 182
340
0.5
D2 = 0 + [248, 2 − 0 − 0, 5] = 0, 36
340
0.5
D3 = 0, 5 + [372, 3 − 340 − 0, 5] = 0, 543
368
0.5
D1 = 0, 5 + [496, 4 − 340 − 0, 5] = 0, 712
368
D1 = Me = 0, 88
Il valore assunto da D1 ci informa che il 10% dei calzaturifici ha avuto nel 1996 un
fatturato minore o uguale a 0, 182 miliardi di lire. Il restante 90% circa ha avuto
un fatturato maggiore o uguale a 0, 182 miliardi di lire. Il valore assunto da D2 ci
informa che il 20% dei calzaturifici ha avuto nel 1996 un fatturato minore o uguale a
0, 36 miliardi di lire. Il restante 80% circa ha avuto un fatturato maggiore o uguale
a 0, 36 miliardi di lire. Il valore assunto da D3 ci informa che il 30% dei calzaturifici
ha avuto nel 1996 un fatturato minore o uguale a 0, 543 miliardi di lire. Il restante
70% circa ha avuto un fatturato maggiore o uguale a 0, 543 miliardi di lire. Il valore
assunto da D4 ci informa che il 40% dei calzaturifici ha avuto nel 1996 un fatturato
minore o uguale a 0, 712 miliardi di lire. Il restante 90% circa ha avuto un fatturato
maggiore o uguale a 0, 712 miliardi di lire. D5 coincide con la mediana ed ha dunque
il suo stesso significato.
Per quanto riguarda il calcolo dei primi tre centili, determiniamo innanzitutto le loro
posizioni:
1241 1241
P os(C1 ) = = 12, 41 P os(C2) = 2 · = 24, 82
100 100
1241
P os(C3) = 3 · = 37, 23
100

lOMoARcPSD|3060872
Osservando le frequenze cumulate, la classe associata a tali posizioni è: fino a 0, 5.

Utilizzando 0 come estremo inferiore della prima classe, i primi tre centili risultano
essere:
0.5
C1 = 0 + [12, 41 − 0 − 0, 5] = 0, 0175
340
0.5
C2 = 0 + [24, 82 − 0 − 0, 5] = 0, 0358
340
0.5
C3 = 0, 5 + [37, 23 − 0 − 0, 5] = 0, 0540
340
Il valore assunto da C1 ci informa che l’1% dei calzaturifici ha avuto nel 1996 un
fatturato minore o uguale a 0, 0175 miliardi di lire. Il rimanente 99% circa ha avuto
un fatturato maggiore o uguale a 0, 0175. Il valore assunto da C2 ci informa che il
2% dei calzaturifici ha avuto nel 1996 un fatturato minore o uguale a 0, 0358 miliardi
di lire. Il rimanente 98% circa ha avuto un fatturato maggiore o uguale a 0, 0358.
Il valore assunto da C3 ci informa che il 3% dei calzaturifici ha avuto nel 1996 un
fatturato minore o uguale a 0, 0540 miliardi di lire. Il rimanente 97% circa ha avuto
un fatturato maggiore o uguale a 0, 0540.
5. Gli esercizi alberghieri della provincia di Belluno sono stati classificati in base al
numero di camere per esercizio. I risultati dell’indagine sono riportati nella seguente
tabella:
numero di camere fino a 5 6 ⊢⊣ 9 10 ⊢⊣ 13 14 ⊢⊣ 17 18 ⊢⊣ 22 23 ⊢⊣ 30 totale
numero esercizi 20 20 20 24 25 16 125
Calcolare la moda della distribuzione e commentare.

Svolgimento
La tabella fornita dal testo dell’esercizio riporta la distribuzione di frequenze di un
carattere quantitativo discreto con dati raggruppati in classi. In tal caso il calcolo
della moda si riduce all’individuazione della classe modale che si identifica in quella
con frequenza specifica maggiore. Nel caso della prima classe, sembra opportuno
fissare ad 1 il suo estremo inferiore. Alla luce di ciò calcoliamo le frequenze specifiche.
numero di camere fino a 5 6 ⊢⊣ 9 10 ⊢⊣ 13 14 ⊢⊣ 17 18 ⊢⊣ 22 23 ⊢⊣ 30 totale

numero esercizi 20 20 20 24 25 16 125
ampiezza classe 5 4 4 4 5 8
freq. specifiche 4 5 5 6 5 2
La classe modale risulta quindi essere: 14 ⊢⊣ 17.
6. La seguente tabella riporta le distribuzioni degli impiegati civili dello stato secondo
la qualifica funzionale:
Qualifica II III IV V VI VII VIII Totale

ni 58038 308249 287707 71974 52232 28081 12259 818540

lOMoARcPSD|3060872
Calcolare i quartili, i decili, il 96-esimo centile della distribuzione. Commentare i

risultati.
Svolgimento
La distribuzione di frequenze in considerazione riguarda un carattere qualitativo rile-
vato su scala ordinale. Al fine di calcolare i percentili richiesti dal testo dell’esercizio,
ricaviamo le frequenze cumulate.
Qualifica ni Freq. Cumulate

II 58038 58038
III 308249 366287
IV 287707 653994
V 71974 725968
VI 52232 778200
VII 28081 806281
VIII 12259 818540
Le posizioni dei quartili sono date da:

N +1
P os(Q1 ) = = 204635, 25
4

N +1
P os(Q2) = 2 · = 409270, 5
4

N +1
P os(Q1 ) = 3 · = 613905, 75
4
Sulla base delle frequenze cumulate calcolate in precedenza possiamo concludere che:
Q1 = III; Q2 = Me = IV ; Q3 = IV.
Tali valori ci dicono che:
• All’incirca il 25% degli impiegati civili dello stato ha una qualifica al più pari a
III. Pertanto il rimanente 75% circa ha una qualifica almeno pari a III.
IV . Pertanto il rimanente 50% circa ha una qualifica almeno pari a IV .
IV . Pertanto il rimanente 25% circa ha una qualifica almeno pari a IV .
Le posizioni dei decili sono date da:

N +1 N +1
P os(D1 ) = = 81854 P os(D2 ) = 2 · = 163708
10 10

N +1 N +1
P os(D3) = 3 · = 245562 P os(D4 ) = 4 · = 327416
10 10

lOMoARcPSD|3060872
P os(D5) = 5 · 81854 = 409270 P os(D6 ) = 6 · 81854 = 491124

P os(D7) = 7 · 81854 = 572978 P os(D8 ) = 8 · 81854 = 654832
P os(D9 ) = 9 · 81854 = 736686
D1 = III D2 = III D3 = III D4 = III D5 = Me = IV
D6 = IV D7 = IV D8 = V D9 = V I
III. Il rimanente 90% circa ha una qualifica almeno pari a III.
IV . Il rimanente 50% circa ha una qualifica almeno pari a IV .
V . Il rimanente 20% circa ha una qualifica almeno pari a V .
V I. Il rimanente 10% circa ha una qualifica almeno pari a V I.
La posizione del 96◦ percentile è data da:

N +1
P os(C96 ) = 96 · = 96 · 8185, 4 = 785798, 4
100
In base alle frequenze cumulate abbiamo che C96 = V II. Questo risultato ci dice che
circa il 96% degli impiegati civili dello stato ha una qualifica al più pari a V II. Il
rimanente 4% circa ha una qualifica almeno pari a V II.

abitazioni di un quartiere milanese.
Numero di stanze 1 2 3 4 5 6 7 8 9
ni 10 35 40 21 10 6 4 2 1

lOMoARcPSD|3060872
Calcolare la moda, i quartili, il primo e il nono decile, il 73-esimo centile della

distribuzione. Commentare i risultati ottenuti.
Svolgimento
La distribuzione in considerazione riguarda un carattere quantitativo discreto rilevato
su scala di rapporti. Al fine del calcolo dei percentili richiesti dall’esercizio, calcoliamo
le frequenze cumulate.
Numero di stanze ni Freq. Cumulate
1 10 10
2 35 45
3 40 85
4 21 106
5 10 116
6 6 122
7 4 126
8 2 128
9 1 129
tot 129 –
Dato che N = 129 è dispari, la posizione mediana è data da:
129 + 1
P os(Me) = = 65.
2
Basandoci sulle frequenze cumulate calcolate in precedenza possiamo concludere che
Me = 3. Tale valore ci dice che circa il 50% delle abitazioni del quartiere milanese
in considerazione, hanno un numero di stanze minore o uguale a 3. Analogamente,
il valore della mediana ci dice che circa il 50% delle abitazioni del quartire milanese
in considerazione, hanno un numero di stanze maggiore o uguale a 3.
Le posizioni dei quartili sono date da:

N +1
P os(Q1 ) = = 32, 5
4

N +1
P os(Q2 ) = 2 · = 65
4

N +1
P os(Q3 ) = 3 · = 97, 5
4
Q1 = 2; Q2 = Me = 3; Q3 = 4.
• All’incirca il 25% delle abitazioni del quartiere milanese in considerazione ha un
numero di stanze minore o uguale a 2. Il restante 75% circa ha un numero di
stanze maggiore o uguale a 2.

lOMoARcPSD|3060872

Le posizioni del primo e nono decile sono date da:

N +1 N +1
P os(D1 ) = = 13 P os(D9 ) = 9 · = 117
10 10
Sulla base delle frequenze cumulate calcolate in precedenza possiamo concludere che
D1 = 2 e D9 = 6. Tali risultati ci dicono che:

La posizione del 73-esimo centile è data da:

N +1
P os(C73 ) = 73 · = 73 · 1, 3 = 94, 9
100
Sulla base delle frequenze cumulate abbiamo che C73 = 4. Tale valore ci dice che
circa il 73% delle abitazioni del quartiere milanese in considerazione ha un numero di
stanze minore o uguale a 4. Il restante 27% circa ha un numero di stanze maggiore
o uguale a 4.
8. La seguente tabella riporta il numero di incidenti stradali subiti dai possessori di
patente di un comune negli anni 1983 e 1984.
Numero incidenti fino a 2 3⊢⊣4 5⊢⊣8 9⊢⊣11 12⊢⊣16 17⊢⊣19 20⊢⊣24 totale
Frequenze 380 305 285 84 67 24 5 1150
Calcolare la moda e commentare.

Svolgimento
La tabella fornita dal testo dell’esercizio riporta la distribuzione di frequenze di un
carattere quantitativo discreto con dati raggruppati in classi. In tal caso il calcolo
della moda si riduce all’individuazione della classe modale che si identifica in quella
con frequenza specifica maggiore. Calcoliamo dunque le frequenze specifiche dopo

lOMoARcPSD|3060872
aver evidentemente fissato in 0 l’estremo inferiore della prima classe.

Num. Incidenti ni Ampiezza Freq. Specifiche
fino a 2 380 3 126,67
3⊢⊣4 305 2 152,5
5⊢⊣8 285 4 71,25
9⊢⊣11 84 3 28
12⊢⊣16 67 5 13,4
17⊢⊣19 24 3 8
20⊢⊣24 5 5 1
La Classe modale risulta quindi essere 3⊢⊣4. Si può quindi affermare che il numero
di incidenti che, più comunemente, subiscono i possessori di patente nel comune in
considerazione è pari a 3 o a 4. Si osservi che la classe modale rappresenta solo il
26, 5% circa dell’intera popolazione ed è di conseguenza scarsamente rappresentativa
della stessa.
9. I dati nella tabella riportano la distribuzione di frequenza delle entrate provenienti
dai redditi soggetti ad imposta di una certa categoria di lavoratori del Canada (dati
espressi in migliaia di dollari $):
entrate 0⊣2 2⊣4 4⊣6 6⊣8 8⊣10 10⊣15 15⊣20 20⊣50 50⊣100 100⊣200 totale
frequenze 250 1589 1768 1473 1172 1298 306 200 21 3 8080
Calcolare:
i) la percentuale di entrate minori di 5000$;
ii) la percentuale delle entrate maggiori di 12000$;
iii) i quartili;
iv) l’entrata di reddito che è superata solo dal 10% delle entrate.
Svolgimento
Al fine dello svolgimento dell’esercizio saranno utili i risultati riportati nella seguente
tabella.
Entrate Frequenze Freq. Cumulate Freq. Retrocum. Freq. Spec.
0⊣2 250 250 8080 125
2⊣4 1589 1839 7830 794.5
4⊣6 1768 3607 6241 884
6⊣8 1473 5080 4473 736.5
8⊣10 1172 6252 3000 586
10⊣15 1298 7550 1828 259.6
15⊣20 306 7856 530 61.2
20⊣50 200 8056 224 6.6̄
50⊣100 21 8077 24 0.42
100⊣200 3 8080 3 0.03
totale 8080 – –
i) Il numero di entrate minori di 5000$ è dato dalla somma delle:

lOMoARcPSD|3060872
• entrate minori o uguali a 4000$;

• entrate maggiori di 4000$ e minori o di 5000$.
Il valore del primo addendo ci viene fornito dalla seconda frequenza cumulata: 1839.
Il valore del secondo addendo viene individuato ipotizzando che le frequenze si dis-
tribuiscano uniformemente all’interno di ogni classe. Con questa ipotesi la frequenza
x associata alla sottoclasse 4-5 è sostanzialmente ottenuta ricorrendo alla frequenza
specifica della classe 4⊣6. La frequenza specifica associata alla classe 4⊣6 è pari a
884 e ci indica la fequenza che corrisponde ad ogni intervallo unitario della classe 4⊣6
(e dunque anche all’intervallo 4-5). Il numero di entrate maggiori di 4000 e minori o
di 5000 è dunque pari a 884 e di conseguenza il numero di entrate minori di 5000 è
2723. La percentuale di entrate minori di 5000$ è quindi pari a
2723
· 100 = 33, 7%.
8080
ii) il numero di entrate maggiori di 12000$ è dato dalla somma delle:

• entrate maggiori di 15000$;
• entrate maggiori di 12000$ e minori o uguali a 15000$.
Il valore del primo addendo ci viene fornito dalla settima frequenza retrocumulata:
530. Il valore del secondo addendo viene individuato ipotizzando che le frequenze
si distribuiscano uniformemente all’interno di ogni classe. Con questa ipotesi la fre-
quenza x associata alla sottoclasse 12⊣15 è sostanzialmente ottenuta ricorrendo alla
frequenza specifica della classe 10⊣15. tale frequenza specifica è data da 259, 6 così
che la frequenza associata alla sottoclasse (di ampiezza 3) è data da:
3 · 259, 6 = 778, 8.
Il numero di entrate maggiori di 12000$ è quindi pari a 530 + 778, 8 = 1308, 8. La

percentuale di entrate maggiori a 12000$ è pari a
1308, 8
· 100 = 16, 2%.
8080
iii) Le posizioni delle tre entrate quartili sono date da:

8081
P os(Q1 ) = = 2020, 25
4
8081
P os(Q2 ) = 2 · = 4040, 50
4
8081
P os(Q3 ) = 3 · = 6060, 75
4
Osservando le frequenze cumulate si può dunque stabilire che:
2
Q1 = x(2020,25) = 4 + (2020, 25 − 1839 − 0, 5) · = 4, 2045.
1768

lOMoARcPSD|3060872
2
Q2 = x(4040,5) = 6 + (4040, 5 − 3607 − 0, 5) · = 6, 5879.
1473
2
Q3 = x(6060,75) = 8 + (6060, 75 − 5080 − 0, 5) · = 9, 6728.
1172
iv) L’entrata del reddito che è superata solo dal 10% delle entrate coincide con D9 .
La posizione del nono decile è data da:
8081
P os(D9 ) = 9 · = 7272, 9.
10
5
D9 = x(7272,9) = 10 + (7272, 9 − 6252 − 0, 5) = 13, 9366.
1298

lOMoARcPSD|3060872
STATISTICA: esercizi svolti sulla

MEDIA ARITMETICA

lOMoARcPSD|3060872
1 MEDIA ARITMETICA 2
1 MEDIA ARITMETICA
1. La seguente tabella riporta il numero di persone divise per sesso che si sono presentate
durante l’anno 1997 presso un laboratorio d’analisi mediche per rilevare il livello di
colesterolemia nel sangue.
Gen Feb Mar Apr Mag Giu Lug Ago Set Ott Nov Dic
maschi 180 168 160 160 158 120 80 23 132 102 156 96
femmine 150 146 150 149 143 104 40 21 122 104 147 98
Si calcoli la media mensile dei pazienti maschi e dei pazienti femmine che si sono
presentati al laboratorio.
Svolgimento
Il numero totale di pazienti maschi presentatisi nel 1997 per la rilevazione del livello
di colesterolemia è dato da:
180 + 168 + 160 + 158 + 120 + 80 + 23 + 132 + 102 + 156 + 96 = 1535.
La media mensile del numero di maschi presentatisi al laboratorio per l’esame in
questione è quindi data da:
1535
M1 (maschi) = = 127.92
12
In media, nell’anno 1997, si sono presentati al laboratorio, per la rilevazione del livello
di colesterolemia, 127.92 pazienti maschi ogni mese. Più precisamente 127.92 indica
il numero ipotetico di pazienti maschi che si sarebbero presentati al laboratorio in
un mese, nell’ipotesi in cui il numero di pazienti maschi fosse stato uguale per tutti
i mesi.
Il numero totale di pazienti di sesso femminile presentatisi nel 1997 per la rilevazione
del livello di colesterolemia è dato da:
150 + 146 + 150 + 149 + 143 + 104 + 40 + 21 + 122 + 104 + 147 + 98 = 1374.
La media mensile del numero di femmine presentatisi al laboratorio per l’esame in
questione è quindi data da:
1374
M1 (f emmine) = = 114.5
12
In media, nell’anno 1997, si sono presentati al laboratorio, per la rilevazione del livello
di colesterolemia, 114.5 pazienti femmine ogni mese. Più precisamente 114.5 indica
il numero ipotetico di pazienti di sesso femminile che si sarebbero presentati al labo-
ratorio in un mese, nell’ipotesi in cui il numero di pazienti di sesso femminile fosse
stato uguale per tutti i mesi.
Dal confronto tra le due medie osserviamo che, relativamente alla rilevazione del li-
vello di colesterolemia, nel 1997, mediamente presso il laboratorio d’analisi si sono
presentati ogni mese più maschi che femmine.

lOMoARcPSD|3060872
2. Le temperature della neve in gradi Celsius di una nota località sciistica nel mese di
gennaio sono state le seguenti:
tj -4 -3 -2 -1 0 1
gj 6 5 8 6 4 2
dove tj è la temperatura rilevata in gradi Celsius e gj è il numero di giorni in cui

si è registrata la temperatura tj . Si calcoli la temperatura media: in gradi Cel-
sius, in gradi assoluti dove Tass = 273.15 + TCelsius e in gradi Fahrenheit, dove
TF ahr = 32 + 1.8 TCelsius .
Svolgimento
La seguente tabella riporta alcuni conti che ci saranno utili per lo svolgimento dell’e-
sercizio.
tj gj tj · gj
-4 6 -24
-3 5 -15
-2 8 -16
-1 6 -6
0 4 0
1 2 2
tot 31 -59
La temperatura media in gradi Celsius è data da:
P6
j=1 tj · gj
M1 (TCelsius ) = P6
j=1 gj
−59
= = −1.903
31
Nel periodo di osservazione, la temperatura media della neve nella nota località sciis-
tica è stata pari −1.903 C ◦ . Più precisamente, −1.903 C ◦ indica la temperatura che
si sarebbe dovuta osservare nell’intero mese di gennaio nel caso in cui si fosse avuta
la stessa temperatura in ogni giorno.
Si osservi che le relazioni che ci permettono di passare dalle temperature in gradi
Celsius a quelle in gradi Fahrenheit e assoluti, sono lineari. In forza della proprietà
di linearità della media aritmetica1 le medie ricercate risultano:
M1 (TF ahrenheit ) = 32 + 1.8 · M1 (TCelsius )

= 32 + 1.8 · (−1.903) = 28.574
Nel periodo di osservazione, la temperatura media della neve nella nota località sci-
istica è stata pari a 28.574 gradi Fahrenheit. Più precisamente, 28.574 indica la
temperatura in gradi Fahrenheit che si sarebbe dovuta osservare nell’intero mese di
1
Zenga M., Lezioni di statistica descrittiva, pag. 122 (Quarta proprietà di M1 ).

lOMoARcPSD|3060872
gennaio nel caso in cui si fosse avuta la stessa temperatura in ogni giorno.
M1 (Tassoluti ) = 273.15 + M1 (TCelsius )

= 273.15 + (−1.903) = 271.247
Nel periodo di osservazione, la temperatura media della neve nella nota località sci-
istica è stata pari a 271.247 gradi assoluti. Più precisamente, 271.247 indica la tem-
peratura in gradi assoluti che si sarebbe dovuta osservare nell’intero mese di gennaio
nel caso in cui si fosse avuta la stessa temperatura in ogni giorno.
3. La distribuzione del reddito annuo in euro dei 1000 abitanti di un comune è la

seguente:
classi di reddito redditieri
1000 ⊢ 5000 100
5000 ⊢ 15000 400
15000 ⊢ 35000 300
35000 ⊢ 75000 200
Si calcoli il reddito medio degli abitanti del comune.
Svolgimento
Si tratta di calcolare la media aritmetica per una distribuzione di frequenza con dati
raggruppati in classi. In questo caso la media aritmetica viene calcolata ipotizzando
che la frequenza di ogni classe si concentri nel valore centrale della classe stessa.
classi di reddito redditieri (nj ) Val. Centrale (xj ) nj · xj
1000 ⊢ 5000 100 3000 300000
5000 ⊢ 15000 400 10000 4000000
15000 ⊢ 35000 300 25000 7500000
35000 ⊢ 75000 200 55000 11000000
tot 1000 – 22800000
Il reddito medio è dato da:

4
1 X
M1 = xj · n j
1000 j=1
22800000
= = 22800
1000
Gli abitanti del comune in considerazione percepiscono in media un reddito annuo
pari a 22800. Più precisamente, 22800 indica il reddito che spetterebbe a ciscuno dei
residenti nel comune in considerazione nell’ipotesi in cui il reddito totale di tutti i
residenti nel comune fosse ripartito in parti uguali, ossia nell’ipotesi in cui ciascun
residente avesse lo stesso reddito.

lOMoARcPSD|3060872
4. Le 500 imprese di un settore sono state classificate in base al numero di addetti come
segue:
classi di addetti 1⊢⊣9 10⊢⊣19 20⊢⊣49 50⊢⊣199 200⊢⊣499 ≥ 500

n. aziende 25 56 189 168 51 11
n. addetti per classe 175 890 7175 20328 11357 7514
Calcolare il numero medio di addetti del settore, sia ricorrendo all’informazione for-
nita dalla terza riga della tabella, sia non ricorrendovi.
Svolgimento
Supponiamo dapprima di essere in possesso dell’informazione fornita dalla terza riga
della tabella. In tal caso possiamo risalire al numero complessivo di addetti all’interno
del settore industriale allo studio:
175 + 890 + 7175 + 20328 + 11357 + 7514 = 47439.
Alla luce di ciò, il numero medio di addetti per azienda impegnata nel settore risulta
pari a:
47439
M1 = = 94.878 .
500
M1 = 94.878 indica il numero di addetti che sarebbero impiegati in ciascuna azienda
nell’ipotesi in cui il numero totale di addetti venisse ripartito in parti uguali tra tutte
le aziende del settore in considerazione, ossia nell’ipotesi in cui ciascuna azienda abbia
lo stesso numero di addetti.
In alternativa, saremmo potuti giungere al medesimo risultato calcolando in primo
luogo le medie del numero di addetti nelle aziende appartenenti a ciascuna delle
classi considerate ed in secondo luogo sfruttando la proprietà associativa 2 della media
aritmetica. A tal fine costruiamo la seguente tabella:
classi nj totale addetti Numero medio di

per classe(xj · nj ) addetti per azienda (xj )
1⊢⊣9 25 175 7
10⊢⊣19 56 890 15.893
20⊢⊣49 189 7175 37.963
50⊢⊣199 168 20328 121
200⊢⊣499 51 11357 222.688
≥ 500 11 7514 653.091
Nella tabella sopra riportata, ad esempio, M1 (1) = 7 ci indica che, in media, all’in-
terno delle 25 aziende con un numero di addetti tra 1 e 9, si hanno 7 addetti. Più
precisamente, 7 indica il numero di addetti che sarebbero impiegati all’interno delle
aziende appartenenti alla classe 1⊢⊣9 , nell’ipotesi in cui il numero totale di addetti
relativi a questa categoria di imprese fosse ripartito in parti uguali tra le imprese
2
Zenga M., Lezioni di statistica descrittiva, pag. 120 (Terza proprietà di M1 ).

lOMoARcPSD|3060872
stesse, ossia nell’ipotesi in cui tutte le aziende appartenenti alla categoria in consid-
erazione avessero lo stesso numero di addetti. Analogamente, M1 (4) = 121 ci indica
che mediamente, le 168 aziende aventi un numero di addetti compreso tra 50 e 199,
hanno 121 addetti. Più precisamente, 121 indica il numero di addetti che sarebbero
impiegati all’interno delle aziende con un numero di addetti tra 50 e 199, nell’ipotesi
in cui il numero totale di addetti relativi a questa categoria di imprese fosse ripartito
in parti uguali tra le imprese stesse, ossia nell’ipotesi in cui tutte le aziende apparte-
nenti alla categoria in considerazione avessero lo stesso numero di addetti.
In forza della proprietà associativa della media aritmetica abbiamo che:
(7 · 25) + (15.893 · 56) + (37.963 · 189) + (121 · 168) + (222.688 · 51) + (683.091 · 11)
M1 =
500
47439
= = 94.878
500
che coincide con quanto ricavato in precedenza. Si osservi che le medie aritmetiche di
ogni classe, xj , possono costituire un valore rappresentativo delle classi, come avviene
per i valori centrali (utilizzati ad esempio nell’esercizio precedente e utili nei contesti
in cui non si dispone di ulteriori informazioni sulle classi).
Come sopra precisato, se si suppone di non disporre dell’informazione fornita dalla
terza riga della tabella riportata dal testo dell’esercizio, dobbiamo calcolare la media
aritmetica per una distribuzione di frequenza con dati raggruppati in classi utilizzan-
do i valori centrali delle classi stesse. In questo caso ipotizziamo cioè che le aziende
appartenenti alla medesima classe abbiano un’ugual numero di addetti, pari al valore
centrale della classe. E’ dunque necessario calcolare tali valori centrali e a tal fine
scegliamo di chiudere l’ultima classe con il valore 1000.
classi nj Val. centrale

di classe
1⊢⊣9 25 5
10⊢⊣19 56 14.5
20⊢⊣49 189 34.5
50⊢⊣199 168 124.5
200⊢⊣499 51 349.5
500⊢⊣1000 11 750
A questo punto la media artmetica risulta essere data da:
(5 · 25) + (14.5 · 56) + (34.5 · 189) + (124.5 · 168) + (349.5 · 51) + (750 · 11)
M1 =
500
54448
= = 108.896
500
Si osservi che l’ipotesi che le aziende di ogni classe abbiano un’ugual numero di addet-
ti, pari al valore centrale della classe a cui appartengono, ci ha portato ad individuare
un numero teorico complessivo di addetti pari a 54448, tale valore non coincide con
il totale effettivo 47439. Ignorando l’informazione contenuta nella terza riga della

lOMoARcPSD|3060872
tabella del testo dell’esercizio, concludiamo che, mediamente, il numero di addetti

per azienda risulta pari a 108.896. Più precisamente 108.869 indica il numero di
addetti che sarebbero impiegati in ogni azienda nell’ipotesi in cui il numero teorico
complessivo di addetti venisse ripartito in parti uguali tra tutte le 500 aziende del
settore in considerazione, ossia nell’ipotesi in cui tutte le aziende del settore in con-
siderazione avessero lo stesso numero di addetti.
5. Le medie aritmetiche dei voti riportati agli esami di maturità (in sessantesimi) in
quattro classi di un istituto superiore sono le seguenti
sezioni A B C D Totale
voto medio 54 46 40 52
n. studenti 30 27 20 18 95
Si determini la media aritmetica dei voti di maturità per l’intero istituto.
Svolgimento
Sfruttando la proprietà associativa delle media aritmetica, la media dei voti di ma-
turità per l’intero istituto risulta essere:
(54 · 30) + (46 · 27) + (40 · 20) + (52 · 18)

M1 =
95
4598
= = 48.4
95
Mediamente, il voto di maturità degli studenti dell’istituto in considerazione è pari
a 48.4 sessantesimi. Se tutti i 95 studenti avessero meritato lo stesso voto, dunque,
ciascuno avrebbe idealmente un voto pari a 48.4 sessantesimi.
6. La seguente tabella riporta la distribuzione del numero di alberghi delle due località
turistiche A e B di un comprensorio, secondo le classi di fatturato annuale X (in
milioni di Euro):
classi di fatturato fino a 1 1⊢3 3⊢5 5⊢10 10⊢20 20⊢40

N.ro di alberghi in A (nA
j ) 15 24 85 48 40 29
B
N.ro di alberghi in B (nj ) 25 51 67 59 31 31
Si calcoli il fatturato medio degli alberghi dell’intero comprensorio. Si verifichi che

per tale media vale la proprietà associativa, relativamente alle due località A e B.
Svolgimento
Dobbiamo calcolare la media aritmetica per una distribuzione di frequenze con dati
raggruppati in classi. Al fine dello svolgimento dell’esercizio, sembra ragionevole

lOMoARcPSD|3060872
chiudere la prima classe con il valore 0. Nella seguente tabella riportiamo dei calcoli
che ci saranno utili in seguito.

Classi nAj nBj Val. Centr. nj = nA B
j + nj xcj · nj xcj · nA
j xcj · nB
j
di fatturato xcj
0⊢1 15 25 0.5 40 20 7.5 12.5
1⊢3 24 51 2 75 150 48 102
3⊢5 85 67 4 152 608 340 268
5⊢10 48 59 7.5 107 802.5 360 442.5
10⊢20 40 31 15 71 1065 600 465
20⊢40 29 31 30 60 1080 870 930
tot 241 264 – 505 4445.5 2225.5 2220
Il fatturato medio aritmetico degli alberghi dell’intero comprensorio è dato da:

4445.5
M1 = = 8.803.
505
Il valore 8.803 indica il fatturato di ogni albergo del comprensorio nell’ipotesi in cui
il fatturato di tutti gli alberghi venga ripartito in parti uguali tra gli alberghi.
Il fatturato medio aritmetico degli alberghi della località turistica A è dato da:
2225.5
M1A = = 9.234.
241
Il valore 9.234 indica il fatturato di ogni albergo della località A nell’ipotesi in cui il
fatturato di tutti gli alberghi della località A venga ripartito in parti uguali tra quelli
della località stessa.
Il fatturato medio artmetico degli alberghi del della località turistica B è dato da:
2220
M1B = = 8.409.
264
Il valore 8.409 indica il fatturato di ogni albergo della località B nell’ipotesi in cui il
fatturato di tutti gli alberghi della località B venga ripartito in parti uguali tra quelli
della località stessa.
Verifichiamo ora la proprietà associativa della media aritmetica la quale ci assicura
che il fatturato medio aritmetico degli alberghi dell’intero comprensorio è calcolabile
come media aritmetica ponderata dei fattuati medi aritmetici degli alberghi delle
località A e B con pesi pari alla numerosità degli alberghi nelle due località. In
formule:
(9.234 · 241) + (8.409 · 264)
M1 = = 8.803
505
che coincide esattamente con il valore ricavato in precedenza.
7. Un carattere quantitativo X è stato rilevato sulle unità di una popolazione. La più

piccola modalità osservata è x(1) = 3, la più elevata modalità è x(n) = 30. Si risponda,
con opportune motivazioni, alle seguenti domande:

lOMoARcPSD|3060872
a) è possibile che M1 (X) = 2.5 ?

b) Se Y è un altro carattere quantitativo legato ad X dalla relazione Y = 0.7 + 5X
quale tra le seguenti medie aritmetiche: 10, 100, 152, si ritiene che sia possibile
per Y ?
Svolgimento
Svolgimento punto a) Per la proprietà di internalità della media artimentica abbiamo
che
x(1) ≤ M1 ≤ x(n) .
Nel nostro caso si dovrebbe avere che
3 ≤ M1X ≤ 30 (1)
e di conseguenza M1 non può assumere il valore 2.5.

Svolgimento punto b) In forza della proprietà di linearità della media aritmetica
abbiamo che
M1Y = 0.7 + 5M1X
e di conseguenza
M1Y − 0.7
M1X = .
5
Riscrivendo la (1) sostituendo a M1X l’espressione appena ricavata abbiamo:
M1Y − 0.7
3≤ ≤ 30.
5
Isolando M1Y nell’espressione appena riportata, otteniamo che la media del carattere
Y deve soddifare le seguenti disuguaglianze:
(3 · 5) + 0.7 ≤ M1Y ≤ (30 · 5) + 0.7
15.7 ≤ M1Y ≤ 150.7.

Grazie alle disuguaglianze sopra riportate concludiamo che tra i valori 10, 100, 152,
l’unico possibile per M1Y è 100.

lOMoARcPSD|3060872

MEDIA GEOMETRICA
MEDIA ARMONICA e
MEDIA QUADRATICA

lOMoARcPSD|3060872
1 MEDIA GEOMETRICA, ARMONICA, QUADRATICA 2
1 MEDIA GEOMETRICA, ARMONICA, QUADRATICA

1. Calcolare la media aritmetica dei logaritmi dei seguenti valori:
2; 4; 8; 16; 32; 64; 128.
Dedurne quindi la media geometrica.
Svolgimento
Per calcolare la media aritmetica dei logaritmi dei valori indicati dal testo del-
l’esercizio, predisponiamo la seguente tabella (in cui si è fatto uso dei logaritmi
naturali):
xi log(xi )
2 0.6931
4 1.3863
8 2.0794
16 2.7725
32 3.4657
64 4.1589
128 4.8520
tot 19.4081
Abbiamo dunque che:

19.4081
M1 (log X) = = 2.7726.
7
Ricordiamo che la media aritmetica dei logaritmi di N valori positivi coincide con il
logaritmo della media geometrica1 , in formule:
M1 (log X) = log(M0 (X)).
Di conseguenza:
M0 (X) = eM1 (log X) .
Grazie a quest’ultima espressione abbiamo che:
M0 (X) = e2.7726 = 16.
La media geometrica dei valori riportati dal testo dell’esercizio è di conseguenza pari
a 16. Quale verifica della correttezza dei calcoli appena svolti, ricaviamo il valore di
M0 (X) utilizzando anche il procedimento diretto.
v
u 7
uY
7
M0 (X) = t xi
i=1
1
Zenga M., Lezioni di statistica descrittiva, pag 131: prima proprietà della media geometrica.

lOMoARcPSD|3060872
√7
= 2 · 4 · 8 · 16 · 32 · 64 · 128
√7
= 2 · 22 · 23 · 24 · 25 · 26 · 27
√7
= 228
28
= 2 7 = 24 = 16.
Che coincide con quanto ricavato in precedenza.
2. Le temperature della neve in gradi centigradi di una nota località sciistica nel mese
di agosto sono state le seguenti:
xj 6 5 4 3 2 1
nj 2 4 6 5 8 6
dove nj è il numero di giorni in cui si è registrata la temperatura xj in gradi centi-

gradi. Calcolare la media geometrica della distribuzione.
Svolgimento
Il numero totale di giorni in cui è stata rilevata la temperatura della neve nella località
sciistica è dato da:
N = 2 + 4 + 6 + 5 + 8 + 6 = 31.
Indicando con k il numero delle modalità del carattere “temperatura in gradi centi-
gradi” che si sono effettivamente osservate, la media geometrica della distribuzione è
data da:
v
u k
uY nj
M0 = t N
xj
j=1
√
31
= 62 · 54 · 46 · 35 · 28 · 16
= 2.5796
Possiamo dunque concludere dicendo che la media geometrica delle temperature della
neve rilevate durante mese d’agosto nella nota località sciistica è pari a 2.5796 C ◦ .
3. Una classe di studenti che hanno frequentato il liceo insieme si trova alla cena di
classe ad un paio d’anni dalla maturità. Sia X il numero di esami sostenuti durante
i primi due anni di iscrizione all’università:
X 0 ⊢⊣ 1 2 ⊢⊣ 4 5 ⊢⊣ 7 8 ⊢⊣ 9
n studenti
◦
6 10 8 4
T otale esami sostenuti 4 27 52 33
Si valuti la media geometrica della distribuzione, sia ricorrendo all’informazione for-

nita dalla terza riga della tabella, sia non ricorrendovi.

lOMoARcPSD|3060872
Svolgimento
Si supponga in primo luogo di essere in possesso dell’informazione fornita dalla terza
riga della tabella riportata nel testo dell’esercizio. In tal caso è ragionevole sinte-
tizzare ciascuna classe in cui è raggruppato il carattere “numero di esami sostenuti”
mediante la media aritmetica degli esami sostenuti dagli studenti che appartengono a
ciascuna delle classi stesse. Queste medie (xj ), insieme ad altri calcoli che ci saranno
utili nel seguito, sono riportate nella seguente tabella:
X n◦ studenti Tot. esami xj val. centrale

nj xj · nj cj
0 ⊢⊣ 1 6 4 0.6667 0.5
2 ⊢⊣ 4 10 27 2.7 3
5 ⊢⊣ 7 8 52 6.5 6
8 ⊢⊣ 9 4 33 8.25 8.5
tot. 28 – – –
La media geometrica calcolata sfruttando le informazioni della terza riga della tabella
è data da:
v
u 4
′ uY nj
M0 = 28 t x
j
j=1
p
= (0.6667)6 · (2.7)10 · (6.5)8 · (8.25)4
28
= 3.0165
Supponendo invece di non essere in possesso delle informazioni contenute nella terza
riga della tabella, è ragionevole sintetizzare ciascuna classe mediante i loro valori
centrali cj . In questo caso la media geometrica risulta essere data da:
v
u 4
′′ uY nj
M0 = 28 t c
j
j=1
p
= (0.5)6 · (3)10 · (6)8 · (8.5)4
28
= 2.8907 .
4. L’importazione di grano in migliaia di tonnellate negli anni 1991 − 1997 è riportata

nella seguente tabella:
anno (j) 1991 1992 1993 1994 1995 1996 1997

quantità (qj ) 1534 2323 2340 2150 2460 2470 2510
Si calcoli per il periodo considerato la variazione relativa media annua (o tasso di

variazione medio annuo) del fenomeno commentando opportunamente.

lOMoARcPSD|3060872
Svolgimento
Le variazioni relative annuali della quantità di grano importata sono date da:
qj − qj−1 qj
Vj.j−1 = = − 1 = Ij.j−1 − 1 j = 1991, 1992, ..., 1997.
qj−1 qj−1
Il loro calcolo è riportato nella seguente tabella:
Anno (j) quantità (qi ) Ij.j−1 Vj.j−1
1991 1534 – –
1992 2323 1.5143 0.5143
1993 2340 1.0073 0.0073
1994 2150 0.9188 -0.0812
1995 2460 1.1442 0.1442
1996 2470 1.0041 0.0041
1997 2510 1.0162 0.0162
Ad esempio, la variazione relativa V1992.1991 , dice che le importazioni di grano del
1992 sono state maggiori del 51.43% rispetto a quelle del 1991. V1994.1993 dice che
le importazioni di grano del 1994 sono state minori dell’8.12% rispetto a quelle del
1993. In modo analogo si commentano le altre variazioni relative annuali.
La variazione relativa media annua (o tasso di variazione medio annuo) della quantità
di grano importata, è data da:
( 1997 ) 16
Y
V̄ = (1 + Vj.j−1 ) −1
j=1991
( 1997
) 16
Y
= Ij.j−1 −1
j=1991
= I¯ − 1
dove, come è possibile osservare, si è indicato con I¯ la media geometrica dei numeri
indici a base mobile Ij.j−1 .
Osserviamo inoltre che:
1997
Y q1997
Ij.j−1 = I1997.1991 = .
j=1991
q1991
La media geometrica I¯ dei numeri indici a base mobile, di conseguenza, è data da:
16
1 2510
I¯ = (I1997.1991 ) 6 = = 1.0855
1534
Abbiamo dunque che:
61
2510
V̄ = − 1 = 1.0855 − 1 = 0.0855 .
1534
lOMoARcPSD|3060872
La variazione relativa media annua della quantità di grano importata, risulta essere
pari a 0.0855. Essa ci indica che, mediamente, negli anni dal 91 al 97, si è osservata
una crescita annuale delle importazioni di grano pari all’ 8.55%.
5. La seguente tabella riporta il numero di autovetture nuove immatricolate nel periodo

gennaio-settembre 2005 (Fonte: Ministero delle Infrastrutture e dei Trasporti):
M ese Genn. Feb. Marzo Aprile Maggio Giugno Luglio Agosto Sett.
immatric. 212568 195518 228104 195388 149229 233901 211227 97048 186759
Si calcoli la variazione relativa media mensile (o tasso di variazione medio mensile)

del fenomeno per il periodo considerato.
Svolgimento
La variazione relativa media mensile è data da
V̄ = I¯ − 1
dove con I¯ si è indicata la media geometrica dei numeri indici a base mobile la quale
risulta essere pari a:
1
¯ 186759 8
I= = 0.9839 .
212568
La variazione relativa media mensile risulta quindi:
81
186759
V̄ = − 1 = 0.9839 − 1 = −0.0161 .
212568
Concludendo, la variazione relativa media mensile del numero di immatricolazioni,

risulta essere pari a −0.0161. Essa indica che, mediamente, nei mesi da gennaio a
settembre del 2005, si è osservata una diminuzione mensile delle immatricolazioni di
auto pari all’1.61%.
6. Su un collettivo di 5 addetti vengono analizzati il carattere X =‘numero di ore

lavorate nell’ultimo mese’ ed il carattere Y =‘numero di pezzi prodotti nell’ultimo
mese’:
Addetto 1 2 3 4 5
X 222 243 225 206 248
Y 1506 1602 1501 1493 1655
Si determini la media geometrica del numero di pezzi prodotti in un’ora.
Svolgimento
E’ necessario, partendo dai dati forniti dal testo dell’esercizio, calcolare il numero

lOMoARcPSD|3060872
medio zi di pezzi prodotti in un ora di lavoro da ciascuno dei cinque addetti. Il

calcolo di tali valori è riportato nella seguente tabella.
Addetto xi yi zi = yi \xi
1 222 1506 6.78
2 243 1602 6.59
3 225 1501 6.67
4 206 1493 7.25
5 248 1655 6.67
La media geometrica del numero di pezzi prodotti in un’ora è data dunque da:
p
M0 (Z) = 5 (6.78) · (6.59) · (6.67) · (7.25) · (6.67)
= 6.79
In alternativa avremmo potuto ricavare il valore di M0 (Z) sfruttando la seguente
proprietà2 della media geometrica:

Y M0 (Y )
M0 = .
X M0 (X)
Nel nostro caso abbiamo:
p
M0 (Y ) = 5 (1506) · (1602) · (1501) · (1493) · (1655) = 1550.048
p
M0 (X) = 5 (222) · (243) · (225) · (206) · (248) = 228.293.
Concludendo, abbiamo che
Y 1550.048
M0 (Z) = M0 ( )= = 6.79
X 228.293
che coincide con il risultato ottenuto in precedenza.
7. Un carattere quantitativo viene rilevato su 5 individui ottenendo le seguenti osser-

vazioni: 13, 5, 7, 26, 19. Si calcolino la media armonica e la media quadratica della
distribuzione.
Svolgimento
Nella seguente tabella sono riportati alcuni calcoli utili per lo svolgimento dell’eser-
cizio.
xi 1\xi x2i
13 0.0769 169
5 0.2 25
7 0.1428 49
26 0.0385 676
19 0.0526 361
tot 0.5109 1280
2
Zenga M., Lezioni di statistica descrittiva, pag. 134: seconda proprietà della media geometrica.

lOMoARcPSD|3060872
La media armonica della distribuzione è data da:

5 5
M−1 = P5 1 = = 9.7872.
i=1 x
0.5109
i
La media quadratica della distribuzione è data da:

v
u 5
u1 X
M2 = t x2
5 i=1 i
r
1280
=
5
√
= 256 = 16.
8. Si calcolino la media armonica e la media quadratica della seguente distribuzione:

xj 5 20 40 60 90
.
nj 20 40 60 50 30
Si calcolino inoltre media aritmetica e media geometrica verificando numericamente
la relazione di ordinamento:
M−1 ≤ M0 ≤ M1 ≤ M2 .
Svolgimento
Nella seguente tabella sono riportati alcuni calcoli utili per lo svolgimento dell’eser-
cizio.
xj nj xj · nj log(xj ) log(xj ) · nj x−1
j j · nj
x−1 x2j x2j · nj
5 20 100 1.6094 32.1887 0.2 4 25 500
20 40 800 2.9957 119.8293 0.05 2 400 16000
40 60 2400 3.6889 221.3328 0.025 1.5 1600 96000
60 50 3000 4.0943 204.7172 0.01667 0.8333 3600 180000
90 30 2700 4.4998 134.9943 0.0111 0.3333 8100 243000
Tot 200 9000 – 713.0623 – 8.6667 – 535500
La media aritmetica del carattere rilevato è data da:
5
1 X 9000
M1 = xj · nj = = 45.
200 j=1 200
La media goemetrica del carattere rilevato è data da:

5
!
1 X
M0 = exp log(xj ) · nj
200 j=1
713.0623
= e 200
= e3.5653 = 35.3505.

lOMoARcPSD|3060872
La media armonica del carattere rilevato è data da:

200
M−1 = P5
j=1 xj · nj
−1
200
= = 23.0769.
8.6667
La media quadratica del carattere rilevato è data da:
v
u 5
u 1 X
M2 = t x2 · nj
200 j=1 j
r
535500
= = 51.7446.
200
E’ facile osservare che i valori medi appena ricavati soddifano la relazione d’ordine
riportata dal testo dell’esercizio. Infatti:
(M−1 = 23.0769) ≤ (M0 = 35.3505) ≤ (M1 = 45) ≤ (M2 = 51.7446) .

lOMoARcPSD|3060872
STATISTICA esercizi svolti sul PRINCIPIO

DI INVARIANZA DI CHISINI

lOMoARcPSD|3060872
1 PRINCIPIO DI INVARIANZA DI CHISINI 2
1 PRINCIPIO DI INVARIANZA DI CHISINI
1.1 Esercizi
1. Una banca ha applicato negli ultimi 12 anni ad un deposito vincolato i seguenti tassi
di interesse composto: 8.2% per 1 anno, 12.5% per 3 anni, 10.7% per 4 anni, 11.4%
per 2 anni e 9% per 2 anni. Determinare il tasso medio annuo che lascia inalterato il
valore del deposito al termine dei 12 anni.
Svolgimento
Calcolare il tasso medio annuo che lascia inalterato il valore del deposito al termine
dei 12 anni significa trovare il tasso che, se fosse stato applicato per tutti i 12 anni,
avrebbe portato ad ottenere lo stesso capitale (montante) finale.
É noto che, dato un capitale iniziale C0 e n tassi di interesse x1 , x2 , ..., xn applicati

in altrettanti periodi, il capitale (montante) finale CF in regime di capitalizzazione
composta è dato da
n
Y
CF = C0 (1 + x1 )(1 + x2 ) · · · (1 + xn ) = C0 (1 + xi ).
i=1
É noto inoltre che, considerato un generico tasso xi , la quantità 1 + xi si dice fattore

di capitalizzazione.
Pertanto il problema considerato può essere equivalentemente riformulato ricercando
il fattore di capitalizzazione medio annuo.
Il fattore di capitalizzazione medio annuo (1+ x̄) che lascia inalterato il capitale finale
devi quindi soddisfare la relazione
N
Y N
Y
C0 · (1 + xi ) = C0 · (1 + x̄)
i=1 i=1
cioè
N
Y
(1 + x̄)N = (1 + xi )
i=1
" N
# N1
Y
1 + x̄ = (1 + xi )
i=1
da cui si ricava che

N
" # N1
Y
x̄ = (1 + xi ) − 1.
i=1

lOMoARcPSD|3060872
N
" # N1
Y
Dalla relazione 1 + x̄ = (1 + xi ) è facile riconoscere che il fattore di capitaliz-
i=1
zazione medio annuo è la media geometrica dei fattori di capitalizzazione annui.
Nel nostro caso, abbiamo tassi di interesse (e quindi fattori di capitalizzazione) appli-
cati per più anni: mostreremo dunque che è necessario considerare la media geome-
trica ponderata dei fattori di capitalizzazione, con pesi pari agli anni di applicazione.
Si completa perciò la seguente tabella, calcolando i fattori di capitalizzazione annui
e il numero di anni nei quali sono stati applicati.
X = fattore di ni = anni
capitalizzazione annuo di applicazione
1+0.082=1.082 1
1+0.125=1.125 3
1+0.107=1.107 4
1+0.114=1.114 2
1+0.09=1.09 2
TOTALE 12
Il capitale (montante) finale è pertanto:

5
Y
CF = C0 · (1+xi )ni = C0 ·[(1.082)1 ·(1.125)3 ·(1.107)4 ·(1.114)2 ·(1.09)2 ] = C0 ·3.412.
i=1
La relazione che deve soddisfare il fattore di capitalizzazione medio annuo (1 + x̄) è

5
Y 5
Y
ni
C0 · (1 + xi ) = C0 · (1 + x̄)ni
i=1 i=1
cioè
5
Y
(1 + xi )ni = (1 + x̄)12
i=1
da cui si ricava v
u 5
uY
12
1 + x̄ = t (1 + xi )ni
i=1
vale a dire la media geometrica ponderata dei fattori di capitalizzazione, con pesi
pari agli anni di applicazione.
Nel nostro caso, quindi
√
12
1 + x̄ = 3.412

lOMoARcPSD|3060872
e quindi
1 + x̄ = 1.10768.
A questo punto possiamo ricavare il tasso di interesse medio annuo:
x̄ = 1.10768 − 1 = 0.10768 (= 10.768%).
2. Durante una mattinata, vengono rilevati gli incassi x1 , . . . , x5 (espressi in euro) di

cinque caselli autostradali. Il prezzo del pedaggio è unico e pari a 1.5 euro.
a) Si determini l’espressione generale dell’incasso medio che lascia invariato il numero
di pedaggi complessivamente pagati. Si riconosca il tipo di media determinata;
b) L’incasso medio dei cinque caselli risulta pari a 150 euro. Viene fatta poi una
rilevazione su altri dieci caselli per i quali l’incasso medio risulta pari a 425
euro. Qual è l’incasso medio dei 15 caselli considerati congiuntamente?
c) In riferimento ai 5 caselli precedentemente considerati, si dica, giustificando la
risposta, se la seguente affermazione sia o meno plausibile: “la media quadratica
degli incassi dei cinque caselli è pari a 136 euro”.
Svolgimento
a) Calcoliamo per prima cosa, l’espressione generale del numero di pedaggi
dell’i-esimo casello, ovvero
xi
1.5
e di conseguenza, il numero di pedaggi complessivi dei 5 caselli, è dato da
5
X xi
.
i=1
1.5
Si vuole quindi cercare il valore dell’incasso medio x̄ tale che:

5 5
X xi X x̄
=
i=1
1.5 i=1
1.5
cioè
5
X 5
X
xi = x̄
i=1 i=1
da cui
5
X
xi = 5 · x̄.
i=1
Dall’ultima relazione, è possibile quindi ricavare l’espressione generale di x̄:

5
1 X
x̄ = · xi
5 i=1

lOMoARcPSD|3060872
ed è possibile quindi affermare che la media aritmetica degli incassi dei 5 caselli
è il tipo di media cercato.
b) Per calcolare l’incasso medio dei 15 caselli considerati congiuntamente, si può

utilizzare la proprietà associativa della media aritmetica che afferma che la media
aritmetica totale è pari alla media aritmetica ponderata delle medie aritmetiche
parziali, con pesi uguali alle numerosità dei gruppi.
Si ottiene quindi:
150 · 5 + 425 · 10
M1 (tot) =
5 + 10
5000
= = 333.3̄ (euro).
15
c) Per rispondere, basta ricordare che
M−1 ≤ M0 ≤ M1 ≤ M2
e quindi, sapendo che

M1 = 150
deve verificarsi necessariamente che
M2 ≥ 150,
ragion per cui non è possibile che la media quadratica degli incassi dei 5 caselli
sia pari a 136 euro.
3. Un’auto percorre 5 tratti di strada, ciascuno dei quali lungo 150 km con velocità
rispettivamente pari a
v1 = 50 km/h, v2 = 100 km/h, v3 = 60 km/h, v4 = 120 km/h, v5 = 90 km/h.
a) Qual’ è la velocità media che lascia inalterato il tempo complessivo impiegato a

percorrere tutti e 5 i tratti di strada?
b) Qual’ è la velocità media che lascia inalterato il consumo totale di carburante
sapendo che il consumo per km, c è legato alla velocità v dalla relazione c = k v 2 ,
dove k è una costante positiva?
Svolgimento
a) Il tempo impiegato dall’auto per percorrere l’i-esimo tratto di strada è

150
ti = .
vi

lOMoARcPSD|3060872
Il tempo totale impiegato per percorrere tutti e 5 i tratti sarà quindi dato da
5 5 5
X X 150 X 1
ttot = ti = = 150 · .
i=1 i=1
vi v
i=1 i
La velocità media v̄ che lascia inalterato il tempo utilizzato per percorrere tutti
i tratti di strada, deve pertanto soddisfare la seguente relazione
5 5
X 1 X 1
150 · = 150 ·
v
i=1 i i=1
v̄
cioè
5
X 1 1
=5· .
v
i=1 i
v̄
Dalla precedente relazione si ricava
5
v̄ = 5
.
X 1
i=1
vi
Si può quindi affermare che la velocità media v̄ che lascia inalterato il tempo
utilizzato per percorrere tutti i tratti di strada è la media armonica delle velocità.
Nel nostro caso si ha pertanto

5
v̄ =
1 1 1 1 1
+ + + +
50 100 60 120 90
= 75.63.
b) Ricordando che la lunghezza di ogni tratto è 150 km, è possibile calcolare il

consumo di carburante per l’i-esimo tratto di strada (ci ):
ci = 150 k vi2 .
Il consumo totale è pertanto dato da

5
X 5
X 5
X
ctot = ci = 150 k vi2 = 150 k · vi2 .
i=1 i=1 i=1
La velocità media (v̄) che lascia inalterato il consumo totale deve soddisfare la
relazione
X 5 X5
2
150 k · vi = 150 k · v̄ 2
i=1 i=1

lOMoARcPSD|3060872
cioè
5
X
vi2 = 5 · v̄ 2 .
i=1
Dalla relazione precedente si ricava

s
P5
i=1 vi2
v̄ = .
5
É facile riconoscere che la velocità media cercata è la media quadratica delle

velocità.
Nel nostro caso si ha:

r
502 + 1002 + 602 + 1202 + 902
v̄ =
5
= 87.86.
4. Su un gruppo di cinque clienti di un piccolo negozio che hanno effettuato acquisti

pagando mediante carta di credito, si rileva il carattere X= “somma spesa (in Euro)”:
x1 = 52.70 x2 = 48.30 x3 = 105.80 x4 = 152.75 x5 = 45.00.
Supponendo che il negoziante paghi, per ogni transazione, una commissione bancaria
pari al 3% dell’importo, si determini l’espressione e il valore numerico della media
di x1 , ..., x5 che lascia invariato il totale delle commissioni pagate dal negoziante. Si
indichi inoltre il tipo di media ottenuta.
Svolgimento
La commissione pagata dal negoziante per l’i-esimo pagamento tramite carta di
credito è data da
3
c i = xi ·
100
e quindi il totale delle commissioni pagate dal negoziante è
5 5 5
X X 3 3 X
ctot = ci = xi · = · xi .
i=1 i=1
100 100 i=1
Il valor medio x̄ di x1 , ..., x5 che lascia inalterato il totale delle commissioni pagate
dal negoziante deve soddisfare la relazione
5 5
3 X 3 X
· xi = · x̄
100 i=1 100 i=1

lOMoARcPSD|3060872
cioè
5
X
xi = 5 · x̄.
i=1
Dalla precedente relazione si ricava l’espressione

5
1 X
x̄ = · xi .
5 i=1
Il valor medio x̄ di x1 , ..., x5 che lascia inalterato il totale delle commissioni pagate
dal negoziante è quindi la media aritmetica dei valori x1 , ..., x5 .
Nel nostro caso si ha quindi:
52.7 + 48.3 + 105.8 + 152.72 + 45

x̄ = = 80.904.
5
5. Un risparmiatore investe un capitale di C euro ogni giorno per 50 giorni nell’acquisto
di azioni dello stesso tipo le cui quotazioni sono riportate in tabella:
qi 2 3 5 6
gi 15 5 10 20
dove qi indica la quotazione (prezzo in euro dell’azione) e gi il numero di giorni in cui

è stata rilevata la quotazione qi . Calcolare la quotazione media che lascia inalterato
il totale delle azioni acquistate durante i 50 giorni.
Svolgimento
Il numero di azioni acquistate dal risparmiatore in un giorno in cui è valida la
quotazione qi è
C
.
qi
Pertanto il numero di azioni acquistate in totale nei 50 giorni è
4
X C
· gi .
i=1
qi
Dobbiamo quindi trovare la quotazione media q̄ che lascia inalterato il totale delle
azioni acquistate:
4 4
X C X C
· gi = · gi
q
i=1 i i=1
q̄
cioè
4 4
X C C X
· gi = · gi
i=1
qi q̄ i=1

lOMoARcPSD|3060872
da cui si ottiene
4
X 1 C
C· · gi = · 50
q
i=1 i
q̄
50
q̄ = 4
X 1
· gi
i=1
qi
ovvero q̄ è la media armonica ponderata delle quotazioni dell’azione con pesi pari ai
giorni.
Perciò:
50
q̄ =
1 1 1 1
· 15 + · 5 + · 10 + · 20
2 3 5 6
= 3.448.

lOMoARcPSD|3060872
STATISTICA esercizi svolti sulla

VARIABILITA’

lOMoARcPSD|3060872
1 VARIABILITA’ 2
1 VARIABILITA’
1.1 Esercizi
1. La seguente tabella riporta il tempo (in giorni) impiegato da sei individui per il
consumo di una confezione di pasta da 250 grammi:
1 3 5 6 15 30 .
Si calcolino: lo scostamento medio dalla mediana, lo scostamento medio dalla media

aritmetica e lo scarto quadratico medio, commentando i risultati ottenuti.
Svolgimento
Per prima cosa, notiamo che i valori forniti dal testo sono già ordinati: per maggiore
chiarezza, comunque li riportiamo di seguito:
x(1) = 1 x(2) = 3 x(3) = 5 x(4) = 6 x(5) = 15 x(6) = 30.
Dato che il loro numero è pari (N = 6), si hanno due posizioni centrali:
N N
=3 , + 1 = 4.
2 2
La mediana è pertanto:
x(3) + x(4) 5+6
= = 5.5.
2 2
Il valore assunto dalla mediana dice che nel 50% dei casi circa, la durata di un pac-
chetto di pasta è minore di 5.5 giorni. Analogamente, nel 50% dei casi circa, la durata
di un pacchetto di pasta è superiore a 5.5 giorni.
La media aritmetica è data da

6
1X 1 + 3 + 5 + 6 + 15 + 30
M1 = xi = = 10.
6 i=1 6
Per calcolare lo scostamento medio dalla mediana e dalla media aritmetica e lo scarto
quadratico medio, è necessario completare la seguente tabella:
xi |xi − M e| |xi − M1 | (xi − M1 )2

1 4.5 9 81
3 2.5 7 49
5 0.5 5 25
6 0.5 4 16
15 9.5 5 25
30 24.5 20 400
Totale 42 50 596

lOMoARcPSD|3060872
1 VARIABILITA’ 3
Si ha quindi che lo scostamento medio dalla mediana è

6
1X 42
SM e = |xi − M e| = =7
6 i=1 6
e indica che mediamente le durate del pacchetto di pasta differiscono (si discostano)
dalla durata mediana di 7 giorni.
Lo scostamento medio dalla media aritmetica è:

6
1X 50
SM 1 = |xi − M1 | = = 8.3̄
6 i=1 6
e indica che mediamente le durate del pacchetto di pasta differiscono (si discostano)
dalla durata media di 8.3̄ giorni.
Lo scarto quadratico medio è:

v
u 6 r
u1 X 596
σ=t (xi − M1 )2 = = 9.967
6 i=1 6
e indica che mediamente le durate del pacchetto di pasta differiscono dalla durata
media di 9.967 giorni.
2. La seguente tabella fornisce il reddito annuo di sette individui:

individui A B C D E F G
.
reddito (in migliaia di euro) 15 20 12 10 18 30 35
Calcolare lo scostamento medio dalla mediana, lo scostamento medio dalla media

aritmetica, lo scarto quadratico medio, la devianza e la varianza.
Svolgimento
Per prima cosa, ordiniamo in ordine crescente i valori forniti dal testo:
x(1) = 10 x(2) = 12 x(3) = 15 x(4) = 18 x(5) = 20 x(6) = 30 x(7) = 35.
Dato che il loro numero è dispari (N = 7), la posizione mediana è data da:
N +1 8
= = 4.
2 2
La mediana è pertanto:
x(4) = 18.
Il valore assunto dalla mediana dice che circa il 50% dei redditi (dei 7 individui presi
in esame) è minore di 18 (migliaia di euro). Analogamente, circa il 50% dei redditi

lOMoARcPSD|3060872
1 VARIABILITA’ 4
(dei 7 individui presi in esame) è maggiore di 18 (migliaia di euro).
La media aritmetica è data da

7
1X 15 + 20 + 12 + 10 + 18 + 30 + 35
M1 = xi = = 20.
7 i=1 7
Per calcolare lo scostamento dalla mediana e dalla media aritmetica e lo scarto

quadratico medio, è necessario completare la seguente tabella:
xi |xi − M e| |xi − M1 | (xi − M1 )2

15 3 5 25
20 2 0 0
12 6 2 4
10 8 10 100
18 0 8 64
30 12 10 100
35 17 15 225
TOTALE 48 50 518
Si ha quindi che lo scostamento medio dalla mediana è

7
1X 48
SM e = |xi − M e| = = 6.857
7 i=1 7
e indica che mediamente i redditi (dei 7 individui presi in esame) differiscono (si di-
scostano) dal reddito mediano di 6.857 migliaia di euro.
Lo scostamento medio dalla media aritmetica è:

7
1X 50
SM 1 = |xi − M1 | = = 7.143
7 i=1 7
e indica che mediamente i redditi (dei 7 individui presi in esame) differiscono (si di-
scostano) dal reddito medio di 7.143 migliaia di euro.
Lo scarto quadratico medio è:

v
u 7 r
u1 X 518
σ=t (xi − M1 )2 = = 8.6023
7 i=1 7
e indica che mediamente i redditi (dei 7 individui presi in esame) differiscono dal
reddito medio di 8.6023 migliaia di euro.

lOMoARcPSD|3060872
1 VARIABILITA’ 5
Avendo calcolato lo scarto quadratico medio, è possibile calcolare la varianza elevan-

dolo al quadrato:
7
2 1X 518
σ = (xi − M1 )2 = = 74.
7 i=1 7
Dalla tabella precedente, si ricava immediatamente anche la devianza:

7
X
Dev = (xi − M1 )2 = 518.
i=1
3. La seguente tabella fornisce la distribuzione delle 100 famiglie di un quartiere secondo

il carattere X = “numero di figli”:
numero di figli 0 1 2 3 4 5 6
.
frequenze assolute 30 15 20 12 10 9 4
Determinare:
a) il campo di variazione;
b) la differenza interquartile;
c) la varianza con il metodo indiretto;
d) lo scostamento medio dalla media aritmetica;
e) lo scostamento medio dalla mediana.
Svolgimento
Come prima cosa, conviene riscrivere la tabella fornita dal testo nel seguente modo,
calcolando anche le frequenze cumulate:
N umero di f igli (xj ) nj Cj

0 30 30
1 15 45
2 20 65
3 12 77
4 10 87
5 9 96
6 4 100
Totale 100
É possibile ora calcolare:

a) Il campo di variazione
x(N ) − x(1) = x(100) − x(1) = 6 − 0 = 6.
Tale valore indica che la lunghezza dell’intervallo in cui sono compresi i valori
del carattere X (numero di figli) è pari a 6.

lOMoARcPSD|3060872
1 VARIABILITA’ 6
b) La differenza interquartile
Q3 − Q1 = x(3· N +1 ) − x( N +1 ) = x(75.75) − x(25.25) = 3 − 0 = 3.
4 4
Tale valore indica che il 50% delle famiglie analizzate hanno un numero di figli
compreso in un intervallo di ampiezza 3.
c) La varianza (con il metodo indiretto)

7
2 1 X 2
σ = x nj − M12 = M22 − M12 .
N j=1 j
La seguente tabella
xj nj x j nj x2j x2j nj
0 30 0 0 0
1 15 15 1 15
2 20 40 4 80
3 12 36 9 108
4 10 40 16 160
5 9 45 25 225
6 4 24 36 144
TOT 100 200 732
permette di calcolare:
7
1 X 200
M1 = x j nj = =2
100 j=1 100
e
7
1 X 2 732
M22 = x j nj = = 7.32.
100 j=1 100
Quindi
σ 2 = 7.32 − (2)2 = 3.32
d) Lo scostamento medio dalla media aritmetica.
La seguente tabella
xj nj |xj − M1 | |xj − M1 | · nj
0 30 2 60
1 15 1 15
2 20 0 0
3 12 1 12
4 10 2 20
5 9 3 27
6 4 4 16
TOT 100 150

lOMoARcPSD|3060872
1 VARIABILITA’ 7
permette di calcolare lo scostamento medio da M1 :

7
1 X 150
SM 1 = · |xj − M1 | · nj = = 1.5.
100 j=1 100
Tale valore indica che mediamente il numero di figli (delle 100 famiglie prese in
esame) differisce (si discosta) dal loro valore medio di 1.5 figli.
e) Lo scostamento medio dalla mediana.

Per prima cosa, si calcola la mediana: ricordando che N = 100 e utilizzando le
frequenze cumulate precedentemente calcolate, si ha
M e = x( N +1 ) = x(50.5) = 2.
2
In questo caso, quindi M e = M1 = 2: si avrà di conseguenza che
SM e = SM1 = 1.5.
É possibile quindi affermare che mediamente il numero di figli (delle 100 famiglie
prese in esame) differisce (si discosta) dal loro valore mediano di 1.5 figli.
4. La seguente tabella riporta la distribuzione del carattere X= “numero di stanze” di

120 abitazioni della provincia di Belluno:
N umero di stanze (xj ) 1 2 3 4 5 6 7 8

.
nj 5 22 32 35 16 7 2 1
Calcolare il campo di variazione, la differenza interquartile, lo scarto quadratico medio

e lo scostamento medio dalla media aritmetica.
Svolgimento
Come prima cosa, conviene riscrivere la tabella fornita dal testo nel seguente modo,
calcolando anche le frequenze cumulate:
xj nj Cj
1 5 5
2 22 27
3 32 59
4 35 94
5 16 110
6 7 117
7 2 119
8 1 120
TOTALE 120

lOMoARcPSD|3060872
1 VARIABILITA’ 8
É possibile ora calcolare:

a) Il campo di variazione
x(N ) − x(1) = x(120) − x(1) = 8 − 1 = 7.
Tale valore indica che la lunghezza dell’intervallo in cui sono compresi i valori
del carattere X (numero di stanze) è pari a 7.
b) La differenza interquartile
Q3 − Q1 = x(3· N +1 ) − x( N +1 ) = x(90.75) − x(30.25) = 4 − 3 = 1.
4 4
Tale valore indica che il 50% delle abitazioni prese in esame hanno un numero
di stanze compreso in un intervallo di ampiezza pari a 1.
c) Lo scarto quadratico medio e lo scostamento medio dalla media aritmetica.

Per prima cosa, è necessario calcolare la media aritmetica. Si completa pertanto
la seguente tabella.
xj nj x j nj
1 5 5
2 22 44
3 32 96
4 35 140
5 16 80
6 7 42
7 2 14
8 1 8
TOT 120 429
la quale, permette di calcolare:
8
1 X 429
M1 = x j nj = = 3.575
120 j=1 120
Completando la seguente tabella

xj nj |xj − M1 | (xj − M1 )2 |xj − M1 | · nj (xj − M1 )2 · nj
1 5 2.575 6.63 12.875 33.15
2 22 1.575 2.48 34.65 54.56
3 32 0.575 0.33 18.4 10.56
4 35 0.425 0.18 14.875 6.3
5 16 1.425 2.03 22.8 32.48
6 7 2.425 5.88 16.975 41.16
7 2 3.425 11.73 6.85 23.46
8 1 4.425 19.58 4.425 19.58
TOT 120 131.85 221.25

lOMoARcPSD|3060872
1 VARIABILITA’ 9
è possibile calcolare lo scostamento medio da M1 :

8
1 X 131.85
SM 1 = · |xj − M1 | · nj = = 1.09875
120 j=1 120
(mediamente il numero di stanze delle 120 abitazioni prese in esame differisce

dal valore medio di 1.09875 stanze)
e lo scarto quadratico medio:

v
u 8 r
u 1 X 221.25
σ=t · (xj − M1 )2 · nj = = 1.358
120 j=1 120
(mediamente il numero di stanze delle 120 abitazioni prese in esame differisce

dal valore medio di 1.358 stanze).
5. La distribuzione del reddito annuo in euro dei 1000 abitanti di un comune è la

seguente:
classi di reddito redditieri
1000 |– 5000 100
5000 |– 15000 400 .
15000 |– 35000 300
35000 |– 75000 200
Si determini la varianza del reddito dei 1000 abitanti. Si verifichi numericamente la re-
lazione tra lo scarto quadratico medio e lo scostamento medio dalla media aritmetica.
Svolgimento
Per prima cosa, è necessario calcolare la media aritmetica, completando la seguente
lj− + lj+
tabella, dove xj = indica il valore centrale della j-esima classe:
2
classi di reddito xj nj x j · nj
1000|–5000 3000 100 300000
5000|–15000 10000 400 4000000
15000|– 35000 25000 300 7500000
35000 |– 75000 55000 200 11000000
TOTALE 1000 22800000
Si ha quindi che:
4
1 X 22800000
M1 = x j · nj = = 22800.
N j=1 1000
Per calcolare la varianza, e lo scostamento medio da M1 è necessario completare la

seguente tabella:

lOMoARcPSD|3060872
1 VARIABILITA’ 10
classi di reddito xj nj |xj − M1 | |xj − M1 | · nj (xj − M1 )2 (xj − M1 )2 · nj

1000|–5000 3000 100 19800 1980000 392040000 39204000000
5000|–15000 10000 400 12800 5120000 163840000 65536000000
15000|– 35000 25000 300 2200 660000 4840000 1452000000
35000 |– 75000 55000 200 32200 6440000 1036840000 207368000000
TOTALE 1000 14200000 313560000000
Quindi lo scostamento medio dalla media aritmetica è pari a

4
1 X 14200000
SM 1 = · |xj − M1 | · nj = = 14200
1000 j=1 1000
e tale valore indica che mediamente i redditi dei 1000 abitanti si discostano dal loro
valore medio di 14200 euro.
La varianza è pari a
4
2 1 X 313560000000
σ = (xj − M1 )2 · nj = = 313560000
1000 j=1 1000
e lo scarto quadratico medio è

v
u 4 r
u 1 X 313560000000
σ=t (xj − M1 )2 · nj = = 17707.625
1000 j=1 1000
e tale valore indica che mediamente i redditi dei 1000 abitanti si discostano dal loro
valore medio di 17707.625 euro.
É facile notare che i valori ottenuti verificano la relazione
14200 < 17707.625
e pertanto è soddisfatta la seguente relazione tra scarto quadratico medio e scosta-

mento medio da M1 :
SM1 ≤ σ.
6. La distribuzione delle fatture di una grande azienda, emesse in un mese, secondo

l’importo in migliaia di euro è riportata nella seguente tabella:
classi d’importo 0–|50 50–|100 100–|150 150–|200 200–|250 250–|300 300–|350 tot
n. fatture 8 70 71 62 27 7 3 248
importo totale di classe 304 5600 8946 10540 6210 1960 960
.

lOMoARcPSD|3060872
1 VARIABILITA’ 11
Calcolare lo scostamento medio dalla mediana; lo scostamento medio dalla media

aritmetica; la varianza e lo scarto quadratico medio. Verificare numericamente la
relazione esistente tra SMe , SM1 e σ.
Svolgimento
Per prima cosa, è necessario calcolare la mediana e la media aritmetica della distri-
buzione. Completiamo perciò la seguente tabella.
Classi d’importo nj T ot. di classe (Tj ) Cj

0–|50 8 304 8
50–|100 70 5600 78
100–|150 71 8946 149
150–|200 62 10540 211
200–|250 27 6210 238
250–|300 7 1960 245
300–|350 3 960 248
TOTALE 248 34520
La posizione mediana è data da

N +1 248 + 1
pos(M e) = = = 124.5.
2 2
Scorrendo la colonna delle frequenze cumulate, riconosciamo che la classe (100; 150]
è la classe mediana. Il valore della mediana è pertanto:
(150 − 100)
M e = x(124.5) = 100 + [124.5 − 78 − 0.5] · = 132.39.
71
Utilizzando l’informazione relativa ai totali di classe, il calcolo della media aritmetica
si può effettuare nel seguente modo:
304 + 5600 + 8946 + 10540 + 6210 + 1960 + 960 34520
M1 = = = 139.19.
248 248
Utilizzando l’informazione sui totali di classe, calcoliamo per ciascuna classe un valore
rappresentativo x′j , dividendo ciascun totale di classe per la frequenza della classe.
Completiamo la seguente tabella.
Classi d’importo nj Tot. di classe x′j |x′j − M e| |x′j − M e| · nj

0–|50 8 304 38 94.4 755.2
50–|100 70 5600 80 52.39 3667.3
100–|150 71 8946 126 6.39 453.69
150–|200 62 10540 170 37.61 2331.82
200–|250 27 6210 230 97.61 2635.47
250–|300 7 1960 280 147.61 1033.27
300–|350 3 960 320 187.61 562.83
TOTALE 248 11439.58

lOMoARcPSD|3060872
1 VARIABILITA’ 12
Lo scostamento medio dalla mediana è quindi

7
1 X ′ 11439.58
SM e = · |xj − M e| · nj = = 46.127
248 j=1 248
e tale valore indica che mediamente gli importi delle fatture si discostano dal loro
valore mediano di 46.127 (migliaia di euro).
Completando la seguente tabella

Classi nj x′j |x′j − M1 | |x′j − M1 | · nj (x′j − M1 )2 (x′j − M1 )2 · nj
0–|50 8 38 101.19 809.52 10239.4161 81915.33
50–|100 70 80 59.19 4143.3 3503.4561 245241.93
100–|150 71 126 13.19 936.49 173.9761 12352.30
150–|200 62 170 30.81 1910.22 949.2561 58853.88
200–|250 27 230 90.81 2451.87 8246.4561 222654.31
250–|300 7 280 140.81 985.67 19827.4561 138792.19
300–|350 3 320 180.81 542.43 32692.2561 98076.77
TOTALE 248 11779.50 857886.71
calcoliamo agevolmente lo scostamento medio dalla media aritmetica:

7
1 X ′ 11779.50
SM 1 = · |xj − M1 | · nj = = 47.498
248 j=1 248
e tale valore indica che mediamente gli importi delle fatture si discostano dal loro
valore medio di 47.498 (migliaia di euro).
La varianza è data da:

7
2 1 X ′ 857886.71
σ = (xj − M1 )2 · nj = = 3459.22,
248 j=1 248
lo scarto quadratico medio

v
u 7 r
u 1 X 857886.71
σ=t (x′j − M1 )2 · nj = = 58.815
248 j=1 248
e possiamo interpretare tale valore dicendo che mediamente gli importi delle fatture
differiscono dal loro valore medio di 58.815 (migliaia di euro).
É possibile verificare infine che vale la relazione

SM e ≤ SM 1 ≤ σ
infatti
46.127 < 47.498 < 58.815.

lOMoARcPSD|3060872
1 VARIABILITA’ 13
7. Sia X un carattere quantitativo con media aritmetica M1 (X) = 5 e scarto quadratico

medio σ(X) = 1.5. Sia Y un altro carattere quantitativo tale che Y = 0.5 − 2X.
Determinare la media aritmetica e la varianza di Y .
Svolgimento
Dalla proprietà di linearità della media aritmetica, segue immediatamente che
M1 (Y ) = 0.5 − 2 · M1 (X) = 0.5 − 2 · 5 = −9.5.
A questo punto, calcoliamo la varianza di X
σ 2 (X) = (1.5)2 = 2.25
e ricordiamo la proprietà della varianza che afferma che se tra i caratteri X e Y

sussiste una relazione del tipo
Y =a+b·X
allora tra le varianze di X e Y , vale la relazione:
σ 2 (Y ) = b2 · σ 2 (X).
Applicando tale proprietà, utilizzando i valori a = 0.5 e b = −2 si ricava la varianza

di Y :
σ 2 (Y ) = 22 · σ 2 (X) = 4 · 2.25 = 9.
8. In un reparto produttivo, vengono impiegate tre macchine alle quali lavorano, rispet-
tivamente, 4, 5 e 3 operai. La seguente tabella riporta i dati relativi alla produzione
oraria (per operaio e per macchina):
produzione oraria macchina 1 48 49 48 47
produzione oraria macchina 2 56 56 57 57 55
produzione oraria macchina 3 52 51 51
Determinare la varianza della produzione oraria dell’intero sistema col metodo in-
diretto; determinare inoltre la varianza fra e nei gruppi e verificare la proprietà di
scomposizione della varianza totale.
Svolgimento
Come prima cosa, dividiamo i 12 operai in K = 3 gruppi, a seconda della macchina
a cui lavorano: si avrà quindi il primo gruppo (di numerosità N1 pari a 4) composto
dagli operai che lavorano alla prima macchina, il secondo gruppo (di numerosità N2
pari a 5) formato dagli operai che lavorano alla seconda macchina e infine il terzo
gruppo (di numerosità N3 pari a 3) a cui appartengono gli operai che lavorano alla
terza macchina. A ciascun operaio è associato un numero che rappresenta la sua
produzione oraria.

lOMoARcPSD|3060872
1 VARIABILITA’ 14
É possibile a questo punto calcolare, per ciascun gruppo, la produzione oraria media
(ovvero le medie parziali):
48 + 49 + 48 + 47 192
X̄1 = M1 (1a macchina) = = = 48
4 4
59 + 59 + 57 + 57 + 55 281
X̄2 = M1 (2a macchina) = = = 56.2
5 5
52 + 51 + 51 154
X̄3 = M1 (3a macchina) = = = 51.3̄.
3 3
La proprietà associativa della media aritmetica permette di calcolare la media arit-
metica totale (ovvero la produzione media oraria complessiva):
X̄1 · N1 + X̄2 · N2 + X̄3 · N3 48 · 4 + 56.2 · 5 + 51.3̄ · 3

X̄ = = = 52.25.
N1 + N2 + N3 12
Per determinare la varianza della produzione oraria complessiva con il metodo indi-
retto è necessario applicare la formula:
N
2 1 X 2
σtot = x − M12 = M22 − M12 .
N i=1 i
Si completa la seguente tabella:
Numero
xi x2i
macchina
48 2304
1 49 2401
48 2304
47 2209
56 3136
56 3136
2 57 3249
57 3249
55 3025
52 2704
3 51 2601
51 2601
TOT 628 32919
Quindi:
12
1 X 2 32919
M22 = x = = 2743.25.
12 i=1 i 12

lOMoARcPSD|3060872
1 VARIABILITA’ 15
A questo punto si ricava immediatamente la varianza totale:

2
σtot = 2743.25 − (52.25)2 = 13.1875.
Calcoliamo ora la varianza fra le produzioni medie delle singole macchine (ovvero la
varianza fra i gruppi).
Si ha quindi:
K
1 X
σF2 = [X̄j − X̄]2 · Nj
N j=1
3
1 X 2
= X̄j − X̄ · Nj
12 j=1
(48 − 52.25)2 · 4 + (56.2 − 52.25)2 · 5 + (51.3̄ − 52.25)2 · 3
=
12
152.7833
= = 12.732.
12
Per determinare la varianza nei gruppi, è necessario innanzitutto calcolare le varianze

parziali.
Si ha quindi (utilizzando il metodo indiretto per il calcolo della varianza), che la
varianza del primo gruppo è:
482 + 492 + 482 + 472

σ12 = − (48)2 = 0.5
4
quella del secondo gruppo:
562 + 562 + 572 + 572 + 552

σ22 = − (56.2)2 = 0.56
5
e infine per il terzo gruppo:
522 + 512 + 512

σ32 = − (51.3̄)2 = 0.2̄.
3
Il calcolo della media aritmetica ponderata delle varianze parziali (varianza nei
gruppi), è pertanto:
K 3
2 1 X 2 1 X 2 0.5 · 4 + 0.56 · 5 + 0.2̄ · 3
σN = σj · Nj = σj · Nj = = 0.4556.
N j=1 N j=1 12
A questo punto è possibile verificare la scomposizione della varianza totale:

lOMoARcPSD|3060872
1 VARIABILITA’ 16
2
σN + σF2 = 2
σtot
0.4556 + 12.732 = 13.1876 (∼

= 13.1875)
Calcolando i rapporti di composizione:

2
σN 0.4556
• 2
= = 0.0345 (= 3.45%)
σtot 13.1876
σF2 12.732
• 2
= = 0.9655 (= 96.55%)
σtot 13.1876
è possibile notare che la varianza nei gruppi è il 3.45% della varianza totale e che la
varianza fra i gruppi è il 96.55% della varianza totale.
Da tali considerazioni possiamo concludere che la produzione risulta molto omogenea

per ogni macchina (cioè operai che lavorano alla stessa macchina hanno più o meno
la stessa produttività) ed eterogenea fra le varie macchine (cioè operai lavoranti a
macchine diverse hanno produttività differenti). Le differenze di produttività tra gli
operai sono dunque principalmente imputabili al fatto che utilizzano diversi macchi-
nari.
9. La seguente tabella riporta la distribuzione del numero di alberghi delle due località
turistiche A e B di un comprensorio, secondo le classi di fatturato annuale (in milioni
di Euro):
classi di fatturato fino a 1 1 |– 3 3 |– 5 5 |– 10 10 |– 20 20 |– 40 Tot

Numero di Alberghi in A 15 24 85 48 40 29 241
Numero di Alberghi in B 25 51 67 59 31 31 264
Si verifichi la scomposizione della varianza del fatturato annuo degli alberghi del com-
prensorio, commentando il risultato ottenuto.
Svolgimento
Per prima cosa, dividiamo in K = 2 gruppi gli alberghi del comprensorio: ovviamente
avremo un primo gruppo (di numerosità N1 pari a 241) formato dagli alberghi della
località A e un secondo gruppo (di numerosità N2 pari a 264) composto dagli alberghi
della località B.
Completiamo quindi la seguente tabella per agevolare i calcoli successivi (con nA j

e con nBj si sono indicate rispettivamente le frequenze degli alberghi della località
A e quelle degli alberghi della località B corrispondenti alla j-esima classe, mentre
lj− + lj+
xj = (j = 1, ..., 6) indica il valore centrale di ogni classe).
2

lOMoARcPSD|3060872
1 VARIABILITA’ 17
Classi di
xj x2j nA
j nB
j nA B
j + nj
fatturato
0 |– 1 0.5 0.25 15 25 40
1 |– 3 2 4 24 51 75
3 |– 5 4 16 85 67 152
5 |– 10 7.5 56.25 48 59 107
10 |– 20 15 225 40 31 71
20 |– 40 30 900 29 31 60
Totale 241 264 505
A questo punto è possibile calcolare la media aritmetica del fatturato per gli alberghi
della località A:
6
1 X 0.5 · 15 + 2 · 24 + 4 · 85 + 7.5 · 48 + 15 · 40 + 30 · 29
X̄1 = x j · nA
j = = 9.234
N1 j=1 241
e per gli alberghi della località B:

6
1 X 0.5 · 25 + 2 · 51 + 4 · 67 + 7.5 · 59 + 15 · 31 + 30 · 31
X̄2 = x j · nB
j = = 8.409.
N2 j=1 264
La media aritmetica del fatturato degli alberghi di tutto il comprensorio è quindi,

utilizzando la proprietà associativa della media aritmetica:
9.234 · 241 + 8.409 · 264
X̄ = = 8.803.
241 + 264
É possibile ora calcolare la varianza del fatturato degli alberghi di tutto il compren-
sorio, utilizzando le frequenze totali nA
j + nj (ed il procedimento indiretto):
B
6
2 1 X 2 2
σtot = x · [nA B
j + nj ] − X̄
N j=1 j
0.25 · 40 + 4 · 75 + 16 · 152 + 56.25 · 107 + 225 · 71 + 900 · 60
= − (8.803)2
505
= 78.422.
Calcoliamo ora:
• la varianza nei gruppi
Si deve innanzitutto calcolare la varianza parziale di ciascun gruppo:

6
1 X 2 A
σ12 = x · n − X̄12
N1 j=1 j j
0.25 · 15 + 4 · 24 + 16 · 85 + 56.25 · 48 + 225 · 40 + 900 · 29
= − (9.234)2
241
39259.75
= − 85.267 = 77.64.
241

lOMoARcPSD|3060872
1 VARIABILITA’ 18
6
1 X 2 B
σ22 = x · n − X̄22
N2 j=1 j j
0.25 · 25 + 4 · 51 + 16 · 67 + 56.25 · 59 + 225 · 31 + 900 · 31
= − (8.409)2
264
39475
= − 70.711 = 78.81
264
2
e quindi la varianza nei gruppi (σN ):
2 σ12 · N1 + σ22 · N2 77.64 · 241 + 78.81 · 264

σN = = = 78.252;
N1 + N2 505
• la varianza fra gruppi
Il calcolo della varianza fra i gruppi è invece:

[(X̄1 − X̄)2 · N1 + (X̄2 − X̄)2 · N2 ]
σF2 =
N1 + N2
[(9.234 − 8.803)2 · 241 + (8.409 − 8.803)2 · 264]
=
505
85.750
= = 0.1698.
505
In base ai risultati ottenuti, si verifica la scomposizione:
2
σN + σF2 = 2
σtot
78.252 + 0.1698 = 78.4218 (∼

= 78.422).

2
σN 78.252
• 2
= = 0.9978 (= 99.78%)
σtot 78.422
σ2 0.1698
• 2F = = 0.0022 (= 0.22%)
σtot 78.422
è possibile notare che la varianza nei gruppi è il 99.78% della varianza totale e che
la varianza fra i gruppi è solo lo 0.22% della varianza totale.
Da tali considerazioni possiamo concludere che la distribuzione dei fatturati degli

alberghi delle località A e B è omogenea (varianza fra i gruppi molto piccola) e che in
entrambe le località esistono alberghi con fatturati molto diversi (varianza nei gruppi
molto grande). Le differenze tra i fatturati degli alberghi non sono dunque imputabili
alla diversa collocazione geografica (località A o B).

lOMoARcPSD|3060872
1 VARIABILITA’ 19
10. Nel 1981 gli ospedali in Italia erano 1826 ripartiti per tipo come segue: ospedali
generali 1345, ospedali specialistici 295, ospedali psichiatrici 186. Per ogni ospedale
è stato rilevato il numero di posti letto ottenendo le informazioni seguenti:
osp. generali osp. specialist. osp. psichiatr.
n. medio di posti letto 318,51 215,58 407,22 .
scarto quadratico medio dei posti letto 445,96 259,54 477,84
Si determini il numero medio di posti letto per il complesso di ospedali e la varianza

della stessa variabile, commentando il risultato.
Svolgimento
In questo caso, riconosciamo K = 3 gruppi di numerosità N1 = 1345, N2 = 295 e
N3 = 186, formati rispettivamente dagli ospedali generali, dagli ospedali specialistici
e dagli ospedali psichiatrici.
Avendo le medie della variabile “numeri di posti letto” per ciascun gruppo, è possibile
calcolare la media aritmetica totale, utilizzando la proprietà associativa della media
aritmetica:
3
1 X 318.51 · 1345 + 215.58 · 295 + 407.22 · 186 567734.97
X̄ = X̄j ·Nj = = = 310.917.
N j=1 1345 + 295 + 186 1826
Per calcolare la varianza totale, è necessario utilizzare la sua scomposizione in va-

rianza nei gruppi più varianza fra i gruppi.
La varianza nei gruppi è perciò (indicando con σj2 la varianza del j-esimo gruppo):
3
2 1 X 2
σN = σ · Nj
N j=1 j
(445.96)2 · 1345 + (259.54)2 · 295 + (477.84)2 · 186
=
1826
329835109.2
= = 180632.59.
1826
La varianza fra i gruppi è:
3
1 X
σF2 = [X̄j − X̄]2 · Ni
N j=1
[318.51 − 310.917]2 · 1345 + [215.58 − 310.917]2 · 295 + [407.22 − 310.917]2 · 186
=
1826
4483855.323
= = 2455.56.
1826
La varianza totale è quindi pari a:

lOMoARcPSD|3060872
1 VARIABILITA’ 20
2 2
σtot = σN + σF2
183088.15 = 180632.59 + 2455.56.

2
σN 180632.59
• 2 = = 0.9866 (= 98.66%)
σtot 183088.15
σ2 2455.56
• 2F = = 0.0134 (= 1.34%)
σtot 183088.15
è possibile notare che la varianza nei gruppi è il 98.66% della varianza totale e che
la varianza fra i gruppi è l’1.34% della varianza totale.
Da tali considerazioni possiamo concludere che ogni gruppo è molto eterogeneo al

suo interno (varianza nei gruppi alta): nell’ambito di ciascuna tipologia di ospedale
(generale, specialistico, psichiatrico) il numero di posti letto è molto variabile da ospe-
dale a ospedale, mentre vi è una forte omogeneità tra le varie tipologie di ospedale
(bassa varianza fra i gruppi). Le differenze tra il numero di posti letto degli ospedali
non sono dunque imputabili alla diversa tipologia degli ospedali.
11. Il reddito annuo (in migliaia di euro) di sette individui è rispettivamente pari a 15,
20, 12, 10, 18, 30, 35. Determinare e interpretare la differenza media e con ripetizione
del reddito.
Svolgimento
Per agevolare i conti, completiamo la seguente tabella scrivendo nella cella (i, j), la
quantità |xi − xj |:
xj
15 20 12 10 18 30 35
xi
15 0 5 3 5 3 15 20
20 5 0 8 10 2 10 15
12 3 8 0 2 6 18 23
10 5 10 2 0 8 20 25
18 3 2 6 8 0 12 17
30 15 10 18 20 12 0 5
35 20 15 23 25 17 5 0
464
Si ottiene in questo modo che:

N X N
S 1 X 1
∆= = · |xi − xj | = · 464 = 11.048
N (N − 1) N (N − 1) i=1 j=1 7·6

lOMoARcPSD|3060872
1 VARIABILITA’ 21
e tale valore indica che mediamente i redditi dei sette individui differiscono tra loro
per 11.048 migliaia di euro.
Inoltre
N N
S 1 XX 1
∆R = 2 = 2 · |xi − xj | = 2 · 464 = 9.469.
N N i=1 j=1 7
e tale valore indica che mediamente i redditi dei sette individui differiscono tra loro
(e con loro stessi) per 9.469 migliaia di euro.
Un ulteriore modo per calcolare il numeratore S delle differenze medie è dato da:
N X
X i
S =2· |x(i) − x(j) |.
i=1 j=1
Illustriamo il calcolo del numeratore S attraverso quest’ultima formula.

Per prima cosa, è necessario ordinare i valori xj :
x(1) = 10 x(2) = 12 x(3) = 15 x(4) = 18 x(5) = 20 x(6) = 30 x(7) = 35
e completare la parte sotto la diagonale principale della seguente tabella, scrivendo

nella cella (i, j) la quantità |x(i) − x(j) |.
x(j) Somme parziali

10 12 15 18 20 30 35
x(i) per riga
10 0 0
12 2 0 2
15 5 3 0 8
18 8 6 3 0 17
20 10 8 5 2 0 25
30 20 18 15 12 10 0 75
35 25 23 20 17 15 5 0 105
232
Si ha pertanto che
N X
X i
S =2· |x(i) − x(j) | = 2 · 232 = 464
i=1 j=1
e quindi, come volevasi dimostrare:

S 464
∆= = = 11.048
N (N − 1) 7·6

lOMoARcPSD|3060872
1 VARIABILITA’ 22
S 464
∆R = = = 9.469.
N2 72
Giusto per completezza, viene riportato un ulteriore metodo di calcolo per il nume-
ratore S.
Completando la seguente tabella:
j x(j) 2j − N − 1 x(j) (2j − N − 1)

1 10 -6 -60
2 12 -4 -48
3 15 -2 -30
4 18 0 0
5 20 2 40
6 30 4 120
7 35 6 210
232
possiamo calcolare S nel seguente modo:

7
X
S =2· x(j) (2j − N − 1) = 2 · 232 = 464
j=1
e quindi ritrovare gli stessi valori calcolati precedentemente per ∆ e ∆R .
12. La distribuzione del prezzo del pane al chilogrammo nei capoluoghi di 27 province
nel 1970 e nel 1989 è riportata nella seguente tabella:
prezzo lire al kg. 1970 700 800 900 950 1000 1200 tot
frequenze 1 4 2 3 7 10 27
.
prezzo lire al kg. 1989 2100 2500 2600 2950 3000 3600 tot
frequenze 2 3 2 4 6 10 27
a) Determinare la differenza media semplice e con ripetizione del prezzo del pane nel
1970;
b) Si può dire che dal 1970 al 1989 ci sia stato un aumento della variabilità del feno-
meno?
Svolgimento
a) Ricordando che in questo caso N = 27, completiamo la seguente tabella che

agevolerà il calcolo delle differenze medie.

lOMoARcPSD|3060872
1 VARIABILITA’ 23
xj nj Cj 2Cj − N − nj nj (2Cj − N − nj ) xj nj (2Cj − N − nj )

700 1 1 -26 -26 -18200
800 4 5 -21 -84 -67200
900 2 7 -15 -30 -27000
950 3 10 -10 -30 -28500
1000 7 17 0 0 0
1200 10 27 17 170 204000
Totale 27 63100
Utilizzando la formula per il calcolo del numeratore S, la differenza media
semplice è quindi data da:
6
S 2 X 2
∆= = · xj nj (2Cj −N −nj ) = ·63100 = 179.77.
N (N − 1) N (N − 1) j=1 27 · 26
Tale valore indica che i prezzi del pane nei 27 capoluoghi nel 1970 differiscono
mediamente tra loro di 179.77 lire.
La differenza media con ripetizione è data da:
6
S 2 X 2
∆R = = · x j n j (2Cj − N − n j ) = · 63100 = 173.11.
N2 N 2 j=1 (27)2
Tale valore indica che i prezzi del pane nei 27 capoluoghi nel 1970 differiscono
mediamente tra loro (e con loro stessi) di 173.11 lire.
b) Osservando i valori del prezzo del pane nei due anni presi in esame, è facile ren-
dersi conto che l’ordine di grandezza è differente, ragion per cui per confrontare
le variabilità dei prezzi del pane nei due anni (1970 e 1989) è necessario ricorrere
a indici relativi di variabilità.
Poichè al punto precedente abbiamo calcolato sulla distribuzione dei prezzi del
1970 gli indici ∆ e ∆R , la scelta più ovvia è quella di confrontare la variabilità
dei prezzi del 1970 e del 1989 con gli indici relativi:
∆ ∆R
o .
M1 M1
Per completezza, tuttavia, calcoliamo anche gli altri indici relativi noti:
SM 1 SM e σ
, e .
M1 M 1 M1
Calcoliamo perciò la mediana e la media aritmetica relative all’anno 1970:
M e(1970) = x( N +1 ) = x( 27+1 ) = x(14) = 1000

2 2
(1970) 700 · 1 + 800 · 4 + 900 · 2 + 950 · 3 + 1000 · 7 + 1200 · 10

M1 = = 1020.37
27

lOMoARcPSD|3060872
1 VARIABILITA’ 24
e la mediana e la media aritmetica relative all’anno 1989:

M e(1989) = x( N +1 ) = x( 27+1 ) = x(14) = 3000
2 2
(1989) 2100 · 2 + 2500 · 3 + 2600 · 2 + 2950 · 4 + 3000 · 6 + 3600 · 10

M1 = = 3062.96
27
Si completa la seguente tabella, relativa all’anno 1970:
xj nj |xj − M e| |xj − M e|nj |xj − M1 | |xj − M1 |nj (xj − M1 )2 (xj − M1 )2 nj

700 1 300 300 320.37 320.37 102636.94 102636.94
800 4 200 800 220.37 881.48 48562.93 194251.72
900 2 100 200 120.37 240.74 14488.94 28977.88
950 3 50 150 70.37 211.11 4951.94 14855.82
1000 7 0 0 20.37 142.59 414.94 2904.58
1200 10 200 2000 179.63 1796.3 32266.94 322669.4
Totale 27 3450 3592.59 666296.34
grazie alla quale è possibile calcolare
6
(1970) 1 X 3450
SM e = |xj − M e(1970) | · nj = = 127.7̄
N j=1 27
6
(1970) 1 X (1970) 3592.59
SM 1 = |xj − M1 | · nj = = 133.059
N j=1 27
v
u 6 r
u1 X (1970) 2 666296.34
σ (1970) =t (xj − M1 ) · nj = = 159.07.
N j=1 27
Completiamo l’analoga tabella relativa all’anno 1989:
xj nj |xj − M e| |xj − M e|nj |xj − M1 | |xj − M1 |nj (xj − M1 )2 (xj − M1 )2 nj

2100 2 900 1800 962.96 1925.92 927291.96 1854583.92
2500 3 500 1500 562.96 1688.88 316923.96 950771.88
2600 2 400 800 462.96 925.92 214331.96 428663.92
2950 4 50 200 112.96 451.84 12759.96 51039.84
3000 6 0 0 62.96 377.76 3963.96 23783.76
3600 10 600 6000 537.04 5370.4 288411.96 2884119.6
Totale 27 10300 10740.72 6192962.92
grazie alla quale è possibile calcolare
6
(1989) 1 X 10300
SM e = |xj − M e(1989) | · nj = = 381.48
N j=1 27
6
(1989) 1 X (1989) 10740.72
SM 1 = |xj − M1 | · nj = = 397.8
N j=1 27

lOMoARcPSD|3060872
1 VARIABILITA’ 25
v
u 6 r
u1 X (1989) 6192962.92
σ (1989) =t (xj − M1 )2 · nj = = 478.92.
N j=1 27
Ricordiamo infine di aver calcolato, per l’anno 1970,
∆(1970) = 179.77
e
(1970)
∆R = 173.11.
Completiamo l’analoga tabella (relativa all’anno 1989):
xj nj Cj 2Cj − N − nj xj nj · (2Cj − N − nj )
2100 2 2 -25 -105000
2500 3 5 -20 -150000
2600 2 7 -15 -78000
2950 4 11 -9 -106200
3000 6 17 1 18000
3600 10 27 17 612000
190800
grazie alla quale possiamo calcolare
6
S 1 X 2 · 190800
∆(1989) = = ·2 xj nj ·(2Cj −N −nj ) = = 543.59
N (N − 1) N (N − 1) j=1 27 · 26
e
6
(1989) S 1 X 2 · 190800
∆R = 2 = 2 ·2 xj nj · (2Cj − N − nj ) = = 523.45.
N N j=1
272
Riassumiamo nella seguente tabella i valori calcolati sia per l’anno 1970 che per
l’anno 1989:
Anno 1970 Anno 1989
Me 1000 3000
M1 1020.37 3062.96
SM e 127.7̄ 381.48
SM 1 133.059 397.805
σ 157.09 478.92
∆ 179.77 543.59
∆R 173.11 523.45
É possibile a questo punto calcolare i seguenti indici relativi di variabilità:

lOMoARcPSD|3060872
1 VARIABILITA’ 26
Anno 1970 Anno 1989
SM e 127.7̄ 381.48
: = 0.1252 > = 0.1245
M1 1020.37 3062.96
SM 1 133.059 397.805
: = 0.1304 > = 0.1299
M1 1020.37 3062.96
σ 157.09 478.92
CV = : = 0.1540 < = 0.1564
M1 1020.37 3062.96
∆ 179.77 543.59
: = 0.1762 < = 0.1774
M1 1020.37 3062.96
∆R 173.11 523.45
: = 0.1696 < = 0.1708
M1 1020.37 3062.96
Il valore 0.1252 indica che lo scostamento dalla mediana del prezzo del pane nel
1970 è pari al 12.52% della media aritmetica.
Il valore 0.1245 indica che lo scostamento dalla mediana del prezzo del pane nel
Il valore 0.1304 indica che lo scostamento dalla media aritmetica del prezzo del
pane nel 1970 è pari al 13.04% della media aritmetica.
Il valore 0.1299 indica che lo scostamento dalla media aritmetica del prezzo del
pane nel 1989 è pari al 12.99% della media aritmetica.
Il valore 0.1540 indica che lo scarto quadratico medio del prezzo del pane nel
Il valore 0.1564 indica che lo scarto quadratico medio del prezzo del pane nel
Il valore 0.1762 indica che la differenza media semplice del prezzo del pane nel
Il valore 0.1774 indica che la differenza media semplice del prezzo del pane nel
Il valore 0.1696 indica che la differenza media con ripetizione del prezzo del pane
nel 1970 è pari al 16.96% della media aritmetica.
Il valore 0.1708 indica che la differenza media con ripetizione del prezzo del pane
nel 1989 è pari al 17.08% della media aritmetica.
Attraverso il confronto dei valori assunti dagli indici relativi di variabilità cal-
colati, si può concludere che la variabilità del prezzo del pane dei 27 capoluoghi

lOMoARcPSD|3060872
1 VARIABILITA’ 27
presi in esame nel 1989 non è sensibilmente aumentata rispetto al 1970.
13. La classificazione di due gruppi di ditte produttrici di olio d’oliva, che vendono rispet-
tivamente il proprio prodotto a peso (gruppo A) e a volume (gruppo B), ha dato luogo
alle seguenti distribuzioni di frequenze:
gruppo A prezzo euro al kg 2–|3 3–|3,5 3,5–|4 4–|4,5 4,5–|5

n. ditte 40 90 200 110 60
.
gruppo B prezzo euro al litro 2–|3 3–|3,5 3,5–|4 4–|4,5 4,5–|5
n. ditte 100 80 70 30 20
Quale delle due distribuzioni presenta maggiore variabilità? Si effettui il confronto

utilizzando indici basati sullo scostamento medio dalla media aritmetica, sullo scosta-
mento medio dalla mediana, sullo scarto quadratico medio e sulla differenza media
semplice.
Svolgimento
Per prima cosa, completiamo la seguente tabella per agevolare il calcolo della media-
na e della media aritmetica per ciascuno dei due gruppi (si indicano con nA j e nj le
B
frequenze dei gruppi A e B, inoltre con N A si è indicata la numerosità complessiva del

lj− + lj+
gruppo A e con N quella del gruppo B, infine xj =
B
indica il valore centrale
2
di ogni classe).
classi di prezzo xj nAj nBj CjA CjB x j nA

j x j nB
j
2–|3 2.5 40 100 40 100 100 250
3–|3.5 3.25 90 80 130 180 293 260
3.5–|4 3.75 200 70 330 250 750 263
4–|4.5 4.25 110 30 440 280 468 128
4.5–|5 4.75 60 20 500 300 285 95
Totale 500 300 1895 995
É possibile ora calcolare la mediana per ciascuno dei due gruppi:

0.5
M eA = x N A +1 = x( 500+1 ) = x(250.5) = 3.5 + [250.5 − 130 − 0.5] · = 3.8
2 2 200
0.5
M eB = x N B +1 = x( 300+1 ) = x(150.5) = 3 + [150.5 − 130 − 0.5] · = 3.3125
2 2 80
e le medie aritmetiche:
5
1 X 1895
M1A = A x j nA
j = = 3.79
N j=1 500

lOMoARcPSD|3060872
1 VARIABILITA’ 28
5
1 X 995
M1B = B x j nB
j = = 3.316̄.
N j=1 300
Completiamo quindi la tabella relativa al gruppo A:
xj nAj |xj − M eA | |xj − M eA |nA

j |xj − M1A | |xj − M1A |nA
j x2j x2j nA
j
2.5 40 1.3 52 1.29 51.6 6.25 250
3.25 90 0.55 49.5 0.54 48.6 10.5625 950.625
3.75 200 0.05 10 0.04 8 14.0625 2812.5
4.25 110 0.45 49.5 0.46 50.6 18.0625 1986.875
4.75 60 0.95 57 0.96 57.6 22.5625 1353.75
Totale 500 218 216.4 7353.75
da cui ricaviamo
5
A 1 X 218
SM e = A |xj − M eA | · nA
j = = 0.436
N j=1 500
5
A 1 X A A 216.4
SM = |x j − M 1 | · n j = = 0.4328
1
N A j=1 500
v
5
√
u r
u 1 X 7353.75
σA = t A x2j · nA
j − [M A 2
1 ] = − (3.79)2 = 0.3434 = 0.586.
N j=1 500
Completiamo anche la seguente tabella (sempre relativa al gruppo A):
xj nAj CjA 2CjA − N A − nA

j x j nA A A A
j · (2Cj − N − nj )
2.5 40 40 -460 -46000
3.25 90 130 -330 -96525
3.75 200 330 -40 -30000
4.25 110 440 270 126225
4.75 60 500 440 125400
79100

5
A S 1 X 2 · 79100
∆ = A A = A A ·2 x j nA A A A
j ·(2Cj −N −nj ) = = 0.6341.
N (N − 1) N (N − 1) j=1 500 · 499
Calcoliamo ora le stesse grandezze per il gruppo B:

lOMoARcPSD|3060872
1 VARIABILITA’ 29
xj nBj |xj − M eB | |xj − M eB |nB

j |xj − M1B | |xj − M1B |nB
j x2j x2j nB
j
2.5 100 0.813 81.3 −0.816̄ 81.6̄ 6.25 625
3.25 80 0.063 5.04 0.06̄ 5.3̄ 10.5625 845
3.75 70 0.438 30.66 0.43̄ 30.3̄ 14.0625 984.375
4.25 30 0.938 28.14 0.93̄ 28 18.0625 541.875
4.75 20 1.438 28.76 1.43̄ 28.6̄ 22.5625 451.25
Totale 500 173.9 174 3447.5
da cui ricaviamo
5
B 1 X 173.9
SM e = B |xj − M eB | · nB
j = = 0.579
N j=1 300
5
B 1 X 174
SM = B |xj − M1B | · nB
j = = 0.58
1
N j=1 300
v
5
√
u r
u 1 X 3447.5
σB = t B x2j · nB
j − [M B 2
1 ] = − (3.316̄)2 = 0.4914 = 0.701.
N j=1 300
Completiamo anche la seguente tabella (sempre relativa al gruppo B):
xj nBj CjB 2CjB − N B − nB

j x j nB B B B
j · (2Cj − N − nj )
2.5 100 100 -200 -50000
3.25 80 180 -20 -5200
3.75 70 250 130 34125
4.25 30 280 230 29325
4.75 20 300 280 26600
34850

5
B S 1 X 2 · 34850
∆ = B B = B B ·2 x j nB B B B
j ·(2Cj −N −nj ) = = 0.777.
N (N − 1) N (N − 1) j=1 300 · 299
É possibile a questo punto calcolare i seguenti indici relativi di variabilità:

lOMoARcPSD|3060872
1 VARIABILITA’ 30
Gruppo A Gruppo B
SM e 0.436 0.579
: = 0.115 < = 0.1746
M1 3.79 3.316̄
SM 1 0.4328 0.58
: = 0.1142 < = 0.1749
M1 3.79 3.316̄
σ 0.586 0.701
CV = : = 0.1546 < = 0.2114
M1 3.79 3.316̄
∆ 0.6341 0.777
: = 0.1673 < = 0.2343
M1 3.79 3.316̄
Confrontando i valori degli indici relativi di variabilità, si può concludere che presenta
maggiore variabilità la distribuzione delle ditte del gruppo B.
14. Nella seguente tabella sono riportate le distribuzioni per destinazione dei viaggi di
vacanza (V ) e dei viaggi di lavoro (W ) effettuati dagli italiani nel 1998 (dati in
migliaia):
Destinazione V W
Italia 67682 10944
Paesi UE 7238 1984 .
Resto d’Europa 1989 378
Resto del mondo 2236 501
Si valuti, con un opportuno indice basato sulle differenze medie, quale delle due di-
stribuzioni V e W presenta la variabilità più elevata. Si interpretino i valori assunti
dall’indice per le due distribuzioni.
Svolgimento
Riconosciamo innanzitutto che abbiamo a che fare con una distribuzione di unità e
che la popolazione statistica è costituita da 4 unità (N = 4).
Per calcolare la differenza media per i viaggi di vacanza (V ), completiamo la seguente
tabella, in cui le osservazioni sono state ordinate in modo crescente secondo i valori
del carattere.
Destinazione i v(i) 2i − N − 1 v(i) · (2i − N − 1)

Resto d’Europa 1 1989 -3 -5967
Resto del mondo 2 2236 -1 -2236
Paesi EU 3 7238 1 7238
Italia 4 67682 3 203046
Totale 79145 202081

lOMoARcPSD|3060872
1 VARIABILITA’ 31
Possiamo pertanto calcolare la differenza media:

4
2 X 2
∆(V ) = · v(i) · (2i − N − 1) = · 202081 = 33680.17,
N (N − 1) i=1 4·3
la media aritmetica:
4
1X 79145
M1 (V ) = vi = = 19786.25
4 i=1 4
e quindi l’indice relativo di variabilità:

∆(V ) 33680.17
= = 1.702
M1 (V ) 19786.25
che indica che la differenza media semplice del numero di viaggi di vacanza è il 170.2%
della corrispondente media aritmetica.
Consideriamo ora il carattere W :
Destinazione i w(i) 2i − N − 1 w(i) · (2i − N − 1)

Resto d’Europa 1 378 -3 -1134
Resto del mondo 2 501 -1 -501
Paesi EU 3 1984 1 1984
Italia 4 10944 3 32832
Totale 13807 33181
Possiamo pertanto calcolare la differenza media:

4
2 X 2
∆(W ) = · w(i) · (2i − N − 1) = · 33181 = 5530.16̄,
N (N − 1) i=1 4·3
la media aritmetica:
4
1X 13807
M1 (W ) = wi = = 3451.75
4 i=1 4
e quindi l’indice relativo di variabilità:
∆(W ) 5530.16
= = 1.602.
M1 (W ) 3451.75
che indica che la differenza media semplice del numero di viaggi di lavoro è il 160.2%
della corrispondente media aritmetica.
Riconoscendo che
∆(V ) ∆(W )
= 1.702 > 1.602 =
M1 (V ) M1 (W )
si può concludere che la distribuzione V presenta maggiore variabilità.

lOMoARcPSD|3060872
1 VARIABILITA’ 32
15. Una fabbrica produce tubi catodici televisivi di due tipi. Per il tipo A si ha una
durata media di 1495 ore e uno scarto quadratico medio di 280 ore. Per il tipo B si
ha una durata media di 1875 ore ed uno scarto quadratico medio di 310 ore. Fornire
una misura della variabilità relativa e commentare il risultato.
Svolgimento
Un indice di variabilità relativa per i tubi di tipo A è dato da:
σA 280
A
= = 0.19
M1 1495
e tale valore indica che lo scarto quadratico medio della durata dei tubi del tipo A è
il 19% della corrispondente durata media.
Per quanto riguarda i tubi del tipo B si ha:
σB 310
B
= = 0.17.
M1 1875
e tale valore indica che lo scarto quadratico medio della durata dei tubi del tipo B è
il 17% della corrispondente durata media.
Riconoscendo che
σA σB
= 0.19 > 0.17 =
M1A M1B
si può concludere che la distribuzione delle durate dei tubi catodici del gruppo A
presenta maggiore variabilità rispetto a quella del gruppo B.

lOMoARcPSD|3060872
STATISTICA esercizi svolti sulla

CONCENTRAZIONE

lOMoARcPSD|3060872
1 CONCENTRAZIONE 2
1 CONCENTRAZIONE
1.1 Esercizi
1. Il reddito annuo (in migliaia di euro) di 7 fratelli è il seguente:
individui A B C D E F G
.
reddito (in migliaia di euro) 15 20 12 10 18 30 35
Tracciare il diagramma di Lorenz e interpretare il punto della spezzata di coordinate

(p3 ; q3 ). Determinare il rapporto di concentrazione R di Gini commentando oppor-
tunamente il risultato ottenuto.
Svolgimento
Per determinare le coordinate della spezzata di Lorenz, è necessario completare la
seguente tabella, in cui sono stati ordinati i valori xi in ordine non decrescente ed è
stata aggiunta la prima riga corrispondente al punto fittizio (0; 0). Per facilitare il
completamento della tabella, conviene anche calcolare:
X
7
T = xj = 10 + 12 + 15 + 18 + 20 + 30 + 35 = 140.
i=1
i xi Pi Qi pi = PNi qi = QTi
0 0 0 0 0 0
1 10 1 10 0.143 0.071
2 12 2 22 0.286 0.157
3 15 3 37 0.429 0.264
4 18 4 55 0.571 0.393
5 20 5 75 0.714 0.536
6 30 6 105 0.851 0.750
7 35 7 140 1 1
140 3.171
In Figura (1) è rappresentato il diagramma di Lorenz per la distribuzione dei redditi

dei 7 fratelli.
É possibile interpretare il punto di coordinate (p3 ; q3 ) = (0.429; 0.264), affermando

che al 42.9% dei fratelli con reddito minore spetta il 26.4% del reddito totale (dei
sette fratelli).
Per calcolare il rapporto di concentrazione di Gini, si ricorda che
2 X
N −1
2 X
N −1
R= · (pi − qi ) = 1 − · qi .
N − 1 i=1 N − 1 i=1

lOMoARcPSD|3060872
1 CONCENTRAZIONE 3
q
1
0.5
(p3 ;q 3)
0 0.5 1 p
Fig. 1: Diagramma di Lorenz per la distribuzione dei redditi dei 7 fratelli.
X
N
Dalla precedente tabella si ricava che qi = 3.171, pertanto
i=1
X
N −1
qi = 3.171 − 1 = 2.171,
i=1
e quindi
2 X
N −1
2
R=1− · qi = 1 − · 2.171 = 0.2763̄.
N − 1 i=1 7−1
Tale valore indica che la concentrazione è pari al 27.63̄% del valore massimo teorico.
2. L’ufficio metereologico dell’aeronautica ha fornito i seguenti dati relativi alla piovosità

mensile (in mm) in Italia nel periodo che va da dicembre 1991 a novembre 1992:
mesi D G F M A M G L A S O N
.
mm pioggia 81 66 53 120 78 60 45 30 10 45 104 108
Tracciare il diagramma di Lorenz; determinare e commentare il rapporto di concen-
trazione R di Gini.
Svolgimento
É necessario completare la seguente tabella, in cui sono stati ordinati (in ordine non

lOMoARcPSD|3060872
1 CONCENTRAZIONE 4
decrescente) i valori xi ed è stata aggiunta la prima riga per il punto fittizio (0, 0).
Per facilitare il completamento della tabella, conviene anche calcolare:
X
12
T = xi = 81 + 66 + 53 + 120 + 78 + 60 + 45 + 30 + 10 + 45 + 104 + 108 = 800
i=1
e riconoscere che N = 12.
Pi Qi
mm pioggia Pi = i Qi pi = qi =
N T
0 0 0 0 0
10 1 10 0.083 0.013
30 2 40 0.167 0.050
45 3 85 0.250 0.106
45 4 130 0.333 0.163
53 5 183 0.417 0.229
60 6 243 0.500 0.304
66 7 309 0.583 0.386
78 8 387 0.667 0.484
81 9 468 0.750 0.585
104 10 572 0.833 0.715
108 11 680 0.917 0.850
120 12 800 1 1
800 6.5 4.885
In Figura (2) è rappresentato il diagramma di Lorenz.
Per calcolare il rapporto di concentrazione di Gini, si ricorda che
2 X
N −1
2 X
N −1
R= · (pi − qi ) = 1 − · qi .
N − 1 i=1 N − 1 i=1
X
N
Dalla precedente tabella si ricava che qi = 4.885, pertanto
i=1
X
N −1
qi = 4.885 − 1 = 3.885,
i=1
e quindi
2 X
N −1
2
R=1− · qi = 1 − · 3.885 = 0.2936.
N − 1 i=1 12 − 1
Tale valore indica che la concentrazione è pari al 29.36% del valore massimo teorico.

lOMoARcPSD|3060872
1 CONCENTRAZIONE 5
q
1
0.5
0 0.5 1 p
Fig. 2: Diagramma di Lorenz per il carattere “mm di pioggia”.
3. I redditi, espressi in migliaia di euro, di 7 individui sono:

x(1) = 20, x(2) = 25, x(3) = 41, x(4) = 46, x(5) = 60, x(6) = 85, x(7) = 120.
Indicata con X la variabile reddito, si supponga che lo stato introduca un’imposta

pari al:
• 2% del reddito per coloro che percepiscono un reddito X ≤ 25;

• 15% del reddito per coloro che percepiscono un reddito 25 < X ≤ 60;
• 28% del reddito per coloro che percepiscono un reddito X > 60.
Confrontare tramite l’ausilio di un adeguato indice, la concentrazione dei redditi pri-

ma e dopo il prelievo fiscale. Stabilire inoltre (senza effettuare calcoli) come varia la
concentrazione, rispetto alla situazione iniziale, nei casi in cui:
a) lo stato introduce un’imposta pari al 15% del reddito;
b) lo stato impone una tassa fissa di 5 mila euro.
Svolgimento
Innanzitutto completiamo la seguente tabella per poter calcolare il rapporto di con-
centrazione di Gini prima della tassazione. Come di consueto i valori xi sono stati

lOMoARcPSD|3060872
1 CONCENTRAZIONE 6
ordinati, è stato aggiunto il punto fittizio (0,0) ed è stata calcolata la quantità
X
7
(prima)
T = xi = 20 + 25 + 41 + 46 + 60 + 85 + 120 = 397.
i=1
Pi Qi
xi Pi = i Qi pi = qi = p i − qi
N T
0 0 0 0 0 0
20 1 20 0.143 0.050 0.093
25 2 45 0.286 0.113 0.173
41 3 86 0.429 0.217 0.212
46 4 132 0.571 0.332 0.239
60 5 192 0.714 0.484 0.23
85 6 277 0.857 0.698 0.159
120 7 397 1 1 0
397 4 2.894 1.106
Per calcolare il rapporto di concentrazione di Gini, si utilizza la seguente formula:
2 X
N −1
(prima)
R = · (pi − qi ).
N − 1 i=1
X
N −1 X
N
Dalla precedente tabella si ricava che (pi − qi ) = (pi − qi ) = 1.106, pertanto
i=1 i=1
2 X
N −1
2
(prima)
R = · (pi − qi ) = · 1.106 = 0.369.
N − 1 i=1 7−1
Tale valore indica che prima della tassazione, la concentrazione è pari al 36.9% del
valore massimo teorico.
A questo punto, è necessario calcolare i redditi che rimangono ai 7 individui, dopo

aver pagato la tassa. Indichiamoli con yi con i = 1, 2, ..., 7:
2
y(1) = 20 − 20 · = 19.6
100
2
y(2) = 25 − 25 · = 24.5
100
15
y(3) = 41 − 41 · = 34.85
100
15
y(4) = 46 − 46 · = 39.1
100

lOMoARcPSD|3060872
1 CONCENTRAZIONE 7
15
y(5) = 60 − 60 · = 51
100
28
y(6) = 85 − 85 · = 61.2
100
28
y(7) = 120 − 120 · = 86.4
100
Completiamo quindi la seguente tabella, dopo aver calcolato il reddito totale dopo la
tassazione:
X
7
(dopo)
T = yi = 19.6 + 24.5 + 34.85 + 39.1 + 51 + 61.2 + 86.4 = 316.65.
i=1
Pi Qi
yi Pi = i Qi pi = qi = p i − qi
N T
0 0 0 0 0 0
19.6 1 19.6 0.143 0.062 0.081
24.5 2 44.1 0.286 0.139 0.147
34.85 3 78.95 0.429 0.249 0.18
39.1 4 118.05 0.571 0.373 0.198
51 5 169.05 0.714 0.534 0.18
61.2 6 230.25 0.857 0.727 0.13
86.4 7 316.65 1 1 0
316.65 4 3.084 0.916
Per calcolare il rapporto di concentrazione di Gini, si utilizza la seguente formula:

2 X
N −1
(dopo)
R = · (pi − qi ).
N − 1 i=1
X
N −1 X
N
Dalla precedente tabella si ricava che (pi − qi ) = (pi − qi ) = 0.916, pertanto il
i=1 i=1
rapporto di concentrazione, dopo la tassazione è dato da
2 X
N −1
2
(dopo)
R = · (pi − qi ) = · 0.916 = 0.3053̄.
N − 1 i=1 7−1
Tale valore indica che dopo la tassazione, la concentrazione è pari al 30.53̄% del valore
massimo teorico.
Confrontando i valori assunti dal rapporto di concentrazione di Gini prima e dopo la

tassazione, si deduce che il valore della concentrazione dei redditi è diminuito dopo
la tassazione, infatti
R(prima) = 0.369 > 0.3053̄ = R(dopo) .
Osserviamo adesso che

lOMoARcPSD|3060872
1 CONCENTRAZIONE 8
a) se lo stato introduce un’imposta pari al 15% del reddito, i redditi dopo tale
tassazione sono equivalenti all’85% dei redditi prima della tassazione. In al-
tre parole, per determinare i redditi dopo tale tassazione, bisogna moltiplicare
i redditi iniziali (cioè prima della tassazione) per 0.85. Tale trasformazione è
chiaramente una trasformazione di scala. Ricordando ora che un requisito di un
indice di concentrazione è l’invarianza per trasformazioni di scala, si può quindi
concludere che la concentrazione prima e dopo la tassazione resta invariata.
b) Se invece lo stato impone una tassa fissa di 5 mila euro, i redditi dopo la tas-
sazione si ricavano sottraendo a ciascun reddito iniziale (cioè prima della tas-
sazione) una quantità costante pari a 5 mila euro. Ricordando il requisito di un
indice di concentrazione che afferma che se tutti i valori xi vengono aumentati di
una stessa quantità h > 0, l’indice di concentrazione diminuisce (e di converso se
tutti i valori vengono diminuiti di un valore costante h > 0, l’indice aumenta),
possiamo affermare che l’applicazione di una tassa del genere porterebbe ad un
aumento della concentrazione dei redditi.
4. La rilevazione di un carattere trasferibile X ha dato luogo alla seguente distribuzione
di frequenze:
xi 1 2 3 5 6 8 9 10 13 15 22 24 26
.
ni 1 1 1 2 3 1 2 4 1 1 1 1 1
Supponendo di riclassificare il carattere X nelle classi:
0 ⊣ 3 3 ⊣ 6 6 ⊣ 10 10 ⊣ 20 20 ⊣ 30
si tracci il diagramma di Lorenz e si determini il rapporto di concentrazione con ri-

ferimento:
a) alla distribuzione originaria;
b) alla distribuzione per classi nel caso in cui si ritenga noto l’ammontare in ciascuna
classe;
c) alla distribuzione per classi nel caso in cui non si ritenga noto l’ammontare in
ciascuna classe.
Commentare i risultati.
Svolgimento
Per prima cosa, analizziamo la situazione originaria.
Completiamo perciò la seguente tabella, dopo aver calcolato:
X
13
N= nj = 20
j=1
e
X
13
T = xj · nj = 200.
j=1

lOMoARcPSD|3060872
1 CONCENTRAZIONE 9
Pj Qj
xj nj x j · nj Pj Qj pj = qj =
N T
1 1 1 1 1 0.05 0.005
2 1 2 2 3 0.1 0.015
3 1 3 3 6 0.15 0.03
5 2 10 5 16 0.25 0.08
6 3 18 8 34 0.4 0.17
8 1 8 9 42 0.45 0.21
9 2 18 11 60 0.55 0.3
10 4 40 15 100 0.75 0.5
13 1 13 16 113 0.80 0.565
15 1 15 17 128 0.85 0.64
22 1 22 18 150 0.90 0.75
24 1 24 19 174 0.95 0.87
26 1 26 20 200 1 1
Totale 20 200
(1) (2) (3) (4)

xj nj (pj−1 − qj−1 ) (pj − qj ) (2) + (3) (4) · (1)
1 1 0 0.045 0.045 0.045
2 1 0.045 0.085 0.13 0.13
3 1 0.085 0.12 0.205 0.205
5 2 0.12 0.17 0.29 0.58
6 3 0.17 0.23 0.40 1.20
8 1 0.23 0.24 0.47 0.47
9 2 0.24 0.25 0.49 0.98
10 4 0.25 0.25 0.50 2
13 1 0.25 0.235 0.485 0.485
15 1 0.235 0.21 0.445 0.445
22 1 0.21 0.15 0.36 0.36
24 1 0.15 0.08 0.23 0.23
26 1 0.08 0 0.08 0.08
Totale 20 7.21
Il diagramma di Lorenz per la distribuzione originaria è riportato in Figura (3).

lOMoARcPSD|3060872
1 CONCENTRAZIONE 10
q
1
0.5
0 0.5 1 p
Fig. 3: Diagramma di Lorenz per la distribuzione originaria.
É possibile a questo punto calcolare il rapporto di concentrazione di Gini, utilizzando

la formula:
1 X
s
R = · [(pj−1 − qj−1 ) + (pj − qj )]nj
N − 1 j=1
1 X
13
= · [(pj−1 − qj−1 ) + (pj − qj )]nj
20 − 1 j=1
1
= · 7.21 = 0.3795.
20 − 1
Tale valore indica che la concentrazione nella situazione originaria è pari al 37.95%
del valore massimo teorico.
Vediamo ora la situazione in cui il carattere è raggruppato in classi, ritenendo

noto l’ammontare in ciascuna classe.
Dopo aver determinato le frequenze per ciascuna classe, completiamo la seguente

tabella.

lOMoARcPSD|3060872
1 CONCENTRAZIONE 11
Ammontare Pj Qj
Classi nj Pj Qj pj = qj =
di classe N T
0–| 3 3 6 3 6 0.15 0.03
3–| 6 5 28 8 34 0.4 0.17
6–| 10 7 66 15 100 0.75 0.5
10–| 20 2 28 17 128 0.85 0.64
20–| 30 3 72 20 200 1 1
Totale 20 200
(1) (2) (3) (4)

Classi nj (pj−1 − qj−1 ) (pj − qj ) (2) + (3) (4) · (1)
0–| 3 3 0 0.12 0.12 0.36
3–| 6 5 0.12 0.23 0.35 1.75
6–| 10 7 0.23 0.25 0.48 3.36
10–| 20 2 0.25 0.21 0.46 0.92
20–| 30 3 0.21 0 0.21 0.63
Totale 20 7.02
Il diagramma di Lorenz per la distribuzione raggruppata in classi (considerando i

totali di classe) è riportato in Figura (4).
q
1
0.5
0 0.5 1 p
Fig. 4: Diagramma di Lorenz della distribuzione raggruppata in classi, considerando noti i totali
di classe.

la formula:
1 X5
1
R= · [(pj−1 − qj−1 ) + (pj − qj )]nj = · 7.02 = 0.36947.
N − 1 j=1 20 − 1

lOMoARcPSD|3060872
1 CONCENTRAZIONE 12
Tale valore indica che tenendo in considerazione l’ammontare di classe, la concen-

trazione è pari al 36.947% del valore massimo teorico.
Vediamo ora la situazione in cui il carattere è raggruppato in classi, ritenendo

non noto l’ammontare in ciascuna classe.
l− + l+
Completiamo la seguente tabella, in cui xj = è il valore centrale della j-esima
2
classe.
Pj Qj
Classi xj nj x j · nj Pj Qj pj = qj =
N T
0–| 3 1.5 3 4.5 3 4.5 0.15 0.0239
3–| 6 4.5 5 22.5 8 27 0.4 0.1436
6–| 10 8 7 56 15 83 0.75 0.4415
10–| 20 15 2 30 17 113 0.85 0.6011
20–| 30 25 3 75 20 188 1 1
Totale 20 188
(1) (2) (3) (4)

0–| 3 3 0 0.1261 0.1261 0.3783
3–| 6 5 0.1261 0.2564 0.3825 1.912
6–| 10 7 0.2564 0.3085 0.5649 3.9543
10–| 20 2 0.3085 0.2489 0.5574 1.1148
20–| 30 3 0.2489 0 0.2489 0.7467
Totale 20 8.1061
Il diagramma di Lorenz per la distribuzione raggruppata in classi (non considerando

i totali di classe) è riportato in Figura (5).
la formula:
1 X
5
1
R= · [(pj−1 − qj−1 ) + (pj − qj )]nj = · 8.1061 = 0.4266.
N − 1 j=1 20 − 1
Tale valore indica che non considerando l’ammontare di classe, la concentrazione è

pari al 42.66% del valore massimo teorico.

lOMoARcPSD|3060872
1 CONCENTRAZIONE 13
q
1
0.5
0 0.5 1 p
Fig. 5: Diagramma di Lorenz della distribuzione raggruppata in classi, considerando NON noti i
totali di classe.
q
1
Totali di classe noti

Totali di classe NON noti
0.5
0 0.5 1 p
Fig. 6: Confronto dei diagrammi di Lorenz, considerando noti e considerando non noti i totali di
classe.
In Figura (6) è possibile confrontare i diagrammi di Lorenz per i due casi preceden-
temente trattati (totali di classe noti e totali di classe non noti). Il grafico sotto-
linea il risultato già riscontrato: la situazione che presenta maggiore concentrazione
corrisponde a quella in cui si considerano non noti i totali di classe.

lOMoARcPSD|3060872
1 CONCENTRAZIONE 14
5. I clienti di un negozio alimentare sono stati classificati nelle seguenti classi di spesa:
spesa (in euro) 0 ⊣ 20 20 ⊣ 40 40 ⊣ 70 70 ⊣ 120 totale

.
numero clienti 198 106 57 21 382
Tracciare il diagramma di Lorenz e determinare un opportuno indice di concen-

trazione.
Svolgimento
l− + l+
Completiamo la seguente tabella, in cui xj = è il valore centrale della j-esima
2
classe.
Pj Qj
Classi xj nj x j · nj Pj Qj pj = qj =
N T
0–| 20 10 198 1980 198 1980 0.5183 0.1924
20–| 40 30 106 3180 304 5160 0.7958 0.5015
40–| 70 55 57 3135 361 8295 0.9450 0.8061
70–| 120 95 21 1995 382 10290 1 1
Totale 382 10290
(1) (2) (3) (4)

0–| 3 3 0 0.1261 0.1261 0.3783
3–| 6 5 0.1261 0.2564 0.3825 1.912
6–| 10 7 0.2564 0.3085 0.5649 3.9543
10–| 20 2 0.3085 0.2489 0.5574 1.1148
20–| 30 3 0.2489 0 0.2489 0.7467
Totale 20 8.1061
Il diagramma di Lorenz è riportato in Figura (7).

la formula:
1 X
s
R = · [(pj−1 − qj−1 ) + (pj − qj )]nj
N − 1 j=1
1 X
5
= · [(pj−1 − qj−1 ) + (pj − qj )]nj
20 − 1 j=1
1
= · 8.1061
20 − 1
= 0.4266.

lOMoARcPSD|3060872
1 CONCENTRAZIONE 15
q
1
0.5
0 0.5 1 p
Fig. 7: Diagramma di Lorenz.
6. La spesa per l’abbigliamento X, espressa in euro, di 260 famiglie, registrata nel primo
semestre 2003 è stata la seguente:
classi di spesa 0 ⊣ 200 200 ⊣ 400 400 ⊣ 500 500 ⊣ 600 600 ⊣ 700 700 ⊣ 800
numero di famiglie 20 30 40 50 70 50 .
totale spesa per classe 2200 8400 17600 28000 44800 36500
Rappresentare il diagramma di Lorenz.

Calcolare inoltre il rapporto di concentrazione di Gini, utilizzando la relazione con la
differenza media semplice.
Svolgimento
Completiamo la seguente tabella, utilizzando l’informazione relativa ai totali di classe.

lOMoARcPSD|3060872
1 CONCENTRAZIONE 16
Pj Qj
Classi di spesa nj T otali di classe Pj Qj pj = qj =
N T
0 ⊣ 200 20 2200 20 2200 0.077 0.016
200 ⊣ 400 30 8400 50 10600 0.192 0.077
400 ⊣ 500 40 17600 90 28200 0.346 0.205
500 ⊣ 600 50 28000 140 56200 0.538 0.409
600 ⊣ 700 70 44800 210 101000 0.808 0.735
700 ⊣ 800 50 36500 260 137500 1 1
260 137500
Possiamo adesso rappresentare il diagramma di Lorenz: è riportato in Figura (8).
q
1
0.5
0 0.5 1 p
Fig. 8: Diagramma di Lorenz per il carattere X.
Per determinare la differenza media semplice, completiamo la seguente tabella, sem-

pre utilizzando l’informazione relativa ai totali di classe.
Classi di Totali di classe

nj Cj 2Cj − N − nj xj nj · [2Cj − N − nj ]
spesa (= xj nj )
0 ⊣ 200 2200 20 20 -240 -528000
200 ⊣ 400 8400 30 50 -190 -1596000
400 ⊣ 500 17600 40 90 -120 -2112000
500 ⊣ 600 28000 50 140 -30 -840000
600 ⊣ 700 44800 70 210 90 4032000
700 ⊣ 800 36500 50 260 210 7665000
137500 260 6621000

lOMoARcPSD|3060872
1 CONCENTRAZIONE 17
Calcoliamo ora la differenza media semplice, utilizzando la formula:
2 X
s
∆ = · xj nj · (2Cj − N − nj )
N (N − 1) j=1
2 X
6
= · xj nj · (2Cj − N − nj )
260 · 259 j=1
2
= · 6621000
260 · 259
= 196.643.
Per calcolare la media aritmetica, basta calcolare:

2200 + 8400 + 17600 + 28000 + 44800 + 36500
M1 = = 528.846.
260
Possiamo a questo punto calcolare il rapporto di concentrazione di Gini:

∆ 196.643
R= = = 0.1859.
2M1 2 · 528.846

lOMoARcPSD|3060872
STATISTICA: esercizi svolti sulla

ASIMMETRIA

lOMoARcPSD|3060872
1 ASIMMETRIA 2
1 ASIMMETRIA
1. Il reddito annuo (in migliaia di euro) di sette individui è rispettivamente pari a 15,
20, 12, 10, 18, 30, 35. Stabilire se la distribuzione è simmetrica. In caso contrario
calcolare le asimmetrie puntuali rispetto alla mediana, fornire un indice del verso di
asimmetria.
Svolgimento
Si ricorda innanzitutto che condizione necessaria (ma non sufficiente) affinché un
insieme di valori x1 , x2 , ..., xN sia simmetrico rispetto a M è che:
M = M1 = Me .
Nel nostro caso, ordinando in senso crescente i valori dei redditi dei sette individui si
ha:
x(1) = 10; x(2) = 12; x(3) = 15; x(4) = 18; x(5) = 20; x(6) = 30; x(7) = 35 .
Essendo N = 7 dispari, si ha che:
Me = x( N+1 ) = x(4) = 18 .
2
Di seguito si calcola la media aritmetica dei sette redditi:

7
1X 140
M1 = x(i) = = 20 .
7 i=1 7
Dato che Me = 18 6= 20 = M1 , la condizione necessaria affinché la distribuzione

x(1) , x(2) , ..., x(7) sia simmetrica non è soddisfatta. Possiamo quindi concludere che
la distribuzione in considerazione è asimmetrica. Per indagare sulle caratteristiche
di tale asimmetria, si procede con il calcolo delle asimmetrie puntuali rispetto alla
mediana:
Aj (Me) = x(j) + x(7−j+1) − 2 · Me j = 1, 2, ..., 7 .
A tal fine è utile il seguente prospetto:
j x(j) x(7−j+1) Aj (Me)

1 10 35 10 + 35 − 36 = +9
2 12 30 12 + 30 − 36 = +6
3 15 20 15 + 20 − 36 = −1
4 18 18 18 + 18 − 36 = 0
5 20 15 20 + 15 − 36 = −1
6 30 12 30 + 12 − 36 = +6
7 35 10 35 + 10 − 36 = +9
tot 140 140 28

lOMoARcPSD|3060872
1 ASIMMETRIA 3
Quale indice del verso di asimmetria, utilizziamo la media aritmetica delle asimmetrie
puntuali:
7
1X 28
M1 {A(Me)} = Aj (Me) = = 4 = 2 · (M1 − Me) .
7 j=1 7
Il valore assunto dall’indice informa che le asimmetrie puntuali sono in media pari a
4. In tal caso, le asimmetrie puntuali positive prevalgono su quelle negative e di con-
seguenza possiamo asserire che la distribuzione dei sette redditi presenta asimmetria
positiva.
Per indagare ulteriormente sull’entità di tale asimmetria, è utile calcolare l’indice
normalizzato di asimmetria:
M1 − Me
1≤ ≤1 .
SM e
Al fine di calcolare SM e , predisponiamo la seguente tabella:
xj |xj − Me|
15 3
20 2
12 6
10 8
18 0
30 12
35 17
tot 46
Si ha dunque che:
7
1X 46
SM e = |xj − Me| = = 6.5714 .
7 j=1 7
M1 − Me 20 − 18
= = 0.3043 .
SM e 6.5714
Il valore dell’indice segnala una modesta asimmetria positiva, pari al 30.43% del suo
massimo valore (positivo).

lOMoARcPSD|3060872
1 ASIMMETRIA 4
2. Il numero di giorni di degenza in ospedale per un intervento effettuato su 8 individui

sono stati rispettivamente: 12, 9, 10, 15, 8, 13, 20, 9. Si calcolino le asimmetrie
puntuali rispetto alla mediana, si valuti il verso e l’intensità di asimmetria attraverso
opportuni indici.
Svolgimento
Ordinando in senso crescente la durata delle degenze otteniamo:
x(1) = 8; x(2) = x(3) = 9; x(4) = 10; x(5) = 12; x(6) = 13; x(7) = 15; x(8) = 20 .
Per valutare la presenza di asimmetria nella distribuzione dei giorni di degenza e

comprenderne la natura, è utile analizzare le asimmetrie puntuali. Quest’ultime
vengono ricavate agevolmente predisponendo la seguente tabella:
j x(j) x(8−j+1) x(j) + x(8−j+1) − 2 · Me = Aj (Me)
1 8 20 8 + 20 − 22 = +6
2 9 15 9 + 15 − 22 = +2
3 9 13 9 + 13 − 22 = 0
4 10 12 10 + 12 − 22 = 0
5 12 10 12 + 10 − 22 = 0
6 13 9 13 + 9 − 22 = 0
7 15 9 15 + 9 − 22 = +2
8 20 8 20 + 8 − 22 = +6
tot 96 96 16
Si ricorda che la presenza di asimmetria positiva può derivare da due differenti
situazioni:
• le asimmetrie puntuali dalla mediana sono tutte positive o nulle;
• le asimmetrie puntuali dalla mediana di segno positivo prevalgono su quelle di
segno negativo.
Nel nostro caso, la distribuzione delle 8 degenze presenta asimmetria positiva in
quanto tutte le asimmetrie puntuali sono maggiori o uguali a zero. Per valutare
l’ordine di grandezza delle asimmetrie puntuali è possibile ricorrere all’indice:
M1 {A(Me)} = 2(M1 − Me) .
Essendo N = 8 pari, si ha che:

1n o
Me = x( N ) + x( N +1)
2 2 2
1 10 + 12
= x(4) + x(5) = = 11 .
2 2
Si ha inoltre che:
8
1X 96
M1 = xj = = 12 .
8 j=1 8

lOMoARcPSD|3060872
1 ASIMMETRIA 5
Si ha dunque che:
M1 {A(Me)} = 2(M1 − Me) = 2(12 − 11) = 2.
Il valore assunto dall’indice informa che le asimmetrie puntuali sono in media pari a
2 e di conseguenza, come mostrato in precedenza, la distribuzione della durata delle
8 degenze presenta asimmetria positiva.
Per indagare ulteriormente sull’entità di tale asimmetria, è utile ricorrere all’indice
normalizzato di asimmetria:
M1 − Me
1≤ ≤1 .
SM e
xj |xj − Me|
12 1
9 2
10 1
15 4
8 3
13 2
20 9
9 2
tot 24
Si ha dunque che:
8
1X 24
SM e = |xj − Me| = =3 .
8 j=1 8
M1 − Me 12 − 11
= = 0.3̄ .
SM e 3
1
Il valore dell’indice segnala una modesta asimmetria positiva, pari ad 3
del suo
3. Su 7 famiglie è stato rilevato il numero X di figli e la superficie Y in m2 dell’abitazione

ottenendo i seguenti dati:
xi 2 3 1 5 4 0 2
.
yi 97 110 102 98 65 40 80
a) Si calcolino, per il carattere X, le asimmetrie puntuali dalla mediana e si valuti

il verso di asimmetria;
b) si calcolino, per il carattere Y , le asimmetrie puntuali dalla mediana e si valuti
il verso di asimmetria;

lOMoARcPSD|3060872
1 ASIMMETRIA 6
c) si confrontino gli indici del verso di asimmetria per le distribuzioni dei due
caratteri X e Y .
Svolgimento
Svolgimento punto a) Ordinando in senso crescente le modalità del carattere X si
ottiene:
x(1) = 0; x(2) = 1; x(3) = x(4) = 2; x(5) = 3; x(6) = 4; x(7) = 5.
La mediana del carattere X è pari a:
Me = x( 7+1 ) = x(4) = 2 .
2
Le asimmetrie puntuali relative alla distribuzione del carattere X si ricavano agevol-

mente predisponendo la seguente tabella:

1 0 5 0 + 5 − 4 = +1
2 1 4 1 + 4 − 4 = +1
3 2 3 2 + 3 − 4 = +1
4 2 2 2+2−4 =0
5 3 2 3 + 2 − 4 = +1
6 4 1 4 + 1 − 4 = +1
7 5 0 5 + 0 − 4 = +1
tot 17 17 6
Si osservi che le asimmetrie puntuali risultano essere tutte positive o nulle e di con-
seguenza la distribuzione del carattere X presenta asimmetria positiva. In particolare:
6
M1 {A(Me)} = = 0.8571
7
I valori assunti da tali indici informano che, le asimmetrie puntuali sono in media
pari a 0.8571.
Svolgimento punto b) Ordinando in senso crescente le modalità osservate del carattere
Y si ottiene:
y(1) = 40; y(2) = 65; y(3) = 80; y(4) = 97; y(5) = 98; y(6) = 102; y(7) = 110.
La mediana del carattere Y è pari a:
Me = y( 7+1 ) = y(4) = 97 .
2
Le asimmetrie puntuali relative alla distribuzione del carattere Y si ricavano agevol-

lOMoARcPSD|3060872
1 ASIMMETRIA 7
mente predisponendo la seguente tabella:

j y(j) y(7−j+1) y(j) + y(7−j+1) − 2 · Me = Aj (Me)
1 40 110 40 + 110 − 194 = −44
2 65 102 65 + 102 − 194 = −27
3 80 98 80 + 98 − 194 = −16
4 97 97 97 + 97 − 194 = 0
5 98 80 98 + 80 − 194 = −16
6 102 65 102 + 65 − 194 = −27
7 110 40 110 + 40 − 194 = −44
tot 592 592 −174
Si osservi che le asimmetrie puntuali risultano essere tutte negative o nulle e di
conseguenza la distribuzione del carattere Y presenta asimmetria negativa. In parti-
colare:
−174
M1 {A(Me)} = = −24.8571 ;
7
Il valore assunto da tale indice informa che le asimmetrie puntuali sono in media pari
a −24.8571. Vi è di conseguenza una certa asimmetria negativa.
Svolgimento punto c) Dato che l’indice 2(M1 − Me) è espresso nella stessa unità
di misura del carattere che si sta analizzando, al fine di effettuare un confronto tra
gli indici del verso di asimmetria della distribuzione del numero di figli e di quella
della superficie dell’abitazione, è necessario procedere ad una normalizzazzione. In
primo luogo si procede al calcolo dell’indice normalizzato di asimmetria nel caso della
distribuzione del carattere X:
M1 (X) − Me(X)
1≤ ≤1 .
SM e(X)
Al fine di calcolare SM e(X) , predisponiamo la seguente tabella:
xj |xj − Me(X)|
2 0
3 1
1 1
5 3
4 2
0 2
2 0
tot 9
Si ha dunque che:
7
1X 9
SM e (X) = |xj − Me(X)| = .
7 j=1 7
2+3+1+5+4+0+2 17
M1 (X) = = .
7 7

lOMoARcPSD|3060872
1 ASIMMETRIA 8
17
M1 (X) − Me(X) −2 3 1
= 7 = = .
SM e(X) 9 9 3
7
Il valore dell’indice segnala una modesta asimmetria positiva, pari ad 13 del suo mas-
simo valore.
Si procede ora al calcolo dell’indice normalizzato di asimmetria nel caso della dis-
tribuzione del carattere Y :
M1 (Y ) − Me(Y )
1≤ ≤1 .
SM e(Y )
Al fine di calcolare SM e(Y ) , predisponiamo la seguente tabella:
yj |yj − Me(Y )|
97 0
110 13
102 5
98 1
65 32
40 57
80 17
tot 125
Si ha dunque che:
7
1X 125
SM e(Y ) = |yj − Me(Y )| = .
7 j=1 7
592
M1 (Y ) = .
7
592
M1 (Y ) − Me(Y ) − 97 592 − 679
= 7 = = 0.696 .
SM e (Y ) 125 125
7
Il valore dell’indice segnala una buona asimmetria negativa, pari al 69.6% del suo
massimo valore (negativo).
Concludendo, la distribuzione del numero dei figli presenta asimmetria positiva men-
tre la distribuzione della superficie dell’abitazione presenta asimmetria negativa. Il
valore degli indici normalizzati appena ricavati infoma inoltre che la distribuzione del
numero di figli presenta un’asimmetria meno spiccata rispetto a quella che caratte-
rizza la distribuzione della superficie dell’abitazione.

lOMoARcPSD|3060872
1 ASIMMETRIA 9
4. A sette teenager è stato domandato il numero di compact disc X acquistati negli

ultimi sei mesi ottenendo i seguenti valori: 15, 7, 1, 22, 35, 9, 16. Stabilire se la
distribuzione del carattere X è simmetrica e fornire un opportuno indice del verso di
asimmetria commentando i risultati.
Svolgimento
Ordinando in senso decrescete le modalità osservate del carattere X si ottiene:
x(1) = 1; x(2) = 7; x(3) = 9; x(4) = 15; x(5) = 16; x(6) = 22; x(7) = 35.
Un primo indizio sulla simmetria della distribuzione del carattere X, può essere
ottenuto confrontando i valori di media aritmetica e mediana di X. La mediana del
carattere X è data da:
Me = x( 7+1 ) = x(4) = 15 .
2
La media aritmetica del carattere X è data da:

7
1X 1 + 7 + 9 + 15 + 16 + 22 + 35 105
M1 = xj = = = 15 .
7 j=1 7 7
Si osservi che M1 = Me = 15. Tale risultato fornisce un “indizio di simmetria” della

distribuzione di X. Con questo si intende dire che l’uguaglianza tra media aritmetica
e mediana non esclude la simmetria della distribuzione di X (cosa che sarebbe invece
accaduta se si fosse avuto M1 6= Me). Ciò deriva dal fatto che M1 = Me è condizione
necessaria ma non sufficiente per la simmetria della distribuzione di X. La presenza
di simmetria è invece assicurata se tutte le asimmetrie puntuali sono nulle. Nella
seguente tabella si riporta il calcolo delle asimmetrie puntuali:

1 1 35 1 + 35 − 30 = +6
2 7 22 7 + 22 − 30 = −1
3 9 16 9 + 16 − 30 = −5
4 15 15 15 + 15 − 30 = 0
5 16 9 16 + 9 − 30 = −5
6 22 7 22 + 7 − 30 = −1
7 35 1 35 + 1 − 30 = +6
tot 105 105 0
Come si osserva dalla tabella sopra riportata, le asimmetrie puntuali non sono tutte
nulle e di conseguenza la distribuzione del carattere X non presenta simmetria. Il
fatto che, nonostante ciò, si abbia l’uguaglianza tra media aritmetica e mediana di
X, deriva dal fatto che le asimmetrie positive bilanciano quelle negative. In questo
caso si ha:
M1 {A(Me)} = 0 .
Per avere comunque informazioni sul verso di asimmetria è necessario utilizzare
l’indice M1 {(X − Me)3 }. Al fine del calcolo di questo ultimo indice, predisponiamo

lOMoARcPSD|3060872
1 ASIMMETRIA 10
la seguente tabella:
x(j) x(j) − Me (x(j) − Me)3
1 −14 −2744
7 −8 −512
9 −6 −216
15 0 0
16 1 1
22 7 343
35 20 8000
tot 0 4872
Si ha dunque che:
7
3 1X 4872
(x(j) − Me)3 =

M1 (X − Me) = = 696 .
7 j=1 7
Il valore assunto dall’indice informa che la distribuzione del carattere X presenta una
tendenza all’asimmetria positiva.
Dato che M1 = Me, non è possibile ricorrere all’indice di asimmetria normalizzato
per ricavare ulteriori informazioni.
5. Data la seguente distribuzione di frequenze del carattere X:
xi 3 5 7 9 11 Totale
,
ni 2 7 4 3 1 17
stabilire se è simmetrica. In caso di risposta negativa calcolare un indice che fornisca

una misura del verso di asimmetria.
Svolgimento
Al fine di verificare se la distribuzione di frequenze riportata nel testo dell’esercizio
è simmetrica, verifichiamo innanzitutto che sia soddisfatta la condizione necessaria
per la simmetria: M1 = Me. Di seguito riportiamo un prospetto utile al calcolo di
Me e M1 :
xi ni xi · ni Ci
3 2 6 2
5 7 35 9
7 4 28 13
9 3 27 16
11 1 11 17
tot 17 107 −−
Si ha che:
5
1 X 107
M1 = xi · ni = = 6.2941 .
17 i=1 17
Me = x( 17+1 ) = x(9) = 5 .
2

lOMoARcPSD|3060872
1 ASIMMETRIA 11
Da quanto appena svolto emerge che M1 6= Me e di conseguenza la distribuzione di

frequenze riportata nel testo dell’esercizio non è simmetrica come suggerisce anche il
seguente grafico:
n ni
2
1
3 5 7 9 11 xi
In alternativa, si ricorda che una distribuzione di frequenze di un carattere quantitati-

vo discreto è simmetrica se per ogni c > 0, si verifica che la frequenza in corrisponden-
za di x = Me + c, indicata con n(Me + c), è uguale alla frequenza in corrispondenza
di x = Me − c, indicata con n(Me − c). Nel nostro caso, ad esempio, si ha:
c Me − c Me + c n(Me − c) n(Me + c) n(Me − c) − n(Me + c)

2 3 7 2 4 −2
4 1 9 0 3 −3
6 −1 11 0 1 −1
Pe qualsiasi altro valore di c la differenza n(Me − c)−n(Me+c) risulta essere pari a 0.

Come si osserva, per valori di c pari a 2, 4 e 6, le frequenze n(Me − c) e n(Me+c) non
sono identiche e di conseguenza la distribuzione in considerazione non è simmetrica.
Al fine di valutare il verso di asimmetria della distribuzione ricorriamo all’indice:
M1 {A(Me)} = 2 · (M1 − Me) = 2 · (6.2941 − 5) = 2.5882 .
Il valore assunto dall’indice informa che le asimmetrie puntuali sono in media pari
a 2.2882 e di conseguenza la distribuzione di frequenze in considerazione presenta
asimmetria positiva. Per indagare ulteriormente sull’entità di tale asimmetria, è
utile ricorrere all’indice normalizzato di asimmetria:
M1 − Me
1≤ ≤1 .
SM e

lOMoARcPSD|3060872
1 ASIMMETRIA 12

xi ni |xi − Me| |xi − Me| · ni
3 2 2 4
5 7 0 0
7 4 2 8
9 3 4 12
11 1 6 6
tot 17 −− 30
Si ha dunque che:
5
1 X 30
SM e = |xi − Me|ni = = 1.7647 .
17 i=1 17
M1 − Me 6.2941 − 5 1.2941
= = = 0.7333 .
SM e 1.7647 1.7647
Il valore dell’indice segnala una discreta asimmetria positiva, pari al 73.33% del suo
massimo valore.
6. Data la distribuzione del seguente carattere continuo X:

classi 0⊢2 2⊢4 4⊢6 6⊢8 8⊢9 9 ⊢ 10 10 ⊢ 12 12 ⊢ 14 Totale
,
freq. 3 4 6 9 7 9 8 2 48
stabilire se la distribuzione è simmetrica e in caso contrario fornire un indice del verso
di asimmetria.
Svolgimento
per la simmetria: M1 = Me.
Di seguito riportiamo un prospetto utile al calcolo di Me e M1 :
classi ni val.centr. di classe xi · ni Ci
xi
0⊢2 3 1 3 3
2⊢4 4 3 12 7
4⊢6 6 5 30 13
6⊢8 9 7 63 22
8⊢9 7 8.5 59.5 29
9 ⊢ 10 9 9.5 85.5 38
10 ⊢ 10 8 11 88 46
12 ⊢ 12 2 13 26 48
tot 48 −− 367 −−

lOMoARcPSD|3060872
1 ASIMMETRIA 13
Alla luce di ciò si ha che:

8
1 X 367
M1 = xi · ni = = 7.6458 .
48 i=1 48
Per quanto riguara il calcolo della mediana si ha che

N +1 48 + 1
= = 24.5
2 2
e dunque la classe mediana è 8 ⊢ 9. Il valore della mediana è dato quindi dato da:
1
Me = 8 + [24.5 − 22 − 0.5] · = 8 + 0.2857 = 8.2857 .
7
Si osservi che M1 6= Me e di conseguenza la distribuzione di frequenze riportata nel
testo dell’esercizio non è simmetrica.
In alternativa, la simmetria della distribuzione di X può essere verificata ricordando
che la distribuzione di un carattere quantitativo continuo, come quello che stiamo
analizzando, è simmetrica se per ogni c > 0, si verifica che la frequenza specifica
in corrispondenza di x = Me − c, indicata con fs (Me − c), è uguale alla frequenza
specifica in corrispondenza di x = Me + c, indicata con fs (Me + c). Il calcolo delle
frequenze specifiche è riportato nella seguente tabella:
classe ni ampiezza di classe fs

0⊢2 3 2 1.5
2⊢4 4 2 2
4⊢6 6 2 3
6⊢8 9 2 4.5
8⊢9 7 1 7
9 ⊢ 10 9 1 9
10 ⊢ 12 8 2 4
12 ⊢ 14 2 2 1
Si osservi che, per c = 2, si ha:
fs (Me + 2) = fs (10.2857) = 4 ;
fs (Me − 2) = fs (6.2857) = 4.5 .

Dato che fs (Me + 2) 6= fs (Me − 2), si ha che la distribuzione fornita dal testo
dell’esercizio non è simmetrica.
L’asimmetria della distribuzione in considerazione è osservabile anche dal grafico della
distribuzione di frequenza che di seguito riportiamo.

lOMoARcPSD|3060872
1 ASIMMETRIA 14
fs
4,5
4
3
2
1.5
1
2 4 6 8 9 10 12 14 x
Al fine di valutare il verso di asimmetria della distribuzione in considerazione, si

utilizza l’indice:
2 · (M1 − Me) = 2 · (7.6458 − 8.2857) = 2 · (−0.6399) = −1.2798 .
Il valore assunto dall’indice informa che la distribuzione in considerazione presenta

asimmetria negativa come osservabile dal grafico riportato in precedenza.

lOMoARcPSD|3060872
1 ASIMMETRIA 15
7. Data la distribuzione del seguente carattere continuo X:
classi 0 ⊣ 6 6 ⊣ 8 8 ⊣ 10 10 ⊣ 12 12 ⊣ 14 14 ⊣ 16 16 ⊣ 22 Totale
,
freq. 4 15 26 40 32 6 7 130
stabilire se la distribuzione è simmetrica.

Svolgimento
Me e M1 e contenente altre informazioni che saranno utili nel seguito:
classi ampiezza ni val.centr. di classe xi · ni Ci fs

di classe xi
0⊣6 6 4 3 12 4 0.66
6⊣8 2 15 7 105 19 7.5
8 ⊣ 10 2 26 9 234 45 13
10 ⊣ 12 2 40 11 440 85 20
12 ⊣ 14 2 32 13 416 117 16
14 ⊣ 16 2 6 15 90 123 3
16 ⊣ 22 6 7 19 133 130 1.166
tot −− 130 −− 1430 −− −−

7
1 X 1430
M1 = xi · ni = = 11 .
130 i=1 130
Per quanto riguara il calcolo della mediana si ha che

N +1 130 + 1
= = 65.5
2 2
e dunque la classe mediana è 10 ⊢ 12. Il valore della mediana è dato da:
2
Me = 10 + [65.5 − 45 − 0.5] · = 10 + 1 = 11 .
40
Si osservi che M1 = Me = 11. Tale risultato, fornisce solo un “indizio di simmetria”
della distribuzione senza permetterci di concludere che la stessa è simmetrica. Ciò
deriva dal fatto che M1 = Me è condizione necessaria ma non sufficiente per la
simmetria di una distribuzione.
Per verificare l’effettiva presenza di simmetria, si ricorda che la distribuzione di un
carattere quantitativo continuo, come quello che stiamo analizzando, è simmetrica se
per ogni c > 0, si verifica che la frequenza specifica in corrispondenza di x = Me − c,
indicata con fs (Me − c), è uguale alla frequenza specifica in corrispondenza di x =

lOMoARcPSD|3060872
1 ASIMMETRIA 16
Me + c, indicata con fs (Me + c).

Si scelga, ad esempio, c = 2. In tal caso si ha che:
fs (11 − 2) = fs (9) = 13 ;
fs (11 + 2) = fs (13) = 16 .
Dato che fs (Me − 2) 6= fs (Me + 2), si ha che la distribuzione fornita dal testo
dell’esercizio non è simmetrica. L’asimmetria della distribuzione in considerazione è
osservabile anche guardando il grafico della distribuzione di frequenza che di seguito
riportiamo.
fs
20
16
13
7,5
3
1,166
0.66
6 8 10 12 14 16 22 x

lOMoARcPSD|3060872
1 ASIMMETRIA 17
8. I clienti di un negozio alimentare sono stati classificati secondo la spesa (in euro)
ottenendo i seguenti dati:
classi di spesa 0 ⊣ 20 20 ⊣ 40 40 ⊣ 70 70 ⊣ 120 Totale

freq. 198 106 57 21 382 .
totale spesa 3564 2491 3135 2100 11290
Stabilire se la distribuzione è simmetrica e in caso contrario fornire un indice del

verso di asimmetria.
Svolgimento
Me e M1 :
classi ni tot. classe (ti ) Ci
0 ⊣ 20 198 3564 198
20 ⊣ 40 106 2491 304
40 ⊣ 70 57 3135 361
70 ⊣ 120 21 2100 382
tot 382 11290 −−
11290
M1 = = 29.555 .
382
Per quanto riguarda il calcolo della mediana si ha che
N +1 383
= = 191.5
2 2
e dunque la classe mediana è 0 ⊢ 20. Il valore della mediana è dato da:
20
Me = 0 + [191.5 − 0 − 0.5] · = 19.293 .
198
Dato che M1 6= Me, la distribuzione della spesa dei clienti del negozio di alimentari
è asimmetrica. Si ha inoltre che:
2 · (M1 − Me) = 2 · (29.555 − 19.293) = 2 · 10.262 = 20.524 .
Di conseguenza la distribuzione della spesa dei clienti del negozio di alimentari pre-
senta asimmetria positiva. Per indagare ulteriormente sull’entità di tale asimmetria,
è utile calcolare l’indice normalizzato di asimmetria:
M1 − Me
1≤ ≤1 .
SM e

lOMoARcPSD|3060872
1 ASIMMETRIA 18
ti
classi ni tot. classe (ti ) xi = |xi − Me| |xi − Me| · ni
ni
0 ⊣ 20 198 3564 18 1.293 256.014

20 ⊣ 40 106 2491 23.5 4.207 445.942
40 ⊣ 70 57 3135 55 35.707 2035.299
70 ⊣ 120 21 2100 100 80.707 1694.847
tot 382 11290 196.5 4432.102
Si ha dunque che:
4
1 X 4432.102
SM e = |xi − Me| · ni = = 11.6024
382 i=1 382
M1 − Me 29.555 − 19.293
= = 0.8845.
SM e 11.6024
Il valore dell’indice segnala una elevata asimmetria positiva, pari all’88.45% del suo

Esercizi Statistica Economica Rapporti Statistici e Numeri Indici

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

Esercizi Statistica Economica Rapporti Statistici e Numeri Indici

Caricato da

Copyright:

Formati disponibili

lOMoARcPSD|3060872

Esercizi Statistica Economica - Rapporti Statistici e Numeri

StuDocu is not sponsored or endorsed by any college or university

STATISTICA: esercizi svolti su

Downloaded by Megi Ceka

1 RAPPORTI STATISTICI E NUMERI INDICI 2

1 RAPPORTI STATISTICI E NUMERI INDICI

Downloaded by Megi Ceka (megiceka@gmail.com)

1 RAPPORTI STATISTICI E NUMERI INDICI 3

I rapporti di composizione desiderati risultano essere:

1 RAPPORTI STATISTICI E NUMERI INDICI 4

Regioni Incidenti Lungh. Rete Stradale

Downloaded by Megi Ceka (megiceka@gmail.com)

1 RAPPORTI STATISTICI E NUMERI INDICI 5

Regioni Incidenti Lungh. Rete Stradale Rapporto di densità

Sesso Nati Vivi

Downloaded by Megi Ceka (megiceka@gmail.com)

1 RAPPORTI STATISTICI E NUMERI INDICI 6

1991 1992 1993 1994 1995 1996

Downloaded by Megi Ceka (megiceka@gmail.com)

1 RAPPORTI STATISTICI E NUMERI INDICI 7

Downloaded by Megi Ceka (megiceka@gmail.com)

1 RAPPORTI STATISTICI E NUMERI INDICI 8

anno popolazione NI(1991=100) NI(1993=100) NI (bm)

Downloaded by Megi Ceka (megiceka@gmail.com)

1 RAPPORTI STATISTICI E NUMERI INDICI 9

Ricaviamo ora i numeri indici a base fissa 1861 = 100.

Downloaded by Megi Ceka (megiceka@gmail.com)

1 RAPPORTI STATISTICI E NUMERI INDICI 10

• I1931.1861 = I1931.1921 · I1921.1861 = 1.084 · 1.436 = 1.556:

In modo analogo si ricavano gli indici:

Downloaded by Megi Ceka (megiceka@gmail.com)

1 RAPPORTI STATISTICI E NUMERI INDICI 11

Downloaded by Megi Ceka (megiceka@gmail.com)

STATISTICA esercizi svolti su: TABELLE

Downloaded by Megi Ceka (megiceka@gmail.com)

1 TABELLE STATISTICHE E RAPPRESENTAZIONI GRAFICHE 2

1 TABELLE STATISTICHE E RAPPRESENTAZIONI

Numero Settore di attività

Downloaded by Megi Ceka (megiceka@gmail.com)

1 TABELLE STATISTICHE E RAPPRESENTAZIONI GRAFICHE 3

Con riferimento ai dati della tabella precedente:

1. Definire la popolazione di riferimento e le unità statistiche.

2. Individuare i caratteri rilevati dall’indagine statistica e per ciascuno di essi indicare

3. Classificare i casi per ogni carattere individuato al punto precedente predisponendo

Downloaded by Megi Ceka (megiceka@gmail.com)

1 TABELLE STATISTICHE E RAPPRESENTAZIONI GRAFICHE 4

• “Settore di attività del capofamiglia”

In Figura (1) vediamo rappresentate le frequenze assolute, mentre in Figura (2)

Downloaded by Megi Ceka (megiceka@gmail.com)

1 TABELLE STATISTICHE E RAPPRESENTAZIONI GRAFICHE 5

Non ha senso calcolare le frequenze cumulate e retrocumulate in quanto la scala

• “Titolo di godimento dell’abitazione”

In Figura (4) vediamo rappresentate le frequenze assolute, mentre in Figura (5)

Downloaded by Megi Ceka (megiceka@gmail.com)

1 TABELLE STATISTICHE E RAPPRESENTAZIONI GRAFICHE 6

Non ha senso calcolare le frequenze cumulate e retrocumulate in quanto la scala

• “Titolo di studio del capofamiglia”

In Figura (7) vediamo rappresentate le frequenze assolute, mentre in Figura (8)

Downloaded by Megi Ceka (megiceka@gmail.com)

1 TABELLE STATISTICHE E RAPPRESENTAZIONI GRAFICHE 7

S.T. Lic. El. Lic. M. D L

S.T. Lic. El. Lic. M. D L