P t 2

Parte 2

Analisi descrittiva dei dati mediante

distribuzioni di frequenza

Chap 2-1
Contenuti
 Distribuzioni di frequenza assoluta e relativa
 Distribuzioni di frequenza cumulata e retrocumulata
 Densità di frequenza
 Grafici per distribuzioni di frequenza
 Confronti grafici tra distribuzioni di frequenza

Chap 2-2
Esempio:
La corrosione dei materiali è uno dei processi che provoca più danni materiali ed
indirettamente anche economici. I dati seguenti sono stati ottenuti sottoponendo
a prova di corrosione un campione di 55 pezzi di diverse leghe metalliche allo
scopo di valutarne la resistenza all all’ossidazione
ossidazione, tramite la misurazione della
perdita in peso su unità di superficie e la velocità di corrosione.

Metodo di Tempo Perdita in Materiale Superficie Temperatura Velocità di Perdita di peso/unità di

ID prova (h) peso (g) dichiarato pezzo (cm2) (°C) corrosione superficie (g/cm2)
Inconel® 
1 G28 24 0.0296 625 26.05 126 0.49 0.00114
Inconel® 
2 G28 24 0.3005 625 30.07 126 4.34 0.00999
Inconel® 
3 G28 24 0.1428 625 29.09 126 2.13 0.00491
Inconel®
4 G28 24 0.0575 625 31.10 126 0.80 0.00185
Inconel®
5 G28 24 0.0874 625 27.76 126 1.37 0.00315
Inconel®
6 G28 24 0.6349 625 26.59 126 10.40 0.02388
ASTM A494 
7 G28 120 0.0145 CU5MCuC 21.90 126 0.06 0.00066
… … … … … … … … …
ASTM A494 
55 Huey 240 0.2366 CU5MCuC 23.00 121 0.46 0.01029
Chap 2-3
 Distribuzioni unitarie
Si definisce distribuzione unitaria di una data variabile ll’elenco
elenco di
tutti i valori osservati unità per unità.

Esempio:
Superficie
pezzo (cm2)
Distribuzione 
Distribuzione
26.05 unitaria della 
Metodo di Tempo Perdita in Materiale Superficie 30.07
Temperatura Velocità di
variabile 
Perdita di peso/unità di
ID prova (h) peso (g) dichiarato pezzo (cm2) (°C) corrosione
29.09 “Superficie” 2
superficie (g/cm )
Inconel®
1 G28 24 0.0296 625 26.05 126 31.10
0.49 0.00114
Inconel®
27 76
27.76
2 G28 24 0.3005 625 30.07 126 4.34 0.00999
Inconel® 26.59
3 G28 24 0.1428 625 29.09 126 2.13 0.00491
Inconel® 21 90
21.90
4 G28 24 0.0575 625 31.10 126 0.80 0.00185
Inconel® …
5 G28 24 0.0874 625 27.76 126 1.37 0.00315
Inconel® 23 00
23.00
6 G28 24 0.6349 625 26.59 126 10.40 0.02388
ASTM A494 
7 G28 120 0.0145 CU5MCuC 21.90 126 0.06 0.00066
… … … … … … … … …
ASTM A494 
55 Huey 240 0.2366 CU5MCuC 23.00 121 0.46 0.01029
Chap 2-4
Distribuzioni di frequenza
Per poter procedere
d nell’analisi
ll’ li i di un dato
d f
fenomeno di interesse
i neii
suo vari aspetti rilevanti, è necessario sintetizzare le distribuzioni
unitarie delle variabili. Una p prima forma di sintesi è data dal calcolo
delle distribuzioni di frequenza.
q
La distribuzione di frequenza descrive il modo in cui una o p
più variabili
(caratteristiche) si manifestano (distribuiscono) in un dato collettivo
(campione o popolazione).
 una singola variabile ‐> distribuzioni semplici
 due variabili ‐> distribuzioni doppie
 più di due variabili ‐> distribuzioni multiple

La distribuzioni di frequenza (semplice) è una organizzazione dei dati in

forma tabellare tale che ad ogni modalitàà di una certa variabile
(qualitativa o quantitativa) si fa corrispondere la frequenza assoluta
ovvero il numero di volte che la modalità si presenta nel collettivo in
esame.
Chap 2-5
 Esempio:

Distribuzione unitaria della  Distribuzione di frequenza della 
variabile  variabile “Materiale dichiarato”
“Materiale
Materiale dichiarato
dichiarato”

Materiale Materiale 
dichiarato dichiarato N
Inconel®
625 ASTM A494 CU5MCuC 17
Inconel® Inconel® 625 9
625
Inconel® M d lità
Modalità SA‐182 F53 3 Frequenze 
Frequenze
625 UNS N 10276 6 assolute
Inconel®
625 Altro 20
Inconel® Totale 55
625
Inconel®
625
ASTM A494 
CU5MCuC Numerosità del collettivo 
…
ASTM A494  (numero totale di unità 
CU5MCuC statistiche o di osservazioni)

Chap 2-6
Nella distribuzioni di frequenza possiamo associare ad ogni modalità di
una certa variabile (qualitativa o quantitativa) anche la frequenza
relativa, calcolata dividendo la frequenza assoluta per la numerosità
totale del collettivo. Moltiplicando le frequenze relative (semplici) x 100
otteniamo le frequenze relative percentuali.
percentuali
Esempio:
Materiale dichiarato N Frequenze relative %
ASTM A494 CU5MCuC 17 17 / 55 = 0.309 0.309 × 100 = 30.9
Inconel® 625 9 9 / 55 = 0.164 0.164 × 100 = 16.4
SA‐182 F53 3 3 / 55 = 0.054 0.054 × 100 = 5.4
UNS N 10276 6 6 / 55 = 0.109 0.109 × 100 = 10.9
Altro 20 20 / 55 = 0 364
20 / 55 = 0.364 0 364 × 100 = 36.4
0.364 × 100 = 36 4
Totale 55 1 100

Le frequenze consentono di derivare alcune prime informazioni di

sintesi su come si manifesta la variabile, evidenziando la modalità più
frequente, quella meno frequente, se le modalità si presentano con
peso tendenzialmente uguale (distribuzione tendenzialmente uniforme)
o se hanno pesi diversi tra loro.
Chap 2-7
 Nel calcolare una distribuzione di frequenza è necessario considerare la natura
della variabile. Se la variabile è qualitativa o quantitativa discreta è possibile
elencare tutte le modalità assunte dalla variabile e associare le frequenze
corrispondenti. Se la variabile è quantitativa continua occorrerà classificare le
modalità in intervalli di valori reali (classi) e calcolare le frequenze delle unità
statistiche
h che
h presentano valoril compresi in talil intervalli.ll È utile
l ricorrere all
raggruppamento dei valori in classi anche per variabili quantitative discrete che
assumono molti valori.
Esempio:
Distribuzione unitaria della  Distribuzione di frequenza della 
variabile “Superficie” variabile “Superficie”
bl “ f ”
Superficie
pezzo (cm2) Superficie pezzo  Frequenze 
26.05 ( 2)
(cm N relative
l i %
30.07
10.01 – 20.00 3 3 / 55 = 0.055 0.055 × 100 = 5.5
29.09
31.10 20.01 – 30.00 27 27 / 55 = 0.491 0.491 × 100 = 49.1
27.76 30.01 – 40.00 14 14 / 55 = 0.254 0.254 × 100 = 25.4
26.59
40.01 – 50.00 8 8 / 55 = 0.145 0.145 × 100 = 14.5
21.90 50 01 – 60.00
50.01  60 00 3 3 / 55 = 0.055
3 / 55  0.055 0.055 × 100 
0.055  100 = 5.5
5.5
… Totale 55 1 100
23.00
Chap 2-8
Nella creazione delle classi è necessario prestare attenzione a scegliere un
numero adeguato di classi, determinando un’opportuna ampiezza per tali
classi e definendo gli estremi di ogni classe facendo attenzione ad includere
tutti i valori osservati e a non creare sovrapposizioni tra classi.
L scelta
La lt dell’ampiezza
d ll’ i e del
d l numero delle
d ll classi
l i dipende
di d da:
d
 la dispersione dei valori osservati (variabilità);
 la numerosità totale dell’insieme delle osservazioni;;
 le finalità conoscitive.
In generale si preferiscono:
 intervalli di uguale ampiezza: quando l’attenzione è orientata allo studio
della distribuzione della variabile;
 intervalli di ampiezza variabile: quando ogni classe identifica e qualifica una
“tipologia” (es. per l’età degli individui si considera una classificazione per
grandi classi: 0‐19 anni, 20‐59 anni, 60 anni e più).

Elementi di soggettività nel calcolo della frequenza

Una diversa definizione del numero e/o degli estremi e/o dell’ampiezza delle
classi
l i genera una differente
diff espressione
i d ll frequenza,
della f che
h può
ò essere anche
h
sensibile se la numerosità dei dati è ridotta.
Chap 2-9
 Classi di uguale ampiezza
Per classi di uguale ampiezza, possiamo orientarci nella definizione della
lunghezza di ciascun intervallo, dividendo il range dei valori osservati (cioè
( è
l’intervallo definito dal più piccolo e dal più grande valore osservato) per il
numero delle classi considerato.

Esempio: Considerando la numerosità delle

osservazioni pari a 55, si potrebbe
Distribuzione unitaria  procedere a costruire 5 classi. Per definire
f la
della variabile  lunghezza calcoliamo il range:
“Superficie” valore min = 12.56
Superficie
Valore max = 58.96 10.01 – 20.00
pezzo (cm2) Range = 46.4 20.01 – 30.00
26.05
30.07 Poii calcoliamo
P l li il rapporto
t tra
t il range e il 30 01 40.00
30.01 – 40 00
29.09 numero delle classi: 40.01 – 50.00
31.10 46.4 / 5 = 9.3 50.01 – 60.00
27.76
26.59 È sempre meglio scegliere un’ampiezza
21.90
dell’intervallo che semplifichi la lettura e
… ll’interpretazione,
interpretazione, per cui arrotondiamo 9.3 a
10 e costruiamo 5 classi di ampiezza pari a 10
23.00
cm2.
Chap 2-10
Nella distribuzioni di frequenza di variabili qualitative ordinabili o quantitative
possiamo associare ad ogni modalità o classe di modalità della variabile anche la
frequenza cumulata assoluta o relativa, calcolata cumulando progressivamente
le frequenze assolute o relative. Le frequenze cumulate danno informazioni sul
numero o peso relativo di unità statistiche che hanno un valore della variabile
inferiore o uguale ad una certa soglia di interesse.
Esempio:
Distribuzione di frequenza della  Distribuzione di frequenza cumulata 
variabile “Superficie” della variabile “Superficie”
Superficie pezzo 
Superficie pezzo Frequenze 
Frequenze Superficie  Freq. assolute  
Superficie Freq assolute Freq. relative 
Freq relative
(cm2) N relative % pezzo (cm2) cumulate % cumulate
10.01 – 20.00 3 5.5 ≤ 20.00  3 5.5
20 01 30.00
20.01 – 30 00 27 49 1
49.1 ≤ 30.00  3+27 = 30 5.5+49.1 = 54.6
30.01 – 40.00 14 25.4 ≤ 40.00 3+27+14 = 44 5.5+49.1+25.4 = 80.0
40.01 – 50.00 8 14.5 ≤ 50.00  3+27+14+8= 52 5.5+49.1+25.4+14.5 = 94.5
50.01 – 60.00 3 5.5 ≤ 60.00  3+27+14+8+3= 55 5.5+49.1+25.4+14.5+5.5 = 100
Totale 55 100

Nell campione
N i i studio
in di 44 pezzii di lega
l (80%) presentano una superficie
fi i
inferiore o uguale a 40 cm2.
Chap 2-11
Analogamente, possiamo associare ad ogni modalità o classe di modalità
della variabile anche la frequenza retrocumulata assoluta o relativa,
calcolata
l l retrocumulando
l d progressivamente
i l frequenze
le f assolute
l o
relative. Le frequenze retrocumulate danno informazioni sul numero o
peso relativo di unità statistiche che hanno un valore della variabile
p
superiore o uguale ad una certa soglia di interesse.
Esempio:
p
Distribuzione di frequenza della  Distribuzione di frequenza retrocumulata
variabile “Superficie” della variabile “Superficie”
Superficie pezzo  Frequenze  Superficie  Freq. assolute  
Freq. relative % retrocumulate 
(cm2) N relative % pezzo (cm2) retrocumulate 
10.01 – 20.00 3 5.5 ≥ 10.01  3+8+14+27+3 = 55 5.5+14.5+25.4+49.1+5.5 = 100
20.01 – 30.00 27 49.1 ≥ 20.01  3+8+14+27 = 52 5.5+14.5+25.4+49.1 = 94.5
30.01 – 40.00 14 25.4 ≥ 30.01  3+8+14 = 25 5.5+14.5+25.4 = 45.4
40.01 – 50.01 8 14.5 ≥ 40.01  3+8= 11 5.5+14.5 = 20.0
50.01 – 60.00 3 5.5 ≥ 50.01  3 5.5
Totale 55 100

Nell campione
N i i studio
in di 25 pezzii di lega
l (45 4%) presentano una superficie
(45.4%) fi i
superiore o uguale a 30.01 cm2.
Chap 2-12
Distribuzioni di frequenza: notazione formale
Modalità della  Frequenze  Frequenze relative  Frequenze relative  Frequenze relative 
variabile X assolute semplici % semplici cumulate
x1 n1 n1 / n = f1 f1 × 100 f1 = F(x1)
… … … … …
xi ni ni / n = c fi × 100 f1 + … + fi = F(xi)
… … … … …
xk nk nk / n = fk fk × 100 f1 + … + fi + … +fk = 1
Totale n 1 100
Classi della  Frequenze  Frequenze relative  Frequenze relative  Frequenze relative 
variabile X assolute semplici % semplici cumulate
(x0, x1] n1 n1 / n = f1 f1 × 100 f1 = F(x1)
… … … … …
(xi-1, xi] ni ni / n = fi fi × 100 f1 + … + fi = F(xi)
… … … … …
(xk-1, xk] nk nk / n = fk fk × 100 f1 + … + fi + … +fk = 1
Totale n 1 100

n1  ...  n i  ...  n k  i 1 n i  n ; 0  n i  n
k

f 1  ...  f i  ...  f k  i 1 f i  1; 0  f i  1
k

F x i   # X  x i  n (Funzione di ripartizione empirica) Chap 2-13

Per distribuzioni di frequenza di variabili quantitative (discrete o
continue) classificate in classi di diverse ampiezza, è utile calcolare per
ciascuna classe la densità di frequenza, ottenuta rapportando la
frequenza di ciascuna classe alla propria ampiezza.
ampiezza Le densità di
frequenza consentono di confrontare il peso relativo tra classi.

Esempio:
Superficie pezzo  N Ampiezza della  Densità di
(cm2) classe frequenza
10.01 – 30.00 30 20 30 / 20 = 1.5
30.01 – 40.00 14 10 14 / 10 = 1.4
40.01 – 60.00 11 20 11 / 20 = 0.6
Totale 55

Nel campione in studio la classe che presenta la maggiore densità di

unità statistiche è l’intervallo (10.01, 30.00).

Chap 2-14
Rappresentazione grafica delle distribuzioni di frequenza
E’ possibile affiancare alle distribuzioni riportate in forma tabellare, grafici che
per immediatezza visiva riescono ad evidenziare con più efficacia le
informazioni raccolte.
raccolte
La scelta del metodo grafico dipende da:
 le finalità conoscitive;
 il tipo di variabile da rappresentare.

Le tipologie di grafici più comuni sono:

 Diagrammi a barre
Particolarmente indicati per variabili qualitative o 
Particolarmente indicati per variabili qualitative o
 Diagrammi a torta quantitative discrete o per variabili misurate con 
 Diagramma di Pareto scala nominale o ordinale
 Istogramma
It
 Poligono Indicati per variabili quantitative 
continue
 Poligono cumulativo (Ogiva)

Chap 2-15
Il Diagramma a barre
Il diagramma
g a barre è un g grafico costituito da una serie di barre
(orizzontali o verticali). Ciascuna barra rappresenta una modalità della
variabile, e la lunghezza della barra è proporzionale alla frequenza
assoluta, relativa semplice o percentuale della modalità considerata.
considerata
Il diagramma a barre permette di confrontare il peso delle diverse
modalità.
Esempio:
Distribuzione
Distribuzione di frequenza della 
di frequenza della Diagramma
Diagramma a barre della variabile 
a barre della variabile
variabile “Materiale dichiarato” “Materiale dichiarato”

Materiale dichiarato
Materiale dichiarato N % SA-182
SA 182 F53 54
5.4

ASTM A494 CU5MCuC 17 30.9 UNS N 10276 10.9

Inconel® 625 9 16.4
SA‐182 F53 3 5.4 Inconel® 625 16 4
16.4

UNS N 10276 6 10.9 ASTM A494 CU5MCuC 30.9

Altro 20 36.4
Altro 36.4
Totale 55 100
0 5 10 15 20 25 30 35 40
%
Chap 2-16
Il Diagramma a torta
Il diagramma a torta è un grafico costituito da un’area circolare suddivisa
in sezioni. Ciascuna sezione rappresenta una modalità della variabile, e
l’ampiezza della sezione è proporzionale alla frequenza relativa semplice
o percentuale della modalità considerata.
Il diagramma a torta permette di confrontare il peso relativo delle diverse
modalità e di avere una visione immediata di come il collettivo totale si
compone rispetto
i tt alle
ll modalità
d lità della
d ll variabile
i bil

Esempio:
Distribuzione di frequenza della  Diagramma a torta della variabile 
variabile “Materiale dichiarato” “Materiale dichiarato”
5
5.4%
4%
Materiale dichiarato N % Altro
ASTM A494 CU5MCuC 17 30.9 10.9%
ASTM A494 CU5MCuC
Inconel® 625 9 16.4 36 4%
36.4%
16.4% Inconel® 625
SA‐182 F53 3 5.4
UNS N 10276 6 10.9 UNS N 10276

Altro 20 36.4 SA-182 F53

30.9%
Totale 55 100
Chap 2-17
Il Diagramma di Pareto
Il diagramma di Pareto è un grafico costituito da una serie di barre
verticali disposte in ordine decrescente di frequenza.
frequenza Ciascuna barra
rappresenta una modalità della variabile, e la lunghezza della barra è
proporzionale
i l alla
ll frequenza
f assoluta,
l t relativa
l ti semplice
li o percentuale
t l
della modalità considerata. Nello stesso diagramma è rappresentata una
linea spezzata che ne rappresenta le frequenze cumulate.

Il diagramma
g di Pareto diventa p
particolarmente utile q
quando le modalità
della variabile di interesse sono molte. Infatti il vantaggio di questo
grafico consiste nella sua capacità di separare le poche modalità cui è
associata una frequenza più alta da quelle meno rappresentate nei
dati permettendo al lettore di concentrarsi sulle modalità più importanti.
dati, importanti

Chap 2-18
Esempio:
Produzione di circuiti stampati
Produzione di circuiti stampati
n. Pezzi controllati: 200
n. Pezzi difettosi: 56
Tipo di difetto N. %
Planarità 4 7.1
Microinterruzioni 6 10 7
10.7
%
Altro 2 3.6
Fori minorati 15 26.8
Difetti incisione
Difetti incisione 29 51.8
Totale pezzi difettosi 56 100.0

Fori Planarità
Difetti minorati Micro Altro
incisione interruzioni
Nel campione in studio,
studio seguendo la linea spezzata si osserva che le
prime due modalità (difetti di incisione e fori minorati) assommano quasi
all’80% dei difetti. Il diagramma consente ai responsabili del processo
produttivo di individuare dove concentrare l’attenzione per migliorare il
processo.
Chap 2-19
L’Istogramma
L’Istogramma
g è un ggrafico p
per variabili continue suddivise in classi,,
costituito da una serie di rettangoli affiancati, la cui base rappresenta
l’ampiezza delle classi e l’altezza rappresenta la frequenza assoluta,
relativa semplice o percentuale corrispondente alle varie classi.
classi

Esempio:
Distribuzione di frequenza della  Istogramma della variabile 
variabile “Superficie” “Superficie”
%
60
Superficie pezzo  Frequenze  49.1
50
(cm2) N relative %
40
10.01 – 20.00 3 5.5
20.01 – 30.00 27 49.1 30 25.4
30 01 – 40.00
30.01  40 00 14 25.4 20 14 5
14.5
40.01 – 50.01 8 14.5
10 5.5 5.5
50.01 – 60.00 3 5.5
Totale 55 100 0
10.00 20.00 30.00 40.00 50.00 60.00
Superficie
Chap 2-20
 Se la variabile è suddivisa in classi di diversa ampiezza, l’Istogramma è
costituito da una serie di rettangoli
g affiancati,, la cui base rappresenta
pp
l’ampiezza delle classi e l’altezza rappresenta la densità di frequenza
corrispondente alle varie classi. L’area di ciascun rettangolo è quindi la
frequenza corrispondente alla classe.
classe

Quando le classi sono di diversa ampiezza, l’istogramma non è di facile

lettura Quando possibile è consigliabile comunque ricondursi ad una
lettura.
classificazione per classi di uguale ampiezza.

Densità di frequenza
Densità di frequenza
E
Esempio:
i
2

Superficie  N Ampiezza  Densità di 15

1.5
pezzo (cm2) della classe frequenza
1
10.01 – 30.00
10.01  30 20 30 / 20 = 1.5
/
30.01 – 40.00 14 10 14 / 10 = 1.4
0.5
40.01 – 60.00 11 20 11 / 20 = 0.6
Totale 55
0
10.00 20.00 30.00 40.00 50.00 60.00
Superficie
Chap 2-21
Il poligono
Il p
poligono
g è un g grafico p
per variabili continue suddivise in classi,,
costituito da una linea spezzata che unisce i punti con ascissa pari al punto
medio di ciascuna classe e ordinata pari alla frequenza assoluta, relativa
semplice o percentuale corrispondente alle varie classi.
classi

Esempio:
Distribuzione di frequenza della  Poligono della variabile “Superficie”
variabile “Superficie”

60
Superficie pezzo  Frequenze 
50 49.1
(cm2) N relative %
10.01 – 20.00 3 5.5 40
20.01 – 30.00 27 49.1 30
30 01 – 40.00
30.01  40 00 14 25.4 25.4
20
40.01 – 50.01 8 14.5 14.5
10
50.01 – 60.00 3 5.5 5.5 5.5
Totale 55 100 0
15.00 25.00 35.00 45.00 55.00
Superficie
Chap 2-22
Il poligono cumulativo (ogiva)
Il p
poligono
g cumulativo o ogivag è un g grafico p
per variabili continue
suddivise in classi, costituito da una linea spezzata che unisce i punti con
ascissa pari all’estremo superiore di ciascuna classe e ordinata pari alla
frequenza cumulata assoluta, relativa semplice o percentuale
corrispondente alle varie classi.
Esempio:
p
Distribuzione di frequenza della  Ogiva della variabile “Superficie”
variabile “Superficie” Freq Cumulate %
Freq. Cumulate %

Superficie 
pezzo (cm2) N % % cumulate
10.01 – 20.00 3 5.5 5.5
20.01 – 30.00 27 49.1 54.6
30.01 
30 01 – 40.00
40 00 14 25.4 80.0
40.01 – 50.01 8 14.5 94.5
50.01 – 60.00 3 5.5 100
Totale 55 100
Rendimento annuo

Chap 2-23
Diagramma a barre o Poligono per il confronto tra gruppi
Quando si confrontano le distribuzione di frequenza tra due o più gruppi di unità
statistiche è consigliabile considerare le frequenze relative semplici o percentuali
per eliminare la possibile distorsione dovuta all’eventuale diversa numerosità dei
gruppi a confronto.
confronto Per la rappresentazione grafica è consigliabile utilizzare un
diagramma a barre affiancate o i poligoni.

E i
Esempio:
È stato osservato un campione di fondi di
investimento costituito da 59 fondi a
capitalizzazione integrale e 135 fondi
misti. Di questi si considera la variabile
“rendimento netto annuale in %”.

Nota: negli intervalli è incluso l’estremo superiore
Chap 2-24
 Diagramma a barre o Ogiva per il confronto tra gruppi
Il confronto delle distribuzione di frequenza tra due o più gruppi di unità
statistiche può essere condotto anche considerando le frequenze relative
cumulate semplici o percentuali. Per la rappresentazione grafica è consigliabile
utilizzare un diagramma a barre affiancate o le ogive.
ogive

Esempio:
Riprendiamo l’esempio del campione
di fondi di investimento costituito da
59 fondi a capitalizzazione integrale e
135 fondi misti.

≤
≤
≤
≤
≤
≤
≤
≤
Nota: negli intervalli è incluso l’estremo superiore

Chap 2-25
Principi di correttezza grafica
 IlIl grafico
fi non deve
d d
dare una visione
ii
distorta dei dati.
 IlIl grafico
fi non deve
d contenere inutili
i ili
abbellimenti
 LLa scala
l lungo
l l’
l’asse verticale
i l deve
d
iniziare da zero.
 Gli assii devono
d essere chiaramente
hi
etichettati.
 È necessario
È i scegliere
li l
correttamente la 
scala in modo da non comprimere il
grafico
 Il grafico deve avere un titolo.
 ÈÈ consigliabile
i li bil usare il grafico
fi più
iù
semplice per rappresentare I dati.
Chap 2-26