Sei sulla pagina 1di 13

I pericoli della statistica

A volte le medie sono ingannevoli

Caratteri dicotomici codificati 0/1


Se il carattere DICOTOMICO possibile codificarlo come segue

0
X
1

Sesso

Evento Morte

Esami

FEMMINA

VIVO

FALLITO

MASCHIO

MORTO

SUPERATO

In questo caso la MEDIA ARITMETICA ha senso contrariamente


a quello che accade per caratteri qualitativi

1
x
N

1
xi frequenza di X 1 p1

N
i 1

Frequenza relativa
di MASCHI
TASSO DI

Mascolinit

Frequenza
relativa di MORTI
Mortalit

Frequenza relativa
di SUCCESSO

Successo negli esami

Evento Morte

Associativit (solo media aritmetica):


la media pari alla media di medie di gruppo

VIVO=0
MORTO=1

TASSO DI
MORTALITA
nelle sotto popolazioni
o tasso specifico
Frequenza relativa di morti
Il tasso di mortalit generale
media ponderata dei tassi
specifici

N Nj
j 1

x
j 1

Nj
N

xj

Evento Morte

Associativit (solo media aritmetica):


la media pari alla media di medie di gruppo

VIVO=0
MORTO=1

TASSO DI
MORTALITA
nelle sotto popolazioni
o tasso specifico

0-| 5
5-| 25

Frequenza relativa di morti


Il tasso di mortalit generale
media ponderata dei tassi
specifici per et

50 -| 75

90 - oltre
h

N Nj
j 1

x
j 1

Struttura della
popolazione per et

Nj
N

xj

Il tasso di
mortalit generale

media
ponderata

Tasso
grezzo

Nj
N

j 1

struttura della
popolazione per et

xj

dei tassi
specifici per
et

Poich si sa che il tasso di mortalit dipende dallet

Un tasso di mortalit generale elevato pu dipendere da due fattori


Alti tassi di mortalit specifici

elevata probabilit di morire

Struttura della popolazione anziana

presenza di tanti anziani

Per comparare in modo corretto la mortalit in due paesi differenti


si usa una struttura di popolazione simile per i due paesi (pesi identici(*))

Tasso standardizzato

x
*

j 1


Nj
N

xj

Corrado Gini
(Motta di Livenza,
23 maggio 1884 Roma,
13 marzo 1965)
stato uno statistico,
economista e sociologo
italiano.

Popolazione (anno 1937)

Morti (anno 1937)

Tassi di mortalit per et

Pop.
Tipo

40

10

50

0,25

12

15

28

54

82

0,41

11

32

36

68

0,34

10

12

22

100

100 200

1,00

25

23

48

La mortalit maggiore in A rispetto a B

0,30

0,30

0,30

0,075

0,075

0,11

0,15

0,13

0,044

0,061

0,31

0,33

0,21

0,106

0,113

0,25

0,23

0,24

0,225

0,249

Differenza relativa % di A rispetto a B

25 23

100 9%
23

0,249 0,225
100 10,6%
0,225

La mortalit maggiore in B rispetto a A

http://en.wikipedia.org/wiki/Simpson's_paradox
Kidney stone treatment

Berkeley gender bias case


One of the best-known real-life examples of Simpson's paradox occurred
when the University of California, Berkeley was sued for bias against
women who had applied for admission to graduate schools there.
The admission figures for the fall of 1973 showed that men applying were
more likely than women to be admitted, and the difference was so large
that it was unlikely to be due to chance

But when examining the individual


departments, it appeared that no department
was significantly biased against women. In
fact, most departments had a "small but
statistically significant bias in favor of
women."[13] The data from the six largest
departments are listed below.
The research paper by Bickel et al.[13] concluded that women tended to apply to competitive departments with low
rates of admission even among qualified applicants (such as in the English Department), whereas men tended to
apply to less-competitive departments with high rates of admission among the qualified applicants (such as in
engineering and chemistry). The conditions under which the admissions' frequency data from specific departments
constitute a proper defense against charges of discrimination are formulated in the book Causality by Pearl.[2]

Low birth weight paradox


Main article: Low birth-weight paradox
The low birth weight paradox is an apparently paradoxical observation relating to the
birth weights and mortality of children born totobacco smoking mothers.
As a usual practice, babies weighing less than a certain amount (which varies
between different countries) have been classified as having low birth weight. In a
given population, babies with low birth weights have had a significantly higherinfant
mortality rate than others. Normal birth weight infants of smokers have about the
same mortality rate as normal birth weight infants of non-smokers, and low birth
weight infants of smokers have a much lower mortality rate than low birth weight
infants of non-smokers, but infants of smokers overall have a much higher mortality
rate than infants of non-smokers.
This is because many more infants of smokers are low birth weight, and low birth
weight babies have a much higher mortality rate than normal birth weight babies.
[14]