Introduzione: Non Solo il "Centro"
Nel capitolo precedente abbiamo esaminato gli indici di posizione (media, mediana, moda), che ci danno un'idea del "centro" di un insieme di dati. Tuttavia, conoscere solo il centro non è sufficiente per descrivere appieno una distribuzione. Immagina due classi con la stessa media di voti, ad esempio 7. Una classe potrebbe avere tutti studenti con voti tra 6 e 8, mentre l'altra potrebbe avere alcuni studenti con 3 e altri con 10. La media è la stessa, ma la situazione è molto diversa!
Per questo motivo, abbiamo bisogno degli indici di variabilità (o misure di dispersione), che ci dicono quanto i dati sono "sparsi" o "distanti" l'uno dall'altro e dal valore centrale. Accanto a questi, approfondiremo alcune importanti proprietà della media aritmetica.
Proprietà della Media Aritmetica
La media aritmetica gode di alcune proprietà fondamentali:
- Internalità: La media aritmetica è sempre compresa tra il valore minimo e il valore massimo dell'insieme dei dati.
Esempio: Se i voti sono 5, 7, 8, la media è 6.67. Questo valore è compreso tra 5 (min) e 8 (max).
- Linearità: Se ogni valore $x_i$ viene trasformato linearmente (moltiplicato per una costante $a$ e/o sommato a una costante $b$), anche la media si trasforma linearmente nello stesso modo.
$$ \text{Se } y_i = a \cdot x_i + b \text{ allora } \bar{y} = a \cdot \bar{x} + b $$
Esempio: Se i voti sono 5, 7, 8 (media 6.67) e li moltiplichiamo per 2: 10, 14, 16. La nuova media è $(10+14+16)/3 = 40/3 \approx 13.33$. Questo è $2 \cdot 6.67$.
- Somma degli scarti dalla media: La somma algebrica degli scarti (differenze) di ogni valore dalla media aritmetica è sempre zero.
$$ \sum_{i=1}^{N} (x_i - \bar{x}) = 0 $$
Questa proprietà indica che la media è un punto di equilibrio per i dati.
- Minimizzazione della somma dei quadrati degli scarti: La somma dei quadrati degli scarti dalla media è un minimo (è minore o uguale alla somma dei quadrati degli scarti da qualsiasi altro valore).
$$ \sum_{i=1}^{N} (x_i - \bar{x})^2 \le \sum_{i=1}^{N} (x_i - k)^2 \quad \text{per ogni } k \neq \bar{x} $$
Questa proprietà è alla base della Varianza e della Deviazione Standard.
Indici di Variabilità (o Dispersione)
Questi indici misurano quanto i dati sono eterogenei o sparsi. I più comuni sono:
1. Range (o Campo di Variazione)
Il Range è la differenza tra il valore massimo e il valore minimo in un insieme di dati. È molto semplice da calcolare, ma è fortemente influenzato dagli outlier e non tiene conto della distribuzione dei valori intermedi.
$$ \text{Range} = X_{\text{max}} - X_{\text{min}} $$
2. Varianza ($ \sigma^2 $)
La Varianza misura la dispersione dei dati attorno alla media. Si calcola come la media dei quadrati degli scarti di ogni valore dalla media aritmetica.
Formula (per popolazione):
$$ \sigma^2 = \frac{\sum_{i=1}^{N} (x_i - \bar{x})^2}{N} $$
Formula (per campione - Varianza Campionaria Corretta o Non Distorta):
$$ s^2 = \frac{\sum_{i=1}^{N} (x_i - \bar{x})^2}{N-1} $$
Usiamo $N-1$ per i campioni per ottenere una stima "non distorta" della varianza della popolazione. La varianza è sempre non negativa. Il suo limite è che l'unità di misura è al quadrato rispetto ai dati originali (es. se i dati sono in cm, la varianza è in $cm^2$).
3. Deviazione Standard ($ \sigma $ o $ s $)
La Deviazione Standard è la radice quadrata della varianza. È la misura di dispersione più utilizzata perché è espressa nella stessa unità di misura dei dati originali, rendendola più interpretabile.
Formula (per popolazione):
$$ \sigma = \sqrt{\frac{\sum_{i=1}^{N} (x_i - \bar{x})^2}{N}} $$
Formula (per campione):
$$ s = \sqrt{\frac{\sum_{i=1}^{N} (x_i - \bar{x})^2}{N-1}} $$
Una deviazione standard piccola indica che i dati sono raggruppati strettamente attorno alla media, mentre una grande indica che sono più sparsi.
4. Coefficiente di Variazione (CV)
Il Coefficiente di Variazione è una misura di variabilità relativa, utile per confrontare la dispersione di due insiemi di dati che hanno medie molto diverse o unità di misura differenti. È una misura adimensionale (senza unità di misura).
Formula:
$$ CV = \frac{\sigma}{\bar{x}} \quad \text{o} \quad CV = \frac{s}{\bar{x}} $$
È spesso espresso in percentuale.
Esempi Guidati
Esempio 1: Calcolo di Range, Varianza e Deviazione Standard
Dato il set di dati: 2, 4, 6, 8, 10. Consideralo come una popolazione. Calcola media, range, varianza e deviazione standard.
Soluzione:
Dati: 2, 4, 6, 8, 10 (N = 5)
Media ($\bar{x}$):
$\bar{x} = \frac{2+4+6+8+10}{5} = \frac{30}{5} = 6$
Range:
Range = $X_{\text{max}} - X_{\text{min}} = 10 - 2 = 8$
Varianza ($\sigma^2$):
Scarti dalla media $(x_i - \bar{x})$:
$(2-6) = -4$
$(4-6) = -2$
$(6-6) = 0$
$(8-6) = 2$
$(10-6) = 4$
Quadrati degli scarti $(x_i - \bar{x})^2$:
$(-4)^2 = 16$
$(-2)^2 = 4$
$(0)^2 = 0$
$(2)^2 = 4$
$(4)^2 = 16$
Somma dei quadrati degli scarti: $16+4+0+4+16 = 40$
$\sigma^2 = \frac{40}{5} = 8$
Deviazione Standard ($\sigma$):
$\sigma = \sqrt{8} \approx 2.83$
Esempio 2: Confronto di Variabilità con CV
Due squadre di basket hanno i seguenti punteggi per partita:
Squadra A: Media = 80 punti, Deviazione Standard = 8 punti
Squadra B: Media = 100 punti, Deviazione Standard = 10 punti
Quale squadra è più consistente (meno variabile) nei suoi punteggi?
Soluzione:
Calcoliamo il Coefficiente di Variazione per entrambe le squadre:
Squadra A:
$CV_A = \frac{\sigma_A}{\bar{x}_A} = \frac{8}{80} = 0.1 = 10\%$
Squadra B:
$CV_B = \frac{\sigma_B}{\bar{x}_B} = \frac{10}{100} = 0.1 = 10\%$
Commento: Nonostante la Squadra B abbia una deviazione standard più alta in termini assoluti, entrambe le squadre hanno lo stesso Coefficiente di Variazione (10%). Ciò significa che, relativamente alla loro media, la variabilità dei punteggi è la stessa per entrambe le squadre. Non c'è una squadra più consistente dell'altra basandosi solo su questi dati.
Esempio 3: Proprietà della Linearità
I punteggi di 4 studenti in un quiz sono: 5, 7, 6, 8. Se ogni punteggio viene moltiplicato per 2 e poi viene aggiunto 1, qual è la nuova media?
Soluzione:
Dati originali: 5, 7, 6, 8 (N=4)
Media originale ($\bar{x}$): $\bar{x} = \frac{5+7+6+8}{4} = \frac{26}{4} = 6.5$
Applichiamo la proprietà di linearità: $a=2$, $b=1$.
Nuova media ($\bar{y}$) = $a \cdot \bar{x} + b = 2 \cdot 6.5 + 1 = 13 + 1 = 14$
Verifica (calcolando i nuovi punteggi):
Nuovi punteggi: $2(5)+1=11$, $2(7)+1=15$, $2(6)+1=13$, $2(8)+1=17$.
Nuova media: $\frac{11+15+13+17}{4} = \frac{56}{4} = 14$. La proprietà è confermata.
Esempio 4: Proprietà della Somma degli Scarti dalla Media
Dato il set di numeri: 3, 5, 7. Dimostra che la somma degli scarti dalla media è zero.
Soluzione:
Dati: 3, 5, 7 (N=3)
Media ($\bar{x}$): $\bar{x} = \frac{3+5+7}{3} = \frac{15}{3} = 5$
Calcoliamo gli scarti $(x_i - \bar{x})$:
$(3 - 5) = -2$
$(5 - 5) = 0$
$(7 - 5) = 2$
Somma degli scarti: $-2 + 0 + 2 = 0$.
La proprietà è dimostrata: la somma degli scarti dalla media è zero.
Quesiti a Risposta Multipla
Esercizi con Calcoli
1. Calcola la varianza e la deviazione standard del seguente set di dati (popolazione): 1, 2, 3, 4, 5.
2. Un set di dati ha una media di 20 e una deviazione standard di 4. Calcola il Coefficiente di Variazione.
3. I voti di 5 esami sono: 6, 8, 7, 5, 9. Calcola il Range.
4. Se un set di dati ha media $\bar{x} = 15$. Ogni valore viene moltiplicato per 3 e poi sottratto 5. Qual è la nuova media?
5. Data la media $\bar{x} = 10$. Calcola la somma degli scarti dalla media per i valori: 8, 10, 12.
6. Se il Coefficiente di Variazione è 0.25 e la Deviazione Standard è 5, qual è la media?
7. Due investimenti A e B hanno i seguenti rendimenti:
Investimento A: media = 10%, dev. standard = 2%
Investimento B: media = 5%, dev. standard = 1%
Quale investimento ha una variabilità relativa maggiore?
8. Data la varianza di una popolazione $ \sigma^2 = 16 $, qual è la deviazione standard?
9. Se il range di un set di dati è 15 e il valore massimo è 28, qual è il valore minimo?
10. Se i valori di un set di dati sono tutti uguali (es. 7, 7, 7, 7), qual è la loro deviazione standard?