Nel mondo di oggi, i dati sono ovunque e comprenderli è diventato fondamentale, sia in ambito professionale che nella vita di tutti i giorni. La statistica descrittiva ci offre gli strumenti essenziali per sintetizzare, esplorare e comunicare le caratteristiche principali di un set di dati, trasformando numeri grezzi in informazioni significative.
Spesso, quando pensiamo alla statistica, ci limitiamo a calcolare una semplice media o mediana. Tuttavia, queste misure centrali raccontano solo una parte della storia. Per avere un quadro completo e davvero utile, dobbiamo analizzare aspetti cruciali che descrivono come i dati sono distribuiti:
- La variabilità: Quanto i dati sono dispersi o raggruppati attorno al centro? Sono tutti simili o molto diversi tra loro?
- La forma: La distribuzione è simmetrica o pende da un lato (asimmetria)? I valori estremi sono comuni o rari (curtosi)?
Comprendere questi aspetti è vitale in numerosi campi: dall’analisi finanziaria (valutare il rischio e la volatilità) al controllo qualità (garantire la consistenza di un prodotto), dalle indagini di mercato (capire la dispersione delle preferenze) fino all’analisi climatica (identificare la frequenza di eventi estremi).
Questo articolo è pensato per essere una guida pratica e accessibile che ti accompagnerà passo dopo passo nel calcolo e nell’interpretazione di questi importanti indici statistici: il range, la deviazione standard, il coefficiente di variazione, gli indici di asimmetria (Pearson e Bowley) e la curtosi (Fisher), esplorando anche l’uso dei box plot per l’identificazione degli outlier.
Attraverso una serie di esercizi svolti, con esempi concreti che spaziano dai prezzi di mercato ai dati finanziari e climatici, avrai l’opportunità di applicare subito i concetti appresi e di verificare la tua comprensione.
Esercizio 1 (Facile) – Variabilità nel prezzo del caffè
Scenario: Un barista registra i prezzi (in €) del caffè in 5 locali vicini: {1.10, 1.20, 1.15, 1.25, 1.30}.
Calcolare:
- Range
- Scarto quadratico medio (deviazione standard)
- Coefficiente di variazione
Soluzione:
Range [math]= Valore \; massimo – Valore \; minimo = 1.30 – 1.10 = 0.20 \; €[/math]
Media [math]= \frac{(1.10 + 1.20 + 1.15 + 1.25 + 1.30)}{5} = 1.20 \; €[/math]
Varianza [math]= \frac{[(1.10-1.20)^2 + (1.20-1.20)^2 + (1.15-1.20)^2 + (1.25-1.20)^2 + (1.30-1.20)^2]}{5} = 0.005 \; €^2[/math]
Deviazione standard [math]= \sqrt{0.005} \approx 0.07 \; €[/math]
Coefficiente di Variazione (CV) [math]= \frac{Deviazione \; standard}{Media} \times 100 = \frac{0.07}{1.20} \times 100 \approx 5.83\%[/math]
Teoria:
- Il range misura la dispersione totale dei dati.
- La deviazione standard quantifica la variabilità dei dati attorno alla loro media.
- Il coefficiente di variazione (CV) è utile per confrontare la variabilità tra diverse distribuzioni che possono avere medie diverse. Un CV più basso indica una minore variabilità relativa.
Esercizio 2 (Intermedio) – Asimmetria dei salari
Scenario: In una startup, i salari mensili (in k€) dei dipendenti sono: {2.5, 3.0, 3.0, 4.0, 10.0}.
Calcolare:
- Indice di asimmetria di Pearson
- Indice di asimmetria basato sui quartili (Bowley)
Soluzione:
Media [math]= \frac{(2.5 + 3.0 + 3.0 + 4.0 + 10.0)}{5} = 4.5 \; k€[/math]
Per trovare la mediana, ordiniamo i dati: {2.5, 3.0, 3.0, 4.0, 10.0}. La mediana è il valore centrale, quindi:
Mediana [math]= 3.0 \; k€[/math]
Deviazione standard [math]\sigma \approx 2.92 \; k€[/math]
Indice di asimmetria di Pearson [math]= 3 \times \frac{(Media – Mediana)}{\sigma} \approx 3 \times \frac{(4.5 – 3.0)}{2.92} \approx 1.54[/math] (asimmetria positiva)
Per l’indice di Bowley, dobbiamo trovare il primo (Q1) e il terzo quartile (Q3).
Dati ordinati: {2.5, 3.0, 3.0, 4.0, 10.0}
Q1 è il valore al 25% dei dati, quindi tra 2.5 e 3.0. Usando l’interpolazione: [math]Q1 = 2.5 + 0.25 \times (3.0 – 2.5) = 2.625 \; k€[/math]
(Un altro metodo comune prende il valore in posizione [math](n+1)/4 = (5+1)/4 = 1.5[/math], quindi tra il primo e il secondo valore, spesso approssimato al secondo valore o alla media tra i due. Per coerenza con soluzioni tipiche, usiamo l’interpolazione qui. Tuttavia, diverse convenzioni esistono.)
Q3 è il valore al 75% dei dati, quindi tra 4.0 e 10.0. Usando l’interpolazione: [math]Q3 = 4.0 + 0.75 \times (10.0 – 4.0) = 8.5 \; k€[/math]
(Similmente, la posizione [math]3(n+1)/4 = 3 \times 1.5 = 4.5[/math], tra il quarto e il quinto valore.)
Indice di asimmetria di Bowley [math]= \frac{(Q3 + Q1 – 2 \times Mediana)}{(Q3 – Q1)} = \frac{(8.5 + 2.625 – 2 \times 3.0)}{(8.5 – 2.625)} = \frac{5.125}{5.875} \approx 0.87[/math]
(Nota: a seconda del metodo di calcolo dei quartili, il valore di Q1 e Q3 e quindi l’indice di Bowley possono variare leggermente. Nella soluzione fornita in precedenza, Q1 e Q3 erano calcolati in modo più approssimativo.)
Teoria:
- L’indice di asimmetria di Pearson utilizza la differenza tra la media e la mediana, rapportata alla deviazione standard. Un valore positivo indica una coda più lunga a destra (asimmetria positiva), un valore negativo indica una coda più lunga a sinistra (asimmetria negativa), e un valore vicino allo zero suggerisce una distribuzione simmetrica.
- L’indice di asimmetria di Bowley si basa sulla posizione dei quartili rispetto alla mediana. Similmente all’indice di Pearson, un valore positivo indica asimmetria positiva, un valore negativo indica asimmetria negativa, e un valore vicino allo zero suggerisce simmetria. Questo indice è meno sensibile ai valori estremi rispetto all’indice di Pearson.
Esercizio 3 (Intermedio-Avanzato) – Curtosi dei rendimenti azionari
Scenario: I rendimenti giornalieri (%) di un’azione tech sono: {-1.2, 0.5, 1.8, -0.3, 2.1, -0.9}.
1. Calcolo della Media e Deviazione Standard
Passo 1: Media ([math]\bar{x}[/math])
[math]\bar{x} = \frac{-1.2 + 0.5 + 1.8 – 0.3 + 2.1 – 0.9}{6} = \frac{2.0}{6} \approx 0.333\%[/math]
Passo 2: Deviazione Standard ([math]\sigma[/math])
Scarti dalla media (arrotondati per visualizzazione, usando [math]\bar{x} \approx 0.333[/math]): {-1.533, 0.167, 1.467, -0.633, 1.767, -1.233}
Scarti al quadrato (basati sugli scarti sopra): {2.351, 0.028, 2.151, 0.401, 3.121, 1.521}
Varianza ([math]\sigma^2[/math]): [math]\frac{2.351 + 0.028 + 2.151 + 0.401 + 3.121 + 1.521}{6} = \frac{9.573}{6} \approx 1.595[/math]
Deviazione standard ([math]\sigma[/math]): [math]\sqrt{1.595} \approx 1.263\%[/math]
2. Calcolo della Curtosi (Fisher)
Passo 1: Momento Centrale di Quarto Ordine ([math]\mu_4[/math])
[math]\mu_4 = \frac{(-1.533)^4 + (0.167)^4 + (1.467)^4 + (-0.633)^4 + (1.767)^4 + (-1.233)^4}{6}[/math]
Scarti alla quarta potenza (basati sugli scarti arrotondati, con maggiore precisione per la somma): {5.5204, 0.000778, 4.6597, 0.1601, 9.7908, 2.2978}
Somma degli scarti alla quarta potenza [math]= 5.5204 + 0.000778 + 4.6597 + 0.1601 + 9.7908 + 2.2978 \approx 22.431858[/math]
[math]\mu_4 = \frac{22.431858}{6} \approx 3.7386[/math] (arrotondato a 3.739)
Passo 2: [math]\sigma^4[/math]
Usando la varianza [math]\sigma^2 \approx 1.595[/math]: [math]\sigma^4 = (1.595)^2 \approx 2.544[/math]
Passo 3: Curtosi (Fisher) ([math]K[/math])
[math]K = \frac{\mu_4}{\sigma^4} – 3 = \frac{3.739}{2.544} – 3 \approx 1.4697 – 3 \approx -1.5303[/math] (arrotondato a -1.530)
Interpretazione:
Curtosi negativa ([math]K \approx -1.530[/math]) → Distribuzione platicurtica.
Implicazioni:
- Code meno pesanti rispetto a una distribuzione normale.
- Minore probabilità di eventi estremi (rendimenti eccezionalmente alti o bassi).
3. Confronto con la Distribuzione Normale
| Indice | Valore Calcolato | Distribuzione Normale | Interpretazione |
|---|---|---|---|
| Curtosi (Fisher) | -1.530 | 0 | Code più leggere, minore rischio di eventi di coda |
Teoria:
Curtosi di Fisher:
- Leptocurtica ([math]K > 0[/math]): Code pesanti (es.: finanza, rendimenti con “cigni neri”).
- Mesocurtica ([math]K \approx 0[/math]): Simile alla distribuzione normale.
- Platicurtica ([math]K < 0[/math]): Code leggere (come in questo caso).
Impatto negli investimenti:
- Una curtosi negativa suggerisce un minore rischio di eventi estremi, ma potenzialmente anche minori opportunità di guadagni eccezionali.
Integrazione Teorica Avanzata
Perché è importante la curtosi in finanza?
- Gestione del rischio:
- Curtosi positiva → Maggiore probabilità di movimenti di prezzo improvvisi e significativi (rischio di “cigno nero”).
- Curtosi negativa → Distribuzione dei rendimenti più “stabile” e meno soggetta a shock estremi.
- Ottimizzazione del portafoglio: La curtosi di un asset può influenzare la strategia di allocazione del portafoglio e la necessità di strumenti di copertura del rischio. Asset con curtosi elevata possono richiedere strategie di gestione del rischio più sofisticate.
Esempio pratico:
Se un fondo d’investimento presenta una curtosi di +2.5, gli investitori dovrebbero essere consapevoli di una maggiore probabilità di crolli improvvisi o guadagni eccezionali. Al contrario, con una curtosi di -1.530 (come in questo esercizio), i rendimenti giornalieri dell’azione tech tendono ad essere più concentrati intorno alla media, con una minore incidenza di variazioni estreme.
Tabella Riassuntiva
| Termine | Formula | Valore nel Dataset |
|---|---|---|
| Media ([math]\bar{x}[/math]) | [math]\frac{\sum x_i}{n}[/math] | 0.333% |
| Varianza ([math]\sigma^2[/math]) | [math]\frac{\sum (x_i – \bar{x})^2}{n}[/math] | 1.595 |
| Curtosi (Fisher) | [math]\frac{\mu_4}{\sigma^4} – 3[/math] | -1.530 |
Esercizio 4 (Avanzato) – Confronto variabilità e asimmetria
Scenario: Due filiali di un e-commerce hanno tempi di consegna (giorni):
Filiale A: {2, 3, 3, 4, 4, 5}
Filiale B: {1, 2, 3, 4, 5, 6}
Calcolare:
- Deviazione standard e CV per entrambe
- Asimmetria di Pearson
- Quale filiale è più affidabile?
Soluzione:
Filiale A: {2, 3, 3, 4, 4, 5}
Media [math]\bar{x}_A = \frac{(2 + 3 + 3 + 4 + 4 + 5)}{6} = \frac{21}{6} = 3.5[/math]
Varianza [math]\sigma_A^2 = \frac{[(2-3.5)^2 + (3-3.5)^2 + (3-3.5)^2 + (4-3.5)^2 + (4-3.5)^2 + (5-3.5)^2]}{6} = \frac{(2.25 + 0.25 + 0.25 + 0.25 + 0.25 + 2.25)}{6} = \frac{5.5}{6} \approx 0.917[/math]
Deviazione standard [math]\sigma_A = \sqrt{0.917} \approx 0.958[/math]
Coefficiente di Variazione (CV) [math]CV_A = \frac{0.958}{3.5} \times 100 \approx 27.37\%[/math]
Mediana di A (dati ordinati): tra il terzo e il quarto valore, quindi [math]\frac{3+4}{2} = 3.5[/math]
Asimmetria di Pearson per A [math]= 3 \times \frac{(3.5 – 3.5)}{0.958} = 0[/math] (simmetrica)
Filiale B: {1, 2, 3, 4, 5, 6}
Media [math]\bar{x}_B = \frac{(1 + 2 + 3 + 4 + 5 + 6)}{6} = \frac{21}{6} = 3.5[/math]
Varianza [math]\sigma_B^2 = \frac{[(1-3.5)^2 + (2-3.5)^2 + (3-3.5)^2 + (4-3.5)^2 + (5-3.5)^2 + (6-3.5)^2]}{6} = \frac{(6.25 + 2.25 + 0.25 + 0.25 + 2.25 + 6.25)}{6} = \frac{17.5}{6} \approx 2.917[/math]
Deviazione standard [math]\sigma_B = \sqrt{2.917} \approx 1.708[/math]
Coefficiente di Variazione (CV) [math]CV_B = \frac{1.708}{3.5} \times 100 \approx 48.8\%[/math]
Mediana di B (dati ordinati): tra il terzo e il quarto valore, quindi [math]\frac{3+4}{2} = 3.5[/math]
Asimmetria di Pearson per B [math]= 3 \times \frac{(3.5 – 3.5)}{1.708} = 0[/math] (simmetrica)
Affidabilità:
La Filiale A ha un coefficiente di variazione (CV) inferiore (circa 27.37%) rispetto alla Filiale B (circa 48.8%). Un CV inferiore indica una minore dispersione relativa dei tempi di consegna rispetto alla media. Pertanto, la Filiale A è più affidabile in termini di consistenza dei tempi di consegna.
Teoria:
- La deviazione standard misura la dispersione assoluta dei dati.
- Il coefficiente di variazione (CV) è un indicatore di variabilità relativa, utile per confrontare la dispersione tra dataset con medie diverse o con la stessa media ma diversa unità di misura. Un CV più basso indica una maggiore consistenza o affidabilità relativa.
- L’asimmetria di Pearson, in questo caso, indica che entrambe le distribuzioni sono simmetriche (valore vicino a zero), suggerendo che i tempi di consegna sono distribuiti in modo simile attorno alla media per entrambe le filiali. Tuttavia, questo non dice nulla sulla grandezza della variabilità.
Esercizio 5 (Avanzato) – Analisi di curtosi in dati finanziari
Scenario: Il rendimento mensile di un fondo d’investimento ha: Media = 1.2%, σ = 0.8%, Curtosi (Fisher) = 2.1.
Domande:
- Interpretare la curtosi.
- Calcolare il momento 4°.
Soluzione:
Interpretazione della curtosi:
Una curtosi di Fisher pari a 2.1 è positiva, il che indica che la distribuzione dei rendimenti del fondo d’investimento è leptocurtica rispetto a una distribuzione normale. Questo significa che la distribuzione ha code più pesanti e un picco più acuto intorno alla media. In termini finanziari, una curtosi leptocurtica suggerisce una maggiore probabilità di osservare rendimenti estremi (sia guadagni molto elevati che perdite molto significative) rispetto a quanto si prevederebbe con una distribuzione normale con la stessa media e deviazione standard. Gli investitori dovrebbero essere consapevoli di questo maggiore “rischio di coda”.
Calcolo del momento 4°:
La formula per la curtosi di Fisher è:
[math]Curtosi = \frac{\mu_4}{\sigma^4} – 3[/math]
dove [math]\mu_4[/math] è il momento centrale di quarto ordine (il momento 4° attorno alla media) e [math]\sigma[/math] è la deviazione standard.
Possiamo riarrangiare la formula per trovare il momento 4°:
[math]\mu_4 = (Curtosi + 3) \times \sigma^4[/math]
Sostituendo i valori dati:
[math]\mu_4 = (2.1 + 3) \times (0.8)^4[/math]
[math]\mu_4 = 5.1 \times 0.4096[/math]
[math]\mu_4 \approx 2.08896[/math]
Quindi, il momento 4° della distribuzione dei rendimenti è approssimativamente 2.089.
Teoria:
- Una curtosi alta in finanza implica una maggiore probabilità di eventi rari e di grande impatto (i cosiddetti “cigni neri”). Comprendere la curtosi di un asset o di un portafoglio è cruciale per la gestione del rischio.
- Il momento centrale di quarto ordine è una misura della “dispersione” estrema della distribuzione. È direttamente legato alla curtosi.
Esercizio 6 (Difficile) – Analisi completa di dati climatici
Dataset: Temperature medie giornaliere (°C) in una città: {10, 12, 14, 15, 16, 18, 20, 22, 24, 30}
1. Analisi del Box-plot e Identificazione degli Outliers
Passo 1: Calcolo dei quartili
Dati ordinati: 10, 12, 14, 15, 16, 18, 20, 22, 24, 30
Posizioni:
Q1 (25° percentile): [math]\frac{n+1}{4} = \frac{10+1}{4} = 2.75[/math] → Interpolazione tra 12 e 14: [math]12 + 0.75 \times (14 – 12) = 13.5 \; °C[/math]
Mediana (Q2): [math]\frac{n+1}{2} = \frac{10+1}{2} = 5.5[/math] → Media tra 16 e 18: [math]\frac{16 + 18}{2} = 17 \; °C[/math]
Q3 (75° percentile): [math]\frac{3(n+1)}{4} = \frac{3 \times 11}{4} = 8.25[/math] → Interpolazione tra 22 e 24: [math]22 + 0.25 \times (24 – 22) = 22.5 \; °C[/math]
Passo 2: Intervallo Interquartile (IQR)
IQR [math]= Q3 – Q1 = 22.5 – 13.5 = 9 \; °C[/math]
Passo 3: Limiti per gli Outliers
Limite inferiore: [math]Q1 – 1.5 \times IQR = 13.5 – 1.5 \times 9 = 0 \; °C[/math]
Limite superiore: [math]Q3 + 1.5 \times IQR = 22.5 + 1.5 \times 9 = 36 \; °C[/math]
Risultato:
Nessun outlier (30 °C è entro il limite superiore di 36 °C).
Visualizzazione Box-plot (rappresentazione testuale):
[Min=10]——[Q1=13.5|====|Mediana=17|====|Q3=22.5]——[Max=30]
Teoria:
- La scatola rappresenta il 50% centrale dei dati (l’intervallo interquartile, IQR).
- I baffi mostrano la dispersione dei dati non outlier.
- Gli outliers sono valori che cadono significativamente al di fuori della scatola, definiti tipicamente come valori inferiori a [math]Q1 – 1.5 \times IQR[/math] o superiori a [math]Q3 + 1.5 \times IQR[/math].
2. Calcolo di Asimmetria e Curtosi
Passo 1: Media e Deviazione Standard
Media ([math]\bar{x}[/math]): [math]\frac{10 + 12 + \cdots + 30}{10} = \frac{181}{10} = 18.1 \; °C[/math]
Scarti dalla media: {-8.1, -6.1, -4.1, -3.1, -2.1, -0.1, 1.9, 3.9, 5.9, 11.9}
Varianza ([math]\sigma^2[/math]): [math]\frac{(-8.1)^2 + (-6.1)^2 + \cdots + (11.9)^2}{10} = \frac{328.9}{10} = 32.89[/math]
Deviazione standard ([math]\sigma[/math]): [math]\sqrt{32.89} \approx 5.735 \; °C[/math]
Passo 2: Asimmetria di Pearson
Asimmetria [math]= \frac{3 \times (Media – Mediana)}{\sigma} = \frac{3 \times (18.1 – 17)}{5.735} \approx 0.575[/math]
Interpretazione:
Asimmetria positiva (0.575) → La media è maggiore della mediana, indicando una coda più lunga verso destra (temperature più alte).
Passo 3: Curtosi (Fisher)
Momento 4° ([math]\mu_4[/math]): [math]\frac{(-8.1)^4 + (-6.1)^4 + \cdots + (11.9)^4}{10} = \frac{27737.233}{10} \approx 2773.723[/math]
[math]\sigma^4 = (5.735)^4 \approx 1084.2[/math]
Curtosi [math]= \frac{\mu_4}{\sigma^4} – 3 = \frac{2773.723}{1084.2} – 3 \approx 2.558 – 3 \approx -0.442[/math]
Interpretazione:
Curtosi leggermente negativa (-0.442) → Distribuzione platicurtica, con code meno pesanti e una forma più piatta intorno alla media rispetto alla distribuzione normale.
3. Confronto con la Distribuzione Normale
Asimmetria (0.575): La distribuzione presenta una leggera asimmetria positiva, suggerendo una maggiore probabilità di osservare valori superiori alla media rispetto a quelli inferiori (coda destra più lunga).
Curtosi (-0.442): La distribuzione è leggermente platicurtica, il che implica che i dati sono meno concentrati intorno alla media e le code sono più sottili rispetto a una distribuzione normale.
Conclusioni:
L’analisi dei dati climatici mostra una distribuzione delle temperature medie giornaliere con una leggera asimmetria positiva, indicando una tendenza verso temperature più elevate, e una curtosi leggermente platicurtica, suggerendo una minore probabilità di eventi termici estremi rispetto a quanto si osserverebbe in una distribuzione normale.
Integrazione Teorica Avanzata
Perché usare questi indici?
- Asimmetria: In climatologia, l’asimmetria può rivelare la presenza di fenomeni specifici, come ondate di calore (asimmetria positiva) o periodi di freddo intenso (asimmetria negativa). La formula alternativa per l’asimmetria è [math]Skewness = \frac{\mu_3}{\sigma^3}[/math], dove [math]\mu_3[/math] è il momento centrale terzo.
- Curtosi: La curtosi fornisce informazioni sulla forma della distribuzione, in particolare sulla “pesantezza” delle code. Una curtosi negativa indica una minore probabilità di valori estremi, il che può essere rilevante nello studio della variabilità climatica.
- Confronto con la normale: La distribuzione normale è un modello di riferimento fondamentale. Confrontare l’asimmetria e la curtosi di un dataset con i valori teorici della normale (entrambi pari a zero) aiuta a quantificare quanto la distribuzione osservata si discosta da questo modello ideale.
- Leptocurtica (Curtosi > 0): Code più pesanti, maggiore probabilità di eventi estremi.
- Platicurtica (Curtosi < 0): Code più leggere, minore probabilità di eventi estremi.
- Mesocurtica (Curtosi ≈ 0): Curtosi simile alla normale.
Tabella Riassuntiva dei Risultati Chiave:
| Misura | Formula (una delle forme comuni) | Valore nel Dataset |
|---|---|---|
| Media ([math]\bar{x}[/math]) | [math]\frac{\sum x_i}{n}[/math] | 18.1 °C |
| Mediana (Q2) | Valore centrale (o media dei due centrali) | 17 °C |
| Deviazione Standard ([math]\sigma[/math]) | [math]\sqrt{\frac{\sum (x_i – \bar{x})^2}{n}}[/math] | 5.735 °C |
| Asimmetria (Pearson) | [math]\frac{3 \times (\bar{x} – Mediana)}{\sigma}[/math] | 0.575 |
| Curtosi (Fisher) | [math]\frac{\mu_4}{\sigma^4} – 3[/math] | -0.442 |
