Esercizio 1: Analisi delle Preferenze Musicali

Testo:

Un gruppo di 20 studenti di una scuola superiore è stato intervistato per conoscere il loro genere musicale preferito. I risultati sono i seguenti:
Pop, Rock, Classica, Pop, Jazz, Rock, Pop, Classica, Jazz, Pop, Rock, Pop, Jazz, Classica, Rock, Pop, Pop, Jazz, Rock, Classica.

Obiettivo:

Organizzare i dati e calcolare le frequenze assolute, relative e percentuali per ciascun genere musicale. Successivamente, identificare il genere musicale più popolare.

Soluzione:

Passaggio 1: Organizzazione dei dati e conteggio delle frequenze assolute

Per prima cosa, elenchiamo i generi musicali e contiamo quante volte compare ciascuno. Questo ci darà la frequenza assoluta (o numero di occorrenze) per ogni categoria.

• Pop: 7
• Rock: 5
• Classica: 4
• Jazz: 4

Richiamo Teorico: La frequenza assoluta di una modalità (o categoria) è il numero di volte in cui quella modalità si presenta nel collettivo statistico.

Passaggio 2: Calcolo delle frequenze relative

La frequenza relativa si ottiene dividendo la frequenza assoluta di ciascun genere per il numero totale di studenti (che è 20). La somma delle frequenze relative deve essere 1.

• Pop: [math]7/20 = 0.35[/math]
• Rock: [math]5/20 = 0.25[/math]
• Classica: [math]4/20 = 0.20[/math]
• Jazz: [math]4/20 = 0.20[/math]

Richiamo Teorico: La frequenza relativa di una modalità è il rapporto tra la sua frequenza assoluta e il numero totale di unità statistiche. Essa indica la proporzione di osservazioni che ricadono in quella specifica categoria.

Passaggio 3: Calcolo delle frequenze percentuali

Per ottenere la frequenza percentuale, moltiplichiamo la frequenza relativa per 100. La somma delle frequenze percentuali deve essere 100%.

• Pop: [math]0.35 * 100 = 35%[/math]
• Rock: [math]0.25 * 100 = 25%[/math]
• Classica: [math]0.20 * 100 = 20%[/math]
• Jazz: [math]0.20 * 100 = 20%[/math]

Richiamo Teorico: La frequenza percentuale è la frequenza relativa espressa in percentuale. È utile per una comprensione immediata della distribuzione delle modalità.

Passaggio 4: Identificazione del genere musicale più popolare

Il genere musicale con la frequenza assoluta (o relativa o percentuale) più alta è il più popolare.

In questo caso, il genere Pop è il più popolare con il 35% delle preferenze.

Osservazione Strategica:

L’organizzazione dei dati in una tabella di frequenza è il primo passo fondamentale in molte analisi statistiche. Permette di sintetizzare grandi quantità di dati e di visualizzare rapidamente le distribuzioni. Per dati qualitativi (come i generi musicali), le frequenze sono il modo principale per descrivere la distribuzione.

Questo esercizio è un classico esempio di analisi di dati qualitativi nominali. È interessante perché dimostra come anche dati non numerici possano essere organizzati e riassunti per trarne conclusioni significative.

Peculiarità: Non è possibile calcolare media o mediana per dati nominali, rendendo le frequenze (assolute, relative, percentuali) e la moda le uniche misure descrittive rilevanti. L’applicazione pratica è vasta: sondaggi di mercato, analisi delle preferenze dei consumatori, votazioni politiche, ecc.

Esercizio 2: Analisi dei Voti di Matematica

Testo:

Un professore di matematica ha registrato i voti (in decimi) ottenuti da 25 studenti in una verifica. I voti sono i seguenti:
6, 7, 5, 8, 6, 9, 7, 6, 5, 8, 7, 7, 6, 9, 5, 8, 7, 6, 7, 8, 5, 6, 7, 9, 6.

Obiettivo:

Calcolare la media, la mediana e la moda dei voti. Spiegare il significato di ciascuna misura di tendenza centrale nel contesto dei dati.

Soluzione:

Passaggio 1: Organizzazione dei dati e conteggio delle frequenze

Per facilitare i calcoli, è utile ordinare i dati in ordine crescente e contare le frequenze di ciascun voto.

Dati ordinati: 5, 5, 5, 5, 6, 6, 6, 6, 6, 6, 7, 7, 7, 7, 7, 7, 7, 8, 8, 8, 8, 9, 9, 9, 9

Frequenze:

• Voto 5: 4 studenti
• Voto 6: 7 studenti
• Voto 7: 7 studenti
• Voto 8: 4 studenti
• Voto 9: 3 studenti

Totale studenti: [math]4 + 7 + 7 + 4 + 3 = 25[/math]

Passaggio 2: Calcolo della Media Aritmetica

La media aritmetica (o semplicemente media) si calcola sommando tutti i valori e dividendo per il numero totale di valori.

[math]\displaystyle \begin{aligned} \text{Somma dei voti} & = (5*4) + (6*7) + (7*7) + (8*4) + (9*3) \\ & = 20 + 42 + 49 + 32 + 27 = 170 \end{aligned}[/math]

Numero totale di studenti = 25

[math]\text{Media} = \frac{\text{Somma dei voti}}{\text{Numero totale di studenti}} = \frac{170}{25} = 6.8[/math]

Richiamo Teorico: La media aritmetica è la misura di tendenza centrale più comune. È sensibile ai valori estremi (outlier) e rappresenta il baricentro della distribuzione.

Passaggio 3: Calcolo della Mediana

La mediana è il valore centrale di un insieme di dati ordinati. Se il numero di dati è dispari, la mediana è il valore che occupa la posizione centrale. Se il numero di dati è pari, la mediana è la media dei due valori centrali.

Abbiamo 25 studenti (numero dispari). La posizione della mediana si trova con la formula [math](N+1)/2[/math], dove N è il numero totale di osservazioni.

[math]\text{Posizione della mediana} = \frac{25 + 1}{2} = \frac{26}{2} = 13^a \text{ posizione}[/math]

Guardando i dati ordinati (5, 5, 5, 5, 6, 6, 6, 6, 6, 6, 7, 7, 7, 7, 7, 7, 7, 8, 8, 8, 8, 9, 9, 9, 9), il valore alla 13° posizione è 7.

Quindi, la Mediana = 7.

Richiamo Teorico: La mediana è il valore che divide la distribuzione in due parti uguali, lasciando il 50% delle osservazioni al di sotto e il 50% al di sopra. È una misura di tendenza centrale robusta, meno influenzata dai valori estremi rispetto alla media.

Passaggio 4: Calcolo della Moda

La moda è il valore che compare più frequentemente in un insieme di dati.

Guardando le frequenze:

• Voto 5: 4 studenti
• Voto 6: 7 studenti
• Voto 7: 7 studenti
• Voto 8: 4 studenti
• Voto 9: 3 studenti

I voti 6 e 7 compaiono entrambi 7 volte, che è la frequenza più alta.

Quindi, la Moda = 6 e 7 (la distribuzione è bimodal).

Richiamo Teorico: La moda è la modalità (o il valore) che si presenta con la massima frequenza. Può esserci più di una moda (distribuzione bimodale, trimodale, ecc.) o nessuna moda se tutti i valori hanno la stessa frequenza. È l’unica misura di tendenza centrale applicabile anche a dati qualitativi nominali.

Passaggio 5: Spiegazione del significato delle misure di tendenza centrale

• Media (6.8): Rappresenta il voto medio ottenuto dagli studenti. Se tutti gli studenti avessero ottenuto lo stesso voto, questo sarebbe stato 6.8. È utile per avere un’idea generale della performance del gruppo.
• Mediana (7): Indica che la metà degli studenti ha ottenuto un voto pari o inferiore a 7, e l’altra metà ha ottenuto un voto pari o superiore a 7. È un buon indicatore del rendimento tipico della classe, meno influenzato da voti eccezionalmente alti o bassi.
• Moda (6 e 7): Indica che i voti 6 e 7 sono i più frequenti nella classe. Questo suggerisce che la maggior parte degli studenti si colloca in una fascia di sufficienza piena o buona. La presenza di due mode (bimodalità) indica che ci sono due picchi nella distribuzione dei voti, suggerendo forse due gruppi di studenti con performance simili.

Questo esercizio è fondamentale per comprendere le tre principali misure di tendenza centrale (media, mediana, moda) e quando utilizzare ciascuna.

Peculiarità: La presenza di due mode (bimodalità) è un punto interessante che indica due “picchi” nella distribuzione, suggerendo che ci potrebbero essere due sottogruppi distinti all’interno della classe (es. studenti che hanno studiato bene e studenti che hanno studiato meno). La media è influenzata dagli estremi, mentre la mediana è più robusta, offrendo una visione completa del “voto tipico” della classe.

Esercizio 3: Analisi della Variabilità del Tempo di Percorrenza

Testo:

Un pendolare ha registrato il tempo (in minuti) impiegato per raggiungere il lavoro in 10 giorni lavorativi consecutivi:
25, 28, 26, 30, 24, 27, 29, 26, 28, 27.

Obiettivo:

Calcolare il campo di variazione (range), la varianza e la deviazione standard di questi tempi di percorrenza. Spiegare cosa indicano queste misure riguardo alla variabilità del tempo di viaggio.

Soluzione:

Passaggio 1: Organizzazione dei dati e calcolo della media

Per calcolare varianza e deviazione standard, è prima necessario calcolare la media dei dati.

Dati: 25, 28, 26, 30, 24, 27, 29, 26, 28, 27

Somma dei tempi = [math]25 + 28 + 26 + 30 + 24 + 27 + 29 + 26 + 28 + 27 = 270[/math]

Numero di osservazioni (N) = 10

[math]\text{Media } (\mu) = \frac{\text{Somma dei tempi}}{\text{N}} = \frac{270}{10} = 27 \text{ minuti}[/math]

Richiamo Teorico: La media aritmetica è il punto di equilibrio della distribuzione e serve come riferimento per calcolare la dispersione dei dati.

Passaggio 2: Calcolo del Campo di Variazione (Range)

Il campo di variazione è la differenza tra il valore massimo e il valore minimo dell\’insieme di dati.

Dati ordinati: 24, 25, 26, 26, 27, 27, 28, 28, 29, 30

• Valore massimo = 30
• Valore minimo = 24

[math]\text{Campo di Variazione} = \text{Valore massimo} – \text{Valore minimo} = 30 – 24 = 6 \text{ minuti}[/math]

Richiamo Teorico: Il campo di variazione è la misura di dispersione più semplice. Indica l\’ampiezza totale entro cui i dati variano. È molto sensibile ai valori estremi.

Passaggio 3: Calcolo della Varianza

La varianza ([math]\sigma^2[/math]) misura la dispersione dei dati rispetto alla media. Si calcola come la media dei quadrati delle differenze tra ciascun valore e la media.

Per ogni dato ([math]x_i[/math]), calcoliamo [math](x_i – \mu)^2[/math]:

• [math](25 – 27)^2 = (-2)^2 = 4[/math]
• [math](28 – 27)^2 = (1)^2 = 1[/math]
• [math](26 – 27)^2 = (-1)^2 = 1[/math]
• [math](30 – 27)^2 = (3)^2 = 9[/math]
• [math](24 – 27)^2 = (-3)^2 = 9[/math]
• [math](27 – 27)^2 = (0)^2 = 0[/math]
• [math](29 – 27)^2 = (2)^2 = 4[/math]
• [math](26 – 27)^2 = (-1)^2 = 1[/math]
• [math](28 – 27)^2 = (1)^2 = 1[/math]
• [math](27 – 27)^2 = (0)^2 = 0[/math]

Somma dei quadrati delle differenze = [math]4 + 1 + 1 + 9 + 9 + 0 + 4 + 1 + 1 + 0 = 30[/math]

[math]\text{Varianza } (\sigma^2) = \frac{\text{Somma dei quadrati delle differenze}}{\text{N}} = \frac{30}{10} = 3[/math]

Richiamo Teorico: La varianza è una misura di dispersione che quantifica quanto i singoli dati si discostano dalla media. Essendo espressa in unità di misura al quadrato, non è direttamente interpretabile nell\’unità di misura originale dei dati.

Passaggio 4: Calcolo della Deviazione Standard

La deviazione standard ([math]\sigma[/math]) è la radice quadrata della varianza. È la misura di dispersione più utilizzata perché è espressa nella stessa unità di misura dei dati originali.

[math]\text{Deviazione Standard } (\sigma) = \sqrt{\text{Varianza}} = \sqrt{3} \approx 1.732 \text{ minuti}[/math]

Richiamo Teorico: La deviazione standard indica la dispersione media dei dati attorno alla media. Un valore basso indica che i dati sono raggruppati vicino alla media, mentre un valore alto indica una maggiore dispersione.

Passaggio 5: Spiegazione del significato delle misure di variabilità

• Campo di Variazione (6 minuti): Ci dice che il tempo massimo di percorrenza è stato di 6 minuti superiore al tempo minimo. Questo dà un\’idea dell\’intervallo totale di variazione, ma non della distribuzione interna dei dati.
• Varianza (3): Questo valore, essendo in minuti quadrati, è meno intuitivo. Tuttavia, ci indica che c\’è una certa dispersione nei tempi di percorrenza. Un valore più alto indicherebbe una maggiore variabilità.
• Deviazione Standard (circa 1.732 minuti): Questo è il dato più utile. Ci dice che, in media, i tempi di percorrenza si discostano dalla media (27 minuti) di circa 1.732 minuti. Un valore basso come questo suggerisce che il tempo di viaggio del pendolare è abbastanza consistente e prevedibile, con piccole fluttuazioni attorno alla media. Se la deviazione standard fosse stata molto più alta, avrebbe indicato una maggiore imprevedibilità nel tempo di viaggio.

Questo esercizio introduce il concetto cruciale di variabilità o dispersione dei dati. Comprendere la variabilità è tanto importante quanto conoscere la tendenza centrale, poiché due insiemi di dati con la stessa media possono avere dispersioni molto diverse.

Peculiarità: Il confronto tra il range (sensibile agli estremi) e la deviazione standard (che misura la dispersione media attorno alla media) evidenzia come la deviazione standard sia una misura più robusta e informativa per valutare la consistenza. Nell’esempio del pendolare, una bassa deviazione standard è sinonimo di prevedibilità, un aspetto cruciale nella pianificazione quotidiana.

Esercizio 4: Analisi del Reddito Mensile in un Quartiere

Testo:

Un ricercatore sociale ha raccolto dati sul reddito mensile (in euro) di 30 famiglie residenti in un quartiere. I dati, già ordinati in ordine crescente, sono i seguenti:
800, 850, 900, 920, 950, 1000, 1050, 1080, 1100, 1120, 1150, 1180, 1200, 1250, 1300, 1320, 1350, 1380, 1400, 1420, 1450, 1480, 1500, 1550, 1600, 1650, 1700, 1750, 1800, 1900.

Obiettivo:

Calcolare il primo quartile (Q1), la mediana (Q2 o secondo quartile) e il terzo quartile (Q3) del reddito mensile. Spiegare il significato di queste misure di posizione e calcolare il range interquartile.

Soluzione:

Passaggio 1: Comprensione dei Quartili

I quartili sono misure di posizione che dividono un insieme di dati ordinati in quattro parti uguali. Ogni quartile rappresenta il 25% dei dati.

• Q1 (Primo Quartile): Il valore al di sotto del quale si trova il 25% dei dati.
• Q2 (Secondo Quartile o Mediana): Il valore al di sotto del quale si trova il 50% dei dati. È la mediana.
• Q3 (Terzo Quartile): Il valore al di sotto del quale si trova il 75% dei dati.

Abbiamo [math]N = 30[/math] osservazioni.

Richiamo Teorico: I quartili sono particolari percentili che dividono la distribuzione in quattro parti. Sono utili per comprendere la dispersione dei dati e identificare la presenza di asimmetrie o outlier.

Passaggio 2: Calcolo della Mediana (Q2)

Poiché [math]N=30[/math] (numero pari), la mediana è la media dei due valori centrali. Le posizioni centrali sono [math]N/2[/math] e [math](N/2) + 1[/math].

Posizioni centrali: [math]30/2 = 15^o[/math] e [math](30/2) + 1 = 16^o[/math].

Dati ordinati:
800, 850, 900, 920, 950, 1000, 1050, 1080, 1100, 1120, 1150, 1180, 1200, 1250, 1300, 1320, 1350, 1380, 1400, 1420, 1450, 1480, 1500, 1550, 1600, 1650, 1700, 1750, 1800, 1900.

• Valore alla 15° posizione = 1300
• Valore alla 16° posizione = 1320

[math]\text{Mediana } (Q2) = \frac{1300 + 1320}{2} = \frac{2620}{2} = 1310 \text{ euro}[/math]

Passaggio 3: Calcolo del Primo Quartile (Q1)

[math]Q1[/math] è la mediana della prima metà dei dati (i primi [math]N/2[/math] valori).

La prima metà dei dati comprende i valori dalla 1° alla 15° posizione:
800, 850, 900, 920, 950, 1000, 1050, 1080, 1100, 1120, 1150, 1180, 1200, 1250, 1300.

Abbiamo 15 valori (numero dispari). La posizione di [math]Q1[/math] è [math](15+1)/2 = 8^o[/math] posizione.

Valore alla 8° posizione = 1080.

Quindi, [math]Q1 = 1080[/math] euro.

Passaggio 4: Calcolo del Terzo Quartile (Q3)

[math]Q3[/math] è la mediana della seconda metà dei dati (i valori dalla [math](N/2)+1[/math] alla [math]N[/math]-esima posizione).

La seconda metà dei dati comprende i valori dalla 16° alla 30° posizione:
1320, 1350, 1380, 1400, 1420, 1450, 1480, 1500, 1550, 1600, 1650, 1700, 1750, 1800, 1900.

Abbiamo 15 valori (numero dispari). La posizione di [math]Q3[/math] è [math](15+1)/2 = 8^o[/math] posizione all\`’interno di questa seconda metà (che corrisponde alla [math]16+8-1 = 23^o[/math] posizione nell\`’insieme completo).

Valore alla 23° posizione = 1500.

Quindi, [math]Q3 = 1500[/math] euro.

Passaggio 5: Calcolo del Range Interquartile (IQR)

Il range interquartile è la differenza tra il terzo quartile e il primo quartile. Indica l\`’ampiezza dell\`’intervallo in cui si trova il 50% centrale dei dati.

[math]\text{IQR} = Q3 – Q1 = 1500 – 1080 = 420 \text{ euro}[/math]

Richiamo Teorico: Il range interquartile è una misura di dispersione robusta, meno influenzata dagli outlier rispetto al campo di variazione. È particolarmente utile per descrivere la variabilità di distribuzioni asimmetriche.

Passaggio 6: Spiegazione del significato delle misure di posizione

• Q1 (1080 euro): Il 25% delle famiglie nel quartiere ha un reddito mensile pari o inferiore a 1080 euro.
• Mediana (Q2) (1310 euro): Il 50% delle famiglie ha un reddito mensile pari o inferiore a 1310 euro. Questo è il reddito tipico o centrale del quartiere.
• Q3 (1500 euro): Il 75% delle famiglie ha un reddito mensile pari o inferiore a 1500 euro. Ciò significa che solo il 25% delle famiglie ha un reddito superiore a 1500 euro.
• Range Interquartile (420 euro): Il 50% centrale delle famiglie ha un reddito che varia in un intervallo di 420 euro (da 1080 a 1500 euro). Questo indica la variabilità dei redditi per la maggior parte delle famiglie, escludendo i valori più estremi. Un IQR più piccolo indicherebbe una maggiore omogeneità nei redditi centrali.

Questo esercizio si concentra sulle misure di posizione (quartili) e sulla robustezza. I quartili sono essenziali per capire la distribuzione dei dati senza essere eccessivamente influenzati da valori estremi, come redditi molto alti o molto bassi.

Peculiarità: Il Range Interquartile (IQR) è una misura di dispersione che si concentra sul 50% centrale dei dati, rendendola particolarmente utile in presenza di outlier o distribuzioni asimmetriche (come spesso accade con i redditi). Questo esercizio è applicabile nell’analisi socio-economica per studiare la disuguaglianza o la distribuzione della ricchezza.

Esercizio 5: Analisi della Distribuzione dei Punteggi di un Test in Classi

Testo:

Un professore ha somministrato un test a 50 studenti e ha raggruppato i punteggi (da 0 a 100) nelle seguenti classi di frequenza:

Obiettivo:

Calcolare il punteggio medio stimato del test, la classe modale e la classe mediana. Spiegare il significato di queste misure per dati raggruppati in classi.

Soluzione:

Passaggio 1: Calcolo del Punteggio Medio Stimato

Quando i dati sono raggruppati in classi, non possiamo calcolare la media esatta, ma possiamo stimarla utilizzando il punto centrale (o valore centrale) di ciascuna classe. Il punto centrale di una classe si calcola come [math]\frac{\text{limite inferiore} + \text{limite superiore}}{2}[/math].

[math]\text{Media stimata} = \frac{\text{Somma } (x_i * f_i)}{\text{N}} = \frac{2682.5}{50} = 53.65[/math]

Richiamo Teorico: Per dati raggruppati in classi, la media stimata è un\`’approssimazione della media reale. Si assume che i valori all\`’interno di ogni classe siano distribuiti uniformemente attorno al punto centrale. Questa è una stima, non il valore esatto, a causa della perdita di informazione dovuta al raggruppamento.

Passaggio 2: Identificazione della Classe Modale

La classe modale è la classe di punteggio con la frequenza assoluta più alta.

Guardando la tabella, la classe 41-60 ha la frequenza più alta (15 studenti).

Richiamo Teorico: La classe modale è l\`’intervallo di classe che contiene il maggior numero di osservazioni. Rappresenta il valore più frequente o tipico della distribuzione quando i dati sono raggruppati. A differenza della moda per dati non raggruppati, la classe modale è un intervallo, non un singolo valore.

Passaggio 3: Identificazione della Classe Mediana

La classe mediana è la classe che contiene la mediana. Per trovarla, dobbiamo prima calcolare le frequenze cumulate.

Abbiamo [math]N = 50[/math] studenti. La mediana si trova alla posizione [math]N/2 = 50/2 = 25^o[/math] osservazione.

Cercando nella colonna delle frequenze cumulate, la 25° osservazione cade nella classe 41-60, poiché la frequenza cumulata di questa classe è 30 (il che significa che include le osservazioni dalla 16° alla 30°).

Richiamo Teorico: La classe mediana è l\`’intervallo di classe che contiene il 50% delle osservazioni. Per identificarla, si calcolano le frequenze cumulate e si individua la prima classe la cui frequenza cumulata è maggiore o uguale alla posizione della mediana ([math]N/2[/math]).

Passaggio 4: Spiegazione del significato delle misure per dati raggruppati

• Punteggio Medio Stimato (53.65): Questo valore ci dà un\`’idea del punteggio medio generale ottenuto dagli studenti nel test. Essendo una stima, ci indica che il rendimento complessivo della classe si aggira intorno alla sufficienza.
• Classe Modale (41-60): La maggior parte degli studenti ha ottenuto un punteggio compreso tra 41 e 60. Questo suggerisce che la performance più comune si trova nella fascia di punteggio intermedia, indicando che molti studenti hanno raggiunto un livello di comprensione sufficiente ma non eccellente.
• Classe Mediana (41-60): La metà degli studenti ha ottenuto un punteggio pari o inferiore a 60, e l\`’altra metà ha ottenuto un punteggio pari o superiore a 41. Questo conferma che la fascia di punteggio 41-60 è centrale nella distribuzione dei risultati, con un buon numero di studenti che si collocano al di sotto e al di sopra di essa. La coincidenza della classe modale e mediana in questo caso suggerisce una distribuzione abbastanza simmetrica attorno a questa classe centrale.

Questo esercizio affronta il caso dei dati raggruppati in classi, una situazione comune quando si lavora con grandi quantità di dati o quando la precisione esatta non è richiesta o non è disponibile.

Peculiarità: Dimostra la differenza tra un calcolo esatto e una stima. La media, la mediana e la moda non possono essere calcolate con la stessa precisione di quando si hanno i dati grezzi, ma si possono ottenere buone approssimazioni. Questo è cruciale in contesti pratici come l’analisi di dati demografici, censimenti o qualsiasi dataset di grandi dimensioni dove i valori individuali sono aggregati.

Esercizio 6: Confronto tra Distribuzioni di Età in Due Popolazioni

Testo:

Un demografo sta studiando la struttura per età di due piccole comunità, A e B. Ha raccolto i seguenti dati sull\`\`età dei residenti (in anni):

Comunità A: 22, 25, 28, 30, 32, 35, 38, 40, 42, 45, 48, 50, 52, 55, 58, 60, 62, 65, 68, 70

Comunità B: 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95, 100, 105

Obiettivo:

Per ciascuna comunità, calcolare la media, la mediana e la deviazione standard dell\`\`età. Successivamente, confrontare le due distribuzioni di età basandosi su queste misure e trarre conclusioni sulla struttura demografica di ciascuna comunità.

Soluzione:

Comunità A

Dati: 22, 25, 28, 30, 32, 35, 38, 40, 42, 45, 48, 50, 52, 55, 58, 60, 62, 65, 68, 70
Numero di osservazioni ([math]N[/math]) = 20

Passaggio A.1: Calcolo della Media

Somma delle età = [math]22+25+28+30+32+35+38+40+42+45+48+50+52+55+58+60+62+65+68+70 = 970[/math]

[math]\text{Media } (\mu_A) = \frac{970}{20} = 48.5 \text{ anni}[/math]

Passaggio A.2: Calcolo della Mediana

Poiché [math]N=20[/math] (numero pari), la mediana è la media dei due valori centrali. Le posizioni centrali sono [math]N/2 = 10^o[/math] e [math](N/2) + 1 = 11^o[/math].

Dati ordinati (già ordinati):
22, 25, 28, 30, 32, 35, 38, 40, 42, 45, 48, 50, 52, 55, 58, 60, 62, 65, 68, 70

• Valore alla 10° posizione = 45
• Valore alla 11° posizione = 48

[math]\text{Mediana } (Q2_A) = \frac{45 + 48}{2} = \frac{93}{2} = 46.5 \text{ anni}[/math]

Passaggio A.3: Calcolo della Deviazione Standard

Per calcolare la deviazione standard, dobbiamo prima calcolare la varianza. Calcoliamo [math](x_i – \mu_A)^2[/math] per ogni dato:

[math]\text{Varianza } (\sigma^2_A) = \frac{4300}{20} = 215[/math]

[math]\text{Deviazione Standard } (\sigma_A) = \sqrt{215} \approx 14.66 \text{ anni}[/math]

Comunità B

Dati: 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95, 100, 105
Numero di osservazioni ([math]N[/math]) = 20

Passaggio B.1: Calcolo della Media

Somma delle età = [math]10+15+20+25+30+35+40+45+50+55+60+65+70+75+80+85+90+95+100+105 = 1150[/math]

[math]\text{Media } (\mu_B) = \frac{1150}{20} = 57.5 \text{ anni}[/math]

Passaggio B.2: Calcolo della Mediana

Poiché [math]N=20[/math] (numero pari), la mediana è la media dei due valori centrali. Le posizioni centrali sono [math]N/2 = 10^o[/math] e [math](N/2) + 1 = 11^o[/math].

Dati ordinati (già ordinati):
10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95, 100, 105

• Valore alla 10° posizione = 55
• Valore alla 11° posizione = 60

[math]\text{Mediana } (Q2_B) = \frac{55 + 60}{2} = \frac{115}{2} = 57.5 \text{ anni}[/math]

Passaggio B.3: Calcolo della Deviazione Standard

Per calcolare la deviazione standard, dobbiamo prima calcolare la varianza. Calcoliamo [math](x_i – \mu_B)^2[/math] per ogni dato:

[math]\text{Varianza } (\sigma^2_B) = \frac{15600}{20} = 780[/math]

[math]\text{Deviazione Standard } (\sigma_B) = \sqrt{780} \approx 27.93 \text{ anni}[/math]

Passaggio 4: Confronto e Conclusioni

Confronto delle Misure di Tendenza Centrale (Media e Mediana):

• La Comunità A ha una media di 48.5 anni e una mediana di 46.5 anni. Questi valori sono relativamente vicini, suggerendo una distribuzione dell\`\`età abbastanza simmetrica attorno ai 47-48 anni. Questo indica una popolazione con un\`\`età media matura, ma non eccessivamente anziana.
• La Comunità B ha una media di 57.5 anni e una mediana di 57.5 anni. Anche qui i valori sono identici, il che indica una distribuzione molto simmetrica. Tuttavia, sia la media che la mediana sono significativamente più alte rispetto alla Comunità A. Questo suggerisce che la Comunità B ha una popolazione mediamente più anziana rispetto alla Comunità A.

Confronto delle Misure di Dispersione (Deviazione Standard):

• La Comunità A ha una deviazione standard di circa 14.66 anni. Questo indica che le età dei residenti sono relativamente raggruppate attorno alla media. La popolazione è abbastanza omogenea in termini di età, con una variabilità moderata.
• La Comunità B ha una deviazione standard di circa 27.93 anni, quasi il doppio rispetto alla Comunità A. Questo indica una maggiore dispersione delle età. La popolazione della Comunità B è molto più eterogenea in termini di età, con residenti che vanno da età molto giovani a età molto avanzate. Questo potrebbe indicare una popolazione con una struttura più diversificata.

Questo esercizio è il più completo, poiché richiede di calcolare e confrontare le misure di tendenza centrale e di dispersione per due insiemi di dati distinti.

Peculiarità: Sottolinea l’importanza di considerare sia la tendenza centrale che la variabilità per una comprensione completa. Due popolazioni possono avere età medie simili ma distribuzioni molto diverse (una più omogenea, l’altra più eterogenea), il che ha implicazioni significative per la pianificazione sociale, economica e sanitaria. È un ottimo esempio di come la statistica descrittiva possa supportare decisioni basate sui dati in settori come la demografia o le politiche pubbliche.