Statistica Univariata: 6 Esercizi Pratici per Capire Media, Varianza e Outlier

RISPOSTE APPROFONDITE ALLE DOMANDE DI RIFLESSIONE

Esercizio 1 – Media Ponderata

Domanda: In quale altro contesto reale è fondamentale utilizzare una media ponderata invece di una media semplice?

La media ponderata è essenziale in tutti i contesti dove i diversi elementi hanno un’importanza relativa diversa. Il suo uso è giustificato dalla necessità di riflettere la gerarchia di importanza tra i dati.

Campi di Applicazione Significativi:

• Indici Economici (es. IPC): L’Indice dei Prezzi al Consumo (IPC) utilizza la media ponderata perché i diversi beni e servizi (es. affitto, trasporti, cibo) hanno un peso diverso nel bilancio familiare. L’impatto di un aumento del prezzo del pane è minore rispetto all’aumento dei costi abitativi.
• Indici di Borsa: Indici come S&P 500 o FTSE MIB sono ponderati per la capitalizzazione. Le aziende con il valore di mercato maggiore hanno un peso superiore, riflettendo meglio l’andamento economico generale.
• Valutazioni Finanziarie (WACC): Il Costo Medio Ponderato del Capitale (WACC) pondera il costo del debito e del capitale proprio in base alla loro proporzione nella struttura finanziaria dell’azienda, fornendo una misura accurata del costo complessivo dei fondi.
• Ricerca Scientifica (Meta-analisi): Negli studi che combinano risultati da ricerche diverse (meta-analisi), gli studi con campioni più grandi o maggiore affidabilità metodologica ricevono un peso maggiore nella sintesi finale.

Esercizio 2 – Mediana e Outlier

Domanda: In un rapporto sullo stato di salute di un paese, perché si riporta spesso sia il PIL pro-capite medio che il reddito mediano delle famiglie?

La duplice segnalazione risponde a due diverse domande sulla salute economica, fornendo un quadro più completo della disuguaglianza.

PIL Pro-Capite Medio:

• Misura: La ricchezza totale prodotta, divisa per la popolazione.
• Utilità: Misura la dimensione assoluta dell’economia e la produttività complessiva.
• Limiti: È estremamente sensibile ai redditi molto alti (outlier), portando a una distorsione che non riflette il benessere della maggioranza.

Reddito Mediano delle Famiglie:

• Misura: Il reddito del cittadino “nel mezzo” della distribuzione.
• Utilità: Riflette le condizioni di vita tipiche della classe media, in quanto è la misura centrale della distribuzione.
• Vantaggi: È resistente ai valori estremi e fornisce un’indicazione più realistica del benessere diffuso.

Conclusione: La divergenza tra la media e la mediana è essa stessa un indicatore fondamentale: se la media è significativamente superiore alla mediana, segnala una forte disuguaglianza nella distribuzione della ricchezza.

Esercizio 3 – Varianza e Deviazione Standard

Domanda: Perché, dopo aver calcolato la varianza, è necessario calcolare la deviazione standard per interpretare meglio il risultato?

Il motivo principale risiede nelle unità di misura e nell’interpretabilità pratica.

Problema della Dimensionalità:

• Varianza [math](\sigma^2)[/math]: Se i dati sono in metri ([math]\text{m}[/math]), la varianza è in metri quadrati ([math]\text{m}^2[/math]). Queste unità non hanno un significato intuitivo nel contesto originale; è difficile dire cosa significhi “una dispersione di 4 metri quadrati”. La varianza è un concetto più teorico e di calcolo.
• Deviazione Standard [math](\sigma)[/math]: È la radice quadrata della varianza, e quindi torna ad avere la stessa unità di misura dei dati originali (metri).

Interpretabilità Pratica:

• Applicazione della Regola Empirica: La deviazione standard ([math]\sigma[/math]) è l’unità usata per applicare la regola empirica (o regola 68-95-99.7). Affermare che il 68% dei dati cade entro [math]\pm 1\sigma[/math] dalla media ha senso solo se [math]\sigma[/math] è espresso nelle unità dei dati.
• Significato: [math]\sigma = 2\text{m}[/math] significa che la maggior parte dei dati si discosta tipicamente di [math]2[/math] metri dalla media, un’affermazione immediatamente interpretabile.

Esercizio 4 – Quartili e Box Plot

Domanda: Se un dato avesse valore 60, sarebbe considerato un outlier? E se avesse valore 0?

Per l’analisi utilizziamo i limiti calcolati dalla regola empirica dell’IQR (dove [math]Q_1 = 28[/math], [math]Q_3 = 40[/math], [math]\text{IQR} = 12[/math]).

Limiti di Riferimento:

• Limite Inferiore: [math]Q_1 – 1.5 \cdot \text{IQR} = 28 – 18 = \mathbf{10}[/math]
• Limite Superiore: [math]Q_3 + 1.5 \cdot \text{IQR} = 40 + 18 = \mathbf{58}[/math]

Analisi dei Casi:

• Valore 60: Poiché [math]60 > 58[/math], il valore è considerato un outlier superiore. Rappresenterebbe un giorno di affluenza eccezionalmente alta.
• Valore 0: Poiché [math]0 < 10[/math], il valore è considerato un outlier inferiore. Suggerirebbe un evento anomalo (es. chiusura del negozio).

Nota: Identificare un outlier non implica l’eliminazione, ma la necessità di investigazione per capirne la causa (errore di misurazione, fenomeno speciale o variabilità naturale).

Esercizio 5 – Coefficiente di Variazione

Domanda: In quale situazione il Coefficiente di Variazione non sarebbe una buona misura per confrontare la variabilità?

Il Coefficiente di Variazione ([math]\displaystyle CV = \frac{\sigma}{\mu}[/math]) è adimensionale ma assume implicitamente uno zero assoluto e una media positiva. Presenta problemi critici in queste situazioni:

• Media [math](\mu)[/math] Vicina a Zero: Se la media si avvicina a zero, il CV tende a infinito ([math]CV \to \infty[/math]) anche per varianze piccole. Il risultato diventa instabile e privo di significato (es. misurazioni vicino allo zero assoluto in Kelvin).
• Distribuzioni con Media Negativa: Se la media [math]\mu < 0[/math] (es. profitti/perdite aziendali), il CV diventa negativo, perdendo l’interpretazione di “variabilità relativa” come percentuale positiva.
• Scale Non a Rapporto (Intervalli): Non ha senso per scale che non hanno uno zero assoluto, come la temperatura in Celsius o Fahrenheit, poiché lo zero è arbitrario.

Alternative: In questi casi, è preferibile usare l’Intervallo Interquartile Relativo [math]\displaystyle \frac{Q_3 – Q_1}{\text{Mediana}}[/math], che è robusto rispetto ai problemi di media vicino a zero o estremi.

Esercizio 6 – Analisi Critica dei Grafici

Domanda: Oltre all’asse Y troncato, quali altri “trucchi” grafici conosci che possono distorcere la percezione dei dati in un grafico a barre?

La distorsione della percezione è un problema etico nella visualizzazione dei dati. Oltre all’asse Y troncato, le manipolazioni più comuni sono:

• Manipolazione delle Larghezze delle Barre (Grafici 3D/Pittogrammi):
  • Trucco: Usare icone o barre 3D che crescono in altezza e larghezza.
  • Effetto: La percezione umana si concentra sull’area (o volume), che cresce in modo quadratico (o cubico) rispetto al valore, esagerando enormemente le differenze. Una barra alta il doppio può apparire quattro volte più grande.
• Interruzione e Scala Non Uniforme dell’Asse X:
  • Trucco: In grafici temporali, comprimere o espandere a piacimento gli intervalli di tempo sull’asse orizzontale.
  • Effetto: Crea l’impressione di trend accelerati o rallentati artificialmente, fuorviando sull’effettiva velocità del cambiamento.
• Ordinamento Manipolatorio:
  • Trucco: Ordinare le barre non per valore, ma per enfatizzare un certo gruppo o per confondere il confronto.
  • Effetto: Rende il confronto visivo tra le barre difficile e non immediato.
• Ombre e Effetti Tridimensionali: L’aggiunta di ombre o prospettive in 3D può creare illusioni ottiche che alterano la percezione dell’altezza relativa delle barre.

Principio Etico Fondamentale: Il grafico onesto usa un’origine zero, scale uniformi e un’ordinamento logico, consentendo al lettore di fare i propri confronti in modo corretto.

 L’Intento Didattico: Perché Proprio Questi Esercizi?

Ogni esercizio è stato progettato non solo per testare una formula, ma per insegnare un concetto critico dell’analisi dati.

1. La Media Ponderata (Il “Valore” delle Cose)

•  Mette subito in chiaro che non tutti i dati sono uguali. Il voto di Analisi (9 CFU) “pesa” di più.
• Applicazione Reale: È l’esercizio base per chiunque debba costruire un indice, calcolare il rendimento di un portafoglio (dove ogni asset ha un peso diverso) o, come nel testo, capire il proprio rendimento accademico. Insegna il concetto di importanza relativa.

2. Mediana vs. Outlier (L’Esercizio “Non Farti Fregare”)

•  È il miglior esempio di come un singolo numero (l’outlier da €3.000) possa distorcere la realtà se si usa lo strumento sbagliato (la media). La frase “Lo stipendio medio qui è di €1.860” è tecnicamente vera ma moralmente ingannevole.
• Applicazione Reale: Fondamentale per la data literacy. Insegna a diffidare delle medie quando si parla di distribuzioni con forte disuguaglianza (come redditi, prezzi delle case, follower sui social). La mediana è la misura della “persona tipica”, la media è la misura della “torta totale divisa in parti uguali”.

3. Varianza e Deviazione Standard (Il Controllo Qualità)

• Le due macchine hanno la stessa media (100g). Se ci si fermasse alla media, sembrerebbero identiche.
• Applicazione Reale: Questo è il cuore del controllo qualità (Six Sigma) e della gestione del rischio in finanza. Una macchina (o un investimento) con deviazione standard più bassa è più prevedibile, più stabile e quindi più “precisa”. Insegna che la stabilità è importante quanto il valore centrale.

4. Quartili e Box Plot (La Mappa dei Dati)

• Introduce un metodo formale (la “regola dell’IQR”) per definire cosa sia “strano” (outlier) e cosa sia “normale”. Trasforma una sensazione (“52 sembra alto”) in una decisione basata su regole.
• Applicazione Reale: È la base del data cleaning e dell’analisi esplorativa (EDA). Prima di costruire un modello di machine learning, si “mappano” i dati con i box plot per trovare errori o anomalie. L’IQR è robusto perché, come la mediana, non è influenzato dagli outlier stessi.

5. Coefficiente di Variazione (Confrontare Mele e Pere)

•  Compara due cose con unità di misura e medie totalmente diverse (micrometri vs. millimetri). Chiedersi se “0.6 è più variabile di 0.2” non ha senso in termini assoluti.
• Applicazione Reale: È l’unico modo per confrontare la variabilità relativa. Esempio: è più volatile il prezzo del petrolio (che varia di dollari) o il prezzo di un’azione tech (che varia di centesimi)? Non si può usare la deviazione standard. Si usa il CV per capire quale dei due è percentualmente più instabile rispetto alla sua media.

6. Analisi Critica del Grafico (Il Livello Finale: La Data Literacy)

• Questo esercizio non richiede calcoli, ma giudizio critico. Sposta l’attenzione dalla produzione di statistiche al loro consumo.
• Applicazione Reale: È la competenza più importante nel 2025. Insegna a riconoscere la manipolazione nei media, nei report aziendali e nelle presentazioni. L’asse Y troncato è il trucco più vecchio del mondo per far sembrare drammatico un cambiamento minimo. Questo esercizio insegna l’etica della visualizzazione dati.