Transcript Misure di tendenza centrale
Metodi Quantitativi per Economia, Finanza e Management
Lezione n °3
Le distribuzioni di frequenza e le misure di sintesi univariate
Metodi Quantitativi per Economia, Finanza e Management SUDDIVISIONE PER ESERCITAZIONI
Venerdì ore 08.30
Economia e direzione d'impresa, Marketing.
Venerdì ore 11.00
Amministrazione aziendale e libera professione, Banche mercati e finanza d'impresa, Management delle risorse umane.
Percorso di Analisi
Tipo di analisi
ANALISI UNIVARIATA
Cosa è?
La statistica descrittiva univariata ha come obiettivo lo studio della distribuzione di
Strumenti
- DISTRIBUZIONI DI FREQUENZA ogni variabile, singolarmente considerata, all’interno della popolazione. Fornisce - INDICI DI POSIZIONE (MISURE DI TENDENZA CENTRALE E MISURE DI TENDENZA NON CENTRALE) strumenti per la lettura dei fenomeni osservati di rapida ed immediata interpretazione.
- INDICI DI DISPERSIONE - MISURE DI FORMA DELLA DISTRIBUZIONE ANALSI BIVARIATA E TEST STATISTICI PER LO STUDIO DELL'ASSOCIAZIONE TRA VARIABILI La statistica descrittiva bivariata si occupa dello studio della distribuzione di due variabili congiuntamente considerate.
Due variabili qualitative o quantitative discrete:
TABELLA DI CONTINGENZA E INDICI CHI QUADRO E V DI CRAMER TEST CHI QUADRO PER L'INDIPENDENZA STATISTICA I test statistici per lo studio
Due variabili quantitative continue:
dell'associazione tra variabili ci INDICE DI CORRELAZIONE DI PEARSON (ρ) E COVARIANZA permettono di formulare delle ipotesi e TEST t PER L'INDIPENDENZA LINEARE verificarle tramite i dati campionari. I dati
Una variabile qualitativa e una quantitativa continua:
campionari sono utilizzati per stabilire se o rifiutabile.
INDICE η 2 tale ipotesi è ragionevolmente accettabile TEST F PER L'INDIPENDENZA IN MEDIA ANALISI MULTIVARIATA L'analisi statistica multivariata e' l'insieme - ANALISI FATTORIALE di metodi statistici usati per analizzare simultaneamente più variabili. Esistono - REGRESSIONE LINEARE - REGRESSIONE LOGISTICA molte tecniche diverse, usate per risolvere problemi anche lontani fra loro.
- SERIE STORICHE
Matrice dei dati
Unità statistiche
1 X Modalità della variabile X rilevata sull'unità statistica 1 2 3 4 … … …
Variabili rilevate
Y Z
modalità
n W Modalità della variabile W rilevata sull'unità statistica n
Popolazione di 20 individui N=20
Esempio di matrice dei dati
Variabili rilevate su ogni unità statistica Unità statistiche
1 2
Numero di figli
0 1
Altezza Sesso Titolo di studio
175 Maschio Laurea 170 Maschio Diploma 3 4 5 6 7 8 1 3 2 0 0 1 173 Femmina Diploma 180 Maschio Licenza scuola media 155 Femmina Laurea 165 Femmina Laurea 188 Maschio Diploma 175 Femmina Diploma 17 18 19 20 9 10 11 12 13 14 15 16 2 2 3 6 0 0 0 0 2 1 0 0 182 Femmina Licenza scuola media 165 Maschio Licenza scuola media 158 Maschio Diploma 188 Maschio Laurea 180 Femmina Laurea 170 Maschio Diploma 179 Femmina Laurea 169 Maschio Licenza scuola media 178 Femmina Laurea 188 Maschio Laurea 175 Maschio Diploma 165 Femmina Laurea
Tipologia di variabili: NUMERO DI FIGLI
variabile quantitativa discreta
ALTEZZA
variabile quantitativa continua
SESSO
variabile qualitativa nominale
TITOLO DI STUDIO
variabile qualitativa ordinale
Statistica descrittiva univariata
La statistica descrittiva univariata ha come obiettivo lo studio della distribuzione di ogni variabile, singolarmente considerata, all’interno della popolazione. Fornisce strumenti per la lettura dei fenomeni osservati di rapida ed immediata interpretazione.
Unità statistiche
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Numero di figli
0 1 1 3 2
Altezza
175 170 173 180 0 0 1 2 155 165 188 175 2 3 6 0 182 165 158 188 0 0 0 2 180 170 179 169 1 0 0 178 188 175 165 • Distribuzioni di frequenza • Misure di sintesi –
Misure di posizione
– –
Misure di dispersione Misure della forma della distribuzione
• Data Audit – Errori di imputazione – Dati mancanti (missing) – Valori anomali (outliers) • Analisi preliminari
Le distribuzioni di frequenza
Lista dei dati Unità statistiche Sesso
1 Maschio 2 Maschio 3 Femmina 4 Maschio 5 Femmina 6 Femmina 7 Maschio 8 Femmina 9 Femmina 10 Maschio 11 Maschio 12 Maschio 13 Femmina 14 Maschio 15 Femmina 16 Maschio 17 Femmina 18 Maschio 19 Maschio 20 Femmina
Per variabili qualitative e quantitative discrete Sesso
Femmina Maschio Totale (N)
Frequenza assoluta n i
9 11 20
Frequenza relativa p i
9/20 = 45% 11/20 = 55% 100% La distribuzione di frequenza è in grado di dando «compattare» la lista di dati un’immagine immediata e di facile lettura della distribuzione della variabile.
Le distribuzioni di frequenza
•
Frequenza assoluta
: è un primo livello di sintesi dei dati, consiste nell’associare a ciascuna categoria, o modalità, il numero di volte in cui compare nei dati •
Distribuzione di frequenza
: insieme delle delle loro frequenze modalità e •
Frequenza relativa
: rapporto tra la frequenza assoluta ed il numero complessivo delle osservazioni effettuate.
p i = n i / N
I due tipi di frequenze vengono usati con dati qualitativi (nominali e ordinali) e quantitativi discreti.
Le distribuzioni di frequenza
•
Rappresentazione grafica variabili qualitative:
Diagramma a barre – titolo di studio Diagramma a torta - sesso
Diagr. a barre :
nell’asse delle ascisse ci sono le categorie, senza un ordine preciso; in quello delle ordinate le frequenze assolute/relative corrispondenti alle diverse modalità
Diagr. a torta :
la circonferenza è divisa proporzionalmente alle frequenze
•
Le distribuzioni di frequenza
Rappresentazione grafica var.quantitative discrete:
Diagramma delle frequenze – numero di figli
Diagr. delle frequenze :
nell’asse delle ascisse ci sono i valori assunti dalla var. discreta (quindi ha un significato quantitativo); l’altezza delle barre è proporzionale alle frequenze relative o assolute del valore stesso
Istogramma :
nell’asse delle ascisse ci sono le classi degli intervalli considerati; l’asse delle ordinate rappresenta la densità di frequenza; l’area del rettangolo corrisponde alla frequenza della classe stessa.
Le distribuzioni di frequenza esempi
Numero di figli Numero_di_figli Frequency Percent Cumulative Cumulative 0 1
9 4 45 20
Frequency
9 13
Percent
45 65
2 3 6
4 2 1 20 10 5 17 19 20 85 95 100
Titolo_di_studio Diploma Laurea Licenza scuola media Titolo di studio Frequency Percent
7 9 4 35 45 20
Cumulative Cumulative Frequency Percent
7 16 20 35 80 100
Misure di sintesi
Misure di posizione:
Misure di tendenza centrale:
– Media aritmetica – Mediana – Moda
Misure di tendenza non centrale:
– Quantili di ordine p (percentili, quartili)
Misure di dispersione:
• Campo di variazione • Differenza interquantile • Varianza • Scarto quadratico medio • Coefficiente di variazione
Misure di forma della distribuzione:
• Skewness • Kurtosis
Misure di sintesi
Misure di posizione:
Misure di tendenza centrale:
– Media aritmetica – Mediana – Moda
Misure di tendenza non centrale:
– Quantili di ordine p (percentili, quartili)
Misure di dispersione:
• Campo di variazione • Differenza interquantile • Varianza • Scarto quadratico medio • Coefficiente di variazione
Misure di forma della distribuzione:
• Skewness • Kurtosis
Misure di Tendenza Centrale
Tendenza Centrale Media
x i n 1 x i n Media Aritmetica
Mediana
Valore centrale delle osservazioni ordinate
Moda
Valore pi ù frequente
Media Aritmetica
• E’ è quel valore (non necessariamente una modalità osservata) che rileva la tendenza centrale della distribuzione • E’ la misura di tendenza centrale più comune • Media = somma dei valori diviso il numero di valori • Influenzata da valori estremi (outlier)
0 1 2 3 4 5 6 7 8 9 10
Media = 3
1 2 3 4 5 5 15 5 3
0 1 2 3 4 5 6 7 8 9 10
Media = 4
1 2 3 4 10 5 20 5 4
Media Aritmetica
Voto x i 18 19 20 21 22 23 24 25 Totale
Frequenze assolute
n i 1 5 3 2 3 1 3 2 20 x i *n i (18*1)=18,00 (19*5)=95,00 (20*3)=60,00 (21*2)=42,00 (22*3)=66,00 (23*1)=23,00 (24*3)=72,00 (25*2)=50,00 = 426,00
i k
1
x i
n i n
426 , 00 21 , 30 20
Mediana
• In una lista ordinata, la mediana è il valore “centrale” (50% sopra, 50% sotto)
0 1 2 3 4 5 6 7 8 9 10
Mediana = 3
0 1 2 3 4 5 6 7 8 9 10
Mediana = 3
• Non influenzata da valori estremi
Moda
• Valore che occorre più frequentemente, cioè quella modalità della distribuzione di frequenza alla quale è associata la frequenza assoluta (o relativa) maggiore • Non influenzata da valori estremi • Usata sia per dati numerici che categorici • Può non esserci una moda • Ci può essere più di una moda
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Moda = 9
0 1 2 3 4 5 6
No Moda
Moda
Quale è la moda della variabile “Titolo di Studio”?
Titolo di studio Diploma Laurea Licenza scuola media Totale Frequenza relativa 35% 45% 20% 100% Quale è la moda della variabile “Sesso”?
Sesso
Femmina Maschio Totale
Frequenza assoluta
9 11 20
Media, Moda & Mediana
1 2 3 4
La moda è pari a 1, è il valore che occorre pi ù frequentemente
1 1 1 2 2 3 4
In una lista ordinata, la mediana valore “centrale”, è pari a 2 è il Media = somma dei valori diviso il numero di valori = 2
1 2 3 4 (1+1+1+2+2+3+4)/7 = (1*3 + 2*2 + 3*1 + 4*1)/7 = 14/7 = 2
Misure di Tendenza Non Centrale I quantili di ordine p
• Il quantile di ordine p (p ∈ (0,1)) è quella modalità della distribuzione che lascia prima di sé almeno il p% delle n unità statistiche indagate e dopo di sé almeno il restante (1-p)%. • Quantile è il termine generico che individua una famiglia di indici di posizione, ad esempio si parla di: –
percentili
quando p assume un valore dell’insieme {0.01;0.02;…;0.99} –
quartili
quando p assume uno dei seguenti valori {0.25;0.50;0.75}. • Si noti che la mediana (il quantile più famoso) coincide con il 50 ° percentile o il 2° quartile.
Misure di Tendenza Non Centrale I Quartili
• I Quartili dividono la sequenza ordinata dei dati in 4 segmenti contenenti lo stesso numero di valori
25% 25% 25% 25%
Q1 Q2 Q3 • Il primo quartile, Q 1 , è il valore per il quale 25% delle osservazioni sono minori e 75% sono maggiori di esso • Q 2 coincide con la mediana (50% sono minori, 50% sono maggiori) • Solo 25% delle osservazioni sono maggiori del terzo quartile
Misure di Tendenza Non Centrale ESEMPIO
MATRICE DEI DATI:
Unità statistiche
1 2 3 4 5 6 7 8 9 10
Altezza
175 170 173 180 158 166 188 175 182 165 PRINCIPALI QUANTILI:
Quantile 100% Max 99% 95% 90% 75% Q3 50% Median 25% Q1 10% 5% 1% 0% Min Estimate
190 188 184 182 180 175 167 165 160 155 150 • Il primo quartile, Q 1 , è 167, cosa significa? • Il 25% delle unità statistiche che compongono il campione hanno un’altezza minore di 167 cm e il 75% un’altezza maggiore
Box Plot
X minimo Q1 Mediana (Q2) Q3 25% 25% 25% 25% X massimo
12 30 45 57 70
Differenza Interquartile 57 – 30 = 27 INDICE DI DISPERSIONE OUTLIERS: Q1 - 1,5 * Differenza interquartile Q3 + 1,5 * Differenza interquartile
Misure di sintesi
Misure di posizione:
Misure di tendenza centrale:
– Media aritmetica – Mediana – Moda
Misure di tendenza non centrale:
– Quantili di ordine p (percentili, quartili)
Misure di dispersione:
• Campo di variazione • Differenza interquantile • Varianza • Scarto quadratico medio • Coefficiente di variazione
Misure di forma della distribuzione:
• Skewness • Kurtosis
Misure di Variabilit à
Variabilit à
Campo di Variazione Differenza Interquartile Varianza Scarto Quadratico Medio Coefficiente di Variazione
• Le misure di variabilità forniscono informazioni sulla
dispersione
o
variabilit à
dei valori.
Stesso centro, diversa variabilit à
Campo di Variazione
• La più semplice misura di variabilità • Differenza tra il massimo e il minimo dei valori osservati:
Campo di variazione = X
massimo
– X
minimo Esempio: 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 Campo di Variazione = 14 - 1 = 13
Campo di Variazione
• Ignora il modo in cui i dati sono distribuiti
7 8 9 10 11 12 Campo di Var. = 12 - 7 = 5 7 8 9 10 11 12 Campo di Var. = 12 - 7 = 5
• Sensibile agli outlier 1 ,1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,3,3,3,3,4, 5
Campo di Var. = 5 - 1 = 4
1 ,1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,3,3,3,3,4, 120
Campo di Var = 120 - 1 = 119
Differenza Interquartile
• Possiamo eliminare il problema degli outlier usando la differenza interquartile • Elimina i valori osservati più alti e più bassi e calcola il campo di variazione del 50% centrale dei dati • Differenza Interquartile = 3 o quartile – 1 o quartile IQR = Q 3 – Q 1
Varianza
• Media dei quadrati delle differenze fra ciascuna osservazione e la media – Varianza della Popolazione: dove σ 2 i N 1 (x i μ) 2 N μ = media della popolazione N = dimensione della popolazione x i = i imo valore della variabile X
Scarto Quadratico Medio
• Misura di variabilità comunemente usata • Mostra la variabilità rispetto alla media • Ha la stessa unità di misura dei dati originali • Assume valori maggiori o uguali a 0; il caso particolare SQM=0 si verifica solamente in caso di assenza di variabilità – Scarto Quadratico Medio della Popolazione: σ i N 1 (x i μ) 2 N
Scarto Quadratico Medio
Scarto quadratico medio piccolo Scarto quadratico medio grande
Scarto Quadratico Medio
Dati A
11 12 13 14 15 16 17 18 19 20 21
Dati B
11 12 13 14 15 16 17 18 19 20 21
Dati C
11 12 13 14 15 16 17 18 19 20 21
Media = 15.5
s =
3.338
Media = 15.5
s =
0.926
Media = 15.5
s =
4.570
Scarto Quadratico Medio
• Viene calcolato usando tutti i valori nel set di dati • Valori lontani dalla media hanno più peso (poich è si usa il quadrato delle deviazioni dalla media) • Le stesse considerazioni valgono anche per il calcolo della Varianza
Coefficiente di Variazione
• Misura la variabilità relativa • Sempre in percentuale (%) • Mostra la variabilità relativa rispetto alla media • Può essere usato per confrontare due o più set di dati misurati con unit à di misura diversa • Assume valori maggiori di 0 e crescenti al crescere della variabilità; ancora una volta, si avrà che CV=0 in assenza di variabilità .
C V | x s | 100%
Coefficiente di Variazione
• Azione A: – Prezzo medio scorso anno = $50 – Scarto Quadratico Medio = $5 C V A • Azione B: | x s | 100% $5 $50 100% 10% – Prezzo medio scorso anno = $100 – Scarto Quadratico Medio = $5 C V B | s x | 100% $5 $100 100% 5% Entrambe le azioni hanno lo stesso scarto quadratico medio, ma
l’azione B è meno variabile rispetto al suo prezzo
Misure di sintesi
Misure di posizione:
Misure di tendenza centrale:
– Media aritmetica – Mediana – Moda
Misure di tendenza non centrale:
– Quantili di ordine p (percentili, quartili)
Misure di dispersione:
• Campo di variazione • Differenza interquantile • Varianza • Scarto quadratico medio • Coefficiente di variazione
Misure di forma della distribuzione:
• Skewness • Kurtosis
120 100 80 60 40 20 0
Forma della Distribuzione
• La forma della distribuzione si dice simmetrica se le osservazioni sono bilanciate, o distribuite in modo approssimativamente regolare attorno al centro.
Distribuzione Simmetrica
10 9 8 2 1 0 7 6 5 4 3 1 2 3 4 5 6 7 8 9
Forma della Distribuzione
• La forma della distribuzione è detta asimmetrica se le osservazioni non sono distribuite in modo simmetrico rispetto al centro.
Una distribuzione con asimmetria positiva (obliqua a destra) ha una coda che si estende a destra, nella direzione dei valori positivi. Una distribuzione con asimmetria negativa (obliqua a sinistra) ha una coda che si estende a sinistra, nella direzione dei valori negativi.
Distribuzione con Asimmetria Positiva
12 10 8 6 4 2 0 1 2 3 4 5 6 7 8 9
Distribuzione con Asimmetria Negativa
12 10 8 2 0 6 4 1 2 3 4 5 6 7 8 9
Misure di Forma della Distribuzione
• Descrive come i dati sono distribuiti • Misure della forma – Simmetrica o asimmetrica
Obliqua a sinistra
Media < Mediana
Simmetrica
Media = Mediana
Obliqua a destra
Mediana < Media
Misure di Forma della Distribuzione
Skewness
: indice che informa circa il grado di simmetria o asimmetria di una distribuzione. – γ=0 ditribuzione simmetrica; – γ<0 asimmetria negativa (mediana>media); – γ>0 asimmetria positiva (mediana Kurtosis : indice che permette di verificare se i dati seguono una distribuzione di tipo Normale (simmetrica). – β=3 se la distribuzione è “Normale”; – β<3 se la distribuzione è iponormale (rispetto alla distribuzione di una Normale ha densità di frequenza minore per valori molto distanti dalla media); – β>3 se la distribuzione è ipernormale (rispetto alla distribuzione di una Normale ha densità di frequenza maggiore per i valori molto distanti dalla media). Unità statistiche 1 2 3 4 5 6 7 8 9 16 17 18 19 20 10 11 12 13 14 15 Altezza 175 170 173 180 158 166 188 175 182 169 178 188 175 165 165 158 188 180 170 179 altezza Median Mode Basic Statistical Measures Mean Location 173.9 175 165 Variability Std Deviation Variance Range Interquartile Range 9.41946 88.72632 33 13 The mode displayed is the smallest of 3 modes with a count of 3. H8 H9 H10 H11 H12 H13 H14 H15 H16 H17 H18 N_ID H1 H2 H3 H4 H5 H6 H7 H19 H20 H21 H22 D_8_2 0.1 0 0 0.2 0.05 0.2 0.1 0.1 0.2 0.05 0 0 0 0.15 0 0.1 0 0.2 0 0.05 0.2 0.2 H234 H235 H236 0.2 0.1 0.1 • Frequency distribution • Synthesis measures – Measures of location – – Measures of spread Measures of shape Nominal Ordinal Quantitative Distribution X X X Mode X X X • Data Audit – Input errors – Outliers – Missing values • Basic insights Percentiles Moments X X X Shape X • Un carattere è trasferibile se possiamo immaginare che un’unità possa cedere parte del carattere che possiede ad un’altra unità. • Sono esempi di carattere trasferibile: reddito, fatturato, numero addetti, audience televisiva, clienti. • Sono esempi di carattere non trasferibile: altezza e peso. Si rilevi il reddito delle famiglie di un campione. L’analisi di concentrazione ci aiuta a ripondere alla seguente domanda: Il reddito complessivo è equidistribuito tra le famiglie oppure la maggior parte dell’ammontare complessivo del reddito è posseduto da un numero esiguo di famiglie? Vogliamo misurare il grado di concentrazione del carattere nella nostra popolazione. Per caratteri quantitativi trasferibili x Equidistribuzione: 1 x 2 x 3 ....... x n μ Se tutte le famiglie hanno lo stesso reddito, si parla di equidistribuzione ; Max concentrazione: x 1 x n x 2 N μ x 3 ....... x n 1 0 Nel caso in cui tutto il reddito sia posseduto da una sola famiglia mentre tutte le altre hanno zero reddito, si parla di massima concentrazione . 1. Ordinare le osservazioni le unità sono ordinate dalla più povera alla più ricca 2. Calcolare le quantità: F i i N Q i i j 1 x j N j 1 x j Dove F i è la frazione, sul totale delle unità, delle i unità più povere e Q i è la frazione di ammontare del carattere, sull’ammontare complessivo, posseduto dalle i unità più povere. CURVA DI CONCENTRAZIONE REDD. >=0 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.0 0.0 0.1 0.2 0.3 0.4 0.5 FI 0.6 0.7 0.8 0.9 1.0 20% 50% 60% 90%Univariate Analysis
Analisi di Concentrazione
Caratteri quantitativi trasferibili
Analisi di Concentrazione
Caratteri quantitativi trasferibili
Analisi di Concentrazione
Analisi di Concentrazione
Analisi di Concentrazione