Riassunto Statistica Di Base Come Quando Perche

lOMoARcPSD|6421062
Riassunto Statistica di base. Come, quando, perché
Statistica sociale (Università degli Studi di Milano-Bicocca)
StuDocu non è sponsorizzato o supportato da nessuna università o ateneo.

Scaricato da Federica Fazzini ([email protected])
lOMoARcPSD|6421062
LA STATISTICA: insieme di metodologie e di strumenti formali per la trattazione quantitativa dei

fenomeni osservabili nella realtà sociale.
TRATTAZIONE QUANTITATIVA → realizzazione del processo logico di :

osservazione → analisi → comprensione
realizziamo questo processo attraverso:
raccolta dei dati (rilevazione) → elaborazione → trasformazione dei dati in informazioni
l'obiettivo principale dell'elaborazione è trasformare i dati muti in informazioni utilizzabili per
prendere decisioni.
FENOMENO,UNITA' E POPOLAZIONE
I fenomeni d'interesse per la Statistica sono detti fenomeni statistici → fenomeni che si presentano
con una molteplicità di manifestazioni. Questa molteplicità è la caratteristica che determina la
necessità di metodi statistici per il trattamento quantitativo dei fenomeni.
I supporti fisici o teorici delle diverse manifestazioni del fenomeno statistico sono dette unità
statistiche. Presso le unità statistiche è possibile osservare e registrare le manifestazioni del
fenomeno d'interesse. L'insieme delle unità statistiche sulle quali interessa studiare il fenomeno è
chiamato popolazione statistica o universo di riferimento ( in inglese: target).
NOTAZIONE
• la lettera U (maiuscolo) per denotare la popolazione o universo statistico
• le lettere latine maiuscole ( tranne la U) per indicare i fenomeni statistici
• le lettere minuscole per indicare ogni singola manifestazione del fenomeno indicato con la
corrispondente lettera maiuscola. In linguaggio tecnico parleremo di modalità o valori del
fenomeno.
Esempio:
Y: secolarizzazione
U: insieme di soggetti
y: licenza media o diploma o laurea ecc.
NUMEROSITA' DI U
I fenomeni d'interesse nelle scienze sociali si manifestano in genere su popolazioni umane e finite
in cui cioè N è un numero intero positivo ( 1<N <infinito).
Ma questo non è il solo caso; è possibile pensare a fenomeni statistici presenti su popolazioni
infinite, cioè composte da un numero virtualmente infinito di unità statistiche (N= infinito).
Esempio:
X: numero di italiani affetti da HIV
U: collettivo degli italiani sieropositivi passati, presenti e futuri
N= infinito
Talvolta la dimensione N di U pur essendo finita è però talmente elevata che ai fini dell'analisi
statistica è conveniente pensarla infinita.
ANALISI STATISTICA DI UN FENOMENO

Trattare quantitativamente un fenomeno statistico significa condurre le seguenti fasi:
1. Osservarne le manifestazioni, ciò recarsi fisicamente presso le unità statistiche per registrare
le manifestazioni del fenomeno. In questo modo si creano i dati. Talvolta i dati sono già
disponibili oppure provengono da fonti ufficiali. Tecnicamente questa fase consiste nella
rilevazione di X su U.

lOMoARcPSD|6421062
2. Organizzare il risultato della rilevazione. Il risultato della rilevazione è in genere un insieme

confuso di N più o meno diverse manifestazioni x di X. Dunque il risultato è piuttosto
inutile se non lo si organizza attraverso tabelle o grafici in modo da renderlo più leggibile. In
linguaggio statistico questa è la costruzione di variabili statistiche e di distribuzioni di
frequenza.
3. Elaborare i dati strutturati. Qui inizia l'analisi vera e propria del fenomeno. L'obiettivo è
quello di far emergere più chiaramente dai dati le informazioni che interessano e di
comprenderei meccanismi che determinano le diverse manifestazioni del fenomeno su
quella popolazione, cioè il suo variare. Tecnicamente si tratta di sintetizzare i dati attraverso
la costruzione di indici e valori sintetici e di studiarne le eventuali relazioni (statistiche)
con altri fenomeni.
4. Comunicare i risultati. Anche il risultato più interessante e più elaborato è inutile se non è
ben comunicato. E' il momento conclusivo dell'analisi statistica, coinvolge interessi diversi e
perciò è caratterizzato da una marcata interdisciplinarità.
LE DUE FUNZIONI DELLA STATISTICA

Se la rilevazione è stata esaustiva di U (censuaria) e si dispone di tutti gli N dati osservati presso
tutte le unità statistiche, la statistica ha la funzione di descrivere il comportamento di X su U. Gli
strumenti di analisi statistica adeguati a questo scopo formano la statistica descrittiva, che si
classifica a sua volta in:
• monovariata o anche univariata, che ha per oggetto un solo fenomeno singolarmente
rilevato e come obiettivo la descrizione sintetica del suo comportamento su U;
• bivariata, quando l'oggetto è una coppia di fenomeni congiuntamente rilevati sulla stessa U
e l'obiettivo è l'individuazione e lo studio delle relazioni fra i due;
• multivariata, se i fenomeni rilevati sulla stessa U sono più di due e l'obiettivo è descriverne
il comportamento congiunto e studiarne le relazioni, congiuntamente (tutti insieme) e per
loro sottoinsiemi ( coppie, terne ecc.).
L'analisi statistica necessita di strumenti matematici e statistici differenti.

Più spesso di una rilevazione esaustiva, il tempo e il budget a disposizione consentono soltanto la
rilevazione parziale di U e, dunque, per l'analisi statistica del fenomeno, si dispone di un numero n
più piccolo di N ( n<N ) di dati, osservati solo su una parte di U, cioè un campione.
Se i dati sono campionari, la statistica continua ad avere come obiettivo la descrizione e la
comprensione di X su U, ma ora deve estendere i risultati dell'elaborazione dei dati campionari
all'intera U e dunque anche alla parte di U non osservata. Si tratta di un'induzione del particolare
(campione) al generale (U) chiamata inferenza statistica. Gli strumenti di analisi statistica adeguati
a fare inferenza formano la statistica inferenziale. I campioni su cui si basa la statistica inferenziale
sono di tipo casuale, cioè i dati disponibili per l'inferenza sono scelti a caso fra la totalità dei dati
che esaurirebbero l'osservazione di U. Ecco perchè alla base della statistica inferenziale vi sono
elementi di teoria della probabilità.
RILEVAZIONE CAP.3
RILEVAZIONE DI X SU U : è il processo di creazione dei dati. In genere consiste nel recarsi
fisicamente presso le unità statistiche per osservare e registrare le diverse manifestazioni x di X.

lOMoARcPSD|6421062
Classificazione dei fenomeni statistici → la prima distinzione è fra nomi e numeri cioè fra
fenomeni qualitativi e fenomeni quantitativi.
Fenomeni qualitativi : si manifestano nella popolazione osservata attraverso attributi o
categorie,qualità appunto.
Esempi:
X : genere
Y: squadra di calcio tifata
S: titolo di studio
Fenomeni quantitativi : si manifestano nella popolazione osservata attraverso numeri, quantità
appunto.
Esempi:
A: numero di accessi ad un certo sito internet in un dato giorno
T: temperatura massima giornaliera a Milano-Linate nel maggio2014
Per certi tipi di analisi statistica è necessario che le manifestazioni del fenomeno analizzato possono
essere ordinate. Le manifestazioni dei fenomeni quantitativi possono essere sempre ordinate poiché
fra i numeri esiste una relazione d'ordine naturale. Per i fenomeni qualitativi invece è importante la
sotto-classificazione.
Fenomeni qualitativi ordinali → sono i fenomeni che pur essendo qualitativi, si manifestano con
attributi e categorie che si possono ordinare secondo un qualche criterio oggettivoe
convenzionalmente accertato.
Esempio: scuola dell'obbligo < diploma < laurea triennale < titolo post- laurea
Fenomeni qualitativi categoriali → sono tutti i fenomeni qualitativi per i quali non abbiamoun
criterio oggettivo (ma solo personale e variabile) per ordinare le categorie con cui si manifesta.
Esempio :
fenomeno R : città di residenza
Fra i fenomeni quantitativi una sotto- classificazione importante è fra i fenomeni discreti e continui.
Fenomeni quantitativi discreti → sono i fenomeni quantitativi che possiamo contare, enumerare.
Esempio:
E: numero di esami registrati sul libretto al termine del primo anno
Y: numero dei furti di motorini denunciati a Milano città nel maggio 2014
Z: accessi al sito internet del Dipartimento di Sociologia di Milano-Bicocca ad aprile 2014
Fenomeni quantitativi continui → sono i fenomeni quantitativi che si possono misurare, una volta
scelta un'opportuna unità di misura e con la disponibilità del corretto strumento di misurazione.
Esempio:
C: peso corporeo alle ore 8.00 a digiuno
T: temperatura massima giornaliera a Milano-Linate nel maggio 2014
Le manifestazioni di un fenomeno quantitativo continuo sono intervalli e compare la caratteristica

della continuità.
Abbiamo imparato a distinguerei fenomeni, ora ci occupiamo della rilevazione, ovvero il processo
di creazione dei dati.
Gli strumenti tipici della rilevazione sono questionari e scale di modalità.

Es ( pag 16 estratto del questionario sottoposto alle matricole dell'Università Milano-Bicocca)
L'insieme delle caselline previste per ogni domanda/fenomeno costituisce la scala delle modalità o
scala di rilevazione.

lOMoARcPSD|6421062
La scala delle modalità con cui si rileva X è l'insieme di tutte le diverse manifestazioni di X
osservabili su U.
Le caratteristiche principali della scala delle modalità sono: esaustività e mutua esclusività.
Esaustività → la scala delle modalità con cui si effettua la rilevazione deve essere esaustiva, cioè
deve prevedere tutte le possibili manifestazioni di X che potenzialmente si possono osservare su U.
L' obiettivo è di garantire a qualunque unità statistica di U la possibilità di classificarsi trovando la

casellina che fa al caso suo.
Mutua esclusività → la scala con cui si effettua la rilevazione deve prevedere solo modalità che si
escludono a vicenda,senza possibilità di confusione o sovrapposizione.
L'obiettivo è di evitare all'unità statistica qualunque ambiguità nella scelta della casellina in cui
classificarsi.
CLASSIFICAZIONE DELLE SCALE DI MODALITA'

La prima importante distinzione è fra scale qualitative e scale quantitative.
Scala qualitativa → in una scala qualitativa le modalità sono attributi o categorie, qualità appunto.
Scala quantitativa → in una scala quantitativa le modalità sono numeri, quantità appunto.
Fra le scale qualitative un'importante sotto-classificazione distingue fra scale ordinali e scale
sconnesse.
Scala qualitativa ordinale → è una scala qualitativi nella quale gli attributi o le categorie di cui
consta possono essere ordinati secondo un qualche criterio oggettivo o convenzionalmente
accettato.
Scala qualitativa sconnessa → è una scala qualitativa nella quale gli attributi o le categorie di cui
consta non ammettano un ordinamento oggettivo ma solo un ordinamento casuale o personale.
Un sottotipo di scala sconnessa è la scala dicotomica o binaria che consta di 2 sole modalità,
esaustive ed esclusive.
Esempio:
X: genere con modalità femmina/maschio
o tutte le scale del tipo vero/falso; si/no ecc.
Per le scale quantitative la sotto-classificazione è fra scale quantitative rapporto e non rapporto che
si distinguono rispetto all'origine ( ovvero da dove si parte).
Scala quantitativa rapporto → è una scala quantitativa nella quale l'origine è il numero 0 con
significato assoluto cioè quando 0 indica assenza del fenomeno.
Esempio: quella con cui si rileva il fenomeno A: numero di accessi a un sito internet in un dato
giorno. È costituita da tutti i numeri interi 0,1,2,3,.. fra i quali lo 0 è assoluto.
Scala quantitativa non rapporto → è una scala quantitativa nella quale l'origine (in genere ancora
lo 0) non sia assoluta ma convenzionale, cioè scelta secondo un qualche criterio.
Esempio: scala con cui si rileva il fenomeno T: temperatura massima giornaliera a Milano-Linate
nel maggio 2014.

lOMoARcPSD|6421062
La classificazione delle scale di modalità è importante perchè dalla tipologia di scala dipende il
livello di analisi statistica che si può effettuare sui dati così rilevati. Le scale qualitative consentono
un livello di analisi inferiore rispetto alle scale quantitative. Fra le modalità di una scala qualitativa
sconnessa possiamo istituire soltanto relazioni di uguaglianza o di diversità. Se la scala è qualitativa
ordinale possiamo aumentare il livello di analisi perché fra le sue modalità oltre alla relazione = o
diverso è istituibile anche la relazione d'ordine maggiore o uguale oppure minore o uguale. Una
scala quantitativa rapporto consente il livello maggiore dii analisi: le sue modalità numeriche
ammettono le relazioni uguale, diverso, minore o uguale, maggiore o uguale e le 4 operazioni
elementari ( somma,sottrazione,moltiplicazione e rapporto.
Dunque le scale quantitative non rapporto sono quelle che, pur essendo quantitative, non
consentono il rapporto cioè l'operazione di divisione.
Indicheremo con k il numero di diverse modalità della scala utilizzata per la rilevazione. Useremo
poi l'indice i per distinguere le diverse modalità previste dalla scala con cui andiamo a rilevare le
manifestazioni x del fenomeno X. La rilevazione di X su U avviene con la scala di modalità
x1,x2,x3...xk.
Le modalità xi di un fenomeno X quantitativo discreto si rilevano contando e sono di solito numeri
interi. Il numero k (i=1,..,k) ,con cui indichiamo il numero di tutte le possibili modalità con cui X è
rilevato su U, può essere finito o infinito. Nel primo caso si parla di fenomeni discreti finiti, nel
secondo di fenomeni discreti numerabili. Useremo poi una notazione particolare per i fenomeni
quantitativi continui. I fenomeni quantitativi si misurano e e le modalità xi sono degli intervalli.
Useremo il simbolo xl per indicare l'estremo inferiore dell'intervallo e il simbolo xL per l'estremo
superiore dell'intervallo. Fra i due estremi dell'intervallo inseriremo un simbolo per indicare se gli
estremi sono o meno compresi nell'intervallo.
Infine k indicherà il numero di intervalli xi con cui si rileva X continuo (i= 1,...,k). Con xi
indicheremo secondo i casi un attributo o una categoria, un numero oppure un intervallo (di numeri
reali ).
CONSIDERAZIONI:
• La natura qualitativa o quantitativa del fenomeno di interesse ha ovviamente a che fare con
la tipologia di scala delle modalità adottabile per la sua rilevazione, ma non la vincola
rigidamente. I fenomeni quantitativi possono essere rilevati con scale qualitative o
viceversa, alcuni fenomeni pur essendo qualitativi possono essere rilevati con scale
quantitative.
• Il caso di fenomeno qualitativo ordinale rilevato con scala quantitativa è molto frequente
nella ricerca sociale e di mercato.
• La natura discreta o continua di un fenomeno quantitativo può non essere semplice da
stabilire: quando il fenomeno quantitativo si presenta con un numero di modalità k molto
elevato conviene trattarlo come se fosse continuo raggruppando la modalità in classi, che
sono un po' sorelle degli intervalli.

lOMoARcPSD|6421062
DISTRIBUZIONI DI FREQUENZA,TABELLE E GRAFICI CAP.4
Il risultato della rilevazione completa del fenomeno X sulla popolazione U è un insieme di N

osservazioni. Ciascuna osservazione coincide con UNA E UNA SOLA delle k diverse modalità xi
previste dalla scala utilizzata.
Esempio pag. 25
Il risultato delle rilevazioni fornisce i cosiddetti dati grezzi. L'analisi statistica procede per sintesi
successive. L'obiettivo è fa emergere le informazioni utili a descrivere e spiegare il comportamento
X su U. La prima sintesi consiste nel dare una struttura ai dati grezzi, organizzandoli in tabelle e
grafici in modo da renderli più leggibili. In linguaggio tecnico tabelle e grafici sono distribuzioni di
frequenze e variabili statistiche.
Effettuando l'operazione di conteggio delle modalità di X che si ripetono in U, i dati grezzi vengono
organizzati in una tabella.(es. Pag. 26)
Introduzione di importanti concetti:

Frequenza assoluta → La frequenza assoluta di ciascuna modalità osservata xi è il numero di unità
statistiche che, fra N osservate, manifesta quella modalità xi di X. Indicheremo la frequenza
assoluta con fi. La somma delle frequenze assolute riproduce la numerosità di N di U.
Distribuzione di frequenze assolute → è l'insieme delle k frequenze assolute. La distribuzione di

frequenze assolute si costruisce per conteggio e consente di organizzare i dati grezzi in una forma
tabellare.
xi Fi
(frequenze
assolute)
x1 f1
…. ….
xk fk
La colonna delle modalità xi ha a che fare con il fenomeno X e dunque può contenere
attributi,categorie, numeri o intervalli. La colonna delle frequenze assolute fi ha a che fare con le
unità statistiche e dunque con la popolazione U. le frequenze assolute sono sempre numeri interie >
o = 0 e con somma pari a N. Il complesso della tabella costituisce la variabile statistica detta anche
serie o seriazione statistica.
Variabile statistica → è un insieme di k coppie del tipo “modalità, frequenza”.
La modalità possono avere natura varia mentre le frequenze assolute sono numeri interi positivio
nulli la cui somma riproduce la numerosità N di U. formula pag. 27
Il passaggio dai dati grezzi alla v.s. ci ha portato il vantaggio di rendere i dati più organizzati e
leggibili ma ci ha fatto perdere l'ordine in cui i dati sono stati rilevati.
Le frequenze assolute non sono l'unico tipo di frequenze costruibili.

lOMoARcPSD|6421062
FREQUENZE RELATIVE E PERCENTUALI

Esempio pag. 27/28
le frequenze assolute non sono confrontabili fra popolazioni di numerosità diversa.
Le frequenze assolute sono direttamente influenzate dalla numerosità N: più grande è N più grandi
sono le fi.
Se l'obiettivo è confrontare le distribuzioni di frequenze di X in due popolazioni con numerosità
diversa occorre depurare le frequenze assolute dall'influenza di N costruendo le frequenze relative.
Frequenza relativa → associata alla modalità xi è il rapporto (divisione) fra le frequenza assoluta di
xi e la numerosità N di U. indicheremo la frequenza relativa con pi. In formule e più brevemente
che a parole : pi=fi/N
ATTENZIONE: ogni volta che l'obiettivo è il confronto, è necessario costruire grandezze

relative,cioè dei rapporti in cui al denominatore andrà posta la grandezza che disturba e impedisce il
confronto della quantità posta al numeratore. Le frequenze relative sono sempre confrontabili.
Esempio pag 29
Le frequenze relative pi sono rapporti particolari con il denominatore che rappresenta il totale del
numeratore. Risultano perciò sempre comprese fra 0 e 1 e la loro somma è pari a 1. formula pag 29.
formula in sintesi: 1/N x N= N/N = 1
Le percentuali sono le frequenze relative moltiplicato per 100. Le percentuali sono sempre
comprese tra 1 e 100 e la loro somma è pari a 100.
A livello di analisi statistica è preferibile lavorare con le frequenze relative, a livello di
interpretazione e comunicazione dei risultati è conveniente passare alle percentuali.
La colonna delle frequenze relative pi costituisce la distribuzione di frequenze relative di X su U
che è confrontabile.
FREQUENZE CUMULATE
Quando il fenomeno di interesse è almeno ordinale possiamo aumentare il livello di analisi e
costruire un ulteriore tipo di distribuzione di frequenze. In questo caso è buona pratica costruire la
v.s ordinando in senso crescente le modalità osservate partendo dal minimo x1 e arrivando al
massimo xk: x1<x2<...<xk-1 < xk
Si tratta di sommare (cumulare) le frequenze associate alle modalità inferiori di xi costruendo le

frequenze cumulate. Indicheremo con Fi le frequenze cumulate assolute e useremo la lettera greca
“phi” maiuscolo per indicare le frequenze cumulate relative.
Esempio pag. 30
Per compilare le colonne delle Fi e PHI abbiamo sommato le frequenze di tutte le righe precedenti.
Frequenze cumulate assolute → Fi= f1+f2+...+fi= sommatoria che va da j=1 a i di fj
Frequenze cumulate relative → PHI=p1+p2+...+pi= sommatoria che vada j=1 a i di pj= Fi/ N
PROPRIETA' DELLE FREQUENZE CUMULATE :
1. Le frequenze cumulare assolute sono numeri interi compresi fra 0 e N mentre quelle relative
sono comprese fra 0 e 1. la prima frequenza cumulata coincide con la frequenza della
modalità più piccola; l'ultima frequenza cumulata coincide con la numerosità N di U se
parliamo di freq. Cumulate assolute, coincide con 1 se parliamo di freq. Cumulate relative.
Il fenomeno X è almeno ordinale e le modalità xi sono ordinate, dunque xi è la più piccola e
xk è la più grande

lOMoARcPSD|6421062
2. Fra le frequenze assolute e relative e le corrispondenti frequenze cumulate esiste una

corrispondenza biunivoca: se conosciamo le frequenze assolute o relative possiamo
ottenere le cumulate sommando, se conosciamo le cumulate possiamo ottenere le frequenze
sottraendo :
Fi=f1+f2+...+fi-1+fi e Fi-Fi-1 =fi
PHI = p1+p2+...+pi-1+pi e PHIi-PHIi-1= pi
DENSITA' DI FREQUENZA
Limitiamo la nostra attenzione ai fenomeni quantitativi continui. Se X è continuo le modalità xi
sono intervalli. All'interno del generico intervallo xi:xl |- xL sappiamo che appartengono fi unità
statistiche, tuttavia sappiamo solo ciò: la distribuzione di frequenze all'interno degli intervalli è
ignota.
Esempio pag.33
Siamo di fronte ad una mancanza di informazioni. Ogni volta che ci troviamo in una situazione di
questo tipo, per superare l'ostacolo si ricorre all'emissione di ipotesi in sostituzione delle
informazioni ignote. L'ipotesi adottata deve essere ragionevole cioè argomentabile sostenibile e
convincente. Due sono le ipotesi comunemente emesse :
1. ipotesi del valore centrale. L'obiettivo è di assegnare a ciascuna delle fi unità statistiche un
unico punto interno all'intervallo stesso. Il principale adottato è in medio stat virtus. Il
metodo consiste nell'associare tutte le fi al valore centrale dell'intervallo. Il valore centrale è
la semisomma dei suoi estremi. Indicheremo il valore centrale di un itervallo con l'asterisco:
xi*= xl+xL/2
(esempio pag.33)
Con questa ipotesi si attua una sostanziale discretizzazione della v.s. : si supera il problema
dell'ignota distribuzione ma si perde la natura continua rappresentata dagli intervalli.
2. Ipotesi di distribuzione uniforme. Consiste nel considerare alla pari ogni possibilità. Se
non sappiamo niente circa dove si posizionano esattamente le fi, allora le distribuiamo in
modo uniforme ed equidistante lungo tutto l'intervallo.
Gli intervalli possono avere ampiezza diversa.

L' Ampiezza → dell'intervallo xi: xl |-xL è la differenza fra l'estremo superiore e l'estremo inferiore
xL.xl.
L'ampiezza dell'intervallo influenza le frequenze associate. Quanto più un intervallo è ampio tanto
più è facile che contenga più casi di un intervallo meno ampio. Un'informazione importante è allora
quanto è denso l'intervallo: a parità di frequenze, un intervallo più ampio sarà meno denso di uno
più stretto. La densità di frequenza di un intervallo è la frequenza dell'intervallo depurata
dall'influenza dell'ampiezza. La indicheremo con la lettera greca phi minuscolo.
Phi: fi/xL-xl
Esempio pag.34
osservazioni: quando X è continuo accanto alle distribuzioni di frequenze è costruibile la

distribuzione di densità di frequenze. Le densità di frequenze sono numeri reali e sono sempre
positive, ma non hanno limite superiore. Le densità di frequenza phi danno un'idea
dell'addensamento delle frequenze all'interno degli intervalli e sono dunque utili tutte le volte che le
diverse ampiezze degli intervalli rendono fuorviante l'interpretazione delle frequenze.
Densità di frequenza relativa → pi/xL-xl = fi/ N(xL-xl) = fi/N
A seconda del contesto applicativo si decide quali frequenze è conveniente usare per calcolare le
densità di frequenza.

lOMoARcPSD|6421062
RAPPRESENTAZIONI GRAFICHE
Con le distribuzioni di frequenze possiamo costruire i grafici.
Si tratta di presentare i dati sotto una diversa forma. La forma grafica è preferibile a quella tabellare
in fase di interpretazione e comunicazione dei risultati dell'analisi statistica. Per i fenomeni
qualitativi il grafico è un semplice disegno che affianca o sostituisce la tabella. Esempio pag. 36
Il confronto grafico fra due o più distribuzioni di frequenza che derivano dall'osservazione del
medesimo fenomeno su due o più diverse popolazioni è agevolato se si rappresentano insieme su un
unico grafico. Se le popolazioni sono di dimensione diversa sono necessarie le frequenze relative o
percentuali. Esempio pag.38
Per i fenomeni quantitativi il discorso cambia. Quando anche le xi (oltre che le fi ) sono numeri, si
costruiscono veri e propri diagrammi cartesiani. Le modalità xi sono poste sulle ascisse e le
frequenze fi sulle ordinate. Il diagramma è molto diverso a seconda che X sia discreto o continuo
cioè a seconda che le xi siano numeri o intervalli. Quando X è discreto un diagramma efficace è a
bastoncini. Esempio pag.38/39
DENSITA' E ISTOGRAMMI
Quando X è un fenomeno continuo le modalità xi sono intervalli xi: xl |- xL .
Ponendole sulle ascisse del diagramma si identificano dei segmenti.
La distribuzione di frequenze all'interno degli intervalli è ignota. Bisogna dunque adottare
un'ipotesi. Sappiamo che adottare l'ipotesi del valore centrale si traduce nella discretizzazione
della v.s. attraverso i valori centrali x*i degli intervalli. Una volta ricondotti al caso discreto si può
procedere alla rappresentazione grafica prevista nel caso discreto,cioè a bastoncini. Se invece si
adotta l'ipotesi della distribuzione uniforme, si presenta la natura continua del fenomeno e
l'obiettivo di associare la frequenza a tutti gli infiniti punti dell'intervallo, in modo che sia
uniformemente distribuita, si raggiunge rappresentando la frequenza come un'area. Per
rappresentare la distribuzione di frequenze assolute,sotto l'ipotesi di una distribuzione uniforme, si
pongono gli intervalli xi:xl|- xL sulle ascisse e le densità di frequenza phi piccolo sulle ordinate. Se
invece si vogliono rappresentare le frequenze relative, cioè rettangoli di area p.=fi/N, si pongono
sulle ordinate le densità di frequenze relative phi piccolo/N. Il diagramma che si ottiene è a
rettangoli accostati e prende il nome di istogramma o diagramma areale. In un istogramma le
frequenze sono rappresentate come aree. (esempio pag. 40/41)
L'area totale sottesa all'istogramma è:
• pari a N se si rappresentano le frequenze assolute fi (phi sulle ordinate).
• Pari a 1 se si rappresentano le frequenze relative pi(phi/N sulle ordinate).
Sull'istogramma sono automaticamente rappresentate come aree anche le frequenze cumulate,
assolute Fi o relative PHI, a seconda che le aree dei rettangoli dell'istogramma rappresentano fi o pi.
L'istogramma permette il calcolo delle frequenze cumulate per qualunque valore del fenomeno
continuo X, interni ed esterni agli intervalli osservati. Il calcolo avviene sotto l'ipotesi della
distribuzione uniforme, cioè l'ipotesi adottata per costruire l'istogramma stesso. (es. pag. 42)
L'istogramma è l'unica rappresentazione grafica sensata quando la v.s. si presenta con intervalli di
ampiezza diversa. Il problema si supera costruendo v.s. della stessa ampiezza. In questo caso non è
più necessario ricorrere alla densità. Il termine istogramma va riservato a diagrammi in cui l'area ha
un significato preciso.

lOMoARcPSD|6421062
VALORI MEDI cap. 5

Il valore medio è un unico valore che da solo ci da un'idea del comportamento di X su U e del suo
ordine di grandezza. Si tratta di passare da un'intera distribuzione di frequenza a un singolo valore,
il valore medio appunto. A tale sintesi corrisponde una perdita di informazioni.
Moda → o norma di una v.s. è la modalità a cui è associata la frequenza più elevata fra le k
osservate, cioè la modalità più osservata.
(esempi pag.46)
Per indicare la moda useremo la notazione x0 (x con zero).
La moda x0 è tanto più informativa quanto più elevata è la frequenza corrispondente, cioè il numero
di unità statistiche che rappresenta. È una buona pratica associare alla modalità di X la
corrispondente frequenza che ne aiuta l'interpretazione e ne una misura della sua capacità di
descrivere sinteticamente il fenomeno su quella popolazione. La moda è un valore medio di sintesi
calcolabile per X qualunque. X0 è immediatamente individuabile:
• Quando la v.s. è data sotto forma di tabella basta scorrere la colonna delle frequenze e
individuare la più elevata.
• Quando la v.s. è rappresentata graficamente, la frequenza più elevata si individua a occhio. È
la barra più alta/più lunga in un diagramma a barre...
Un accorgimento particolare è necessario in caso di X continuo. Se gli intervalli sono di ampiezza
differente, la frequenza è influenzata dall'ampiezza degli intervalli e dunque perde la sua carica
informativa per l'individuazione di x0. È allora necessario utilizzare le densità di frequenza.
Chiamiamo intervallo modale quello a cui è associata la densità phi più elevata fra le k osservate.
È poi convenzione diffusa far coincidere la moda x0 con il valore centrale dell'intervallo modale.
(es. Pag.47)
talvolta la v.s. è priva di moda o è difficile individuare una modalità che spicca. In tali casi la moda
non è un buon valore medio e non svolge adeguatamente il proprio compito di indicatore sintetico
del comportamento di X su U. (ES.PAG.48) Talvolta la v.s. si presenta con più di una moda. Si parla
in tal caso di fenomeno bi-modale (tri-modale... pluri-modale..ES.pag.48).
MEDIANA
concentriamoci ora sui fenomeni almeno ordinali, cioè qualitativi ordinali oppure quantitativi.
Quando X è almeno ordinale, è possibile istituire relazioni d'ordine (inferiore,superiore...). Per
fenomeni almeno ordinali, oltre alla moda, un'ulteriore sintesi consiste nel selezionare fra le k
manifestazioni ordinate x1<...<xi<...<xk quella che occupa una posizione speciale
nell'ordinamento. Particolarmente informativa è la posizione centrale. (esempio pag.49)
mediana → la mediana di X è la modalità che, nell'ordinamento, occupa la posizione centrale.

Per indicare la mediana di X useremo la notazione x0,5 (x zero cinque).
La sintesi della v.s. effettuata dalla mediana è meno semplice e naturale rispetto alla moda, ma offre
un informazione un po' più raffinata. La mediana x0,5 ha senso ed è calcolabile solo se le modalità
xi possono essere ordinate,cioè se X è almeno ordinale. Per capire il concetto di mediana ci si serve
anche di un immagine grafica (pag.50). Rappresentiamo le N unità statistiche di U ordinate in base
alle corrispondenti modalità di X, mettendo nelle prime posizioni le unità statistiche che parlano
con la modalità più piccola e nelle ultime posizioni quelle che parlano con la modalità più grande.
La mediana x0,5 di X occupa la posizione centrale in questo ordinamento. Allora x0,5 divide U in
due gruppi ugualmente numerosi: in un gruppo stanno le unità che manifestano le modalità non
superiori (<o =) e nell'altro gruppo quelle che manifestano le modalità non inferiori (> o =).
l'osservazione che a destra e a sinistra di x0,5 si trova il 50% di U ci indica la strada per il calcolo
della mediana. (es. pag.50)

lOMoARcPSD|6421062
Un discorso a parte va fatto per i fenomeni quantitativi continui. Con X quantitativo continuo le
modalità xi sono intervalli. In questo caso, laddove si raggiunge ed eventualmente si supera 0,5, si
individua un intervallo che chiamiamo intervallo mediano. (esempio pag. 52)
Come individuare la mediana x0,5 all'interno dell'intervallo mediano? Il problema è che la
distribuzione delle frequenze all'interno degli intervalli è ignota. Succede anche per l'intervallo
mediano: nell'esempio della carica dei telefonini, non sappiamo quale sia esattamente la carica dei
12 telefonini che cadono nell'intervallo mediano. Sappiamo solo che è compresa in 24 |- 48 ore.
Bisogna dunque avanzare un'ipotesi, quella del valore centrale o quella della distribuzione
uniforme. Adottando l'ipotesi del valore centrale si identifica la mediana con il valore central e x*i
dell'intervallo mediano: x0.5=36 che ci informa che il 50% dei modelli dei telefonini osservati ha
una carica non inferiore alle 36 ore;l'altro 50% non superiore alle 36 ore. Mediante la
distribuzione uniforme la mediana si identifica attraverso la seguente formula:
x0,5= xl + (N/ 2 - Fi-1) xL-xl / fi =xl+ (0,5-PHIi-1) xL-xl/ pi
(formula pag. 53)
dove:
xl → è l'estremo inferiore dell'intervallo mediano
Fi-1 oppure PHIi-1 → è la frequenza cumulata (assoluta o relativa) dell'intervallo precedente
xL-xl → è l'ampiezza dell'intervallo mediano
fi oppure pi → è la frequenza (assoluta o relativa) dell'intervallo mediano
(dimostrazione della formula pag. 53/54 → secondo me non è importante)
MEDIA ARITMETICA → indicata con x con sopra un trattino (-) :

• è calcolabile per qualunque fenomeno X quantitativo (o qualitativo ordinale ma rilevato con
scala quantitativa)
• è espressa nella stessa unità di misura con cui X si manifesta su U
• ci dà un'informazione sintetica dell'ordine di grandezza di X su U.
(esempio pag. 61)
la media aritmetica è un valore medio di sintesi così naturale e così largamente utilizzato da essere
conosciuto semplicemente come media di X. Essa è il risultato di una manipolazione dell'intera v.s.,
cioè sia delle modalità sia delle frequenze. Basta moltiplicare ciascuna delle k modalità osservate xi
per il numero di volte in cui sono state osservate in U, vale a dire la loro frequenza fi, sommare il
tutto e poi dividere per il numero N di unità statistiche osservate (cioè la somma di tutte le fi). Se
anziché le frequenze assolute, si usano le frequenze relative pi, che sono già divise per N, si ottiene
la media aritmetica direttamente senza dividere ulteriormente. Formula pag 62
Alcuni chiamano questa formula media ponderata perché vi appaiono le modalità xi ponderate con
(moltiplicare per) le frequenze ed è divisa per la somma dei pesi della ponderazione (N se si
pondera con le fi oppure 1 se si pondera con le pi). A volte il risultato ottenuto da queste formule
non è neanche uno dei possibili valori di X previsti dalla scala di rilevazione. Per esempio,
calcolando la media dei voti sul libretto è possibile ottenere un numero con la virgola, in genere
questo non intacca la portata informativa della media aritmetica.
(esempio pag. 62)
Se X è quantitativo continuo e le sue modalità sono intervalli, la media aritmetica è in genere
calcolata con l'ipotesi del valore centrale.
(esempio pag. 63)

lOMoARcPSD|6421062
APPROFONDIMENTO SUI VALORI MEDI CAP.6

Tre sono i criteri che possono guidare nella scelta e nella costruzione del valore medio opportuno
per sintetizzare la v.s. quando X è quantitativo:
1. proprietà formali → si sceglie il valore medio di sintesi in base alle proprietà

(statistico/matematiche) di cui esso gode.
2. Ottimizzazione → sintetizzando la v.s in un unico valore medio si incorre in una perdita di

informazioni. Quando è possibile esprimere tale perdita con un'opportuna funzione dei dati
(una formula contenente le xi e le fi) si può scegliere il valore medio che rende minima tale
funzione,cioè il più piccolo possibile seguendo questo criterio si ottimizza il valore medio.
3. Invariante → tra le informazioni che vanno perdute nel passaggio della v.s. al valore medio
può sussistere un particolare aspetto di X che è importante mantenere inalterato nella sintesi,
si esprime allora tale aspetto con una funzione dei dati e si sceglie il valore medio che
sintetizza la v.s. lasciando invariata tale funzione. Il valore medio costruito secondo questo
criterio è detto media alla Chisini.
Proprietà formali: le proprietà della media aritmetica

Se ciò che interessa del valore medio di sintesi sono le sue proprietà algebrico/matematiche, si deve
scegliere la media in un insieme chiamato classe delle medie di potenza. Tale serie di proprietà è di
particolare interesse per la sintesi statistica di un fenomeno quantitativo. La ragione per cui la media
aritmetica è il valore medio di sintesi più utilizzato è che gode di proprietà utili. Tali proprietà
rappresentano la traduzione in formule di corrispondenti considerazioni di opportunità pratica.
Proprietà di internalità → il valore della media aritmetica è sempre compreso fra la più piccola e la
più grande delle modalità osservate di X; in formula :
xmin < o = x con trattino (media aritmetica) <o= xmax
vedi esempio Palacio (pag. 62 ripreso a pag. 68 per spiegare internalità)

in questo esempio avevamo:
xmin= 0 x max= 2
abbiamo calcolato le medie aritmetiche ed erano tutte comprese fra x min e xmax cioè ma più
piccole di 0 e mai più grandi di 2.
l'internalità è il minimo che si possa richiedere a un valore medio calcolato con lo scopo di
sintetizzare una v.s.
Proprietà di omogeneità → Se X e Y sono due fenomeni diversi ma collegati fra loro dalla formula
Y=aX, dove a è un qualche numero (costante) diverso da 0 , si dice che Y è una trasformazione di
scala di X; la media aritmetica di Y si ottiene dalla media aritmetica di X con la stessa identica
trasformazione, cioè y son sopra il trattino =ax con sopra il trattino
(esempio pag. 68)
Quando U è molto numerosa è una pratica sensata utilizzare dati aggregati anziché dati individuali.
Formalmente, si tratta di considerare U di numerosità N, suddivisa in un certo numero chiamato h,
di sottopopolazioni Uj ciascuna di numerosità Nj con j=1,...,h e sommatoria che va da j= 1 a k di
Nj=N. Quello che ci interessa è sempre la media aritmetica (generale)di X sull'intera U. disponiamo
tuttavia solo dei dati aggregati ovvero le medie aritmetichej nelle sottopopolazioni. (pag.69)

lOMoARcPSD|6421062
per calcolare la media con i dati aggregati dobbiamo utilizzare la:
proprietà associativa → la media (generale) di X (su U) è sempre raggiungibile dai dati aggregati
(sulle sottopopolazioni Uj), basta calcolare la media delle medie delle sottopopolazioni. Si tratta di
usare le medie parziali xj con sopra il trattino al posto della modalità xj e le numerosità parziali Nj
al posto delle frequenze fi. In formule:
x con trattino alto= 1/ N sommatoria che va da j=1 a h xj con sopra il trattino Nj
(esempio pag. 70)
la proprietà associativa è molto utile soprattutto per le grandi masse di dati e di tutela della privacy
Fra le medie potenziate, la media aritmetica è la più nota e la più utilizzata perché gode anche di
alcune proprietà esclusivamente sue.
Vediamo le principali:
Proprietà di linearità → se X e Y sono due fenomeni diversi ma legati dalla formula : Y= a + bX

con a e b numeri reali qualunque e b diverso da 0, si dice che Y è una trasformazione lineare di X.
La media aritmetica di Y si ottiene dalla media aritmetica di X con la stessa identica trasformazione
cioè:
y con sopra il trattino= a + bx con sopra il trattino.
Questa proprietà è detta linearità: la media aritmetica è lineare.
Le trasformazioni lineari rappresentano una generalizzazione delle trasformazioni di scala.
La media aritmetica svolge il suo lavoro di sintesi della v.s. garantendo la compensazione delle
differenze fra i valori xi effettivamente osservati e il valore medio di sintesi x con sopra il trattino.
Definizione → le differenze (xi-x con sopra il trattino) sono dette scarti o deviazioni dalla media
aritmetica. Se poi si tiene conto del fatto che il valore xi è presente su U con frequenze fi, si ha lo
scarto ponderato (xi-x con sopra il trattino)fi.
Poiché la media aritmetica gode anche della proprietà dell'internalità, cioè è sempre compresa fra il
più piccolo e il più grande dei k valori osservati, allora fra i k scarti costruibili ve ne saranno di
negativi e di positivi. Quando lo scarto (xi-x con sopra il trattino) è positivo (>0) si dice che xi è un
valore sopra media; quando invece lo scarto è negativo(<0 ) si dice che xi è un valore sotto media.
Proprietà di annullamento degli scarti → i valori sopra e sotto media si compensano, cioè se si
sommano tutti i k scarti ponderati si ottiene 0. questa proprietà è detta di annullamento degli scarti
e vale solo per la media aritmetica.
In formula:
sommatoria che va da i=1 a k di (xi- x con sopra il trattino)fi=0
il fatto che solo la media aritmetica annulli la somma degli scarti ponderati, cioè compensi i valori
sopra e sotto media,conferisci alla media aritmetica il ruolo di baricentro della v.s. e ne rappresenta
una sintesi della tendenza centrale.
(esempio pag. 73 e 74)

lOMoARcPSD|6421062
Proprietà di mantenimento e di equidistribuzione del totale → la somma di tutti i valori di X su

tutte le N unità osservate prende il nome di totale di X.
In formule:
sommatoria che va da i=1 a k di xifi = totale di X (su U)
inoltre dividendo il totale di X per N si ottiene la media aritmetica di X.
Il totale di X può anche essere dato dalla media moltiplicata per N che, a sua volta, è la somma delle
frequenze fi.
In formule:
sommatoria che va da i=1 a k xifi = Nx con sopra il trattino = sommatoria che va dai i=1 a k x con
trattino fi → questa formula definisce un'altra proprietà esclusiva della media aritmetica che
ammette una duplice chiave di lettura.
1. Se ai valori xi osservati sostituiamo la media aritmetica x con trattino che li sintetizza tutti, il
totale di X non cambia. Allora la media aritmetica mantiene inalterato il totale.
2. Se il totale di X fosse diviso in parti uguali fra le N unità di U, a ciascuna unità toccherebbe
una quota di totale pari a x con trattino. Allora la media aritmetica equidistribuisce il totale
di X sulle N unità di U.
VARIABILITA' capitolo 7
qui considereremo i soli fenomeni quantitativi (sia discreti sia continui), ovvero quelli che generano
variabili statistiche completamente numeriche e che sono sintetizzabili con la media aritmetica.
Esempio pag. 83 della poesia di Trilussa
variabilità o dispersione di X → attitudine di un fenomeno quantitativo a manifestarsi,sulle N unità

di U, con modalità fra loro diverse e distanti.
La situazione della poesia di Trilussa è di massima variabilità; X manifesta solo 2 modalità:
niente=0 e tutto= 10.
La variabilità è ciò che rende necessario il ricorso alla strumentazione statistica per l'analisi e la
comprensione del comportamento del fenomeno su U. la variabilità di X quantitativo è dunque un
aspetto essenziale nella descrizione statistica del suo comportamento su U.
MISURA DELLA VARIABILITA': deviazione standard, varianza e devianza

una misura della variabilità di X è un indice sintetico con le seguenti caratteristiche:
proprietà di un indice di variabilità
• assume valore 0 in assenza di variabilità, cioè nella situazione in cui X si manifesta con
un'unica modalità, generando una v.s. costante (si dice anche degenere);
• assume valori positivi (>0) quando X si manifesta con modalità molteplici e differenti, cioè
in caso di variabilità.
• Assume valori positivi e via via più grnadi all'aumentare della variabilità.

lOMoARcPSD|6421062
La più semplice misura di variabilità che chiamiamo range, si ottiene confrontando la più piccola e
la più grande fra le modalità osservate.
Range di X= xmax - xmin

questa misura ha tutte le caratteristiche sopra elencate.
Essa è tuttavia una misura grossolana. È molto sensibile alla presenza di valori anomali, cioè
quando xmin è estremamente piccola oppure xmax è estremamente grande. Inoltre il range è basato
solo su 2 fra le k modalità osservate, quelle estreme, mentre il resto della v.s. è ignorato.
Per migliorare le cose possiamo prendere la differenza fra i due quartili, superiore e inferiore, di X.
In questo modo otteniamo un'altra misura di variabilità chiamata differenza interquartile che
indicheremo con IQR (inter-quartile range).
IQR= x0,75- x0,25
IQR è dunque il range della metà centrale delle osservazioni. Risulta meno sensibile all'effetto dei
valori anomali perché elimina le code della v.s., cioè tutte le osservazioni più piccole del I quartile
(xi < x0,25) e tutte quelle più grandi del III quartile (xi > x0,75). Tuttavia, anche la IQR è basata
solo su 2 fra le k modalità osservate e ignora la v.s. nel suo complesso.
Una misura di variabilità più raffinata, meno sensibile agli eventuali valori anomali e che utilizza
tutta la v.s. è la deviazione standard di X.
È la misura di variabilità più nota e utilizzata, per questo ha una notazione standard: la lettera greca
sigma minuscola σ.
σ misura la variabilità di X seguendo un'altra logica, anziché confrontare fra loro le modalità di X,
si confronta ciascuna delle k modalità osservate xi con un unico valore positivo scelto come polo di
confronto.
Sigma= sotto radice quadrata 1/N sommatoria che va da i = 1 a k (xi-x con trattino)^2 fi
la forma deriva da :
• ogni modalità xi è confrontata con la media aritmetica che essendo un valore sintesi della
v.s. funziona bene come polo di confronto.
• La differenza (xi – x con trattino) può risultare positiva o negativa a seconda che xi sia una
modalità sopra o sotto media. Ai nostri fini il segno dello scarto è ininfluente: quello che ci
interessa è se xi è vicina o lontana dal polo di confronto (ovvero la media aritmetica);
dunque ci interessa la distanza di xi dalla media aritmetica. Per eliminare l'influenza del
segno, si considerano gli scarti quadratici, cioè elevati al quadrato. (xi – x con trattino)^2.
Per ragioni di semplicità il quadrato è preferibile al valore assoluto in quanto è più semplice
da trattare matematicamente e ha l'effetto di enfatizzare le distanze.
• Gli scarti quadratici vengono poi ponderati con le frequenze. Si tiene cioè conto del fatto
che la modalità xi si presenta in U fi volte (xi – x con trattino)^2 fi. Se si sommano tutti gli
scarti ponderati non al quadrato ma con il loro segno si ottiene sempre 0.
• poiché di scarti quadratici ne abbiamo k (tanti quante sono le modalità osservate), li
sintetizziamo tutti in una media sommando e dividendo poi per N
• infine si ristabilisce l'ordine di grandezza e l'unità di misura (alterati dall'elevamento al
quadrato) prendendo la radice quadrata.

lOMoARcPSD|6421062
La deviazione standard misura la variabilità di X considerando la dispersione dei suoi valori

intorno al suo valore medio. Essa ci dice che X si manifesta su U con valori che in media distano
dalla media aritmetica per più o meno σ (e questo spiega il perché in inglese σ è chiamata standard
deviation ovvero deviazione standard).
Il valore di σ si può ottenere anche dalla seguente formula alternativa:
σ = sotto radice 1/N sommatoria che va da i=1 a k x^2fi – x con trattino ^2
(dimostrazione pag. 88)
a partire da σ con semplici trasformazioni algebriche si definiscono altre due misure di variabilità
di X su U chiamate varianza e devianza.
La deviazione standard elevata al quadrato (cioè eliminando la radice quadrata) è la varianza di X:
σ ^2 = 1/N sommatoria che va da i=1 a k (xi – x con trattino)^2 fi

formula alternativa σ^2 = 1/N sommatoria che va da i= 1 a k x^2ifi -x con trattino ^2
Anche σ^2 è una misura di variabilità: vale 0 in caso di assenza di variabilità e assume valori
positivi (>0) e crescenti all'aumentare della variabilità di X in U.
σ^2 non è però una buona misura di variabilità: l'ordine di grandezza e l'unità di misura sono alterati
dal quadrato. L'eliminazione della radice quadrata (il passaggio dunque da σ a σ^2) ha però notevoli
vantaggi analitici in quanto la radice è difficile da trattare dal punto di vista matematico. Inoltre la
varianza σ^2 gode di proprietà statistiche di cui non gode invece σ e ha potenzialità descrittive
maggiori.
La varianza moltiplicata per N(cioè eliminando il denominatore di σ^2) definisce la devianza di X:

N σ^2 = sommatoria cheva da i =1 a k (xi – x con trattino)^2 fi
Anche la devianza N σ^2 è una misura di variabilità: vale 0 in assenza di variabilità e assume i
valori positivi crescenti al crescere di variabilità.
Anch'essa non è una buona misura di variabilità → è un totale di quadrati anziché una media perché
non essendo divisa per N non è mediata su tutte le U. Tuttavia rappresenta un'ulteriore
semplificazione analitica della deviazione standard e della varianza perché oltre alla radice è
trascurato anche il denominatore N.
valutazione e confronti di variabilità: il coefficiente di variazione
La deviazione standard σ e la varianza σ^2 sono misure ASSOLUTE di variabilità, cioè sono
influenzate dall'ordine di grandezza e dall'unità di misura con cui X si manifesta su U.di
conseguenza non sono valutabili ne confrontabili.
Quando un indice assoluto di variabilità risulta diverso da 0 ci dice che X presenta variabilità, ma
essa non è valutabile ne confrontabile.
Per confrontare e valutare la variabilità di X occorre costruire una misura di variabilità RELATIVA.
Le misure relative si costruiscono mettendo a rapporto la misura assoluta e la quantità che disturba e
impedisce il confronto. Nei confronti di variabilità gli elementi di disturbo sono l'unità di misura e
l'ordine di grandezza. Per costruir una misura di variabilità relativa si mette a rapporto la misura
assoluta con un valore medio che sintetizzi l'ordine di grandezza di X e che sia espresso nella
medesima unità di misura.

lOMoARcPSD|6421062
La misura di variabilità relativa più nota e utilizzata è il coefficiente di variazione di X che si

costruisce ponendo la deviazione standard σ a rapporto con la media aritmetica :
cv= σ/x con trattino
Il cv è un indice puro (senza unità di misura). È confrontabile fra fenomeni con diverso ordine di
grandezza e diversa unità di misura e fra fenomeni rilevati su popolazioni diverse. È inoltre
valutabile come percentuale della media.
Valutare la variabilità di un fenomeno serve anche a valutare la capacità di sintesi della media
aritmetica: più è alta la variabilità del fenomeno, meno informativa risulta la media aritmetica.
N.B.: il cv è una misura relativa alla media e la sola valutazione sensata è come percentuale della
media. Il cv è un valore sempre positivo (>0) che può occasionalmente risultare inferiore a 1, ma
non necessariamente.
RILEVAZIONE CONGIUNTA DI UNA COPPIA DI FENOMENI STATISTICI: tabelle a

doppia entrata
ora ci concentriamo sulla rilevazione congiunta di una coppia di fenomeni statistici sulla stessa U;
li indicheremo con X e Y. I due fenomeni X e Y sono osservati congiuntamente su ciascuna delle N
unità che compongono la popolazione di interesse U. Quindi il risultato della rilevazione è un
insieme di N coppie del tipo (x,y) che prende il nome di matrice dei dati (grezzi).
Per partire con l'analisi bivariata, il risultato della rilevazione congiunta viene organizzato in una
tabella a doppia entrata composta da righe e colonne. Dato che ora abbiamo a che fare con due
fenomeni, avremo bisogno di due indici: i con riferimento al fenomeno X e j con riferimento al
fenomeno Y. Indicheremo con k le differenti modalità con cui si manifesta X e con h il numero di
modalità con cui si manifesta il fenomeno Y. Indicheremo allora con xi le modalità con cui si
manifesta X e con yj le modalità con cui si manifesta Y.
Poniamo ora sulle righe le k modalità xi di X e sulle colonne le h modalità yj di Y.
L'interno della tabella si compila contando il numero di unità statistiche o casi che fra le N
osservate manifestano la medesima coppia di modalità (xi, yj).
Ai margini della tabella si pongono le somme dei casi per riga e per colonna.
Infine, nell'incrocio in basso a destra si pone la somma dei conteggi dell'intera tabella.
(esempio pag.109)
La tabella a doppia entrata struttura dunque i dati grezzi bivariati, organizza i casi osservati e da
indicazioni circa l'eventuale relazione fra i due fenomeni.

lOMoARcPSD|6421062
Frequenze congiunte e marginali
Sulla tabella a doppia entrata si leggono informazioni sia di tipo bivariato, che riguardano quindi X
e Y congiuntamente, sia di tipo monovariato, che riguardano cioè X e Y considerati singolarmente.
I numeri sono delle frequenze assolute,ovvero interi o nulli.
• All'interno della tabella vi è la frequenza con cui si manifesta ogni coppia di modalità
(xi,yj). Queste frequenze riguardano entrambi i fenomeni e sono dette frequenze congiunte,
che indicheremo con fij. L'interno della tabella costituisce la variabile statistica doppia. La
somma generale di tutte le frequenze congiunte riproduce la numerosità N di U. E' una
somma doppia perché riguarda entrambi gli indici, cioè sia per riga che per colonna.
• Ai margini della tabella si trovano le frequenze che riguardano i fenomeni X e Y considerati
singolarmente e separatamente. Chiameremo queste frequenze marginali.
Per indicarle avremo bisogno di un solo indice (quello del fenomeno a cui ci riferiamo).
Anche se è sufficiente un solo indice aggiungeremo un punto in sostituzione all'indice
dell'altro fenomeno, quello che marginalmente non è considerato. Avremo quindi:
- fi. → frequenze marginali di X
- f.j → frequenze marginali di Y
Le frequenze marginali si ottengono sommando le frequenze congiunte che stanno sulla
stessa riga (fi.) o sulla stessa colonna (f.j).
RIEPILOGANDO:
• la somma delle frequenze congiunte sulla i-esima riga dà le frequenze marginali di X :
sommatoria che va da j=1 a h fij= fi.
• La somma delle frequenze congiunte sulla j-esima colonna dà le frequenze marginali di Y:

sommatoria che va da i=1 a k fij= f.j
• la somma di tutte le frequenze congiunte (o di tutte le frequenze marginali) risproduce la

numerosità di U:
sommatoria che va da i=1 a k sommatoria che va da j=1 a h = sommatoria che va da i=1a k
fi.=sommatoria che va da j=1 a h f.j =N
Le k coppie (xi,fi.) e le h coppie (yj,f.j) sono due v.s. monovariate. Le chiamano v.s. marginali.
Frequenze marginali relative di X → fi./N con somma unitaria

sommatoria che va da i =1 a k fi./N=1/N sommatoria che va da i=1 a k fi.= 1/Nper N =1
Frequenze marginali relative di Y → f.j/N con somma unitaria

sommatoria che va da j=1 a h f.j/N =1

lOMoARcPSD|6421062
Distribuzioni e frequenze condizionate

il primo passo nella descrizione del comportamento congiunto di una coppia di fenomeni rilevati
sulla medesima popolazione consiste nell'analizzare il comportamento dell'uno condizionatamente
dall'altro.
Fissando l'attenzione sulle singole righe o sulle singole colonne separatamente, si costruiscono le
v.s. condizionate Y|xi che si legge “Y dato (condizionato da) xi” e X|yj che si legge “X dato
(condizionato da) yj”
La v.s. condizionata Y|xi descrive il comportamento di Y sulle sole fi. Unità statistiche che sono
omogenee rispetto a X perché manifestano tutte la medesima modalità xi.
La v.s. condizionata X|yj descrive il comportamento di X sulle sole f.j unità statistiche omogenee
rispetto a Y perchè manifestano tutte la medesima modalità condizionante yj.
Avremo tante v.s. condizionate quante sono le possibili modalità condizionanti.
Si hanno allora k variabili condizionante di tipo Y|xi (tante quante sono le righe della tabella) e h
variabili condizionate di tipo X|yj (tante quante sono le colonne della tabella).
(vedi tabella pag. 111)
Sulle v.s. condizionate si costruiscono le frequenze condizionate che vengono chiamate

percentuali di riga e percentuali di colonna.
Le frequenze condizionate sono frequenze relative ottenute dal rapporto fra le frequenze congiunte
e la frequenza marginale della modalità con cui si condiziona.
Frequenze condizionate di Y|xi → fij/fi. (x 100 danno le percentuali di riga)
Frequenze condizionate di X|yj → fij/f.j (x 100 danno le percentuali di colonna)

(esempio pag.112/113)
RIEPILOGO:
• il comportamento congiunto (bivariato) di X e Y si legge all'interno della tabella mediante le
frequenze congiunte fij;
• il comportamento marginale (monovariato) di X e Y, si legge sulla riga e sulla colonna

marginali mediante le frequenze marginali fi. di X e f.j di Y;
• il comportamento di un fenomeno condizionatamente all'altro si legge sulle colonne o sulle

righe separatamente mediante la costruzione delle frequenze condizionate fij/fi. di Y|xi e
fij/f.j di X| yj.
OSSERVAZIONI:
• un fenomeno è condizionante e l'altro condizionato.

Il fenomeno condizionante è anche chiamato variabile esplicativa (che statisticamente
spiega) variabile indipendente, regressore oppure predittore mentre il fenomeno
condizionato è anche detto variabile risposta (cioè la risposta che si ottiene al variare della
variabile esplicativa) oppure variabile dipendente.
• Le v.s. marginali considerano i fenomeni separatamente, perciò esse informano del

comportamento di un fenomeno indipendentemente dall'altro.

lOMoARcPSD|6421062
INDIPENDENZA, CONNESSIONE E ASSOCIAZIONE capitolo 10
Passando dall'analisi statistica monovariata all'analisi bivariata l'obiettivo diventa studiare, oltre al
comportamento monovariato dei singoli fenomeni considerati separatamente, anche il loro
comportamento congiunto, rilevando l'eventuale relazione esistente fra i due fenomeni e, quando
esiste, misurarla e spiegarla statisticamente.
Indipendenza statistica
Se fra X e Y non esiste alcuna relazione statistica, allora X e Y sono statisticamente indipendenti.
Il modo per stabilire se X e Y sono indipendenti consiste nel confrontare le frequenze condizionate
con le frequenze marginali .
L'unico accorgimento consiste nel tener conto che le frequenze marginali si riferiscono all'intera U
di numerosità N mentre le frequenze condizionate si riferiscono a sotto-popolazioni di numerosità
fi. O a sotto-popolazioni di numerosità f.j.
Il confronto è possibile solo fra frequenze relative; le frequenze condizionate sono gia relative per
costruzione.
Le frequenze marginali relative si ottengono dalle frequenze marginali assolute dividendo per N:
fi./N per X e f.j/N per Y.
• Ad esempio concentriamoci sulle righe, cioè sulle k v.s. condizionate Y|xi.

Se tutte le k serie di frequenze condizionate fij/fi. sono uguali fra loro e uguali alla
marginale relativa f.j/N, significa che,sia condizionatamente alle k modalità xi di X sia
marginalmente, Y si comporta alla stessa maniera.
Ne deduciamo che X e Y sono statisticamente indipendenti, cioè non c'è nessuna relazione
statisticamente rilevabile fra X e Y.
Condizione di indipendenza statistica → fij/fi. = f.j/N per tutti gli indici i=1,...,k e j=1,...,h
Per concludere che X e Y sono statisticamente indipendenti, la condizione deve valere per tutti gli
indici i=1,...,k e j=1,...,h cioè per tutte le celle della tabella dei dati.
Indicheremo l'indipendenza statistica con i.s.
(esempio pag. 116)
Facendo un semplice passaggio algebrico sulla condizione di indipendenza statistica si ottengono le

frequenze congiunte che realizzano la condizione di indipendenza statistica.
Chiamiamo queste frequenze (congiunte) frequenze teoriche (o attese) di indipendenza statistica
e per distinguerle da quelle osservate nella realtà aggiungeremo un asterisco.
f*ij=fi.f.j/N
A ogni tabella di dati rilevati in realtà, che chiameremo tabella osservata, si può accostare la
corrispondente tabella teorica di indipendenza statistica.
La tabella teorica di indipendenza si compila mantenendo fisse le marginali e sostituendo le
frequenze congiunte osservate con le frequenze teroiche di indipendenza statistica. Quando la
condizione di indipendenza statistica è verificata, le due tabelle coincidono. Allora un metodo
alternativo per stabilire l'esistenza di indipendenza statistica consiste nel confrontare la tabella
osservata con la tabella teorica di indipendenza (esempio pag. 117).

lOMoARcPSD|6421062
Proprietà → il concetto di indipendenza statistica è simmetrico; si dice che fra X e Y esiste

indipendenza statistica, intendendo così che Y è indipendente da X e contemporaneamente X è
indipendente da Y. Infatti la condizione di indipendenza statistica è simmetrica, cioè quando vale
fij/fi.=f.j/N contemporaneamente vale anche fij/f.j=fi./N dando luogo a un'unica tabella torica di
indipendenza.
Per stabilire se X e Y sono statisticamente indipendenti si utilizzano solo frequenze. Ecco perché
questa analisi è possibile per fenomeni di qualunque natura.
Se si conclude che X e Y sono statisticamente indipendenti, l'analisi statistica bivariata è terminata.
Connessione
Se si conclude che X e Y non sono statisticamente indipendenti allora fra X e Y esiste una qualche
relazione statistica. Diremo che X e Y sono connessi e indicheremo con il termine connessione una
generica relazione statisticamente rilevabile in una coppia di fenomeni osservati sulla U di
interesse.
Bisogna poi stabilire se la relazione fra X e Y è forte o debole, cioè misurare il grado di
connessione. L'intensità della connessione è tanto più elevata quanto più la tabella osservata è
lontana dalla tabella teorica di indipendenza.
Il metodo più utilizzato per misurare la connessione consiste nel considerare la differenza fra le
frequenze congiunte e le frequenze teoriche di indipendenza statistica.
Partiamo dalla differenza :
fij – f*ij
Se fra X e Y esiste indipendenza statistica, cioè quando tabella osservata e tabella teorica di
indipendenza coincidono, tutte queste differenze sono nulle. Quando non sono nulle, possono essere
vicine o lontane da 0. se queste differenze sono vicine a 0 si conclude che la connessione è bassa,
cioè esiste una relazione debole fra X e Y, quindi i fenomeni sono si connessi ma si influenzano
poco l'un l'altro. All'aumentare del valore di tali differenze si ha connessione sempre più alta, cioè
una relazione forte fra X e Y, indicativa che i due fenomeni si influenzano sensibilmente.
In una tabella a doppia entrata con k righe e h colonne sono calcolabili kxh differenze di questo tipo
e tali differenze possono essere positive o negative. Per misurare la connessione serve sapere quanto
sono grandi le differenze. Servono due accorgimenti formali:
1. eliminare il segno;
2. sintetizzare in un unico indice tutte le kxh differenze.
Si può risolvere il problema 1 in due modi: con l'operazione di valore assoluto |fij – f*ij| (ovvero
trascurare il segno), oppure elevando al quadrato (fij- f*ij)^2 (perché elevando a potenza pari si
ottengono sempre valori positivi). In statistica si predilige l'elevamento al quadrato perché è più
semplice da trattare dal punto di vista matematico.
Al problema 2, statisticamente si risponde calcolando una media.

lOMoARcPSD|6421062
Indice di connessione →
χ = sommatoria che va da i=1 a k sommatoria che va da j=1 a h (fij -f*ij)^2/f*ij
Perché con questa formula si misura la connessione?

Se tutte le differenze fij – f*ij sono uguali a 0 , cioè quando X e Y sono statisticamente indipendenti,
l'indice di connessione risulta χ ^2 =0 perché sommando tutti 0, divisi per qualunque cosa, si
ottiene sempre 0. Quanto più grandi sono le differenze fij – f*ij tanto più elevato sarà il valore
dell'indice χ ^2.
Esiste anche una formula alternativa per il calcolo del χ ^2
indice di connessione (formula alternativa) →

χ ^2 = N(sommatoria che va da i =1 a k sommatoria che va da j=1 a h f^2uj / fi.f.j -1)
(esempio pag.120 + dimostrazione pag.121)
indice di connessione normalizzato
Il valore assoluto dell'indice (cioè quello calcolato applicando la definizione o la formula

alternativa) non consente la valutazione, cioè non è interpretabile. In particolare il valore del χ ^2
cresce al crescere di N. è necessaria dunque una normalizzazione. Normalizzare un indice
significa trasformarlo in un numero compreso nell'intervallo (0,1) in modo che, moltiplicato per
100,diventi una percentuale e diventi facilmente interpretabile. Un indice che come il χ ^2, assume
come valore minimo lo 0, si normalizza rapportandolo al (dividendolo per il) suo valore assoluto .
Il valore massimo del χ^2 è il valore che l'indice assumerebbe in caso di massima connessione fra i
due fenomeni, cioè in caso di una relazione statistica perfetta in cui è sufficiente conoscere il
comportamento di un fenomeno per sapere già tutto del comportamento dell'altro.
Valore massimo del χ ^2 . → è il valore pari a N moltiplicato per il più piccolo fra il numero delle
righe (k) e il numero delle colonne (h), meno 1.
N x min {k-1,h-1}
(dimostrazione pag.122)
Una volta determinato il valore massimo del χ ^2, possiamo normalizzarlo e interpretarlo.
Indice di connessione normalizzato → χ ^2 / N x min {k – 1, h – 1}

con il numeratore χ ^2 calcolato sulla tabella osservata.
Il χ ^2 è sempre compreso fra 0 e 1 e moltiplicarlo per 100 è interpretabile come percentuale di

connessione. La percentuale di connessione permette la valutazione della connessione.
(esempio pag.124)
Con la connessione abbiamo considerato una generica relazione fra i due fenomeni utilizzando la
tabella nel suo complesso. Invece, registrando la nostra attenzione su singole coppie di modalità,
possiamo analizzare statisticamente una relazione di tipo locale fra singole coppie di modalità xi e
yj che chiameremo associazione (locale). Possiamo allora pensare alla connessione come
un'associazione globale fra tutte le k modalità di X e le h modalità di Y.

lOMoARcPSD|6421062
DIPENDENZA E CORRELAZIONE capitolo 11

Utilizzando sia le frequenze sia le modalità dei fenomeni è possibile dare un verso alla relazione,
cioè stabilire se e quanto X influenza Y oppure Y influenza X. Quando poi, entrambi i fenomeni
sono quantitativi, e di conseguenza, l'intera v.s. doppia è numerica, è possibile esplorare la natura e
la tipologia della relazione, con strumenti grafici e con indicatori sintetici.
Medie e varianze marginali e condizionate

Per iniziare assumiamo che Y sia quantitativo e X qualunque e di aver già stabilito che X e Y sono
connessi. Tutto ciò vale anche quando o solo X o entrambi i fenomeni sono quantitativi. Se Y è
quantitativo, le sue modalità yj sono numeriche e perciò possiamo usare la matematica: sono
dunque sintetizzabili con medie e varianze. Bisogna tuttavia utilizzare le frequenze giuste: quando
Y è continuo o classificato in intervalli, usiamo il valore centrale degli intervalli.
Media marginale di Y. → è la media della v.s. marginale di Y

y con trattino = 1/N sommatoria che va da j=1 a h yjf.j
Varianza marginale di Y. → è la varianza della v.s. marginale di Y

σ^2 = 1/N sommatoria che va da j=1 a h (yj – y con trattino)^2 f.j =
= 1/N sommatoria che va da j=1 a h y^2jf.j – y con trattino^2
Medie e varianze marginali sono ponderate con le frequenze marginali.
Media condizionata di Y dato xi. → è la media della v.s. condizionata Y|xi che si legge sulla i-
esima riga della tabella
y con trattino|xi= sommatoria che va da =1 a h yj fij/fi. =1/fi. Sommatoria che va da j=1 a h yjfij
(l'indice i è fisso)
Varianza condizionata di Y dato xi. → è la varianza della v.s. condizionata Y|xi che si legge sula i-
esima riga della tabella
σ^2 = sommatoria che va da j=1 a h (yj-y con trattino xi )^2 fij/fi.
=1/fi. Sommatoria che va da j=1 a h (yj – y con trattino xi)^2 fij
(l'indice è fisso)
esempio pag 134-136
Due proprietà che riguardano le medie e le varianze marginali e condizionate sono importanti
nell'analisi della relazione statistica fra fenomeni quantitativi. Chiameremo queste proprietà
associatività delle medie condizionate e scomposizione della varianza marginale.
Associatività delle medie condizionate
Di medie condizionate y con trattino| xi ne abbiamo k e ciascuna si riferisce a una sotto-popolazione

di numerosità fi. . Quindi si possono sintetizzare a loro volta in una media. La media (aritmetica)
delle medie condizionate, ponderata con le numerosità delle sotto-popolazioni, coincide con la
media marginale.
Si tratta della proprietà associativa che vale per la media aritmetica, ma non vale per la mediana o
la moda.
Associatività delle medie condizionate (enunciato) →

1/N sommatoria da i=1a k y con trattino|xifi.=y con trattino
dimostrazione + esempio pag.137

lOMoARcPSD|6421062
scomposizione della varianza marginale: varianza FRA e NEI gruppi
L'associatività non vale per la varianza. Per la varianza vale invece un'altra proprietà che chiamiamo
scomposizione: la varianza marginale di Y si scompone nella somma di due componenti che
chiamiamo varianza NEI e varianza FRA.
Entrambi queste componenti sono interpretabili come varianze e ci dicono qualcosa circa la
relazione fra X e Y.
Varianza NEI. → è la media delle varianze condizionate.

σ^2 NEI= 1/N sommatoria da i=1 a k σ^2y|xi fi. =
= 1/N sommatoriada i=1 a k sommatoria da j=1 a h (yj-u con trattino|xi)^2 fij
Ciascuna varianza condizionata σ^2y|xi misura la variabilità di Y all'interno delle sotto-

popolazioni di fi. unità che manifestano le modalità xi, cioè sotto-popolazioni omogenee rispetto a
X. La varianza NEI. Sintetizza tutte queste varianze condizionate, cioè sintetizza la variabilità di Y
all'interno di sotto-popolazioni omogenee rispetto a X, cioè mantenendo fisso X.
Ne deduciamo che σ^2NEI misura la variabilità di Y che non dipende da X.
Varianza FRA. → è la varianza delle medie condizionate

σ^2 FRA=1/N sommatoria da i=1 a k(u con trattino|xi -y con trattino)^2 fi.
σ^2 FRA sintetizza la variabilità all'esterno delle sotto-popolazioni, ovvero fra una sotto-
popolazione e l'altra, cioè al valore di X.
Ne deduciamo che σ^2 FRA misura la variabilità di Y che dipende da X.
La proprietà di scomposizione ci dice che la varianza marginale di Y si spezza in due parti: la

varianza NEI e la varianza FRA.
Scomposizione della varianza (enunciato) → σ^2 NEI+ σ^2 FRA= σ^2y
σ^2 NEI è la parte di variabilità di Y che non dipende da X mentre σ^2 FRA è la parte di variabilità
di Y che dipende da X. Insieme (sommate) riproducono nl'intera variabilità di Y.
Esempio + dimostrazione pag. 138/139
N.B. → la proprietà di scomposizione vale per la varianza σ^2 ma non vale per la deviazione
standard σ.
Indipendenza in media e dipendenza di un fenomeno dall'altro

Abbiamo chiamato connessione una generica relazione di associazione (globale) fra X e Y e
abbiamo imparato che l'indice di connessione χ^2 (normalizzato) dà indicazioni sull'esistenza e sul
grado di questa generica relazione.
Il χ^2 e l'analisi di connessione non ci dicono però niente circa il verso della relazione, cioè se X
influenza Y oppure se è Y ad influenzare X oppure se i due fenomeni si influenzano a vicenda,in
che misura l'uno e in che misura l'altro.
In questo modo stiamo pensando ad un fenomeno che condiziona (fenomeno condizionante
oppure esplicativo) e all'altro fenomeno che è influenzato (fenomeno condizionato oppure
risposta).
La relazione statistica su cui ci concentriamo ora è la dipendenza di Y da X.
Le medie e le varianze condizionate servono per l'analisi della dipendenza statistica di un fenomeno
(condizionato e quantitativo) dall'altro fenomeno (condizionante e qualunque). Per prima cosa ci
assicuriamo che esista dipendenza di Y da X.

lOMoARcPSD|6421062
Per farlo dobbiamo imparare il concetto e la condizione di :
indipendenza in media di Y da X (concetto) → partiamo da X e Y connessi (cioè non

statisticamente indipendenti). Diciamo che Y dipende da X se tale relazione di connessione si
riflette sulle medie condizionate y con trattino|xi che risultano diverse fra loro al variare di X (cioè
condizionatamente alle modalità xi di X) e diverse dalla media marginale (cioè indipendentemente
da X). diremo invece che Y è indipendente in media da X se è sufficiente sintetizzare le
distribuzioni condizionate Y| xi nelle medie condizionate y con trattino|xi perché la relazione di
connessione scompaia e le medie condizionate y con trattino|xi appaiono tutte uguali fra loro al
valore di X e uguali alla media marginale y con trattino.
Condizione di indipendenza in media di Y da X → è data in analogia alla condizione di

indipendenza statistica ma utilizzando le medie condizionate (anziché le frequenze condizionate).
Y è indipendente in media da X se tutte le medie condizionate sono uguali fra loro e uguali alla
media marginale. In formule:
y con trattino| xi =y con trattino per tutti gli indici i=1,...,k
Indicheremo più brevemente l'indipendenza in media con i.m.

(esempio pag. 140/141)
Implicazione tra indipendenza statistica e indipendenza in media
matematicamente si può dimostrare che l'i.s. Implica l'i.m. di ciascun fenomeno dall'altro, in
formule i.s.→ i.m. In altre parole l'i.s. è una condizione più forte mentre l'i.m è condizione più
debole. Anche a livello interpretativo questa implicazione è sensata: due fenomeni statisticamente
indipendenti sono fenomeni che non presentano alcuna relazione statistica, il comportamento
dell'uno non ha nulla a che fare con il comportamento dell'altro sulla U osservata. Di conseguenza
(→) non può esistere alcuna relazione di dipendenza di un fenomeno dall'altro.
Dimostrazione pag.141/142
Non è necessariamente vero il viceversa dell'implicazione: se Y è i.m da X (oppure se X è i.m da Y

oppure se entrambi sono i.m l'uno dall'altro) non necessariamente X e Y sono statisticamente
indipendenti. Questo è la conseguenza del fatto che l'i.m è una condizione più debole dell'i.s.
Se Y non è i.m da X (perché non è verificata la condizione da i.m), allora Y dipende

(statisticamente) da X.
Quando non è verificata la condizione di i.m, le medie condizionate y con trattino|xi sono diverse
fra loro e diverse dalla media marginale y con trattino e questo ci dice che il variare di X influisce
sul comportamento medio di Y.
Una volta che abbiamo rilevato l'esistenza della dipendenza di Y da X, quello che ci interessa è
misurarne l'intensità,cioè stabilire, calcolando un indice interpretabile come percentuale, se tale
dipendenza è forte o debole.

lOMoARcPSD|6421062
Indice di dipendenza di un fenomeno dall'altro
Adesso che conosciamo la condizione di i.m possiamo osservare che, quando Y è i.m da X, allora le
k differenze (ycon trattino|xi-y con trattino) sono tutte uguali a zero. Dunque quando Y è i.m da X la
varianza FRA vale zero:
σ^2 FRA = 1/N sommatoria da i=1 a k (y con trattino|xi – ycon trattino)^2 fi.=0
Invece all'aumentare dell'influenza di X su Y, le medie condizionate y con trattino|xi sono sempre

più diverse fra loro e diverse dalla media marginale y con trattino. Allora le differenze (y con
trattino|xi-y con trattino) sono sempre più grandi all'aumentare del grado di dipendenza di Y da X e,
di conseguenza, anche la σ^2 FRA diventa grande. È sulla varianza FRA che si può basare la
misura della dipendenza di Y da X.
Indicheremo l'indice di dipendenza con la lettera greca eta η, elevata al quadrato per ricordare che
ha a che fare con varianze e, per non confonderci , metteremo al deponente l'indicazione del
fenomeno di cui stiamo misurando la dipendenza, cioè il fenomeno risposta o condizionato.
Indice di dipendenza (di Y da X) → η^2y = σ^2 FRA/σ^2 y
Tecnicamente l'indice η^2y è chiamato rapporto di correlazione di Pearson. Noi lo chiamiamo

semplicemente indice di dipendenza di Y da X.
η^2y assume valori compresi fra 0 e 1, cioè è un indice normalizzato che moltiplicato per 100 è
interpretabile come percentuale di dipendenza.
Ricordiamoci come è fatto un è fatto un indice normalizzato quando il suo valore minimo è zero: va
diviso per il suo valore massimo.
Osserviamo poi che un rapporto vale 0 quando il numeratore è zero; allora η^2y=0 se (e solo se)
σ^2FRA=0 , cioè quando Y è indipendente in media da X. Viceversa, un rapporto è uguale a 1
quando numeratore e denominatore coincidono; allora η^2y=1 se (e solo se) σ^2FRA=σ^2y
oppure, equivalentemente, se σ^2NEI=0 ; in questo caso tutta la variabilità di Y dipende da X.
Allora tutti i valori di η^2y intermedi tra u due estremi 0 e 1 sono interpretabili come percentuali di
dipendenza si Y da X.
(esempio pag. 143)
Quando η^2y=1 si dice che Y dipende perfettamente da X o anche che statisticamente X spiega
totalmente il variare di Y. Se a ogni modalità xi di X corrisponde un'unica modalità yi di Y, cioè su
ogni riga c'è un'unica frequenza congiunta non nulla, è sufficiente conoscere il comportamento del
fenomeno esplicativo X per sapere tutto, sulla U osservata , del comportamento del fenomeno
risposta Y. Tutto quello che abbiamo detto a proposito della dipendenza di Y da X vale anche se si
inverte il verso della dipendenza.
Quando anche X è quantitativo, l'indice di dipendenza di X da Y è definita come segue:
indice di dipendenza (di X da Y) → η^2x= σ^2FRA/ σ^2x

con σ^2FRA=1/N sommatoria da j=1 a h (x con trattino|yj – x con trattino)^2 f.j
e σ^2x= 1/N sommatoria da i=1 a k (xi- x con trattino) ^2 fi.
A differenza della connessione che è un legame biunivoco fra i fenomeni, la dipendenza è una
relazione statistica univoca. Se per esempio, Y è i.m da X, non è necessariamente vero che anche X
è i.m da Y.

lOMoARcPSD|6421062
Coppie di fenomeni quantitativi: momento misto e covarianza
Se entrambi i fenomeni X e Y sono quantitativi è possibile trattare matematicamente anche l'intera

v.s. bivariata utilizzando le coppie di modalità (xi;yj) di entrambi i fenomeni oltre alle frequenze
congiunte fij.
In analogia con i concetti monovariati di medie e varianze, sulla v.s. bivariata si definiscono una
sorta di media bivariata chiamata momento misto e una sorta di misura di variabilità congiunta
chiamata covarianza.
Usiamo la lettera greca mu μ per indicare il momento misto e la lettera greca sigma σ per indicare la
covarianza; facciamo apparire al deponente entrambi i fenomeni X e Y per ricordare che si tratta di
sintesi della v.s. statica doppia; infine, è necessario usare somme doppie, cioè rispetto a entrambi
gli indici i e j, il che significa sommare sia per riga sia per colonna.
Momento misto → μxy = 1/N sommatoria da i=1 a k sommatoria da j=1 a h xiyjfij
Covarianza → σxy=1/N sommatoria da i=1 a k sommatoria da j=1 a h (xi- x con trattino) (yj-y con
trattino) fij
Il valore del momento misto non è direttamente interpretabile, ma è utile per il calcolo della
covarianza.
Covarianza formula alternativa → σxy= μxy -x con trattino x(per) y con trattino
(esempio + dimostrazione pag.147/148)
La covarianza può risultare positiva, negativa o nulla. Anche il suo valore non è direttamente
interpretabile, ma è utile per l'analisi di un'altra relazione statistica fra due fenomeni quantitativi.
Diagramma a dispersione (scatter plot)
Il diagramma a dispersione è uno strumento grafico utile per visualizzare il tipo di relazione
esistente fre due fenomeni X e Y quantitativi. È un diagramma cartesiano con gli assi intestati alle
modalità dei due fenomeni, per esempio X sulle ascisse e Y sulle ordinate. Le coppie di valori
osservati (xi,yj) sono viste come coordinate di punti sul diagramma. La tabella osservata è
rappresentata sul diagramma come una nuvola di kxh punti.
(esempio pag.149)
il diagramma a dispersione ci fa vedere se fra X e Y c'è relazione statistica e, se c'è, di quale

tipologia.
Se fra X e Y esiste relazione statistica, la nuvola di punti si presenta strutturata, cioè i punti si
dispongono secondo una qualche struttura, e appaiono più concentrati in particolari zone del
diagramma. La struttura con cui si presentano i punti dà indicazione circa il tipo di relazione
statistica esistente fra X e Y, cioè la sua formulazione matematica.

lOMoARcPSD|6421062
Abbiamo diversi casi:

1. relazione di tipo lineare
2. relazione di tipo quadratico
3. relazione di tipo logaritmico
4. relazione di tipo esponenziale
5. relazione di tipo cubico
(guardare pag. 150 → spiegazione casi)
Quando invece X e Y sono statisticamente indipendenti, i punti si presentano sparpagliati sul

diagramma senza nessuna struttura evidente.
(esempio pag.151)
La relazione più semplice è quella lineare. Il valore e il segno della covarianza danno indicazioni
sulla relazione lineare fra X e Y.
Interpretazione geometrica della covarianza
Partiamo dalla definizione di covariaqnza:
σxy=1/N sommatoria i=1 a k sommatoria da j=1 a h (xi- x con trattino) (yj- y con trattino) fij
e diamole un'interpretazione geometrica utilizzando un generico diagramma a dispersione.
1. Cominciamo a rappresentare sul diagramma anche le medie marginali x con trattino e y con
trattino che appaiono nella formula σxy
2. La covarianza è basata sugli scarti (xi -x con trattino) e (yj – y con trattino) presi con il loro
segno (non elevati al quadrato, né presi in valore assoluto).
A seconda che le modalità xi e yj siano sopra o sotto-media, questi scarti sono positivi o
negativi, cioè corrispondono alle zone del diagramma a dispersione
3. σxy è basata sui prodotti (xi-x con trattino)(yj-y con trattino).
Ora possiamo stabilire i vari tipi di covarianza in funzione del tipo di grafico.
• Positiva σxy > 0, cioè i punti sono concentrati in questa zona del diagramma, poiché gli
scarti positivi prevalgono su quelli negativi.
• Negativa σxy < 0, cioè i punti sono concentrati in questa zona del diagramma, poichè gli
scarti negativi prevalgono su quelli positivi.
• Nulla σxy = 0, cioè i punti sono disposti in modo che gli scarti positivi e negativi si
compensino. Ciò accade quando i punti sono sparpagliati sul diagramma a dispersione
senza struttura alcuna, cioè in caso di indipendenza statistica. Succede anche quando i
punti sono strutturati secondo una relazione diversa e lontana da quella lineare, come quella
quadratica.
(esempi+ riferimenti, figure pag. 152/153)

lOMoARcPSD|6421062
Correlazione lineare: concetto e misura
La relazione statistica lineare fra X e Y (quantitativi) è chiamata correlazione lineare o

semplicemente correlazione.
Quando la covarianza è positiva (σxy > 0), allora X e Y sono positivamente correlati, cioè al
crescere dell'uno cresce (linearmente) anche l'altro.
Quando la covarianza è negativa (σxy < 0), allora X e Y sono negativamente correlati, cioè al
crescere dell'uno decresce l'altro (linearmente).
Quando σxy = 0 allora X e Y sono incorrelati, cioè non esiste relazione di tipo lineare. Quando
succede questo, allora fra X e Y può esistere una relazione di tipo diverso e lontano da quella
lineare oppure non esiste nessuna relazione perché sono statisticamente indipendenti.
Una volta scoperto che X e Y sono correlati ci interessa misurarne il grado, cioè stabilirne se la
correlazione è forte o debole. La misura della correlazione è basata sulla covarianza. La più nota
misura della correlazione fra X e Y è detta coefficiente di correlazione lineare e la indicheremo
con la lettera greca rho ρ. Il coefficiente di correlazione lineare si costruisce dividendo la covarianza
per il suo valore massimo. Si dimostra che:
-sotto radice σ^2xσ^2y < o = σ^2xy < o = sotto radice σ^2xσ^2y
cioè il valore massimo della covarianza è sotto radice σ^2xσ^2y e il suo valore minimo -sotto
radice σ^2xσ^2y
Coefficiente di correlazione lineare → ρxy = σxy / sotto radice σ^2x σ^2y
ρxy assume valori fra -1 e +1 e ci dà indicazioni sia sul verso sia sull'intensità della correlazione fra
X e Y:
• ρxy = -1 quando X e Y sono perfettamente e negativamente correlati, cioè i punti sul

diagramma a dispersione sono perfettamente allineati lungo una retta con pendenza negativa
(decrescente);
• ρxy = +1 quando X e Y sono perfettamente e positivamente correlati, cioè i punti sul

diagramma a dispersione sono perfettamente allineati lungo una retta con pendenza positiva
(crescente);
• ρxy = 0 quando X e Y sono incorrelati.
I valori di ρxy intermedi sono interpretabili come percentuale di correlazione. In particolare i valori
compresi fra -1 e 0 (-1 < ρxy < 0) indicano percentuale di correlazione negativa, mentre i valori
compresi fra 0 e +1 (0< ρxy< +1) indicano percentuale di correlazione positiva.
(esempi da pag. 154 a pag.158)
CAPITOLI 12-13 LEGGERE

lOMoARcPSD|6421062
DALLA DESCRIZIONE ALL'INFERENZA cap. 14
Spesso si dispone solo di dati parziali, cioè relativi a un sottoinsieme di U, che impareremo a
chiamare campione di numerosità n con n < N. L'obiettivo diventa estendere l'analisi del
comportamento di X all'intera U. tecnicamente si tratta di inferire dal campione all'intera
popolazione. I metodi statistici adeguati a questo scopo costituiscono la statistica inferenziale.
Rilevazione campionaria: perché solo una parte e non tutto?
L'osservazione esaustiva della popolazione U, cioè la rilevazione del fenomeno X su tutte le N unità
di U, è chiamata censimento. Quando invece l'osservazione di X avviene solo su una parte di U si
effettua una rilevazione campionaria.
Le ragioni che rendono più frequenti e preferibili le rilevazioni campionarie sono:
• ragioni di budget. Una rilevazione campionaria richiede risorse ridotte rispetto a un

censimento, in termini di costi e di tempi di realizzazione.
• Ragioni di precisione. La limitata dimensione di una rilevazione campionaria consente

maggiore cura, precisione e profondità dell'indagine rispetto a una rilevazione esaustiva.
• In certi casi la rilevazione parziale si impone rispetto alla rilevazione esaustiva perché
quest'ultima è impossibile o sconveniente. Il caso limite sono le rilevazioni distruttive, cioè
quando osservare la manifestazione di X comporta il deterioramento o la distruzione
dell'unità statistica. es. rilevare la durata di una lampadina, per stabilire se la produzione
della giornata è conforme allo standard europeo, significa accenderla e spegnerla fino a che
non si fulmina. Un caso in cui la rilevazione esaustiva è impossibile si ha quando la
popolazione statistica è talmente numerosa da essere virtualmente infinita.
Inferenza e rappresentatività: quando il caso gioca a favore
Il termine inferenza indica il generico processo logico di passaggio dalla premessa alla
conclusione. Un caso speciale è l'inferenza induttiva che procede dal particolare al generale.
L'inferenza statistica è un'inferenza induttiva che procede dal campione (una parte) alla
popolazione (il tutto). Per fare una buona inferenza statistica è strategico che il campione abbia la
caratteristica della rappresentatività, cioè sia un'immagine in scala ridotta ma possibilmente fedele
dall'intera U. L'inferenza statistica classica si basa su campioni casuali. Un campione è casuale se
è una parte di U scelta a caso da U stessa, cioè selezionata senza criteri o sistematicità. L'idea è che
il caso giochi a favore della produzione di un campione. La casualità del campione è garanzia della
sua rappresentatività.
Il campione rappresenta tutte e sole le informazioni note circa il fenomeno X su U, cioè i dati. È
parziale e casuale. Allora l'inferenza statistica, cioè l'estensione dell'analisi dei dati campionari
all'intera U, avviene in condizioni di incertezza e sotto l'effetto del caso.
Lo strumento scientifico per trattare il caso e i suoi effetti è la teoria della probabilità. L'inferenza
statistica avviene su base probabilistica.

lOMoARcPSD|6421062
CASO, PROBABILITÀ E CASUALI cap. 15
Lo strumento formale per fare qualunque inferenza statistica è la variabile casuale. In particolare
parleremo di elementi di probabilità che ci servono per appropriarci di questo strumento. La teoria
della probabilità si presta a essere presentata con il linguaggio e i disegni dell'insiemistica.
Determinismo e casualità
Cominciamo con il considerare la divisione fra situazione deterministica e situazione causale.

Rappresentiamo con il tradizionale disegno (pag.195) l'insieme di circostanze che determinano un
certo risultato. Chiamiamo il risultato evento e lo indichiamo con E.
Ci si trova in situazione deterministica quando è noto l'intero insieme di circostanze che
determinano E.
In questo caso E è prevedibile a priori con certezza.
Ci si trova in situazione casuale quando l'insieme di circostanze che determinano E è noto solo
parzialmente. In questo caso E non è prevedibile a priori con certezza. (rappresentazione pag.196)
Definizioni di base
La parte di circostanze ignote che impediscono di prevedere a priori con certezza il risultato E
definisce il caso.
Quattro definizioni fondamentali.
Esperimento casuale → è un esperimento condotto sotto l'effetto del caso, cioè quando è nota solo
una parte delle circostanze che consentirebbero di prevederne il risultato con certezza a priori, cioè
prima di effettuare fisicamente l'esperimento. Di un esperimento casuale è possibile solo elencare a
priori l'insieme dei possibili esiti. I giochi d'azzardo, eseguiti regolarmente e senza barare, sono
esempi perfetti di esperimenti casuali.
Evento elementare → ciascuno dei possibili esiti di un esperimento casuale.
Spazio campionario → è l'insieme di tutti i possibili esiti di un esperimento casuale, elencabili a

priori. Lo spazio campionario è quindi l'insieme di tutti gli eventi elementari. Più velocemente,
useremo la lettera greca omega maiuscola Ώ per denotare lo spazio campionario.
Evento casuale → è un sottoinsieme dello spazio campionario Ώ. Notate che il concetto di evento
casuale è più generale del concetto di evento elementare. Un evento elementare è un singolo
elemento di Ώ . un evento casuale è un sottoinsieme di Ώ , cioè un insieme di eventi che può
contenerne molti,alcuni,tutti,uno solo o anche nessuno. Anche per l'evento casuale ci serve una
notazione breve;di solito si usano le lettere latine maiuscole,tipicamente E.
E C con sotto _ Ώ
che si legge “E sottoinsieme di Ώ” o,anche , “E è contenuto in Ώ ”. gli elementi di E sono eventi
elementari; un evento elementare (che è contenuto in Ώ per definizione) può appartenere o non
appartenere a E. (guardare simboli sul libro)
(esempio pag. 197)

lOMoARcPSD|6421062
i seguenti eventi sono casi particolari di eventi casuali.
• Gli eventi elementari, che sono sottoinsiemi unitari di Ώ .

tiriamo i dadi : E= {3}= esce la faccia con il 3
• Ώ stesso, che è un sottoinsieme improprio di se stesso.
Tiriamo i dadi : Ώ = esce un numero da 1 a 6
• l'insieme vuoto Ø, che è sottoinsieme improprio di qualunque insieme e dunque anche di Ώ .
tiriamo i dadi : Ø= {}= non esce alcun numero.
Infine ci serve il concetto di realizzazione di un evento casuale che è un concetto a posteriori, cioè
dopo aver eseguito l'esperimento casuale.
Un evento casuale E è realizzato o verificato se a posteriori è risultato uno degli eventi elementari
che lo compongono. Uno degli eventi elementari (appartenente a Ώ )necessariamente si verifica.
Allora visti come eventi casuali,Ώ è l 'evento certo e Ø è l'evento impossibile.
(esempio pag.198)
Probabilità
Ora misureremo l'incertezza che fa parte della natura di un evento casuale.

La probabilità di un evento casuale E è un numero associato a E che ne quantifica a priori il grado
di incertezza ovvero la possibilità di realizzazione. La notazione che useremo è P(E)che si legge “P
di E”.
Definizioni di probabilità:
1. la definizione classica, che è la più antica e semplice ed è applicabile a spazi campionari
finiti;
2. la definizione frequentista, detta anche statistica, che è più recente e più ampia perchè
applicabile a qualunque spazio campionario e a situazioni non simmetriche.
Definizione classica → P(E) è il rapporto (cioè una frazione)fra il numero di casi favorevoli a E e il
numero di tutti i casi possibili, posto che possono ritenersi tutti ugualmente possibili.
(esempio pag. 198)
La definizione classica di probabilità è nata nella seconda metà del '600 a uso prevalentemente dei
nobili giocatori d'azzardo. Presenta però delle ambiguità logico-matematiche che sono ineliminabili
e che ne limitano l'applicazione pratica.
• Parte integrante della definizione classica di probabilità è la richiesta che i casi probabili
sono tutti ugualmente possibili. Questo sottende già un'idea di equiprobabilità e dunque una
circolarità della definizione.
• È necessario contare sia il numero dicasi favorevoli sia il numero di casi possibili.
Nell'esempio del dado è facile, ma se si cerca di calcolare la probabilità di eventi diversi e
più complessi, la definizione classica spesso non funziona.

lOMoARcPSD|6421062
Già nei primi dell' 800 con il costituirsi dei banchi di mutuo soccorso,delle assicurazioni e con il
progredire della ricerca mio-medica, la definizione classica si rivela insufficiente: è impratico o
impossibile contare i casi possibili e i casi favorevoli al verificarsi di eventi quali la “la morte entro
una certa età” ecc. si viene così a formare una nuova definizione di probabilità basata
sull'osservazione.
Definizione frequentista o statistica → questa definizione si basa sulla legge empirica del caso,
cioè una regola che non si può dimostrare matematicamente ma che si osserva sistematicamente
nella pratica. L'evento E di cui si vuole calcolare la probabilità P(E) è pensato come il risultato di un
esperimento casuale ripetibile un gran numero N di volte sempre nelle stesse condizioni.
Al termine di tali N prove, E si sarà verificato f volte (e non si sarà verificato le rimanenti N -f
volte). La legge empirica del caso dice che la frequenza relativa f/N del verificarsi di E tende a
stabilizzarsi intorno a un certo valore man mano che aumenta il numero N di ripetizioni
dell'esperimento (sempre nelle stesse condizioni). La definizione frequentista o statistica di
probabilità si basa su questa legge empirica e stabilisce che la probabilità di E è proprio quel valore,
intorno al quale tende a stabilizzarsi la frequenza relativa dopo un numero sufficientemente grande
di prove.
In formule: lim n → infinito di f/N
(esempio pag.199)
La definizione frequentista è più ampia di quella classica: ci permette di considerare spazi

campionari infiniti e di calcolare la probabilità di eventi anche quando i casi possibili non sono tutti
ugualmente possibili.
Esempio → lanciamo la moneta e togliamo la richiesta che la moneta sia regolare e bilanciata.
Permettiamo di usare una moneta truccata che pesa di più dalla parte della testa:la definizione
classica non è più applicabile perché i casi possibili non sono più ugualmente possibili.
Invece osservando un gran numero di lanci di questa moneta, la legge empirica del caso metterà in
evidenza che P(testa) > P(croce) e la definizione frequentista si può applicare.
(esempio pag. 200)
Anche la definizione frequentista ha però i suoi problemi. Intuitivamente:
• la ripetibilità delle prove effettuate tutte nelle stesse condizioni.
• Che cosa significa esattamente un gran numero di prove e quando è sufficientemente

grande?
Qual è la probabilità che ci sia vita su Marte?
Per risolvere casi anche più estremi di questo sono state sviluppate altre definizioni.
Ai nostri fini conviene fermarci qui: la probabilità di un qualunque evento casuale E è un numero
compreso fra 0 e 1 (0 ≤ P(E) ≤ 1) calcolato secondo la definizione classica o secondo la definizione
frequentista che, nel caso siano entrambi applicabili, conducono in genere allo stesso risultato.

lOMoARcPSD|6421062
Variabile casuale
In una situazione casuale lo spazio Ώ e la probabilità rappresentano una descrizione probabilistica

completa dell'esperimento casuale. Nelle situazioni pratiche si è in genere interessati solo ad alcune
caratteristiche dell'esperimento o a un insieme più ristretto e strutturato dei suoi possibili risultati.
Inoltre, gli eventi elementari appartenenti allo spazio campionario Ώ, con i quali possiamo
comporre qualunque evento casuale E, non sono necessariamente numeri ma possono avere la
natura più varia.
Possiamo pensare la variabile casuale come lo strumento matematico che permette di concentrarsi
sulle sole caratteristiche dell'esperimento che interessano e che trasforma gli eventi casuali in
numeri reali, conservandone comunque la probabilità (che è già un numero).
In questo modo le caratteristiche dell'esperimento che interessano, gli eventi e le loro probabilità,
divengono trattabili matematicamente.
Variabile casuale → è una funzione con dominio nello spazio campionario Ώ e codominio
nell'insieme dei numeri reali, a cui rimangono associate le probabilità degli eventi di Ώ.
La nostra abbreviazione per variabile casuale sarà v.c.
Abbiamo imparato che una funzione è una regola che prende ciascun elemento da un insieme (che
si chiama dominio) e lo trasforma in elemento di un altro insieme (che si chiama codominio).
Gli elementi dell' insieme d'arrivo sono i valori della funzione.
La v.c. Prende gli elementi di Ώ e suoi sottoinsiemi (cioè gli eventi) e li trasforma in numeri reali,
cioè in valori della v.c.
In questa trasformazione non si perdono però di vista le probabilità, che dagli eventi passano ai
corrispondenti valori della v.c.
Vista in questo modo la v.c., con cui si fa l'inferenza statistica, formalizza le situazioni casuali, cioè
gli eventi E e le loro probabilità P(E), in analogia alla variabile statistica (v.s.) con cui abbiamo
imparato a fare la statistica descrittiva.
(esempio pag. 201/202 “lancio di due monete”) → la v.c. Dell'esempio è discreta, cioè assume un
numero finito di valori e tali valori sono numeri interi. La somma delle probabilità di tutti i valori
x della v.c. X è pari a 1 in perfetta analogia con la somma delle frequenze relative per una v.s.
le probabilità associate ai valori di una v.c. discreta costruiscono la funzione di probabilità.
V.c.discreta di X → v.c. che assume un numero finito (o infinito numerabile) di valori x che di
solito sono numeri interi.
Funzione di probabilità di X → è associata a una v.c. discreta, ne descrive completamente le

probabilità e ha sempre somma 1
in formule :
P(X=x) con ∑(con sotto x) P(X=x)=1

lOMoARcPSD|6421062
Sfruttando l'analogia fra v.s. e v.c. è poi possibile trasferire sulla v.c parecchi concetti della statistica
descrittiva; in particolare:
• funzione di ripartizione detta anche funzione di distribuzione o funzione di probabilità

cumulativa. Si definisce in analogia con le frequenze cumulate della statistica descrittiva.
• Media che quando è riferita a una v.c. viene anche detta valore atteso o in inglese
expectation.
• Varianza e deviazione standard in inglese standard deviation.
Definiamoli formalmente:
funzione di ripartizione → è la probabilità che la v.c. X assuma valori minori o uguali a un

(generico)valore x.
In formule:
P(X ≤ x) dove x è un numero reale qualunque
media o valore atteso → è definita e calcolata come per la v.s. ma usando le probabilità al posto
delle frequenze. Il simbolo per indicare la media di una v.c. X è standard e fa riferimento all'inglese
expectation:
E(X) = ∑ (con sotto x)x per P(X=x)
E(X) si legge “E di X” e significa “media della v.c. X”(in particolare la formula vale per le v.c.
discrete)
varianza → è definita e calcolata come per la v.s. ma usando le probabilità al posto delle frequenze.
È una misura della variabilità di X, cioè della dispersione dei suoi valori intorno al suo valore
atteso, ponderata con le probabilità.
In formule:
V(X)= ∑(con sotto x)[x-E(X)]^2 per P(X=x)
V(X)si legge “V di X”e significa “varianza della v.c. X” ( in particolare la formula vale per le v.c.
discrete;in generale, vale V(X) = E(X^2)-E (x)^2 : vedi formula alternativa cap.7)
deviazione standard → la varianza è elevata al quadrato. Quando serve ripristinare ordine di

grandezza e unità di misura di X, si prende la radice quadrata e si ottiene la deviazione standard.
Parlando di v.c useremo il simbolo SD (dall'inglese standard deviation)
SD(X)=√V(X)
Per fare inferenza statistica si usano alcune v.c speciali.

Una speciale v.c discreta molto utile nella ricerca sociale ed economica, ma anche bio-medica e
ingegneristica, è la v.c. binomiale.

lOMoARcPSD|6421062
Variabile casuale binomiale
è una particolare v.c discreta. Serve per modellare situazioni casuali che hanno 3 caratteristiche.
1. L'esperimento casuale consiste nell'esecuzione di n prove indipendenti, cioè in cui l'esito di

ciascuna prova non influenza l'esito della prova successiva. Un esperimento di questo genere
è, per esempio, un certo numero n di estrazioni a caso condotte tutte nelle stesse
condizioni,cioè con il reinserimento dell'unità estratta prima di effettuare l'estrazione
successiva.
2. Ciascuna prova può avere come esito uno (e soltanto uno) di due eventi fra loro contrari ed
esaustivi. Per intenderci chiamiamo questi eventi successo e insuccesso. In questo modo si
possono modellare i fenomeni dicotomici, cioè i fenomeni statistici che si manifestano con
2 sole modalità contrarie ed esaustive; per esempio si/no, vero/falso..
3. in ciascuna prova, la probabilità del successo, che denoteremo con p, è nota e costante.
Poiché p è una probabilità, è un numero compreso fra 0 e 1 e conseguentemente è nota
anche la probabilità dell'insuccesso.
In formule:
P(successo) = p, 0 < p < 1 → P(insuccesso) = 1 – p
(esempio pag 205)
Per indicare brevemente la v.c binomiale useremo la notazione:X ~ Bin(n,p) che si legge “X è una
v.c binomiale con parametri n e p”. il numero di prove indipendenti n e la probabilità del successo p
sono infatti chiamati parametri della v.c.
La situazione è più complicati di semplici giochi di sorte come il lancio della moneta; non possiamo
rappresentare Ω elencandone tutti gli elementi. Ora possiamo solo immaginare la generica struttura
dei nostri eventi elementari. Ciascuna prova può avere come esito o un successo o un insuccesso e
di prove ne facciamo n. allora il generico risultato della serie di n prove, cioè il generico evento
elementare, è una n-upla (ennupla) di successi e insuccessi assortiti:
SIS…SII…S=n
Ogni n-upla può contenere 0 successi, oppure 1 successo e n-1 insuccessi, oppure 2 successi e n-2
insuccessi e così via fino a n successi, il tutto in qualunque ordine.
La v.c binomiale X concentra l'attenzione sul numero di successi nelle n prove indipendenti. I suoi
possibili valori x sono allora i numeri interi da 0 (se la n-upla è composta da tutti insuccessi) a n (se
la n-upla è composta da tutti successi).
In formule :
X ~ Bin(n,p) con n > 0 intero, 0 < p < 1 e x =0,1,2,...,n
La funzione di probabilità P(X=x) della v.c X ~ Bin(n,p) dà la probabilità di ottenere x successi

sulle n prove con x=0,1,2,...,n
Cerchiamo di individuarne la formula: consideriamo una n-upla che contiene x successi e (n-x)
insuccessi nell'ordine più semplice: prima tutti i successi e poi tutti gli insuccessi. Ciascun successo
si verifica con probabilità p e ciascun insuccesso con probabilità (1- p):
SSS…S
p p p … p =x
III…I
1-p 1-p 1-p … 1-p = n-x

lOMoARcPSD|6421062
Scritta in maniera più compatta, la probabilità di questa n-upla è:

p^x per (1-p) ^ n-x
Però una n-upla che contiene x successi e (n-x) insuccessi può presentarsi in molti ordini diversi.
Per contare il numero di possibili combinazioni di x successi e (n-x) insuccessi in ordine diverso, si
usa il coefficiente binomiale n su x
n su x= n!/x! (n-x)!
Dove n! (n fattoriale) è un modo più compatto di scrivere il prodotto dei primi n numeri interi:
n!= n(n-1) per (n-2) … per 3 per 2 per 1
Il coefficiente binomiale è proprio quello che ci serve per tener conto di tutti i possibili diversi
ordinamenti in cui può presentarsi una n-upla contenente x successi e (n-x) insuccessi. Non ci resta
che mettere insieme tutti i pezzi e finalmente abbiamo la funzione di probabilità di X ~ Bin(n,p):
P(X=x)= (n su x)p^x (1-p)^n-x con x= 0,1,2, … , n
Questa formula è il metodo per calcolare la probabilità di x successi su n prove indipendenti (con
probabilità di successo p in ciascuna prova).
Dunque si chiama v.c binomiale perché per calcolare le sue probabilità serve il coefficiente
binomiale.
(esempio pag. 206)
La nostra v.c X ~ Bin(n,p) ha anche la media, la varianza e la deviazione standard. La media

informa sul numero atteso di successi nelle n prove.
La varianza e la deviazione standard misurano la dispersione del numero di successi intorno al
valore medio atteso. In particolare, la deviazione standard ci dice di quanto, in media su tutte le
possibili n-uple, il numero di successi si discosta dal numero medio atteso.
Media di X~ Bin (n,p) → E(X)= n per p
varianza di X~ Bin (n,p) → V(X)= n per per (1-p)
deviazione standard di X~ Bin (n,p) → SD(X) =√ n per p per (1 – p)
(esempio pag. 207)
Variabile casuale continua
Per fare inferenza statistica sui fenomeni statistici continui, cioè quelli che non si possono contare
ma solo misurare, servono le v.c continue.
• Le v.c continue assumono infiniti valori. Tali valori sono talmente tanti e densi da non poter
essere identificati singolarmente né si è in grado di vederne la probabilità. Nel continuo
occorre fare riferimento a insiemi di valori, cioè intervalli. I singoli punti perdono di
significato e la probabilità è calcolabile solo per gli intervalli.
• Siccome nel continuo i singoli valori non sono visibili, le v.c continue non hanno la funzione
di probabilità P(X=x). Hanno invece la funzione di densità, che indicheremo con la lettera
greca fi φ. La funzione di densità serve per calcolare la probabilità di intervalli di valori di
una v.c X continua.

lOMoARcPSD|6421062
• Nel continuo le probabilità sono aree. L'area sottesa al grafico della funzione di densità φ(x)
(si legge “φ di x”) in un intervallo è la probabilità che X assuma valori in quel intervallo.
(esempio pag.208)
Poiché nel continuo i singoli punti hanno probabilità 0, aggiungere o togliere uno o più singolipunti
a un intervallo non fa cambiare la sua probabilità; e in generale, con le v.c continue non fa
differenza ≤ o < (mentre può fare differenza con le v.c discrete).
Una speciale v.c continua è la v.c normale.
Variabile casuale Normale
è la più nota fra le v.c continue. Molti la chiamano v.c di Gauss o gaussiana perché fu il primo ad
usarla ma l'assegnazione dei meriti non è chiara perciò noi la chiameremo v.c normale.
Normalmente si presta ad interpretare un grande insieme di fenomeni statistici continui.
Per esempio la v.c binomiale diventa sempre più simile ad una v.c normale quando il parametro n,
cioè il numero delle prove indipendenti, è molto grande, fino a confondersi con una normale quando
n → ∞.
Useremo la notazione X~N (μ,σ^2) che si legge “X è una v.c normale di parametro mu e sigma
quadro”. Il parametro μ può essere un numero reale qualunque, mentre il parametro σ^2 è un
numero reale positivo. La Normale e la sua funzione di densità hanno caratteristiche e proprietà
importanti:
1. è v.c continua e assume tutti i possibili valori reali: -∞ < x < +∞ .
2. essendo continua non ha la funzione di probabilità ma ha la funzione di densità φ(x). l'area

sottesa al grafico della φ(x) in un certo intervallo rappresenta la probabilità che la v.c X
assuma valori di quell'intervallo. La rappresentazione grafica di φ(x) è la famosa curva a
campana centrata sul valore μ .
3. l'area totale sottesa all'intera curva φ(x) corrisponde alla probabilità dell'intero intervallo
(-∞,+∞) ed è pari a 1.
4. il parametro μ è la media di X~N (μ,σ^2). In formule E(X)= μ .
5. il parametro σ^2 è la varianza di X~N (μ,σ^2). In formule: V(X)= σ^2 e dunque

SD(X) = √ σ^2 = σ .
6. la curva a campana è simmetrica rispetto a μ, cioè l'area sottesa alla curva a destra e a
sinistra di μ è uguale e dunque pari a 0,5 (perché l'area totale è 1). in termini di probabilità
questo significa: P(X ≤ μ ) = P(X ≥ μ) = 0,5
e in termini statistici questo vuol dire che X assume valori sotto-media e sopra-media con la
stessa probabilità.
7. Sempre in termini statistici,per la simmetria di φ(x) il parametro μ rappresenta anche la

mediana di X. Per la forma di φ(x) che ha un unico picco, μ è anche la sua moda, cioè il
valore più probabile.
8. La curva a campana ha una parte con concavità verso il basso (la pancia centrale) e due tratti
con concavità verso l'alto (le due code). I punti in cui la campana cambia concavità (flessi)
corrispondono ai punti μ – σ e μ + σ, cioè una deviazione standard dal valore medio.

lOMoARcPSD|6421062
9. I parametri μ e σ^2 della Normale, oltre che a rappresentare media, moda, mediana e
varianza di X, determinano anche la posizione e la forma della campana.
10. La probabilità di un qualunque intervallo (a,b) di valori di X è l'area sottesa alla campana
in quell'intervallo.
Variando μ in più o in meno (a parità di σ^2 ) si determinano traslazioni (shift) della campana a
destra o a sinistra. La campana resta sempre centrata su μ, dunque aumentando o diminuendo il
valore il grafico cambia posizione viaggiando lungo l'asse delle ascisse.
Variando σ^2 in più o in meno (a parità di μ) si determinano appiattimenti o innalzamenti della

campana che rimane comunque centrata su μ e con area totale pari a 1. in particolare con σ^2
maggiore, i valori sono più dispersi intorno a μ, i flessi μ - σ e μ + σ sono più lontani fra loro e la
curva appare appiattita; con σ minore, i valori sono più concentrati intorno a μ, i flessi
μ - σ e μ + σ sono più vicini fra loro e la curva si innalza.
La Normale funziona bene quando il fenomeno ha le seguenti caratteristiche:
• tende a manifestarsi con un valore sistematico prevalente (μ);
• i valori più probabili sono vicini a tale valore prevalente ( area intorno a μ);
• i valori lontani da μ sono rari e poco probabili (area sotto le code della curva);
• ciò accade indifferentemente i più o in meno (simmetria della curva).
Standardizzazione di una variabile casuale → leggere
Variabile casuale Normale standard(izzata)
Standardizzando una v.c normale (Normale) X~N (μ,σ^2), con la sua media μ e la sua deviazione
standard √ σ = σ , si ottiene la v.c normale standardizzata o semplicemente standard indicata
2
con Z. useremo la notazione Z~N (0,1). la normale standard si ottiene standardizzando una
qualunque v.c normale X~N (μ,σ^2):
Z = X- μ / √ σ2 = X- μ / σ
Essendo standardizzata, ha media nulla e varianza/ devianza standard unitarie:

E(Z)=0 e V(Z)=SD(Z)=1
Calcolare la probabilità di intervalli della Z~N (0,1) è molto complesso. Qualcuno, a questo scopo,
ha prodotto delle tavole. Passando attraverso la Z~N (0,1) e la sua tavola è possibile calcolare la
probabilità di qualunque intervallo di valori (a,b) di qualunque v.c X~N (μ,σ^2).

lOMoARcPSD|6421062
Come si leggono le tavole della Normale standard
La prima colonna a sinistra della tavola riporta i valori z della Z~N (0,1) con la prima cifra
decimale; la prima riga riporta la seconda cifra decimale del valori z; all'interno della tavola,
all'incrocio della riga e della colonna che identificano un particolare valore z con due cifre decimali,
si legge la probabilità (area)che Z assuma valori inferiori o uguali a quel valore z.
le tavole della Z riportano le probabilità P(Z ≤ z) solo per valori z positivi e inferiori a (in genere)
3,5.
le caratteristiche della Z, in particolar la simmetria della curva rispetto allo 0 e il fatto che l'area
totale sotto la curva vale 1, fanno sì che questi valori siano sufficienti per calcolare la probabilità di
qualunque intervallo, anche con gli estremi negativi o superiori a 3,5.
(esempio pag.215)
Come si calcola la probabilità di un (qualunque) intervallo di una (qualunque) Normale
(esempio pag 215-217)
Intervalli tipici della Normale → leggere
Tavola della v.c normale standardizzata → guardare pag. 220 oppure sul quaderno
CAMPIONAMENTO ED ERRORE CAMPIONARIO CAP.16
Anche quando l'obiettivo è inferire e non solo descrivere,il primo passo consiste nel procurarci i
dati. In ambito inferenziale questo significa procurarci il campione che è un sottoinsieme dell'intera
popolazione U su cui ci interessa studiare il fenomeno X.
Dalla popolazione al campione giocando con il caso
L'inferenza statistica si basa su campioni casuali. L'operazione di scelta casuale del campione di n
unità statistiche fra le N che compongono l'intera U è chiamata campionamento.
Il numero n è detto numerosità o ampiezza campionaria; di solito è prefissato, cioè scelto a priori
prima di effettuare fisicamente il campionamento, ed è più piccolo di N(n < N), in genere molto più
piccolo. Il campionamento è allora un esperimento casuale trattabile con la teoria della probabilità.
Si conoscono molti metodi per effettuare il campionamento; insieme formano una branca della
statistica separata e in espansione: la teoria dei campioni.
Gli elementi di inferenza (classica) che vedremo, sono basati sul tipo più semplice di campione
casuale, che chiamiamo bernoulliano.
Un campione bernoulliano è il risultato di n estrazioni casuali da U condotte tutte nelle stesse

condizioni, cioè fra loro indipendenti. In pratica, si tratta di effettuare n estrazioni con
reinserimento fra le N unità di U tra loro equiprobabili.
Solitamente, nella ricerca applicata, i campioni casuali sono però estratti senza reinserimento, per
evitare di intervistare più volte la stessa unità statistica e di ottenere info. duplicate. Quando il
campione è estratto senza reinserimento si parla di campione casuale semplice o anche SRS
(simple random sample). Un campione bernoulliano è diverso da un SRS perché può contenere
duplicazioni.

lOMoARcPSD|6421062
Ci sono però teoremi di teoria della probabilità che garantiscono quanto segue:
Definizione → se n è “sufficientemente grande” e allo stesso tempo n è “piccolo rispetto a N”, il

che è in genere ciò che accade, le due tecniche con o senza reinserimento portano a risultati
equivalenti.
Possiamo infatti intuire che quando estraiamo una unità da una popolazione molto grande, se la
reinseriamo in U prima di effettuare un'altra estrazione, la probabilità di riestrarla è molto piccola,
diciamo pure 0. Allo stesso tempo, se non la reinseriamo, la probabilità di estrarre un qualunque
delle rimanenti unità rimane praticamente invariata.
Perciò quando la popolazione è “molto grande” e la frazione di campionamento n/N è
“sufficientemente piccola”, tutti gli strumenti di inferenza statistica che richiedono un campione
bernoulliano, si possono applicare anche a campioni senza reinserimento perché tendono a produrre
risultati equivalenti.
Però non c'è una regola teorica che ci dica quando n è sufficientemente grande e quando n/N è
sufficientemente piccolo. La teoria ci dice che n deve tendere all'infinito e che n/N deve mantenersi
limitato.
Variabilità campionaria ed errore campionario: come tenerli sotto controllo usando il

campione casuale
Perché il campione è una parte della popolazione scelta casualmente, dalla stessa U sono estraibili
molti diversi campioni, spesso così tanti da poterli pensare infiniti.
Sappiamo che la casualità del campione è una garanzia della sua rappresentatività, ma, per contro,
produce incertezza.
Ciascuno dei differenti campioni estraibili da U può darci un immagine più o meno fedele di U
perché fornisce un' informazione parziale e potenzialmente differente circa il comportamento su U
del fenomeno che ci interessa. Questo è il concetto di variabilità campionaria.
Il processo di inferenza statistica avviene sotto l'effetto della variabilità campionaria, perché i soli
dati noti sono quelli del campione effettivamente estratto, che è uno fra i tanti possibili.
La conseguenza, cioè la “la faccia scura” della variabilità campionaria, è che l'inferenza statistica
comporta necessariamente incertezza e rischio di errore. Chiameremo questo concetto: errore
campionario.
Fare buona inferenza significa controllare e misurare l'errore campionario.
Nell'inferenza statistica che si basa su campioni casuali, l'errore campionario è controllato e

misurato scientificamente con la probabilità.
(esempio pag. 223)
Il metodo statistico per tenere sotto controllo l'errore campionario si basa sul considerare tutti i
possibili campioni che ci possono capitare e sull'usare delle speciali v.c campionarie per interpretare
la variabilità campionaria.

lOMoARcPSD|6421062
Formalizzazione della variabilità campionaria
formalizzare = tradurre in formule

Quando si dispone solo di dati campionari (parziali e casuali), la distribuzione del fenomeno di
interesse su U e i reali valori delle sue sintesi statistiche sono ignoti e li chiameremo parametri.
I parametri ignoti sono dunque l'oggetto dell'inferenza statistica. Poiché il fenomeno sull'intera U è
ignoto lo interpretiamo con una v.c X.
Le sintesi statistiche di X rappresentano i corrispondenti parametri ignoti di U.
In particolare: E(X)=media del fenomeno in U

la indicheremo per brevità con il simbolo standard, cioè la lettera greca ma μ;
V(X)= varianza del fenomeno in U

lo indicheremo con σ^2.
L'esperimento casuale di campionamento fornisce n osservazioni del fenomeno e, dunque, n dei

possibili valori della v.c X.
Indicheremo il campione (bernoulliano) con la n-upla di valori:
x1 … xi … xn
Ciascuna osservazione campionaria xi è il risultato di un esperimento casuale; è pertanto un

evento casuale e può coincidere con uno (qualunque) dei possibili valori della v.c X .
Allora, anche il risultato di ogni estrazione campionaria è interpretato da una v.c Xi che
chiameremo v.c estrazione campionaria, di cui l'osservazione campionaria xi rappresenta uno dei
possibili valori.
Poiché nel campione bernoulliano le estrazioni sono indipendenti, allora le v.c estrazioni
campionarie Xi sono tra loro indipendenti. Infine, poiché xi può coincidere con uno qualunque dei
possibili valori del fenomeno, a sua volta interpretato dalla v.c X, si ha anche che ciascuna v.c
estrazione campionaria Xi è identica a X e, in quanto identica, ha la stessa media e la stessa
varianza. Riassumiamo i simboli e capiamo la differenza concettuale fra X, xi e XI.
• V.c. X:interprete del fenomeno d'interesse in U.
• campione bernoulliano : x1, … xi … xn.
• Osservazione campionaria: xi, uno qualunque dei valori del fenomeno in U e dunque di
X.
• v.c estrazione campionaria: Xi, di cui xi rappresenta uno dei possibili valori.
• Xi è identica a X. Allora
E(Xi) = E(X)= μ e V(Xi)=V(X) = σ^2
per tutte le estrazioni campionarie, cioè per i=1, … , n
• in complesso abbiamo n v.c X1, … Xi … Xn identiche fra loro, identiche a X e

indipendenti.
(esempio pag. 225)

lOMoARcPSD|6421062
Inferenza statistica: oggetto, funzioni e le diverse facce dell'errore campionario
La statistica inferenziale offre metodologie per risolvere due grandi classi di problemi di inferenza:
1. la stima dei parametri, con l'obiettivo di usare i dati campionari per inferire il valore dei
parametri ignoti;
2. la verifica di ipotesi statistiche, con l'obiettivo di usare i dati campionari per inferire se è
accettabile o meno un valore che si ipotizza per i parametri ignoti.
STIME E STIMATORI cap. 17
Ora impariamo a stimare i parametri ignoti. Esistono due grandi classi di metodi per stimare un
parametro ignoto: con un unico valore, e in questo caso si parla di stima puntuale,oppure con un
intervallo di valori, e si parla allora di stima intervallare. In questo capitolo parleremo di stima
puntuale. Qui, l'errore campionario assume l'aspetto di errore di stima:quanto più piccolo è l'errore
di stima tanto più precisa, accurata,affidabile è la stima.
Stima puntuale
è la metodologia statistica che utilizza le informazioni campionarie per:
• calcolare un unico valore puntuale per sostituirlo all'ignoto parametro.

• Controllare in termini di probabilità se e quanto la sostituzione è affidabile e accurata.
Tale sostituzione rappresenta l'inferenza nel processo di stima.

Cominciamo a imparare a stimare (puntualmente) i 3 parametri ignoti più semplici, ma anche i più
ricorrenti nelle applicazioni pratiche:
1. la media del fenomeno in U, che corrisponde alla media μ di X.

2. La varianza del fenomeno in U, che corrisponde alla varianza σ^2 di X.
3. Una percentuale (o,equivalentemente, una frequenza relativa) di valori di X d'interesse, che
indicheremo con p.
il metodo più semplice per stimare puntualmente un parametro ignoto consiste nel procedere per
analogia: per stimare l'ignota media della popolazione useremo la media dei dati campionari, per
stimare l'ignota varianza della popolazione useremo la varianza del campione e per stimare una
percentuale useremo la percentuale campionaria.
(esempio pag. 228)
Stabilire se una stima è affidabile e sufficientemente precisa significa controllare e misurare l'errore
campionario in termini di probabilità.
Stima puntuale → la stima puntuale di un ignoto parametro è una qualche funzione dei (formula da
applicare ai )dati campionari x1 … xi … xn.
La stima di un parametro è quindi il risultato di un calcolo eseguito sugli n dati x1 … xi ...xn, per
ottenere un unico numero da sostituire al parametro in U(che è e rimane ignoto).

lOMoARcPSD|6421062
Per controllare l'errore di stima dobbiamo tener conto di tutti i possibili risultati ottenibili da tutti i
possibili campioni. Per fare questo affianchiamo al concetto di stima il concetto di stimatore o
statistica campionaria.
Stimatore o stat. campionaria → è la stessa funzione (formula) che definisce la stima, ma applicata
alle v.c estrazioni campionarie X1 … Xi … Xn.
Lo stimatore è quindi una v.c.

è la v.c che interpreta tutti i possibili valori della stima su tutti i possibili campioni estraibili. Lo
stimatore è definito sull'intero spazio campionario. La stima calcolata sul (unico) campione
effettivamente estratto è uno dei possibili valori dello stimatore.
Dunque, la stima è un numero , ottenuto sul campione effettivamente estratto e l'unico a

disposizione. Lo stimatore è invece una variabile casuale, che tiene conto di tutte le possibili
stime ottenibili su tutti i possibili campioni estraibili.
Lo stimatore serve per interpretare la variabilità campionaria e per controllare l'errore campionario.
Useremo la lettera maiuscola per indicare lo stimatore e la corrispondente lettera maiuscola per
indicare la stima.
Stima delle media
per stimare puntualmente l'ignota media μ di U usiamo la media aritmetica degli n dati campionari.
Chiameremo questa stima media campionaria e le indicheremo con x con trattino che si legge “x
sopra-segnato” o anche “x medio”.
Media campionaria (stima) → x con trattino= 1/n sommatoria che va da i=1 a n xi
media campionaria (stimatore) → X con trattino= 1/n sommatoria da i=1 a n Xi
il corrispondente stimatore X con trattino interpreta la variabilità campionaria. Studiando le

caratteristiche statistiche dello stimatore, cioè la sua media, la sua varianza, la sua funzione di
probabilità o di densità ecc, si definiscono le proprietà statistiche di uno stimatore.
Le proprietà dello stimatore servono a controllare l'errore campionario e interpretano formalmente i

concetti di bontà, affidabilità,accuratezza. Tali proprietà si riflettono poi sulla stima, cioè sul valore
ottenuto dal campione effettivamente estratto, e costruiscono la garanzia probabilistica di questo
tipo di inferenza, cioè la stima puntuale.
Proprietà degli stimatori: non distorsione
La più nota e semplice proprietà richiesta ad uno stimatore è detta non distorsione (unbiasedness).
Lo stimatore è una v.c e come tale ha un suo valore atteso.
Lo proprietà di non distorsione riguarda il valore atteso dello stimatore.
Non distorsione → uno stimatore è non distorto (unbiased) se il suo valore atteso coincide con il
parametro oggetto di stima . Se questo non succede, lo stimatore è distorto (biased).
La non distorsione è una proprietà auspicabile per uno stimatore perché si presta alla seguente
interpretazione.

lOMoARcPSD|6421062
Interpretazione della non distorsione → fra tutti i possibili campioni ve ne sono alcuni che
forniscono sotto-stime del parametro, altri che forniscono sovra-stime del parametro e altri ancora
che forniscono valori vicini o magari identici al parametro oggetto di stima. Richiedere che uno
stimatore sia non distorto significa garantire che sovra-stime e sotto-stime si compensino sul totale
dei campioni estraibili e che in media lo stimatore coincida con ciò che si vuole stimare.
Uno stimatore distorto è viceversa uno stimatore che tende alla sotto-stima o alla sovra-stima e così,
in media, non coincide con ciò che si vuole stimare.
Poiché lo stimatore è un oggetto teorico, il parametro che si vuole stimare è ignoto e il campione
effettivamente estratto (cioè gli unici dati a disposizione) è solo uno fra i molti possibili, allora la
non distorsione si può accettare solo teoricamente.
Quando è verificata,questa proprietà passa alla stima effettivamente calcolata sull'unico campione
estratto. Poiché tale stima è uno dei possibili valori di uno stimatore non distorto, si parlerà di stima
non distorta a garanzia dell'affidabilità dell'inferenza.
Non distorsione della media campionaria
La media campionaria è stima per l'ignota media μ in U. Il corrispondente stimatore è non distorto
per μ perché il suo valore atteso è proprio uguale a μ.
Non distorsione della media campionaria → X con trattino=1/n sommatoria da i=1 a n Xi

(dimostrazione + esempio pag. 230/231)
Se lo stimatore è distorto allora il suo valore atteso non coincide con il parametro da stimare, ma
risulta più grande (sovra-stima) o più piccolo (sotto-stima). Questo succede quando, su tutti i
possibili campioni che possono capitare,sovra-stime e sotto-stime non si compensano e lo stimare
mostra tendenza a sovrastimare oppure a sottostimare il valore del parametro ignoto.
La non distorsione è una buona proprietà ma non basta a garantire una corretta inferenza.
Una stima non distorta è affidabile perché è uno dei possibili valori di uno stimatore che in media
coincide con ciò che si vuole stimare. Questo però non ci dice nulla riguardo a quanto la stima è
precisa e accurata, cioè quanto è vicina ala parametro che si vuole stimare. Idealmente, uno
stimatore può essere non distorto ma, allo stesso tempo, non essere mai vicino a ciò che si vuole
stimare e dunque non essere un buon stimatore.
(esempio pag. 232)
La non distorsione non basta come proprietà; è necessario definirne altre.
Per farlo abbiamo bisogno di una nuova sintesi statistica di uno stimatore: l'errore quadratico
medio.
Esso è un modo per esprimere in formule l'errore campionario associato all'inferenza nel processo
di stima, cioè l'errore di stima. Misura quanto lo stimatore è preciso, quanto è vicino all'ignoto
parametro che si vuole stimare.

lOMoARcPSD|6421062
Precisione o accuratezza di uno stimatore: errore quadratico medio
Ora vogliamo esprimere in formule l'errore campionario intrinseco nella sostituzione dell'ignota μ
con la stima x con trattino. Un buon punto di partenza è allora la differenza (x con trattino – μ).
Sappiamo che i possibili campioni sono molti e che ciascuno può fornire un diverso valore della
stima per effetto della variabilità campionaria. Teniamo allora conto di tutti i possibili campioni
facendo riferimento allo stimatore X con trattino e definiamo un errore totale: (X con trattino – μ).
Tale errore può risultare positivo su alcuni campioni (sovra-stime) e negativo su altri (sotto-stime),
ma è sempre un errore. Eliminiamo allora l'influenza del segno elevando al quadrato: (X con
trattino – μ) ^2. infine consideriamo l'errore medio di stima, mediando su tutti i possibili campioni
estraibili: E(X con trattino – μ)^2.
Questa quantità è chiamata errore quadratico medio (mean squared error) e lo indicheremo con
MSE. È quadratico perché basato sul quadrato delle differenze fra lo stimatore e ciò che si vuole
stimare; è medio perché considera il valore atteso di tutte le possibili differenze su tutti i possibili
campioni.
MSE di uno stimatore → è il valore atteso della differenza al quadrato fra lo stimatore e il
parametro che si vuole stimare. È una quantità teorica che misura la dispersione dei valori dello
stimatore (cioè tutte le possibili stime) intorno all'oggetto della stima (cioè il parametro ignoto).
Quanto più piccola è tale dispersione, tanto più preciso e accurato è lo stimatore:le stime saranno
tutte vicine al parametro da stimare e,dunque, anche la stima che si ottiene dal (unico) campione a
disposizione.
L'MSE di qualunque stimatore è formato sia dalla sua varianza sia dalla sua eventuale distorsione
elevata al quadrato:
MSE =V + Dist.^2
innanzitutto osserviamo che se uno stimatore è non distorto, cioè Dist=0, allora il suo MSE coincide
con la sua varianza. È allora una buona cosa usare stimatori non distorti, perché in questo modo
conteniamo l'errore azzerandone un “pezzo”.
Accanto a questo, osserviamo che per ridurre l'errore di stima va controllata la varianza V dello
stimatore.
Errore quadratico medio della media campionaria
vogliamo vedere com'è fatto l'MSE della media campionaria. Conoscere la formula dell'errore di
stima è il passo necessario per capire come controllarlo e ridurlo.
Innanzitutto ci ricordiamo che X con trattino è stimatore non distorto per μ, dunque il suo MSE
coincide con la varianza.
MSE della media campionaria → MSE (X con trattino)= E(X con trattino – μ)^2=V(X con
trattino)
poi usiamo un importante risultato.

lOMoARcPSD|6421062
Varianza della medie campionaria → V(X con trattino)= σ^2/n

dove σ^2 indica la varianza del fenomeno in U e n è l'ampiezza campionaria.
La varianza della media campionaria è dunque anche il suo MSE perché è stimatore non distorto.
Allora: V(X con trattino)=MSE (X con trattino)= σ^2/n
misura l'errore di stima che si commette sostituendo x con trattino all'ignoto μ.
Osserviamo che tale errore è:

• in relazione diretta con σ^2 (perché σ^2 sta al numeratore). Allora l'errore di stima della
media campionaria è tanto maggiore quanto più grande è σ^2, cioè tanto più variabile (e
dunque difficile da stimare) è il fenomeno in U.
• in relazione inversa con n ( perché n sta al denominatore). Allora l'errore di stima della
media campionaria è tanto minore quanto più è grande (numeroso) il campione.
Qualunque sia il fenomeno di interesse in U, qualunque siano la sua ignota distribuzione, la sua
media μ e la sua varianza σ^2, lo stimatore media campionaria ha sempre valore atteso che
coincide con μ e varianza che coincide con σ^2/n. Ecco perché la media campionaria è una buona
stima dell'ignota media della popolazione.
ATTENZIONE: tutto questo è vero solo se il campione è casuale (e bernoulliano).
Proprietà degli stimatori : consistenza
Un'altra proprietà dello stimatore è la consistenza che riguarda la precisione.

È una proprietà molto importante perché è il minimo che si possa richiedere a uno stimatore.
La definizione di stimatore consistente è però matematicamente complessa e coinvolge l'operazione

di limite. Si deve infatti pensare all'ampiezza campionaria n che cresce tendendo all'infinito.
Tecnicamente si parla di proprietà asintotica.
Noi ci limitiamo ad intuirla: a un buon stimatore si richiede che sia sempre più preciso, riducendo
l'errore di stima, all'aumentare dell'ampiezza campionaria n, quando cioè aumentano i dati introdotti
nel processo di stima.
Quando ciò non succede, lo stimatore non merita neanche di essere chiamato tale.
Se lo stimatore è già non distorto come la media campionaria, per essere consistente basta che la sua
varianza diventi sempre più piccola (fino a diventare 0) al crescere dell'ampiezza campionaria n.
Notate che uno stimatore non distorto con varianza nulla è uno stimatore perfetto, che non comporta
errore di stima.
Per uno stimatore non distorto e consistente, questo succede con un campione di ampiezza
teoricamente infinita. Usando uno stimatore non distorto e consistente e un campione
sufficientemente ampio, si approssima questa ideale situazione teorica.

lOMoARcPSD|6421062
Consistenza della media campionaria
Sappiamo che MSE(X con trattino)=V(X con trattino) perché la media campionaria è non distorta.
Abbiamo anche dimostrato che: V(X con trattino)= σ^2/n.
Aumentando il denominatore di una frazione si ottiene un numero più piccolo.
Allora la V(X con trattino)diventa sempre più piccola all'aumentare di n.
quindi la media campionaria, oltre che non distorta, è anche consistente per μ. È tanto più precisa
quanto più è grande il campione, qualunque sia il campione estratto e qualunque sia il reale ma
ignoto valore di μ.
Consistenza della media campionaria → La media campionaria è consistente per μ perché per il
corrispondente stimatore X con trattino valgono le due condizioni (sufficienti) seguenti:
1. X con trattino è non distorto, cioè E(X con trattino)= μ.
2. La sua varianza diventa sempre più piccola all'aumentare dell'ampiezza campionaria, in

formule lim n → ∞ V(X con trattino) = 0
Proprietà degli stimatori: efficienza relativa
Anche la proprietà di efficienza relativa riguarda la precisione di uno stimatore.
È un criterio di scelta quando si dispone di due o più diversi stimatori per lo stesso ignoto
parametro.
Ovviamente è preferibile lo stimatore più preciso, cioè quello che garantisce l'errore di stima
inferiore.
Abbiamo imparato che l'errore di stima si può misurare con l'MSE:lo stimatore con MSE inferiore è
detto il più efficiente fra i due o più a disposizione ed è pertanto quello preferibile.
Se si tratta di stimatori non distorti,l'MSE coincide con la varianza e dunque il confronto avviene fra
le varianze:lo stimatore non distorto con varianza inferiore è il più efficiente fra i due o più a
disposizione.
Efficienza della media campionaria
Un importante teorema garantisce che lo stimatore X con trattino è il più efficiente fra tutti i
possibili stimatori non distorti per μ.
(esempio pag. 236)
Riassunto di quanto abbiamo imparato:
usare la media del campione è un modo molto naturale per stimare l'ignota media della popolazione,
ma è anche un buon metodo dal punto di vista teorico:
la media campionaria x con trattino è non distorta, consistente ed efficiente per μ (sempre che il
campione sia casuale e bernoulliano).

lOMoARcPSD|6421062
Stima della varianza σ^2
Il parametro ignoto oggetto dell'inferenza è ora la varianza del fenomeno nella popolazione
V(X)=σ^2. Sulla base dei soli dati disponibili, cioè il campione bernoulliano: x1 … xi … xn, la
stima naturale per la varianza di U è la varianza del campione
1/n sommatoria da i=1 a n (xi – x con trattino)^2
Questa volta, però,le cose non funzionano: si può dimostrare che il corrispondente stimatore è
distorto per σ^2, cioè ha valore atteso che non coincide con ciò che si vuole stimare e ha tendenza a
sotto-stimare. Fortunatamente, ottenere uno stimatore non distorto è semplice: basta dividere per
(n-1) anziché per n nel calcolo della varianza del campione.
Chiameremo questa stima varianza campionaria corretta e la indicheremo con s^2 (si legge “s
quadro”).
Varianza campionaria corretta → s^2=1/n-1 sommatoria da i=1 a n (xi – x con trattino)^2
La quantità (n-1) che va posta al denominatore della stima s^2per garantirne la non distorsione, è
chiamata gradi di libertà.
Rispetto alla media campionaria, la varianza campionaria corretta è una funzione dei dati
campionari un po' più complessa, perciò non è semplice calcolare valore atteso e varianza del
corrispondente stimatore per valutarne le proprietà.
Si può dimostrare che la varianza campionaria corretta è non distorta per σ^2.
È anche consistente, cioè l'errore di stima che si commette stimando σ^2 con s^2 diminuisce al
crescere dell'ampiezza campionaria.
Questa diminuzione è,però, più lenta rispetto a quella della media campionaria e, conseguentemente,
per ottenere stime sufficientemente precise occorrono campioni più grandi.
Se poi l'obiettivo è stimare, anziché la varianza, la deviazione standard del fenomeno in U, cioè
stimare σ= √σ^2, bisogna ricordare che √s^2 in generale è distorta per σ (e l'unico modo per
correggerla è aumentare l'ampiezza del campione n).

lOMoARcPSD|6421062
Stima della precisione (accuracy) di uno stimatore: standard error
Abbiamo imparato che l'errore quadratico medio di uno stimatore è una misura dell'errore di stima
e dunque della sua precisione (accuracy). L'MSE considera tutti i possibili campioni (cioè l'intero
spazio campionario) e, quindi, è un oggetto teorico.
Nella pratica si usa il (unico) campione a disposizione per stimare l'errore di stima.
Saper stimare la varianza della popolazione σ^2 è importante sia quando proprio σ^2 è l'oggetto
dell'inferenza, sia quando si vuole stimare l'errore di stima associato all'inferenza su qualunque altro
parametro di U.
Infatti, quanto più il fenomeno X è variabile in U, tanto più difficile e rischiosa è l'inferenza basata
su dati parziali e tanto maggiore è il rischio di errore campionario.
Qualunque sia il parametro che vogliamo stimare, in genere la precisione dello stimatore dipende da
n e da σ^2. Mentre l'ampiezza campionaria n è nota ed è controllabile sulla base delle risorse
disponibili (tempo e budget), σ^2 non è controllabile (il fenomeno è quello che è in U) e di solito è
ignota.
Vediamo allora come usare la varianza campionaria corretta s^2 (che stima σ^2 )per stimare l'errore
campionario associato a un qualunque stimatore. Come al solito useremo la media campionaria
come caso-guida.
Cominciamo ad osservare che l'MSE è quadratico, cioè misura l'errore di stima prendendo le
differenze fra stimatore e parametro elevate al quadrato.
Questo produce degli effetti collaterali.

per rimediare a questi effetti collaterali prendiamo la radice quadrata √MSE che è una misura
teorica dell'errore medio di stima con la stessa unità di misura e con lo stesso ordine di grandezza
del fenomeno in U. La stima dell'errore medio di stima, calcolata sugli stessi dati campionari, è
detta standard error dello stimatore e la indicheremo con SE.
Standard error di uno stimatore → SE= stima per √MSE

oppure, se lo stimatore è non distorto SE (X con tarttino) √V
Standard error della media campionaria → poiché X con trattino è stimatore non distorto, si tratta
di stimare √V(X con trattino)= √σ^2/n stimando σ^2 con la varianza campionaria corretta:
SE(X con tarttino)=√s^2/n
SE è un numero calcolato sul campione che stima l'errore medio che si commette sostituendo
all'ignoto parametro la stima calcolata sul medesimo campione. Nella pratica è buona regola
associare a ogni stima il suo SE che, utilizzando gli stessi dati campionari, ne quantifica
probabilisticamente la precisione.
(esempio pag.240)

lOMoARcPSD|6421062
Stima della percentuale (frequenza relativa p)
Nella ricerca sociale interessano particolarmente i fenomeni categoriali e in special modo quelli
dicotomici, cioè quelli che si manifestano con due sole modalità contrarie ed esaustive:si/no,
vero/falso...
L'oggetto della stima è qui la percentuale di unità statistiche o casi che, fra tutte quelle che
compongono la U di riferimento, è classificabile in una data categoria.
(esempio pag. 241)
Fissiamo allora l'attenzione su un fenomeno categoriale.

Oggetto di inferenza è ora la percentuale con cui in U si manifesta una particolare categoria.
Gli statistici preferiscono lavorare con le frequenze relative anziché con le percentuali per
semplificare il numero; chiameremo questo parametro con p.
Scelta l'ampiezza campionaria n, si estrae da U un campione bernoulliano. Il risultato sarà un

insieme di unità statistiche classificabili o non classificabili nella categoria che ci interessa.
La stima più naturale per l'ignota frequenza relativa p di soggetti classificabili nella categoria di
interesse, è la corrispondente frequenza relativa nel campione, cioè la frequenza relativa
campionaria che indicheremo con p con sopra ^ (si legge “pi cappuccio” o “pi cappello”).
(esempio pag.242)
L'affidabilità di questa stima risiede nelle proprietà statistiche del corrispondente stimatore p con ^.
cominciamo a capire come è fatta la v.c X che interpreta il fenomeno categoriale in U. X può
assumere due soli valori, che convenzionalmente identifichiamo con 0 e 1 :
• assume valore 1 in corrispondenza di soggetti classificabili nella categoria di interesse;
• assume valore 0 in corrispondenza di soggetti non classificabili nella categoria di interesse.
Allora il campione è un insieme di n valori di X di tipo 0 oppure 1 assortiti:

x1 … xi … xn = 0 … 1 … 0
la somma dei dati campionari sommatoria da i=1a n xi ci dà il numero di soggetti campionati che,
fra gli n estratti, sono classificabili nella categoria che ci interessa. Dividendo tale somma per
l'ampiezza del campione si ottiene la stima cercata. In formule la stima p con ^ ha allora la stessa
forma della media campionaria.
Stima della percentuale p → p con ^= 1/n sommatoria da i=1 a n xi

dove xi può valere solo 0 o 1.
per capire come è fatto il corrispondente stimatore osserviamo che:

• gli n soggetti campionati sono anche il risultato di n prove indipendenti, perché il campione
è bernoulliano;
• per ciascun soggetto estratto possiamo chiamare successo il fatto di essere classificabile
nella categoria di interesse e insuccesso il fatto di essere non classificabile;
• allora sommatoria da i=1 a n xi è il numero di successi su n prove indipendenti, cioè è uno
dei possibili valori di una v.c binomiale di parametri ne p.

lOMoARcPSD|6421062
Siccome la frequenza relativa campionaria p con ^ si ottiene dividendo tale somma per n, allora il
corrispondente stimatore è:
p con ^ = Bin(n,p)/n
Quando abbiamo parlato della v.c binomiale abbiamo detto che ha valore atteso pari a n per p e
varianza pari a n per p per (1-p).
Allora si determinano velocemente il valore atteso, la varianza e lo standard error dello stimatore P
con ^ per valutarne proprietà e precisione.
Non distorsione della frequenza relativa (percentuale) campionaria → la stima p con ^ è non
distorta per p, perché il corrispondente stimatore ha valore atteso uguale a p:
E(P con^)=E (Bin(n,p)/n)=1/nE[Bin(n,p)]=n per p/n=p
cioè P con ^ è stimatore non distorto per p.
allora il suo MSE coincide con la varianza.
Precisione (accurancy) della frequenza relativa (percentuale) campionaria →

MSE(P con ^) =V(P con^) = V[Bin(n,p)/n]=(1/n)^2 V[Bin(n,p)]=
=n per p per (1-p)/ n^2 = p per (1-p)/n
Poiché lo stimatore frequenza relativa campionaria P con ^ è non distorto e la sua varianza ha n al
denominatore, allora è anche consistente per p. Inoltre, siccome p con^ ha la stessa forma della
media campionaria, è anche il più efficiente fra tutti gli stimatori non distorti per p.
Infine il suo standard error si ottiene stimando √V(P con^)= √p(1-p)/n cioè usando la stessa stima
p^.
standard error della frequenza relativa (percentuale) campionaria → SE(p^)= √p^ (1-p^)/n
Anche per stimare una percentuale abbiamo quindi un metodo molto naturale perché si usa la
corrispondente percentuale campionaria (100 per p^).
è anche un buon metodo sotto il profilo teorico poiché p^ è una stima non distorta, consistente ed
efficiente per p. Attenzione però: tutto questo è vero se il campione è bernoulliano.
Man mano che ci si allontana da questa situazione teorica ideale vengono meno le proprietà della
stima, l'effettivo errore di stima si allontana dall'errore puramente campionario stimato con lo
standard error e non si è più in grado di valutarlo e controllarlo probabilisticamente.
(esempio pag. 244)
INTERVALLI DI CONFIDENZA cap.18
Introduciamo un altro metodo di stima:la stima intervallare. A differenza della stima puntuale che
produce un unico valore, la stima intervallare utilizza i dati campionari per produrre un intero
insieme di valori che ragionevolmente contiene l'ignoto valore del parametro.
Impareremo a tradurre e quantificare quel ragionevolmente in termini probabilistici.

lOMoARcPSD|6421062
Stima puntuale o stima intervallare: pro e contro
A favore della stima puntuale osserviamo quanto segue.
• È un metodo sempre applicabile, cioè la stima puntuale è sempre calcolabile a partire dai
soli dati campionari. Non richiede informazioni o ipotesi ausiliarie sul fenomeno in U e/o
sulla v.c X che lo interpreta.
• È semplice. Abbiamo visto infatti che basta procedere in analogia: la media μ si stima con la
media del campione x con trattino, la varianza σ^2 si stima con la varianza del campione s^2
(con il semplice accorgimento di dividere per i gradi di libertà (n-1) al fine di lavorare con
uno stimatore non distorto) e la frequenza relativa p (o la percentuale 100 per p) si stima con
la corrispondente frequenza relativa campionaria p con^ (o la percentuale campionaria 100
per p^).
Alla stima puntuale si riconoscono però degli inconvenienti.
• È difficile avvicinarsi ad azzeccare l'ignoto valore del parametro con un unico valore
puntuale.
• L'affidabilità della stima puntuale risiede tutta nella garanzia probabilistica offerta dalle
proprietà teorico-formali del corrispondente stimatore. A livello pratico, l'errore medio di
stima lo si può solo stimare con lo standard error e utilizzando gli stessi dati campionari.
Più interessante è il metodo di stima che produce un insieme di possibili valori ragionevolmente
sostituibili all'ignoto parametro, cioè una stima intervallare.
A garanzia della sua affidabilità, alla stima intervallare è poi associabile un numero (sempre
trasformabile in percentuale) che misura la probabilità con cui il corrispondente stimatore
(intervallare) contiene effettivamente l'ignoto parametro.
Infatti c'è il rischio di costruire un insieme di valori che non contiene l'ignoto valore del parametro
che stiamo stimando. Questo errore è qui quantificato in termini di probabilità e soprattutto
possiamo pre.fissarlo piccolo quanto ci pare.
(esempio pag. 256)
La stima intervallare che vedremo è la più nota e più utilizzata. È detta intervallo di confidenza e
la indicheremo con IC.
Intervallo di confidenza → per un ignoto parametro. È un intervallo di valori calcolato sui dati
campionari, per il quale si può confidare, a un prescelto livello probabilistico, che contenga l'ignoto
valore del parametro.

lOMoARcPSD|6421062
A favore degli IC possiamo fare le seguenti osservazioni.
• Sono meno rischiosi perché è più facile avvicinarsi all'ignoto valore del parametro con un
intervallo, cioè un insieme di valori, piuttosto che con un unico valore puntuale.
• Sono più informativi, anche se meno precisi,poiché un intervallo offre un' informazione più
ampia di un unico valore.
• L'affidabilità della stima intervallare è quantificata con una probabilità, scelta a priori, cioè
fissata prima di costruire la stima, al livello che più ci piace, ci interessa o ci conviene.
Per contro, con gli IC si ha un aumento della complessità della procedura di stima e servono più
informazioni oltre ai dati campionari. Sono infatti necessarie informazioni ausiliarie a priori sulla
funzione di probabilità o di densità della v.c X che interpreta il fenomeno di interesse in U.
A volte queste informazioni sono note o facili da reperire; in altri casi sono solo ipotizzabili, con il
concreto rischio di basarci su un'ipotesi azzardata e lontana dalla realtà (che è e rimane ignota).
Un IC, infatti, non è sempre producibile sulla base dei soli dati campionari, ma è calcolabile
soltanto qualora ci si trovi nell'una o nell'altra delle due seguenti situazioni.
1. È noto, oppure è ipotizzabile, con un elevato grado di sicurezza che il fenomeno X in U è

ben interpretato da una v.c normale (Normale). Indicheremo più brevemente questa
situazione con la dizione : popolazione normale.
2. La numerosità del campione n è sufficientemente grande perché valgano opportuni teoremi

di teoria della probabilità. Ci riferiremo più brevemente a questo caso come di grandi
campioni.
Intervallo di confidenza per la media μ con popolazione normale e σ^2 nota
Cominciamo con il caso più semplice, anche se poco realistico: sappiamo ipotizzare con un buon
grado di sicurezza, che il fenomeno di interesse in U è ben interpretato da una v.c. normale
(Normale) con media μ ignota ma varianza σ^2 che invece conosciamo.
In formule: X~N (μ,σ^2 nota ).
Siamo allora nel caso di popolazione normale con in più l'informazione circa il valore di σ^2 (è qui
la scarsa realisticità del caso che stiamo proponendo). Sotto queste condizioni, vogliamo costruire
una stima intervallare per l'ignoto parametro μ .
Un teorema di teoria della probabilità garantisce che: se X è normale anche lo stimatore media
campionaria X con trattino è a sua volta normale, con media μ (non distorta) e varianza σ^2/n.
Quest'ultima, nota σ^2 , è a sua volta nota. In formule: X con trattino~N (μ,σ^2 nota ).
Notate che questa è un'informazione ausiliaria (in più) e a priori (prima di estrarre il campione),
cioè che deve giungere dall'esterno e non dai dati campionari.

lOMoARcPSD|6421062
Standardizzando si ottiene allora la v.c Z normale standard, dalla quale sappiamo calcolare la
probabilità di qualunque intervallo utilizzando le sue tavole. :
X con trattino – μ/ √ σ^2/n = Z~N(0,1)
La metodologia di costruzione di un IC, che qui vediamo per la media μ con popolazione normale e
con σ^2 nota, prevede 5 passi.
Passo 1. Si estrae un campione bernoulliano di ampiezza n e ci si procura i dati (campionari)

x1 … xi … xn.
Passo 2. Si calcola la stima percentuale per μ, cioè la media del campione:

x con trattino=1/n sommatoria da i=1 a n xi
Passo 3. Si sceglie la probabilità di sbagliare, cioè di costruire un IC che non contiene μ.

Indicheremo questa probabilità con la lettera greca alpha α. Allora la probabilità di fare bene, cioè
di costruire un IC che effettivamente contiene l'ignoto parametro μ , è (1-α). Notate che la
probabilità di sbagliare α si sceglie e quindi si può fissare piccola quanto si vuole. Sceglierla uguale
a 0 non è un'idea furba: sappiamo che il rischio di errore campionario esiste sempre ed è
ineliminabile. Nella pratica α è generalmente fissato a un livello standard pari a 0,05 oppure 0,1
oppure 0,01. così la probabilità di fare bene (1-α) è il 95% oppure il 90% oppure il 99%.
Passo 4. Siccome abbiamo l'informazione ausiliaria a priori:

X con trattino - μ/√σ^2/n =Z~N(0,1)
e noi sappiamo come calcolare la probabilità di qualunque intervallo di un Normale standard, allora
usiamolo al contrario e, con α scelto al punto precedente, poniamo:
P(a ≤ X con trattino -μ / √σ^2/n ≤ b) = P(a ≤ Z ≤ b ) = 1- α
(guarda disegno pag. 258)
Sappiamo che per la Normale (e per tutte le v.c continue) le probabilità sono aree. All'interno
dell'intervallo (a,b) c'è una probabilità (area) pari a (1-α) mentre all'esterno c'è una probabilità α che
dividiamo equamente in α/2 a sinistra e α/2 a destra. Gli estremi di tale intervallo (che si leggono
sull'asse orizzontale delle ascisse) sono due valori della Z~N(0,1) simmetrici rispetto allo 0. li
indichiamo allora più chiaramente con -zα/2 e zα/2.
Questa notazione è standard e molti li chiamano con l'inglese Z-score.
Troviamo lo Z-score zα/2 sulle tavole della Z~N(0,1) e quello negativo -zα/2 si ottiene cambiando
semplicemente il segno.
A questo punto possiamo riscrivere la nostra probabilità cosi:
P(a ≤ Z ≤ b ) = P(-zα/2 ≤ X con trattino -μ / √σ^2/n ≤ zα/2)= 1- α
Infine si inverte questa relazione probabilistica in modo da ottenere un intervallo centrato sul
parametro μ che si vuole stimare. Otteniamo di poterla riscrivere così:
P(X con trattino – zα/2√σ^2/n ≤ μ ≤ X con trattino + zα/2√σ^2/n)=1-α

lOMoARcPSD|6421062
Nel caso di popolazione normale questa probabilità è vera. Sostituendo i dati campionari si ottiene
un intervallo che è l'IC che cerchiamo.
A tale intervallo rimane associato il numero (1-α) a garanzia probabilistica dell'affidabilità dell'IC
costruito. Per questo (1-α) è chiamato livello di confidenza e lo indicheremo brevemente con l.c.
Livello di confidenza (1-α) → è una misura di quanto possiamo fidarci (confidare) che l'IC
contenga l'ignoto valore del parametro.
Passo 5. l'ultimo passo consiste nel calcolare l'IC. Si sostituisce allo stimatore X con trattino
all'interno della parentesi della probabilità scritta prima, il valore della stima x con trattino calcolata
sull'unico campione estratto.
IC per μ a l.c. (1-α) con popolazione normale e σ^2 nota →
[x con trattino -zα/2√σ^2/n , x con trattino +zα/2√σ^2/n ]
Questa situazione difficilmente si incontra in pratica. Un caso più realistico è quello in cui entrambi
μ e σ^2 sono ignoti.
Consideriamo allora ancora il caso di popolazione normale, ma con anche σ^2 ignota. Questa volta
l'informazione ausiliaria a priori è che sia noto, oppure sia realisticamente ipotizzabile, che il
fenomeno di interesse è interpretabile dalla v.c X~N (μ,σ^2) con entrambi i parametri ignoti.
Per trattare questo caso più realistico abbiamo bisogno di un nuovo trucco di calcolo (la
studentizzazione al posto della standardizzazione) e di una nuova v.c (la T di Student al posto della
Z).
Studentizzazione e variabile casuale T di Student
Siamo ancora sotto la condizione iniziale: X~N (μ,σ^2). Allora vale ancora il teorema X con
trattino~N (μ,σ^2/n). Ora però non consideriamo il valore σ^2 e così non possiamo più
standardizzare e usare le tavole della Z. Di fronte ad un parametro ignoto lo stimiamo. La stima per
σ^2 è la varianza campionaria corretta con i gradi di libertà.
S^2= 1/n -1 sommatoria da i=1 a n (xi-x con trattino)^2
Se nella standardizzazione sostituiamo la stima s^2 all'ignota σ^2 si effettua una diversa
trasformazione che chiamiamo studentizzazione.
Studentizzazione di X con trattino → X con trattino – μ / √S^2/n

(abbiamo usato lettere maiuscole perché si tratta di stimatori)
Un altro teorema di teoria della probabilità ci assicura che lo stimatore media campionaria
studentizzata (anziché standardizzata) non è più una Z~N (0,1), ma è un'altra v.c chiamata T di
Student.

lOMoARcPSD|6421062
La T di Student è una v.c diversa da Z~N (0,1), ma la sua funzione di densità è molto simile: ha
sempre forma campanulare ed è centrata sullo 0, ma ha varianza più grande di 1.
Rispetto alla Z ha le code più pesanti, cioè le code della campana sono un po' più lontane dall'asse
delle ascisse. (figura pag. 261)
La v.c T di Student ha un solo parametro, detto gradi di libertà. Per una popolazione normale con
entrambi i parametri ignoti, studentizzando lo stimatore media campionaria si ottiene una T di
Student con (n-1) gradi di libertà, pari cioè, a quelli che mettiamo al denominatore per correggere la
varianza campionaria s^2:
X con trattino- μ/ √S^2/n=Tn-1
Anche la v.c T di Student esistono le tavole per individuarne probabilità e valori.
Intervallo di confidenza per la media μ con popolazione normale e σ^2 ignota
La metodologia di costruzione e analoga a quella con σ^2 nota. La differenza consiste nell'utilizzare
la T di Student con (n-1) gradi di libertà anziché la Z~N (0,1).
Passo 1. Si estrae un campione bernoulliano di ampiezza n e ci si procura i dati (campionari)

x1 … xi … xn.
Passo 2. Si calcolano le stime puntuali per entrambi i parametri ignoti:
• la media campionaria
x con trattino =1/n sommatoria da i=1 a n per μ
• la varianza campionaria (corretta)

s^2= 1/n-1 sommatoria da i=1 a n (xi- x con trattino)^2 per σ^2
Passo 3. Si sceglie il livello di confidenza (1-α) da cui si ottiene la probabilità di sbagliare α e le

probabilità α/2 delle code.
Passo 4. Si studentizza lo stimatore media campionaria X con trattino e si ottiene la v.c T di Student
con (n-1) gradi di libertà
X con trattino- μ/ √S^2 /n =Tn-1
Sulla T (anziché sulla Z ) si applica una teoria in tutto simile a quella che abbiamo visto al passo 4
del paragrafo precedente. Quello che cambia è che salteranno fuori dei T- score (anzixhé degli Z-
score).
P(-tα/2 ≤ X con trattino-μ/√S^2 /n ≤ tα/2 ) = 1- α

(figura pag. 263)
Il T-score positivo tα/2 si trova nelle tavole della T di Student. Il suo simmetrico -tα/2 si ottiene
cambiando il segno. Ora invertiamo la doppia disuguaglianza all'interno delle parentesi e
riscriviamo la probabilità in modo che l'intervallo sia centrato sul parametro μ che vogliamo
stimare:
P( X con trattino- tα/2√S^ 2 /n ≤ μ/≤ X con trattino + tα/2 √S^ 2 /n ) = 1- α

lOMoARcPSD|6421062
Passo 5. Sostituendo i dati campionari si ottiene finalmente l'IC che cerchiamo.
IC per μ a l.c (1-α) con popolazione normale e σ^2 ignota →
[x con trattino -tα/2√s^ 2 /n , x con trattino + tα/2√s^ 2 /n ]

Intervalli di confidenza (approssimati) per grandi campioni per la media e per la percentuale
Ora ci mettiamo nel caso in cui non si sa nulla circa il fenomeno in U: non si hanno informazioni
ausiliarie a priori, oppure non si ritiene realistica l'ipotesi che la popolazione sia normale oppure
ancora si sa che la popolazione non è normale. Consideriamo cioè tutte le situazioni non previste
nei paragrafi precedenti.
Nonostante la v.c normale (Normale) funzioni bene per molti fenomeni, nelle applicazioni molti
altri casi rimangono fuori.
Costruire un IC richiede, rispetto alla stima puntuale, delle informazioni in più. Se non abbiamo
informazioni ausiliarie a priori su X, cioè se non siamo nel caso di popolazione normale, dobbiamo
allora avere molti dati, cioè essere nel caso di grandi campioni. Solo se il campione è
sufficientemente grande possiamo infatti appellarci a un teorema di teoria delle probabilità
fondamentali nell'inferenza statistica. Questo teorema si chiama teorema centrale del limite e lo
indicheremo con TCL.
Qualunque sia la distribuzione del fenomeno X in U, se l'ampiezza campionaria n tende all'infinito,

allora gli stimatori standardizzati media campionaria X con trattino (stimatore per μ) e frequenza
relativa campionaria P^ (stimatore per p o anche per la percentuale 100 per p) sono normali.
Questo è il risultato teorico, nella pratica, i campioni possono essere grandi, ma non sono infiniti.
Allora, il risultato teorico si può usare così: quando n è sufficientemente grande, gli stimatori X con
trattino e P^ standardizzati sono approssimativamente normali (tecnicamente si
dice:asintoticamente normali). In formule indicheremo la distribuzione asintotica con ≈ .
Per il TCL, se n è sufficientemente grande vale:

X con trattino – μ/ √σ^2/n ≈ N(O,1) e P^- p/ √p(1-p)/n ≈ N(O,1)
Siccome con n sufficientemente grande, grazie al TCL ritroviamo la Normale,allora per grandi
campioni possiamo usare la metodologia degli IC basata sulla Z ~N (0,1).
ATTENZIONE: qui la normalità è approssimata e conseguentemente si tratterà di IC approssimati
per grandi campioni con un effettivo l.c approssimativamente pari all' (1- α) scelto. Gli IC
approssimati per grandi campioni si usano per la media μ quando non si può assumere la normalità
della popolazione.
IC approssimato per grandi campioni per μ a l.c approssimativamente pari a (1- α) →

[x con tarttino -zα/2 per√s^2/n , x con tarttino +zα/2 per√s^2/n ]
Gli IC approssimati per grandi campioni si usano anche per la frequenza relativa p (o per la
percentuale 100 per p) di un fenomeno qualitativo (dicotomico, categoriale ed ordinale).
IC approssimato per grandi campioni per p a l.c approssimativamente pari a (1-α) →

[p^ -zα/2 per√p^(1-p^)/n , p^ +zα/2 per√p^(1-p^)/n ]
(esempio pag.266)

lOMoARcPSD|6421062
Istruzioni d'uso e avvertenze per gli intervalli di confidenza (IC)
Se la popolazione non è normale come crediamo o se il campione non è bernoulliano o, ancora, se n

non è sufficientemente grande perché cominci a funzionare il TCL, allora il problema è che non c'è
più garanzia probabilistica che l'IC abbia il l.c (1-α) che abbiamo scelto.
La conseguenza è che l'inferenza statistica non ha l'affidabilità che vogliamo, l'errore che
commettiamo non è più puramente campionario e non è più quantificabile in termini probabilistici.
Ogni IC ha associato un l.c nominale, che coincide con l'(1-α) scelto, ma anche un l.c effettivo
chiamato copertura. La copertura effettiva dipende dalla reale distribuzione di X. Solo se X è
certamente normale allora la copertura coincide con il l.c nominale e l'IC è esatto.
In tutti gli altri casi, cioè quando la popolazione normale è solo un'assunzione che si ritiene vicina
alla realtà oppure quando si suppone che il campione sia sufficientemente grande per applicare il
TCL, allora l'IC è approssimativo, cioè la sua copertura è un'approssimazione dell'(1-α) nominale.
La copertura di un IC approssimato sarà tanto più vicina all' (1-α) nominale quanto più normale è la
popolazione oppure quanto più è grande il campione (ricordiamoci sempre che il TCL vale con
n → ∞).
Quando n è sufficientemente grande anche la v.c T di Student è approssimativamente normale cioè

anche per la T di Student vale il TCL. Potete verificarlo facilmente mettendo a confronto le tavole
della T e quelle della Z: al crescere dei gradi di libertà (n-1) i T-score tα/2 sono sempre più vicini ai
corrispondenti Z-score zα/2. Allora all'aumentare di n e conseguentemente all'aumentare dei gradi
di libertà (n-1), diventa indifferente utilizzare la T di Student o la Z. Nella pratica, quando il
campione è grande, per costruire un IC per μ, anche se σ^2 è ignota eviene stimata con s^2, si usa
sempre la Z ~N (0,1).
non esiste una regola teorica per stabilire quando n è sufficientemente grande da giustificare il
ricorso al TCL (che vale con n → ∞). Non esiste una regola teorica che garantisca che la copertura
effettiva sia sufficientemente vicina al l.c (1-α) scelto. Nelle applicazioni può essere già sufficiente
un campione di ampiezza n ≥ 100 per costruire un IC per μ e un campione di ampiezza n ≥ 30 per
costruire un IC di p. Ampiezze campionarie di 1000 o 1500 sono standard nei sondaggi di opinione
e nelle ricerche di mercato e, purché si tratti di campioni casuali, garantiscono in genere il rispetto
delle condizioni teoriche.
Al l.c (1-α) si possono dare due interpretazioni probabilistiche.
1. L'interpretazione analitica del l.c → corrisponde alla probabilità con cui l'intervallo
costruito con lo stimatore contenga effettivamente l'ignoto parametro. Sostituendo i dati
campionari,cioè calcolando l'IC con la stima ottenuta dal campione effettivamente estratto,
tale probabilità passa all'IC, ma sotto forma di livello di confidenza. A essere rigorosi,il l.c
non è più una probabilità. È però una misura della fiducia che si può riporre nel fatto che
l'IC contenga davvero l'ignoto parametro.
2. Interpretazione statistico-frequentsita del l.c , anche detta del long run → immaginiamo di
poter estrarre da U un grande numero di campione bernoulliano di ampiezza n. Su ciascun
campione costruiamo l'IC per l'ignoto parametro. Alcuni di tali IC conterranno realmente il
parametro, altri no. Su un gran numero di campioni bernoulliani, ci si può attendere che l'
(1-α)% contenga davvero l'ignoto parametro e che il rimanente α% non lo contenga.
Abbiamo capito che il l.c è una garanzia probabilistica dell'affidabilità dell'IC, ma non è l'unico
aspetto importante da considerare.

lOMoARcPSD|6421062
Precisione degli intervalli di confidenza
Un IC è tanto più preciso quanto più è stretto, cioè quanto meno è ampio. L'ampiezza di un IC ne
definisce quindi la precisione (accuracy). L'ampiezza di un intervallo è la differenza fra l'estremo
superiore e l'estremo inferiore. Meno l'IC è ampio, più è utile per fare l'inferenza sul parametro
ignoto.
(esempio pag. 271)
Sappiamo che un IC ha una struttura generale di questo tipo:

stima (puntuale) ± score x SE (stima)
dove il valore di score sarà uno Z-score o un T-score a seconda dell'oggetto e delle condizioni di
stima. Allora l'ampiezza di un IC ha la seguente forma generale.
Ampiezza di un IC → (stima + score x SE)-(stima -score x SE) = 2score x SE
Ne deduciamo che la precisione della stima intervallare dipende dalla precisione della stima
puntuale, a sua volta stimata mediante lo standard error SE: più piccolo è SE, meno ampio e dunque
più preciso è l'IC.
Prendiamo ad esempio l'IC per media μ nel caso di grandi campioni:
x con trattino ± zα/2 √s^2/n che ha ampiezza 2zα/2 √s^2/n

minore è SE(x con trattino)= s^2/n, minore è l'ampiezza dell'IC e dunque maggiore la sua
precisione. Osserviamo infine che l'ampiezza dell'IC dipende dal livello di confidenza (attraverso il
valore di score) e dall'ampiezza campionaria n (attraverso SE). Allora il l.c e la precisione di un IC
sono fra loro legati, e a loro volta, sono legati all'ampiezza campionaria n, cioè alla quantità dei dati
coinvolti nel processo di stima.
Relazione fra livello di confidenza, numerosità campionaria e precisione dell'intervallo di

confidenza
La precisione di un IC è in relazione inversa con il livello di confidenza e in relazione diretta con la

numerosità campionaria. Cioè:
• a parità di ampiezza campionaria n, un aumento del l.c (1-α) provoca diminuzione di

precisione (cioè un aumento di ampiezza dell'IC) e viceversa;
• a parità di livello di confidenza (1-α), un aumento della numerosità campionaria n provoca

un aumento della precisione (cioè una diminuzione dell'ampiezza dell'IC) e viceversa.
A questo punto siamo in grado di utilizzare la teoria sottostante alla costruzione degli IC per dare
una metodologia di pianificazione dell'ampiezza campionaria. Impariamo a decidere il valore di n
mantenendo sotto controllo l'errore di stima.

lOMoARcPSD|6421062
Errore assoluto di stima e come decidere l'ampiezza del campione
quanto deve essere grande n? La pianificazione di n è strategica per l'inferenza statistica.

Cominciamo con l' introdurre una nuova misura dell'errore di stima:l'errore assoluto di stima.
Si tratta del modo più semplice per misurare l'errore di stima, senza alterarne ordine di grandezza e
unità di misura e senza distinguere fra sovra-stime e sotto-stime (che infatti sono entrambi errori di
stima). Partiamo dalla differenza fra stima e parametro ignoto presa in valore assoluto per eliminare
il segno.
Per esempio se stiamo stimando la media ʹμ e usiamo la media campionaria x con trattino allora
l'errore assoluto di stima è : |x con trattino – μ|.
Ora, teniamo conto di tutti i possibili campioni (bernoulliano e di ampiezza n), cioè passiamo allo
stimatore per interpretare la variabilità campionaria.
Errore assoluto di stima → |stimatore – parametro|
Con una teoria simile a quella che ci è servita per costruire gli IC, è possibile scegliere a priori, cioè
prima d estrarre il campione, sia l' errore massimo che siamo disposti a tollerare (che indicheremo
con Err) sia il livello di probabilità con cui vogliamo che questo accada.
Poiché questa probabilità è del tipo fare bene, la indicheremo come siamo abituati con (1-α).
Pianificazione di n per la stima della media e della percentuale
Cominciamo con il caso della media. Sappiamo che la media del campione x con trattino è una
buona stima per l'ignoto media μ dell'intera popolazione. Ora vogliamo decidere quanto deve essere
grande il campione affinché, usando la media x con trattino del campione per stimare la media μ
dell'intera popolazione, commettiamo un errore assoluto |X con trattino – μ| non superiore a un certo
margine massimo tollerato. Siamo in condizioni di incertezza a causa della parzialità e casualità dei
dati campionari.
Cerchiamo allora di fare una buona stima con buona probabilità. Scegliamo:
1. la probabilità (1-α) di fare bene, per esempio, ai livelli standard 90% oppure 95% oppure
99%;
2. il nostro margine di errore massimo tollerato. Attenzione: lavorando con dati campionari, il
rischio di errore esiste sempre, perciò lo zero non è una scelta “furba”. Possiamo però
sceglierlo piccolo quanto ci pare e lo chiameremo Err.
Ora posiamo la probabilità di fare bene, cioè di commettere un errore assoluto di stima non più
grande del livello Err che siamo disposti a tollerare, pari al livello (1-α) prescelto. In formule:
1-α=P (|X con trattino -μ| ≤Err)
Applicando le regole dell'algebra, questa probabilità si può riscrivere così:
1-α=P (- Err ≤ X con trattino -μ ≤ +Err)

lOMoARcPSD|6421062
Poiché stiamo cercando n sufficientemente grande, possiamo standardizzare e usare la Z~N (0,1):
1-α= P (- Err/√σ^2/n ≤ X con trattino -μ/√σ^2/n ≤ +Err/√σ^2/n )
Abbiamo così ritrovato il solito intervallo di valori della Z~N (0,1) di probabilità (1-α) con:
-Err/√σ^2/n e +Err/√σ^2/n
che corrispondono ai soliti Z-score. (graficamente figura pag. 275)
Vale cioè l'uguaglianza:

Err/√σ^2/n = zα/2
Risolvendo questa uguaglianza nella nostra incognita n finalmente otteniamo:
n= zα/2 per σ^2/ Err^2
che è l'ampiezza campionaria che con probabilità (1-α) garantisce un errore assoluto di stima non
superiore al nostro margine di errore Err.
In questa formula, i valori Err e α sono numeri che abbiamo scelto noi, lo Z-score zα/2 si ricava
dalle tavole, ma σ^2 è ignoto.
In pratica la formula si può utilizzare solo se si dispone di informazioni ausiliarie a priori sulla
variabilità del fenomeno X nella popolazione U di interesse. Sappiamo infatti che l'errore di stima
dipende da quanto è variabile X. Più grande è la varianza di X più difficile sarà stimare qualunque
parametro.
Se vogliamo tenere sotto controllo l'errore campionario, dobbiamo disporre di una stima preventiva
di σ^2, che di solito deriva da informazioni passate, da fonti ufficiali oppure da un campione pilota.
Un caso speciale si ha quando il fenomeno di interesse è qualitativo (dicotomico, categoriale,

ordinale) e il parametro oggetto di stima è la frequenza relativa p di soggetti che appartengono a una
data categoria (o equivalentemente la percentuale 100 per p).
Sappiamo che la corrispondente frequenza relativa del campione p^ è una buona stima.
Ora vogliamo decidere quanto deve essere grande il campione affinché usando p^ per stimare p
commettiamo un errore assoluto non superiore a un certo livello massimo tollerabile Err.
Questo è un caso più semplice perché possiamo ricavare una formula per la pianificazione di n
anche senza avere informazioni ausiliarie a priori sulla variabilità di X in U, semplicemente
mettendoci nella situazione peggiore, quella in cuoi è più difficile stimare p. In questo modo
riusciamo a determinare l'ampiezza campionaria n che ci tutela al massimo.
Chiamiamo convenzionalmente successo la categoria di interesse,quella di cui vogliamo stimare la

frequenza relativa p, e chiamiamo insuccesso tutte le altre con frequenza relativa (1-p). Intuiamo
che la situazione più difficile da stimare è quella in cui successo e insuccesso hanno la stessa
probabilità p=(1-p)=0,5, da cui segue:
σ^2 =z^2α/2 per σ^2 / Err^2 = z^2α/2 per 0,25 / Err^2 = z^2α/2/ 4 per Err^2

lOMoARcPSD|6421062
Questa è l'ampiezza campionaria che garantisce la massima tutela sull'errore di stima, perché
assume la situazione peggiore. Nel caso fortunato in cui si disponga di informazioni a priori su σ^2,
per esempio sia noto che è inferiore al caso peggiore σ^2 = 0,25 o si sappia che p è parecchio
diverso da (1-p), allora naturalmente conviene usare tali informazioni e la formula fornirà un valore
di n più piccolo.
(esempi pag. 276/277)
Concludiamo con un'osservazione che risulta utile quando la pianificazione dell'ampiezza

campionaria riguarda una popolazione di dimensione non troppo elevata, diciamo intorno a 1000 o
inferiore. Le formule imparate in questo capitolo sono applicabili a indagini su larga scala, quando
la dimensione N della popolazione U di interesse è molto grande, come, per esempio, nel caso di
stime a livello nazionale o regionale.
Quando invece la popolazione U è piccola, il valore di n va corretto con la correzione per

popolazione finite o per piccole popolazioni.
n corretto per popolazioni finite → Nn/ N + n-1
Tavola della v.c T di Student con g gradi di libertà pag. 279
TEST STATISTICI capitolo 19 (pag. 281)
Introduciamo la seconda grande classe di metodi di inferenza: la verifica di ipotesi mediante i test
statistici.
Qui l'obiettivo non è più utilizzare il campione per costruire un valore o un intervallo di valori
ragionevolmente sostituibili all'ignoto parametro. Immaginiamo invece di lavorare in un contesto
applicativo che ci permette di formulare un'ipotesi circa il valore dell'ignoto parametro in U o, più
in generale, circa un qualche aspetto statistico del fenomeno nella popolazione.
I dati campionari sono allora impiegati per stabilire se tale ipotesi è ragionevolmente accettabile o
rifiutabile. In questo capitolo ci occupiamo del tipo più classico di test statistico: i test di
significatività.
Cominciamo con il capire che cosa si intende per ipotesi statistica.
Ipotesi statistica e ipotesi nulla
L'ipotesi in cui ci troviamo è sempre di tipo inferenziale. Siamo quindi interessati alle caratteristiche
statistiche di un qualche fenomeno per il quale non si dispone di un'osservazione completa su una U
di riferimento, ma solo di dati parziali derivanti da un campionamento casuale.
Ipotesi statistica → è una congettura riguardante una qualche caratteristica statistica del fenomeno
in U. Tale congettura è formulata a priori, cioè prima di estrarre il campione. Proviene, per così dire,
dall'esterno, dipende dal contesto applicativo e dagli obiettivi di ricerca, non dai dati campionari.
L'ipotesi statistica può riguardare il valore di un parametro di U. Per esempio la media µ, oppure
una frequenza relativa p (o una percentuale 100 per p), ma anche la mediana, la varianza σ^2 ecc.
Tecnicamente si parla di ipotesi parametrica. Altrimenti si parla di ipotesi non parametrica,per
esempio l'ipotesi di esistenza o meno di relazione statistica in una coppia di fenomeni
congiuntamente osservati sulla stessa U, oppure riguardo il tipo di v.c adatta a interpretare il
fenomeno in U o, più in generale, ipotesi sulle frequenze cumulate.

lOMoARcPSD|6421062
Ipotesi nulla → è la formalizzazione, cioè la traduzione in simboli e formule, dell'ipotesi statistica

che abbiamo emesso e che vogliamo sottoporre a verifica con un test statistico. Indicheremo
l'ipotesi nulla con la notazione standard H0 che si legge “acca con zero” o “acca zero”.
(esempio pag. 282)
L'ipotesi statistica emessa e la sua formalizzazione nell'ipotesi nulla H0 hanno a che fare con il più
generale concetto di ipotesi di ricerca, ma solo raramente coincidono. Difficilmente infatti
l'interrogativo di ricerca potrà essere perfettamente e completamente espressa nei termini di
un'ipotesi statistica.
I test statistici per la verifica di ipotesi forniscono un sostegno, basato su dati osservati nella realtà,
a un più generale interrogativo di ricerca.
La verifica di ipotesi è la metodologia inferenziale che, a partire dai dati campionari, porta a
decidere se accettare o rifiutare l'ipotesi nulla H0, controllando probabilisticamente l'errore
campionario. Il test statistico è la regola pratica che porta a questa decisione. Con la nostra
strumentalizzazione matematica ci concentreremo sul tipo più classico di test statistico, detto test di
significatività.
In particolare introdurremo i test di significatività per la verifica di ipotesi sulla media μ e sulla
frequenza relativa p (o sulla percentuale 100 per p).
in ambito bivariato impareremo i più classici fra i test di significatività per la verifica dell'esistenza
o meno di indipendenza statistica in una coppia di fenomeni qualitativi e di correlazione in una
coppia di fenomeni quantitativi.
Errore campionario e livello di significatività
Anche la verifica di ipotesi, così come la stima, è una procedura di inferenza statistica e i concetti di
variabilità campionaria e di errore campionario sono sempre validi.
Un test statistico, cioè la regola che porta ad accettare o rifiutare H0, è basato sui dati campionari,
cioè su un osservazione parziale dell'intera U di riferimento. È dunque condotto in condizioni
d'incertezza: quando il test porta al rifiuto di H0 questo non significa necessariamente “H0 falsa”,
ma solo che “i dati campionari non suffragano sufficientemente H0”. Quando invece il test porta
all'accettazione di H0 questo non significa necessariamente “H0 vera”, ma soltanto che “i dati
campionari sono consistenti e supportano H0”. Accettare o rifiutare H0 sulla base dei dati
campionari comporta inevitabilmente il rischio di commettere un errore.
Errore di I specie → l'errato rifiuto, cioè sbagliare rifiutando H0 vera.
In realtà esiste anche un altro tipo di errore chiamato errore di II specie, che è invece l'errata
accettazione, cioè l'errore che si commette accettando H0 falsa.
Per tener conto di entrambi gli errori è necessaria una teoria dei test più avanzata che noi non
tratteremo.
Concentriamoci allora sui test di significatività che si limitano a considerare e controllare

probabilisticamente l'errore di I specie.

lOMoARcPSD|6421062
Con un test di significatività, infatti, si sceglie a priori la probabilità di commettere l'errore di I

specie. Possiamo sceglierla piccola quanto ci piace e quanto ci conviene, ma non zero perché il
rischio di errore esiste sempre ed è ineliminabile. Siccome questa probabilità è del tipo probabilità
di sbagliare, la indicheremo con il nostro simbolo abituale α.
Probabilità dell'errore di I specie → α = P (rifiutare H0|H0)
Il simbolo |H0 si legge “dato che H0 è vera” oppure “dato H0”.

Allora (1-α) è probabilità di fare bene,cioè di non sbagliare accettando H0 perché H0 è vera. (1-α) è
chiamato livello di significatività del test, lo indicheremo brevemente con l.s.
Livello di significatività di un test statistico → 1- α = P (accettare H0|H0)
La probabilità di errore di I specie α è, in genere, fissata auno dei livelli standard 0,05 oppure 0,1
oppure 0,01; conseguentemente il test avrà l.s. 95% oppure 90% oppure 99%.
Oltre alle informazioni esterne che servono per emettere l'ipotesi statistica e formalizzarla
nell'ipotesi nulla H0, per costruire ed eseguire un test statistico servono anche informazioni
ausiliarie a priori sulla v.c X che interpreta il fenomeno d'interesse in U.
Un test statistico si può infatti costruire ed eseguire soltanto se ci si trova nel caso di popolazione
normale oppure nel caso di grandi campioni.
Per imparare la metodologia di costruzione ed esecuzione di un test statistico (come per gli IC)
partiremo dal caso più semplice, anche se poco realistico, per capire il come e il perché e poi ci
ravvicineremo alla realtà facendo cadere gli assunti meno convincenti dal punto di vista pratico.
Z-test per la verifica di ipotesi su μ per popolazione normale con σ^2 nota
Mettiamoci nel caos di popolazione normale:sappiamo che il fenomeno di interesse in U è ben

interpretato da una v.c normale (Normale) con media μ ignota, ma con l'informazione circa il valore
della varianza σ^2. In formule X~N (μ, σ^2 nota). Con queste stesse assunzioni sappiamo costruire
un IC per μ. Quello che sappiamo,allora, è che la normalità vale anche per la media campionaria X
con trattino con cui stimiamo μ, in formule: X con trattino ~N (μ, σ^2/n).
Adesso immaginiamo che le condizioni in cui stiamo lavorando ci consentano di emettere l'ipotesi
statistica che il valore dell'ignoto parametro μ sia un certo numero. Il simbolo standard per indicare
questo certo numero è μ0, che si legge “mu con zero”.
In formule:
H0: μ = μ0
Il test statistico per verificare questo tipo di H0 consiste di sei passi.
Passo 1. Si estrae il campione bernoulliano di ampiezza n e ci si procurano i dati campionari

x1 … xi … xn.
Passo 2. Si calcola la stima puntuale per μ, cioè la media del campione:

x con tarttino =1/n sommatoria da i=1 a n xi

lOMoARcPSD|6421062
Passo 3. Si sceglie la probabilità di sbagliare α, cioè di commettere l'errore di I specie, cioè di errato
rifiuto di H0. Allora la probabilità di fare bene, cioè di accettare H0 quando è vera, ovvero il l.s. del
test, è (1- α).
Passo 4. Siccome abbiamo l'informazione ausiliaria a priori X con trattino ~N (μ, σ^2/n nota);
standardizzando possiamo usare la Z~N(0,1). Si standardizza assumendo che H0 sia vera, cioè
usiamo, al posto dell'ignota μ, il valore μ0 ipotizzato in H0. Otteniamo in questo modo la statistica
test.
Statistica test → X con trattino – μ0/ √σ^2/n = Z~N(0,1)
Poiché la media campionaria è una buona stima per μ, ora osserviamo che:
• se H0: μ= μ0 è vera, allora la differenza x con trattino - μ0 tende a risultare piccola (vicino
a 0);
• se invece H0 : μ= μ0 è falsa, allora la differenza x con trattino - μ0 tende a risultare grande

(lontana da 0, in più o in meno).
Allora i valori della statistica test Z: intorno allo 0 depongono a favore dell'accettazione di H0,
mentre lontani da 0 sono inusuali e non consistenti con H0 e perciò depongono per il suo rifiuto.
Con le probabilità scelte α e (1-α), si divide la probabilità sotto la curva a campana della statistica
test Z in due zone. (figura pag. 285)
• Una zona di valori a favore dell'accettazione di H0. Sono i valori intorno allo 0, con
probabilità pari a (1-α). chiameremo questa zona: zona di accettazione.
• Una zona di valori che,viceversa, depongono per il rifiuto di H0. Sono i valori lontani da 0
in più e in meno, cioè quelli corrispondenti alle due code della campana. Sotto ciascuna
coda la probabilità residua α si divide equamente in α/2 e α/2.
Chiameremo l'insieme delle due code: zona di rifiuto o regione critica.
Sull'asse delle ascisse (orizzontale) si leggono il valore zα/2 e il suo simmetrico -zα/2 che dividono
la zona di accettazione dalla regione critica. Si tratta ancora di determinare un valore di Z-score che
chiameremo valore critico o soglia del test.
Valore critico del test → è il punto sull'asse delle ascisse che identifica la soglia fra la zona di
accettazione e la regione critica. È lo Z-score zα/2 che ci garantisce la probabilità di sbagliare α che
abbiamo scelto.
In formule:
P (rifiutare H0|H0) = P (X con trattino – μ0/ √σ^2/n ≤ -zα/2 oppureX con trattino – μ0/ √σ^2/n ≥
+zα/2 ) = α/2 + α/2 = α
Così è automaticamente garantito anche il l.s. (1-α) che abbiamo scelto, in formule:
P (accettare H0|H0) = P ( -zα/2 ≤ X con trattino – μ0/ √σ^2/n ≤ zα/2) = 1- α
Il valore critico zα/2 si trova sulle tavole della Z; il suo simmetrico si ottiene cambiando il segno.

lOMoARcPSD|6421062
Passo 5. Sostituendo nella statistica test Z i valori noti a priori, cioè μ0, σ^2 e n, e la stima x con
trattino calcolata sui dati campionari, si ottiene un numero che chiamiamo valore sperimentale o
valore empirico del test.
Valore sperimentale del test → x con trattino- μ0/√σ^2 /n
Passo 6. Finalmente siamo pronti per il test, cioè la regola per decidere se accettare o rifiutare
H0 : μ = μ0 al prescelto l.s. (1-α).
test → Si rifiuta H0:μ = μ0 a livello (1-α) se il valore sperimentale cade nella regione critica, cioè
se :
x con trattino- μ0/√σ^2 /n ≤ -zα/2
x con trattino- μ0/√σ^2 /n ≥ zα/2
La probabilità di sbagliare, cioè di rifiutare H0 quando invece è vera, è pari all'α che abbiamo
scelto.
Un caso più interessante,perché più frequente nelle applicazioni pratiche di popolazione normale, è
che anche σ^2 sia ignota.
T-test per la verifica di ipotesi su μ per popolazione normale e σ^2 ignota
La condizione iniziale di popolazione normale non è difficile da riscontrare nella pratica, invece
l'assunto che la varianza sia nota è piuttosto irrealistico: se non abbiamo informazioni su µ, che è
infatti il nostro parametro ignoto, è verosimile che manchino anche, e forse a maggior ragione ,
informazioni sul valore di σ^2 e piuttosto che rischiare assunzioni poco realistiche è preferibile
affidarci ai dati e stimarlo dal campione insieme a μ.
In pratica la situazione più frequente è questa: il fenomeno X nella popolazione di interesse U è

ancora interpretabile con la v.c normale (Normale), ma con entrambi i parametri μ e σ^2 ignoti.
L'obiettivo è ancora verificare l'ipotesi nulla H0:μ= μ0.
La procedura di costruzione prevede sei passi simili a quelli del paragrafo precedente.
Passo 1. Si estrae il campione bernoulliano di ampiezza n e si ottengono i dati campionari

x1 … xi … xn.
Passo 2. Si calcola la stima puntuale per tutto ciò che è ignoto, dunque per entrambi i parametri.
La media del campione:
x con tarttino =1/n sommatoria da i=1 a n xi per μ
e la varianza del campione (corretta con i gradi di libertà per garantirci la non distorsione)
s^2=1/n-1 sommatoria da i= 1 a n (xi-xcon trattino) per σ^2
Passo 3. Si sceglie il l.s (1-α) da cui si ricava la probabilità di sbagliare α e la probabilità delle code
α/2.

lOMoARcPSD|6421062
Passo 4. Siamo nel caso di popolazione normale,perciò abbiamo anche la normalità della media
campionaria X con trattino ~N (μ, σ^2/n). Ora però, manca il valore vero di σ^2 per
standardizzare,ma possiamo usare la sua stima (non distorta) s^2 e studentizzare. Effettuiamo la
studentizzazione sempre sotto H0, cioè utilizzando il valore ipotizzato μ0 al posto dell'ignoto valore
vero μ. La statistica test che otteniamo non è più una Z ma una T di Student con (n-1) gradi di
libertà, cioè quelli con cui abbiamo corretto s^2.
Statistica test → X con trattino – μ0/√S^2/n =Tn-1
Notate che abbiamo usato le lettere maiuscole, cioè gli stimatori.

Per ottenere il valore critico del test si tratterà di ricavare il T-score tα/2 cercando sulle tavole della
T . Con il valore critico o con il suo simmetrico, che si ottiene semplicemente cambiando di segno,
-tα/2, passiamo a individuare, sotto la curva a campana della T di Student, la zona di accettazione e
la regione critica del test (figura pag. 289)
Valore critico del test →

P (rifiutare H0|H0) = P (X con trattino – μ0/ √S^2/n ≤ -tα/2 oppure X con trattino – μ0/ √S^2/n ≥
+tα/2 ) = α/2 + α/2 = α
Passo 5. Si calcola il valore sperimentale sostituendo nella statistica test i valori noti, cioè μ0 e n,
e le due stime x con trattino e s^2. Si ottiene un numero.
Valore sperimentale del test → x con trattino- μ0/√s^2 /n
Passo 6. Finalmente il test.
Si rifiuta H0:μ = μ0 a livello (1-α) se il valore sperimentale cade nella regione critica, cioè se :
x con trattino- μ0/√s^2 /n ≤ -tα/2
x con trattino- μ0/√s^2 /n ≥ tα/2
Siccome abbiamo scelto il l.s (1-α) il test rifiuta H0 con probabilità di sbagliare pari ad α.
Sappiamo che all'aumentare della spesa campionaria n e, dunque, all'aumentare dei gradi di libertà
(n-1), diviene indifferente lavorare con la Z o con la T perché le due curve a campana tendono a
coincidere. Allora quando i gradi di libertà sono tanti si può usare la Z- test anche se σ^2è ignoto .
Test a una coda
Fino a qui abbiamo imparato a verificare ipotesi nulle del tipo H0: μ= μ0.
Se il test porta all'accettazione di H0 si conclude che μ è uguale al valore ipotizzato μ0 a livello di
significatività (1-α). se viceversa il test porta al rifiuto di H0 si conclude che μ è diversa da μ0 con
probabilità di sbagliare pari a α.
Chiameremo allora questo tipo di ipotesi bilaterali. Un test statistico per la verifica di ipotesi
bilaterale ha la regione critica formata dalle due zone sotto le due code della statistica test, ciascuna
di probabilità α/2. Chiameremo questo tipo di test a due code. Nella pratica sono utili anche ipotesi
unilaterali, cioè l'ipotesi nulla del tipo H0 :μ ≤ μ0 oppure H0: μ ≥ μ0
(esempio pag. 292)

lOMoARcPSD|6421062
Per verificare le ipotesi nelle unilaterali si pone la regione critica sotto un'unica coda della statistica
test, quella più lontana dall'ipotesi nulla e si esegue un test a una coda. Per esempio, se vogliamo
verificare l'ipotesi unilaterale H0 :μ ≤ μ0 nel caso di popolazione normale, useremo ancora un T-
test con la statistica test (studentizzata sotto H0):
X con trattino – μ/ √S^2/n
Però osserviamo che:
• oltre alle differenze x con trattino – μ0 vicine allo zero, anche tutte le differenze negative
(corrispondenti a x con trattino < μ0) depongono a favore dell'accettazione di H0 :μ ≤ μ0 ;
• le differenze x con trattino -μ0 positive (corrispondenti a x con trattino > μ0)e troppo grandi
depongono, invece, per il rifiuto di H0 :μ ≤ μ0.
Allora per verificare l'ipotesi unilaterale H0 :μ ≤ μ0 si usa una T-test a una coda ponendo la regione
critica tutta sotto la coda di destra mentre la coda di sinistra farà parte della zona di accettazione.
Inoltre non sarà più necessario, come facevamo per un test a due code, dividere la probabilità di
sbagliare in α/2 sotto una coda e α/2 sotto l'altra; in un test a una coda , la regione critica è composta
da una sola coda di probabilità α.
Quando l'ipotesi unilaterale è del tipo H0 :μ ≥ μ0 si ribalta il ragionamento :
• oltre alle differenze x con trattino – μ0 vicine allo zero, anche tutte le differenze positive
(corrispondenti a x con trattino >μ0) depongono a favore dell'accettazione di H0 :μ ≥ μ0 ;
• le differenze x con trattino – μ0 negative (corrispondenti a x con trattino < μ0) e troppo
grandi depongono, invece, per il rifiuto di H0 :μ ≥ μ0.
Ne segue che, per verificare l'ipotesi unilaterale H0 :μ ≥ μ0, si pone la regione critica tutta sotto la
coda di sinistra, mentre la coda di destra farà parte della zona di accettazione, cioè ancora un test a
una coda. (esempio pag. 292/293)
Ipotesi uni- o bilaterali e test a una o due code: riepilogo
• ipotesi bilaterale. È del tipo “= oppure ≠ ” per esempio: H0 :μ = μ0.
• Test a due code. La regione critica è composta da due zone sotto le due code; la probabilità
di sbagliare α è equamente ripartita in α/2 e α/2 con due valori critici simmetrici, uno
positivo e l'altro negativo.
• Ipotesi unilaterale. È del tipo “≤ oppure ≥”, per esempio H0 :μ ≤ μ0 oppure H0 :μ ≥ μ0.
• Test a una coda. La regione critica è composta da una zona sotto la sola coda
corrispondente ai valori lontani dall'ipotesi nulla. La probabilità di sbagliare α è posta tutta
sotto la coda lontana da H0 con un unico valore critico. Il valore critico è positivo se H0
prevede ≤ , è negativo se H0 prevede ≥.
(figure pag.294)

lOMoARcPSD|6421062
Test approssimati per grandi campioni
Pensiamo ora alle situazioni in cui non si dispone di informazioni ausiliarie a priori, non si sa nulla
circa il fenomeno in U oppure non si ritiene realistica l'ipotesi che la popolazione sia normale
oppure si sa che la popolazione non è normale.
Abbiamo già osservato che, in mancanza di informazioni ausiliarie a priori sulla normalità della
popolazione, è necessario compensare con una quantità di dati campionari sufficientemente grande.
Tecnicamente si parla di grandi campioni.
Solo se il campione è sufficientemente grande possiamo applicare il TCL e recuperare la normalità

degli stimatori per la media µ e per la frequenza relativa (percentuale) p .
Se n è sufficientemente grande, per il TCL vale:

X con trattino – μ/ √σ?2/n ≈ N (0,1) e P^-p/√p(1-p)/n ≈ N (0,1)
Quando usiamo il TCL per grandi campioni stiamo usando risultati approssimati e per questo
abbiamo usato il simbolo ≈ che si legge “è approssimativamente”. Siccome ci basiamo su risultati
approssimati possiamo costruire test in tutti i casi in cui non si ha la normalità della popolazione,
ma si tratterà di test approssimati per grandi campioni. La conseguenza è che l'effettivo livello di
significatività è solo approssimativamente il valore (1-α) scelto, ma sempre più vicino a questo
all'aumentare dell'ampiezza campionaria n.
Per la verifica di ipotesi (uni- o bilaterali) sulla media μ e sulla frequenza relativa p, il test
approssimato per grandi campioni è sempre Z-test, anche quando σ^2 è ignoto.
Z-test per grandi campioni per la verifica di ipotesi sulla frequenza relativa p (o sulla
percentuale 100 per p)
Quando il fenomeno di interesse è qualitativo, cioè categoriale, dicotomico o ordinale,il parametro

ignoto oggetto di inferenza è la frequenza relativa p (o la percentuale 100 per p) di soggetti che in U
sono classificabili nella categoria che ci preme e che chiamiamo convenzionalmente successo.
L'ipotesi nulla sarà allora del tipo:

H0: p = p0 (bilaterale) oppure H0 : p ≤ p0 o H0:p ≥ p0 (unilaterale)
Se né sufficientemente grande, per verificare questo tipo di ipotesi si utilizza Z-test (approssimato
per grandi campioni) a due o a una coda. Dal punto di vista pratico, ragionamenti e tecnica sono
quelli dello Z-test.
Dal punto di vista metodologico dobbiamo sempre tenere presente che si tratta di uno Z-test
approssimato per grandi campioni che avrà livello di significatività approssimativamente pari al
prescelto (1-α). Ripercorriamo la procedura generale:
Passo 1. Il punto di partenza sono i soliti dati campionari da un campione bernoulliano di ampiezza
n.
Passo 2. Si calcola la stima (puntuale) per p. Siccome p è (l'ignota) frequenza relativa di unità
statistiche che nella popolazione sono classificate nella categoria successo, allora la sua stima è la
corrispondente frequenza p^ nel campione.

lOMoARcPSD|6421062
Passo 3.Si sceglie il l.s del test (1-α) da cui si ricava la probabilità di errato rifiuto α (ed
eventualmente per il test a due code, la probabilità delle code α/2).
Passo 4. La statistica test si ottiene con la standardizzazione sotto H0.
Statistica test → P^ - P0/ √p0 (1-P0)/n =᷉ Z ~N(0,1)
Siamo nel caso di grandi campioni, perciò la statistica test è approssimativamente una Z ~N(0,1). Il
valore critico sarà allora uno Z-score da cercare sulle tavole della Z.
Valore critico del test → per il test a una coda

P(rifiutare H0|H0) = P(P^- p0)/√p0 (1-P0)/n ≥ zα = α
per il test a due code

= P(P^-P0/√p0 (1-P0)/n ) ≥ zα/2 +P (P^-p0/√p0 (1-P0)/n ≤ - zα/2) = α/2 + α/2
Passo 5. Il valore sperimentale si calcola sostituendo nella statistica test i valori noti e le stime
campionarie.
Valore sperimentale → P^- p0/√p0 (1-P0)/n
Passo 6. Infine per costruire il test come regola di rifiuto,ci ricordiamo se stiamo lavorando con un
test approssimato per grandi campioni quindi con probabilità di sbagliare (cioè di rifiutare un'ipotesi
che invece è vera) approssimativamente pari al prescelto α, se il valore sperimentale cade nella
regione critica (e la regione critica sarà sotto una (test a una coda)o sotto tutte due le code (test a
due code), a seconda che la nostra ipotesi nulla sia uni- o bilaterale).
Test → a una coda, si rifiuta H0: p ≤ p0 se :

p^-p0/√p0(1-p0)/n ≥ zα
A due code, si rifiuta H0 : p = p0 se:

p^-p0/√p0(1-p0)/n ≥ zα/2 oppure se p^-p0/√p0(1-p0)/n ≤ - zα/2
(esempio pag 297/298)
Concetto di p-value
Di solito le analisi statistiche si fanno a computer. Esso esegue il test producendo un unico numero
con il quale possiamo decidere se accettare o rifiutare H0 qualunque sia il livello di significatività
che vogliamo fissare. Tale valore si chiama p-value o significatività empirica del test.
Il p-value è una probabilità , dunque un numero compreso fra 0 e 1
definizione → p-value: è il minimo livello α per rifiutare H0 (data H0 vera).
Se il p.value risulta più piccolo del livello prescelto α (per un test a una coda) o di α/2 (per un test a
due code) allora si rifiuta H0.
(esempio pag.298)
Il computer fornisce il p-value in sostituzione del valore critico. Il valore critico dipende sempre
dall'α scelto ed è diverso per diversi livelli di significatività .

lOMoARcPSD|6421062
Quando si esegue il test “a mano”, si decide se accettare o rifiutare H0 confrontando due valori: il
valore sperimentale e il valore critico. Nel grafico questi valori stanno nell'asse delle ascisse, e il
valore critico si recupera sulle tavole una volta scelto il livello di significatività.
Viceversa, quando si esegue il test al computer, si decide di accettare o rifiutare H0 confrontando

due probabilità: il p-value (fornito dal computer) e il livello α o α/2 (scelto da noi). Nel grafico (pag.
299) le probabilità corrispondono ad aree.
Le due procedure di confronto sono equivalenti, cioè portano sempre allo stesso risultato.
Infatti, quando succede p-value ≤ α (oppure ≤ α/2 se il test è a due code) significa che il valore
sperimentale cade nella regione critica. Succede questo perché, tecnicamente, per produrre il p-
value il computer calcola la probabilità a destra del valore sperimentale (o del suo simmetrico
positivo se il valore sperimentale risulta negativo).
Avvertenze e osservazioni sul p-value
Quando si usano il computer e il p- value eseguire un test statistico diventa automatico e molto
facile. Questo induce, però, in tentazione di abusi ed errori d'interpretazione. Per evitarli, fare molta
attenzione ai tre punti seguenti.
• Il p-value non è la probabilità che H0 sia vera e dunque (1-p-value) non è la probabilità che
H0 sia falsa. Non è possibile assegnare probabilità alle ipotesi, ma solo alle variabili casuali
(dunque solo alla statistica test).
• Quando il p- value è molto piccolo e la prima cifra non nulla è oltre il quarto decimale, per
esempio 0,00001, si rifiuta H0 praticamente a qualunque livello di significatività. In questi
casi il computer restituisce 0 oppure 0,0000 e nel linguaggio comune si parla di test non
significativo. Attenzione: questo non significa “p-value =0” (che corrisponderebbe a un
valor sperimentale uguale a + ∞), ma solo p-value molto, molto piccolo.
• Quando si rifiuta H0 perché p-value è minore di α oppure di α/2, o quando il test è non
significativo, bisogna fare molta attenzione a che cos'è H0.
Un altro caso di test non significativo in cui ci si può confondere facilmente è quello del prossimo
test per la verifica dell'indipendenza statistica in una coppia di fenomeni: quando si rifiuta H0 e il
test è non significativo si conclude che fra i due fenomeni esiste relazione statistica.
Dati campionari qualitativi bivariati: tabelle di contingenza
Ora ci poniamo nella situazione di dati campionari (parziali) e ci poniamo obiettivi inferenziali.
È frequente l'osservazione di coppie di fenomeni qualitativi (categoriali,dicotomici e ordinali).
Quando una coppia di fenomeni qualitativi è osservata su un campione bernoulliano di soggetti, i

dati campionari sono di tipo bivariato e si ottengono dal conteggio dei soggetti che appartengono
alle diverse combinazioni di categorie. Il risultato è una tabella a doppia entrata chiamata tabelladi
contingenza. Chiamiamo k il numero di differenti modalità del fenomeno X, che
convenzionalmente mettiamo sulle righe della tabella. Chiamiamo h il numero di categorie dell'altro
fenomeno Y, che mettiamo convenzionalmente sulle colonne. Usiamo poi i come indice di riga e j
come indice di colonna.
(esempio pag. 301)

lOMoARcPSD|6421062
I valori interni alla tabella di contingenza si ottengono contando le unità statistiche che fra le n
campionate si classificano nelle kxh coppie di categorie (xi,yj). Si tratta quindi di frequenze
congiunte campionarie fîj (stime delle corrispondenti frequenze congiunte nella popolazione fij).
Sulla riga e sulla colonna marginali della tabella di contingenza si leggono le frequenze marginali
campionarie fî. di X e f^.j di Y (stime delle corrispondenti frequenze marginali fi e fj in U).
Su una tabella di contingenza l'ipotesi interessante è l'esistenza o meno di indipendenza statistica

fra X e Y. Verificare tale ipotesi costituisce, infatti, il passo base per l'inferenza sull'eventuale
relazione statistica fra i due fenomeni: se si accetta l'ipotesi di indipendenza, l'analisi termina qui,
perché non c'è nessuna relazione statistica da analizzare e su cui inferire.
Se si rifiuta l'ipotesi di indipendenza, allora i dati campionari depongono a favore dell'esistenza di

connessione fra X e Y e ha senso procedere con l'inferenza bivariata.
Stima delle frequenze teoriche di indipendenza statistica → sono le frequenze congiunte che si
sarebbero dovute osservare se X e Y fossero statisticamente indipendenti:
fîj = fî.f^.j/n
Stima della connessione → χχ̂ ^2= sommatoria dai=1 a k sommatoria da j=1 a h (fîj-f*ij^2/f*ij)
formula alternativa : χχ̂ ^2= n per (sommatoria da i=1 a k sommatoria da j=1 a h f^^2ij/fî.f^.j -1)
Quando si dispone di dati completi, cioè in ambito descrittivo, si ha χ^2=0 se e soltanto se X e Y

sono statisticamente indipendenti. Se invece X e Y sono connessi l'indice χ^2 risulterà maggiore
di 0 e, una volta normalizzato (cioè trasformato in percentuale) ci da una misura dell'intensità di
questa connessione (se forte o debole).
Ora però i dati sono campionari (cioè parziali e casuali). L'indice χχ̂ ^2 calcolato sulla tabella di
contingenza è allora una stima della reale ma ignota connessione esistente fra X e Y nell'intera U di
riferimento. Se è una stima è soggetta all'errore campionario, cioè può risultare diversa da 0 per
effetto della parzialità e della casualità dei dati, anche se nella realtà i due fenomeni sono
statisticamente indipendenti. In presenza di dati campionari ha dunque senso verificare l'ipotesi di
indipendenza statistica.
Notiamo anche che χχ̂ ^2 è calcolato usando le frequenze teoriche di i.s. f*ij, per tanto “dato H0”.
Allora il χχ̂ ^2 calcolato sulla tabella di contingenza può essere usato come statistica test per
verificare l'ipotesi di indipendenza statistica fra X e Y. Un teorema di teoria della probabilità
garantisce che, per n sufficientemente grande, la statistica test χχ̂ ^2 è approssimativamente una v.c
chiamata Chi quadrato con gradi di libertà (k-1) per (h-1).
Variabile casuale Chi quadrato
è una variabile casuale continua che assume valori positivi (> 0) e che ha funzione di densità
asimmetrica con una pancia in corrispondenza dei valori più piccoli (che dunque sono più
probabili) e una sola coda per i valori più grandi . (figura pag. 302)
La v.c Chi quadrato ha un solo parametro chiamato gradi di libertà e anche per la v.c Chi quadrato
esistono le tavole.

lOMoARcPSD|6421062
Test Chi quadrato di indipendenza statistica
In presenza di dati campionari qualitativi bivariati è importante verificare se fra X e Y esiste una
qualche relazione oppure se X e Y sono statisticamente indipendenti. L'ipotesi nulla che formalizza
(cioè esprime in formule) l'ipotesi statistica “X e Y sono indipendenti ” è allora:
H0 : χ ^2 = 0
Impariamo il test di indipendenza per la verifica di questo tipo di ipotesi nulla con la procedura in
sei passi.
Passo 1. Il punto di partenza è come sempre un campione bernoulliano di ampiezza n che ora
fornisce dei bivariati organizzati in una tabella di contingenza composta da k righe e h colonne.
Passo 2. Si stima la connessione con il χ ^2 del campione χχ̂ ^2 usando la definizione o la formula
alternativa e si ottiene così una stima puntuale della reale, ma ignota, connessione esistente fra X e
Y nell'intera U di riferimento.
Passo 3. Si sceglie il l.s (1-α), da cui la probabilità di sbagliare (cioè di accettare l'ipotesi di
indipendenza quando invece nell'intera popolazione X e Y sono connessi) pari a α.
Passo 4. La statistica test è basata sul χχ̂ ^2.
statistica test → v.c Chi quadrato con (k-1) per (h-1) gradi di libertà.
Ora osserviamo che:

• valori della statistica test piccoli e vicini allo 0 depongono a favore dell'accettazione di H0,
cioè della conclusione: X e Y sono statisticamente indipendenti;
• valori positivi della statistica test e troppo grandi depongono per il rifiuto di H0, cioè della
conclusione: X e Y sono connessi, cioè mostrano una qualche relazione statistica.
Si tratterà quindi di un test a una coda con la regione critica tutta sotto la coda di destra. Si tratta
anche di un test approssimato per grandi campionamenti, applicabile, cioè, se n è
sufficientemente grande e con livello di significatività approssimativamente pari al valore (1-α)
scelto.
Il valore critico o soglia del test si va quindi a cercare sulle tavole della Chi quadrato con (k-1) per
(h-1) gradi di libertà. È il valore che lascia a destra la prescelta probabilità α.
Passo 5. Il valore sperimentale coincide con la stima puntuale χχ̂ ^2 già calcolata al passo 2.
Passo 6. Infine per costruire il test come regola di rifiuto, ci ricordiamo che stiamo lavorando con
un test approssimato per grandi campioni, quindi con probabilità di sbagliare approssimativamente
pari al prescelto α.
Test → Si rifiuta H0: χ^2 = 0 se il valore sperimentale cade nella regione di rifiuto, cioè se :
χχ̂ ^2≥ valore critico.
Con il computer: il test di indipendenza, che è a una coda con la regione critica sotto la coda di
destra , si esegue a qualunque livello di significatività confrontando il p-value con α: si rifiuta
H0: χ ^2 = 0 con prob. Di sbagliare approssimativamente pari a α se p-value ≤ α .

lOMoARcPSD|6421062
Terminiamo con un paio di osservazioni finali :
• Anche per il test Chi quadrato (che è asintotico, cioè funziona per n → ∞) vale la solita
avvertenza circa i test approssimati per grandi campioni. Il test ha approssimativamente il
l.s. (1-α) scelto. L'effettivo l.s del test è sempre più prossimo a (1-α) al crescere di n ,cioè
all'aumentare della quantità di dati campionari inseriti nel processo inferenziale.
• Non c'è una regola teorica per stabilire quando n è sufficientemente grande. Ci sono invece
ragioni teoriche e pratiche che sconsigliano di eseguire il test Chi quadrato se la tabella di
contingenza contiene una o più frequenze campionarie congiunte inferiori a 5. Per rimediare
a questo inconveniente, la pratica suggerisce di accoppiare (prima di eseguire il test) una o
più categorie dei fenomeni X e Y, in modo da ottenere una tabella di contingenza con un
numero inferiore di righe e di colonne, ma con frequenze congiunte tutte maggiore di 5.
• L'ipotesi nulla H0 : χ^2 = 0 del test di indipendenza ci dà l'occasione per capire da dove
viene l'idea di chiamare “nulla” l'ipotesi che si vuole sottoporre a verifica con un test
statistico: di solito si testa uno zero.
Tavola della v.c. Chi quadrato con g gradi di libertà pag.311

Riassunto Statistica Di Base Come Quando Perche

Caricato da

Copyright:

Formati disponibili

Riassunto Statistica Di Base Come Quando Perche

Caricato da

Informazioni sul documento

Descrizione originale:

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Riassunto Statistica Di Base Come Quando Perche

Caricato da

Copyright:

Formati disponibili

lOMoARcPSD|6421062

Riassunto Statistica di base. Come, quando, perché

Statistica sociale (Università degli Studi di Milano-Bicocca)

StuDocu non è sponsorizzato o supportato da nessuna università o ateneo.

LA STATISTICA: insieme di metodologie e di strumenti formali per la trattazione quantitativa dei

TRATTAZIONE QUANTITATIVA → realizzazione del processo logico di :

ANALISI STATISTICA DI UN FENOMENO

Scaricato da Federica Fazzini ([email protected])

2. Organizzare il risultato della rilevazione. Il risultato della rilevazione è in genere un insieme

LE DUE FUNZIONI DELLA STATISTICA

L'analisi statistica necessita di strumenti matematici e statistici differenti.

Scaricato da Federica Fazzini ([email protected])

Le manifestazioni di un fenomeno quantitativo continuo sono intervalli e compare la caratteristica

Gli strumenti tipici della rilevazione sono questionari e scale di modalità.

Scaricato da Federica Fazzini ([email protected])

L' obiettivo è di garantire a qualunque unità statistica di U la possibilità di classificarsi trovando la

CLASSIFICAZIONE DELLE SCALE DI MODALITA'

Scaricato da Federica Fazzini ([email protected])

Scaricato da Federica Fazzini ([email protected])

DISTRIBUZIONI DI FREQUENZA,TABELLE E GRAFICI CAP.4

Il risultato della rilevazione completa del fenomeno X sulla popolazione U è un insieme di N

Introduzione di importanti concetti:

Distribuzione di frequenze assolute → è l'insieme delle k frequenze assolute. La distribuzione di

Variabile statistica → è un insieme di k coppie del tipo “modalità, frequenza”.

Scaricato da Federica Fazzini ([email protected])

FREQUENZE RELATIVE E PERCENTUALI

ATTENZIONE: ogni volta che l'obiettivo è il confronto, è necessario costruire grandezze

Si tratta di sommare (cumulare) le frequenze associate alle modalità inferiori di xi costruendo le

PROPRIETA' DELLE FREQUENZE CUMULATE :

Scaricato da Federica Fazzini ([email protected])

2. Fra le frequenze assolute e relative e le corrispondenti frequenze cumulate esiste una

Gli intervalli possono avere ampiezza diversa.

osservazioni: quando X è continuo accanto alle distribuzioni di frequenze è costruibile la

Densità di frequenza relativa → pi/xL-xl = fi/ N(xL-xl) = fi/N

Scaricato da Federica Fazzini ([email protected])

Scaricato da Federica Fazzini ([email protected])

VALORI MEDI cap. 5

mediana → la mediana di X è la modalità che, nell'ordinamento, occupa la posizione centrale.

Scaricato da Federica Fazzini ([email protected])

(dimostrazione della formula pag. 53/54 → secondo me non è importante)

MEDIA ARITMETICA → indicata con x con sopra un trattino (-) :

Scaricato da Federica Fazzini ([email protected])

APPROFONDIMENTO SUI VALORI MEDI CAP.6

1. proprietà formali → si sceglie il valore medio di sintesi in base alle proprietà

2. Ottimizzazione → sintetizzando la v.s in un unico valore medio si incorre in una perdita di

Proprietà formali: le proprietà della media aritmetica

vedi esempio Palacio (pag. 62 ripreso a pag. 68 per spiegare internalità)

Scaricato da Federica Fazzini ([email protected])

per calcolare la media con i dati aggregati dobbiamo utilizzare la:

Proprietà di linearità → se X e Y sono due fenomeni diversi ma legati dalla formula : Y= a + bX

Le trasformazioni lineari rappresentano una generalizzazione delle trasformazioni di scala.

Scaricato da Federica Fazzini ([email protected])

Proprietà di mantenimento e di equidistribuzione del totale → la somma di tutti i valori di X su

Esempio pag. 83 della poesia di Trilussa

variabilità o dispersione di X → attitudine di un fenomeno quantitativo a manifestarsi,sulle N unità

MISURA DELLA VARIABILITA': deviazione standard, varianza e devianza

proprietà di un indice di variabilità

Scaricato da Federica Fazzini ([email protected])

Range di X= xmax - xmin