Completiamo i grafici Diagramma logaritmico: variante del diagramma cartesiano; si usa se ci sono valori delle y molto piccoli e molto grandi (nessuna scala sarebbe adeguata), oppure se si vogliono evidenziare le variazioni in percentuale, piuttosto che quelle assolute Diagramma di Pareto: serve per rappresentare la perdita economica (difettosità e loro costi). Diagramma a scatola e baffi (box-plot): consente di visualizzare alcune caratteristiche della distribuzione statistica (campo di variazione, percentili, media aritmetica, mediana, massimo, minimo) Diagramma a scatola e baffi (box-plot) Diagramma a scatola e baffi (box-plot): consente di visualizzare alcune caratteristiche della distribuzione statistica (campo di variazione, percentili, media aritmetica, mediana, massimo, minimo) Internamente alla scatola sono rappresentati: mediana e media aritmetica Le linee esterne rappresentano il I e il III quartile (la distanza misura la dispersione della distribuzione) La distanza tra ciascun quartile e la mediana rappresenta la forma della distribuzione ◦ Se è diversa, la distribuzione è asimmetrica ◦ Se la distribuzione è normale, media e mediana coincidono; le distanze tra I quartile e mediana e tra mediana e III quartile coincidono, cosi’ come minimo e I quartile, III quartile e massimo. In generale, queste distanze danno informazioni sulla forma della coda della distribuzione Esempio 2.14 Sia data una tabella che riporta il diametro (cm) di 25 tubi prodotti da 3 macchinari diversi. Macchina A Macchina B Macchina C 74,030 73,995 73,988 74,002 73,992 74,009 73,995 73,985 74,008 73,998 73,994 74,004 73,983 74,006 74,012 74,000 73,994 74,006 73,984 74,000 73,988 74,004 74,010 74,015 73,982 74,002 73,992 74,024 73,996 74,007 73,994 74,006 74,003 73,995 74,000 73,998 74,000 74,002 73,967 74,014 73,984 74,012 74,010 74,002 74,010 74,001 73,999 73,989 74,008 73,984 74,019 74,001 74,021 73,993 74,015 73,997 73,994 73,993 74,009 73,990 73,994 74,007 73,998 73,994 73,998 74,005 73,986 74,018 74,003 74,013 74,009 73,990 73,990 73,993 73,995 Esempio 2.14 Sia data una tabella che riporta il diametro (cm) di 25 tubi prodotti da 3 macchinari diversi. Per ottenere il diagramma, occorre innanzitutto determinare esplicitamente le statistiche di base Macchina A Macchina B Macchina C I° quartile 73,992 73,995 73,993 valore minimo 73,982 73,967 73,986 media 73,999 74,000 74,001 mediana 74,000 74,001 73,998 valore massimo 74,030 74,024 74,021 III° quartile 74,006 74,007 74,009 Esempio 2.14 Sia data una tabella che riporta il diametro (cm) di 25 tubi prodotti da 3 macchinari diversi. Ora dobbiamo inserire il grafico. Selezioniamo le celle e inseriamo il grafico a linee (con indicatori). Cambiare l’opzione di Selezionata dati “Scambia colonne/righe” Esempio 2.14 Le 3 osservazioni sono unite da linee che non ci interessano. Per rimuoverle, nel menù Formato selezionare Serie dei dati selezionati , selezionare la linea, Colore Linea “nessuna”; Nel menù Layout, selezionare Analisi; poi indicare “LineeLinee di MinMax” e poi “Barre Barre Crescenti-decrescenti” 74.04 Box-Plot per il diametro di tubi prodotti da tre macchinari 74.03 74.02 74.01 74.00 73.99 73.98 I° quartile valore minimo media 73.97 mediana valore massimo III° quartile 73.96 Macchina A Macchina B Macchina C Sintesi dei dati in una tabella Spesso si vuole effettuare una sintesi dei dati per ottenere indici che misurino gli aspetti più rilevanti. ◦ Indici di posizione / misure di tendenza centrale ◦ Indici di variabilità (cap. 4) ◦ Indici di forma (cap.5) Principali indici statistici I grafici finora analizzati ci danno informazioni qualitative; possiamo quantificarle ricorrendo ai seguenti indici. Sianox1 , x2 ,..., xn n osservazioni numeriche MODA di posizione MEDIANA MEDIA QUARTILI E PERCENTILI SCARTO QUADRATICO MEDIO INDICI di dispersione VARIANZA RANGE ERRORE STANDARD di forma ASIMMETRIA (SKEWNESS) CURTOSI ( KURTOSIS) di dispersione di posizione •media: Indici: Schema riassuntivo x x i i N •moda: punto di max della distribuzione •mediana: valore sotto al quale cadono la metà dei valori campionari. Si dispongono i dati in ordine crescente e si prende quello che occupa la posizione centrale (N dispari) o la media dei 2 valori in posizione centrale (N pari) •varianza •deviazione standard •range s2 i s xi x 2 N 1 R xmax xmin di forma >0 coda a ds •skewness (coeff. di asimmetria) <0 coda a sin =0 simmetrica •curtosi: misura quanto la distribuzione è appuntita > 0 più appuntita < 0 meno appuntita Le misure (indici) di variabilità I valori medi (nelle varie forme) condensano i dati in un solo valore (spesso indicato come centro della distribuzione). Purtroppo non è sufficiente per rappresentare le osservazioni effettuate. Quindi si affiancano indici che forniscono informazioni sulla dispersione, cioè sulla distanza delle osservazioni dal valore medio. Minore è la distanza delle osservazioni dal centro • maggiore è la rappresentatività del valore medio • minore è la variabilità Se l’indice di variabilità è nullo allora tutti i valori sono uguali tra loro. Per analizzare la distribuzione, occorre: ◦ Calcolare valore medio ◦ Valutare la dispersione: Calcolare quanto distano le osservazioni dal valore medio Calcolare quanto distano i valori tra loro Vedremo: Campo di variazione, varianza, scarto quadratico medio Campo di variazione (range) E’ la differenza tra l’osservazione più piccola e quella più grande In Excel usiamo max e min Nella cella scriviamo (se A1:E2 è la matrice dati) =MAX(A1:E2)-MIN(A1:E2) PROVATE VOI SU UNA TABELLA PRECEDENTE Varianza E’ la media dei quadrati degli scarti dalla media aritmetica 1 n 2 ( xi - x ) 1 n 1 In Excel usiamo la funzione VAR(num1;num2;…) se gli argomenti sono un campione della popolazione. Se si tratta di tutta la popolazione, si usa la funzione VAR.POP Come sempre, i valori testo e logici sono ignorati. Se si vuole considerarli, usare la funzione MEDIA.VALORI PROVATE VOI SU UNA TABELLA PRECEDENTE Scarto quadratico medio o deviazione standard La varianza esprime un indice in funzione del quadrato dell’unità di misura delle osservazioni. E’ preferibile calcolare la radice quadrata della varianza, detta deviazione standard (per mantenere la stessa unità di misura). = 1 n 2 ( x x ) i n 1 1 In Excel si usa la funzione DEV.ST(num1;num2;…) se gli argomenti sono un campione della popolazione. Se si tratta di tutta la popolazione, si usa la funzione DEV.ST.POP Come sempre, i valori testo e logici sono ignorati. Se si vuole considerarli, usare la funzione DEV.ST.VALORI PROVATE VOI SU UNA TABELLA PRECEDENTE Errore standard Sebbene lo strumento di statistica descrittiva negli strumenti di analisi è in grado di generare un report che include l'errore standard della media, non esiste alcuna funzione in Microsoft Excel per calcolare automaticamente il valore di per sé. Per calcolare l'errore standard della media, si può utilizzare = DEV.ST(matrice)/SQRT(Conteggio del campione) Fonte: http://support.microsoft.com/kb/214076/it Più piccolo/grande(k) PICCOLO(matrice; k) GRANDE(matrice; k) Misure di tendenza centrale Spesso si vuole effettuare una sintesi dei dati per ottenere indici che misurino gli aspetti più rilevanti. ◦ Indici di posizione (scorsa lezione; medie) ◦ Indici di variabilità (cap. 4) ◦ Indici di forma (cap.5) Misure di forma Si tratta di misure che evidenziano se una distribuzione è simmetrica rispetto ad un valore e se risulta più o meno appiattita Vedremo Asimmetria e curtosi (appiattimento) rispetto ad alcune distribuzione note Asimmetria (skewness) Indica l’assenza di specularità rispetto all’asse di simmetria della distribuzione Esistono diversi indici di asimmetria Si possono usare media aritmetica, moda e mediana (x, Mo, Me) per verificare se una distribuzione è asimmetrica o meno ◦ Se coincidono, è simmetrica ◦ Se Mo<Me< x, è asimmetrica positiva (coda verso destra) ◦ Se x < Me<Mo, è asimmetrica negativa (coda verso sinistra) Asimmetria in Excel Usa l’indice di simmetria aF (proposto da Fisher), in cui al denominatore compare la deviazione standard Si tratta della funzione ASIMMETRIA(num1;num2;…) di almeno 3 argomenti e tale che la deviazione standard sia diversa da zero; se così non è, viene restituito un errore ◦ aF = 0 simmetrica rispetto la media aritmetica ◦ aF > 0 asimmetrica a destra ◦ aF < 0 asimmetrica a sinistra Esempio asimmetria positiva Data la seguente tabella di voti riportati da 18 studenti N. casi 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 voti 3 4 4 4 4 4 4 4 5 5 5 6,5 6,5 7 7 8 8 9 Analisi dati Per convenzione, se la coda più lunga è a destra della media (cioè esistono molti valori con forti scarti positivi e pochi valori con deboli scarti negativi) si parla di asimmetria positiva e si vuole che il valore dell'indice di asimmetria assuma segno positivo. Media = 5,4 Asimmetria = 0,61 Il valore di asimmetria è maggiore di zero, quindi la curva si presenta così: Curtosi Fa riferimento alla maggiore o minore gibbosità di una distribuzione, in prossimità del suo massimo (e quindi alla lunghezza delle code) Per valutare l’aspetto della curva, si paragona ad una curva «normale» (teorica nota) avente stesse frequenza complessiva, media e deviazione standard Si usa un altro indice di Fisher, che coinvolge la deviazione standard al denominatore: vale 0 se la curva è normale; positivo o negativo se è più appuntita o meno di una normale In Excel è la funzione CURTOSI(num1;num2;…) di almeno 4 argomenti e tale che la deviazione standard sia diversa da zero; se così non è, viene restituito un errore CURTOSI: leptocurtica In nero la curva «normale» mesocurtica CURTOSI: platicurtica distribuzione platicurtica In nero la curva «normale» mesocurtica Statistica descrittiva (cap.6) Molti indici trattati finora sono generati automaticamente da Excel, usando Statistica descrittiva del menù Analisi dei dati. Proviamo ◦ Etichette nella prima riga/Etichette nella prima colonna: deselezionarle se l’intervallo non contiene etichette (altrimenti selezionare quella appropriata, come nell’esempio 6.3) Esempio 6.1 La tabella seguente riporta il peso in grammi di un campione di 100 tavolette di cioccolato. Proviamo a richiamare la funzione Riepilogo statistiche 99,9 99,9 99,7 99,7 99,7 99,6 99,7 99,8 99,9 99,7 99,8 99,7 99,9 99,7 99,7 99,8 99,9 99,7 99,8 99,7 99,8 99,7 99,8 99,8 99,8 99,8 99,9 99,9 99,8 99,9 99,7 99,8 99,8 99,7 99,8 100,0 99,7 99,8 99,8 99,8 99,8 99,8 100,0 100,0 99,9 99,6 99,9 99,9 99,8 99,8 99,6 99,8 99,8 99,8 99,7 99,6 99,9 100,0 99,8 99,8 99,8 100,0 99,8 99,6 99,8 99,6 99,8 99,8 99,7 99,6 99,7 99,8 99,8 99,8 99,8 99,8 99,9 99,6 99,7 100,0 99,8 99,8 99,8 99,9 99,9 99,8 100,0 99,9 99,8 100,0 99,7 99,9 100,0 99,8 99,8 99,8 99,8 99,9 99,7 99,9 99,7 Esempio 6.1 La tabella seguente riporta il peso in grammi di un campione di 100 tavolette di cioccolato. Proviamo a richiamare la funzione Riepilogo statistiche Media Errore standard Mediana Moda 99,79652336 0,010062453 99,79312502 #N/D Deviazione standard 0,100624532 Varianza campionaria Curtosi Asimmetria Intervallo Minimo Massimo Somma Conteggio Più grande(1) Più piccolo(1) 0,010125296 0,083114239 0,069723767 0,484818884 99,55261744 100,0374363 9979,652336 100 100,0374363 99,55261744 Non esistono duplicati Media Errore standard Mediana Moda 99,79652336 0,010062453 99,79312502 #N/D Deviazione standard Varianza campionaria Curtosi Asimmetria Intervallo Minimo Massimo Somma Conteggio Più grande(1) Più piccolo(1) 0,100624532 0,010125296 0,083114239 0,069723767 0,484818884 99,55261744 100,0374363 9979,652336 100 100,0374363 99,55261744 Non esistono duplicati Esempio 6.3 La tabella seguente riporta la quantità (in quintali) di semilavorati stoccati in un magazzino negli ultimi 9 anni. Proviamo a richiamare la funzione Riepilogo statistiche • selezionare le celle escludendo la prima colonna Esempio 6.3 La tabella seguente riporta la quantità (in quintali) di semilavorati stoccati in un magazzino negli ultimi 9 anni. 1995 1996 1997 1998 1999 2000 2001 2002 2003 Gen 22 20 19 19 19 20 19 20 20 Feb 25 22 13 16 7 25 27 22 15 Mar 25 19 22 21 26 17 20 19 27 Apr 24 19 15 19 19 11 16 16 25 Mag 21 16 22 15 24 18 18 22 17 Giu 22 22 20 14 22 23 25 19 19 Lug 28 31 20 32 26 25 26 25 28 Ago 23 22 22 23 23 24 24 22 24 Set 19 17 21 20 14 17 17 18 20 Ott 25 25 19 24 18 21 25 20 19 Nov 23 14 21 21 19 16 15 16 20 Dic 15 21 16 15 18 17 17 17 20 Funzioni del Riepilogo statistiche Manualmente: Riepilogo statistiche Media Errore standard Mediana Moda Deviazione standard Varianza campionaria Curtosi Asimmetria Intervallo Minimo Massimo Somma Conteggio Più grande(2) Più piccolo(3) =MEDIA(A2:A101) =G6/RADQ(G14) =MEDIANA(A2:A101) =MODA(A2:A101) Non hanno =DEV.ST(A2:A101) funzione =VAR(A2:A101) esplicita =CURTOSI(A2:A101) =ASIMMETRIA(A2:A101) =MAX(A2:A101)-MIN(A2:A101) =MIN(A2:A101) =MAX(A2:A101) =SOMMA(A2:A101) =CONTA.NUMERI(A2:A101) =GRANDE(A2:A101;2) =PICCOLO(A2:A101;3) Esercizio Esercizio 2 (Riepilogo statistiche) La tabella nel file EsameRiepilogoStatisticheTavolette.xlsx riporta il peso in grammi di un campione di 100 tavolette di cioccolato. a) Fornire una tabella delle statistiche studiate relative ai dati contenuti nella tabella, che contenga, oltre alle statistiche standard (media, mediana, …. Curtosi…) anche il Secondo più grande e il Terzo più piccolo, utilizzando la funzione Riepilogo statistiche. b) Ripetere l’esercizio (di cui al punto a)) senza far uso della funzione Riepilogo statistiche, ma calcolando i valori necessari (media, mediana, etc.) con le opportune funzioni di Excel, in modo che la tabella risultante sia identica a quello fornita al punto a). Mantenere il foglio Dati inalterato, e svolgere il punto a) in un foglio nominato Svolgimento a), e il punto b) in un foglio nominato Svolgimento b).