Metodi Quantitativi per Economia, Finanza e Management Lezione n°5 Tipologie di dati • Qualitativi dati espressi in forma verbale, solitamente classificati in categorie • Quantitativi dati espressi in forma numerica. si distinguono in: – discreti dati caratterizzati da una quantità finita o infinita numerabile di classi di misura – continui risposta numerica derivamte da un processo di misurazione che fornisce indicazioni puntuali all’interno di un continuum • Territoriali • Date Tipologie di dati qualitativi • Nominale usato per dati qualitativi, che vengono così classificati in categorie distinte senza alcun ordine implicito (es. professione del cliente) • Ordinale le categorie presentano un ordine implicito; consente di stabilire una relazione d’ordine tra le diverse categorie, ma nessuna asserzione numerica, ovvero si può dire che un determinato valore è più grande di un altro, ma non di quanto Tipologie di dati quantitativi • Scala di rapporti con questa tipologia si può dire di quanto una categoria è maggiore di un’altra; è fissato un valore “0” della scala. es. Le variabili spesa media e tempo impiegato sono misurate a livello di rapporto,ovvero rientrano in una scala di valutazione comparativa • Scala di intervalli presenta le stesse caratteristiche della precedente, ma non possiede un valore “0” fissato. es. In una indagine sui clienti di un supermercato, il loro livello di soddisfazione può essere adeguatamente rappresentato mediante una scala di valutazione compresa tra 1 e 9, ciò che posso asserire è che la differenza tra 2 e 3 è la medesima di quella tra 8 e 9, ma non che 8 sia il doppio di 4. L’analisi statistica dei dati Statistica descrittiva insieme dei metodi che riguardano la rappresentazione e sintesi di un insieme di dati al fine di evidenziarne le caratteristiche principali Statistica inferenziale insieme dei metodi che permettono la stima di una caratteristica di una popolazione basandosi sull’analisi di un campione Misura riassuntiva, La parte di popolazione calcolata sui dati campionari, utile per descrivere una selezionata per l’analisi caratteristica non nota della popolazione Totalità degli elementi presi in esame dalla indagine Statistica descrittiva univariata Nella statistica descrittiva univariata possiamo trovare due principali metodologie usate per rappresentare i dati analizzati: • Distribuzioni di frequenza • Misure di sintesi: – Misure di tendenza centrale e non centrale; – Misure di dispersione; – Misure della forma della distribuzione Le distribuzioni di frequenza • Frequenza assoluta: è un primo livello di sintesi dei dati- consiste nell’associare a ciascuna categoria, o modalità, il numero di volte in cui compare nei dati • Distribuzione di frequenza: insieme delle modalità e delle loro frequenze • Frequenza relativa: rapporto tra la frequenza assoluta ed il numero complessivo delle osservazioni effettuate. p =n /N I due tipi di frequenze vengono usati con dati quantitativi, qualitativi ordinali, quantitativi discreti. Le distribuzioni di frequenza product program home p_info catalog freeze login logpost addcart pay_req shelf cart pay_res download regpost register • Rappresentazione grafica var.qualitative: Diagramma a barre-professione intervistato Diagramma a torta 250 200 150 100 50 0 casalinga dirigente studente Diagr. a barre: nell’asse delle ascisse ci sono le categorie, senza un ordine preciso; in quello delle ordinate le frequenze assolute/relative corrispondenti alle diverse modalità Diagr. a torta: la circonferenza è divisa proporzionalmente alle frequenze Le distribuzioni di frequenza • Rappresentazione grafica var.quantitative discrete: istogram m a Diagramma delle frequenze 300 200 0,06 220 170 0,04 100 100 0 30 57 0,02 30 0 Diagr. delle frequenze: nell’asse delle ascisse ci sono i valori assunti dalla var. discreta (quindi ha un significato quantitativo); l’altezza delle barre è proporzionale alle frequenze relative o assolute del valore stesso Istogramma: nell’asse delle ascisse ci sono le classi degli intervalli considerati; l’asse delle ordinate rappresenta la densità di frequenza; l’area del rettangolo corrisponde alla frequenza della classe stessa. Misure di sintesi Misure di tendenza centrale: • Media aritmetica • Mediana • Moda Misure di tendenza non centrale: • Quantili • Percentili Misure di dispersione: • Campo di variazione • Differenza interquantile • Varianza • Scarto quadratico medio • Coefficiente di variazione Misure di forma della distribuzione: • Skewness • Kurtosis Misure di Tendenza Centrale Tendenza Centrale Media Mediana Moda n x x i 1 i n Media Aritmetica Valore centrale delle osservazioni ordinate Valore più frequente Media Aritmetica • La misura di tendenza centrale più comune • Media = somma dei valori diviso il numero di valori • Influenzata da valori estremi (outlier) 0 1 2 3 4 5 6 7 8 9 10 Media = 3 1 2 3 4 5 15 3 5 5 0 1 2 3 4 5 6 7 8 9 10 Media = 4 1 2 3 4 10 20 4 5 5 Mediana • In una lista ordinata, la mediana è il valore “centrale” (50% sopra, 50% sotto) 0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10 Mediana = 3 • Non influenzata da valori estremi Mediana = 3 Moda • • • • • Valore che occorre più frequentemente Non influenzata da valori estremi Usata sia per dati numerici che categorici Può non esserci una moda Ci può essere più di una moda 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 Moda = 9 0 1 2 3 4 5 6 No Moda Misure di Tendenza Non Centrale • I Quartili dividono la sequenza ordinata dei dati in 4 segmenti contenenti lo stesso numero di valori 25% Q1 25% 25% Q2 25% Q3 • Il primo quartile, Q1, è il valore per il quale 25% delle osservazioni sono minori e 75% sono maggiori di esso • Q2 coincide con la mediana (50% sono minori, 50% sono maggiori) • Solo 25% delle osservazioni sono maggiori del terzo quartile Box Plot X minimo Q1 25% 12 Mediana Q3 (Q2) 25% 30 25% 45 X 25% 57 Differenza Interquartile 57 – 30 = 27 OUTLIERS: massimo Q1 - 1,5 * Differenza interquartile Q3 + 1,5 * Differenza interquartile 70 Misure di Variabilità Variabilità Campo di Variazione Differenza Interquartile Varianza Scarto Quadratico Medio Coefficiente di Variazione • Le misure di variabilità forniscono informazioni sulla dispersione o variabilità dei valori. Stesso centro, diversa variabilità Campo di Variazione • La più semplice misura di variabilità • Differenza tra il massimo e il minimo dei valori osservati: Campo di variazione = Xmassimo – Xminimo Esempio: 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 Campo di Variazione = 14 - 1 = 13 Campo di Variazione • Ignora il modo in cui i dati sono distribuiti 7 8 9 10 11 12 Campo di Var. = 12 - 7 = 5 7 8 9 10 11 12 Campo di Var. = 12 - 7 = 5 • Sensibile agli outlier 1,1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,3,3,3,3,4,5 Campo di Var. = 5 - 1 = 4 1,1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,3,3,3,3,4,120 Campo di Var = 120 - 1 = 119 Differenza Interquartile • Possiamo eliminare il problema degli outlier usando la differenza interquartile • Elimina i valori osservati più alti e più bassi e calcola il campo di variazione del 50% centrale dei dati • Differenza Interquartile = 3o quartile – 1o quartile IQR = Q3 – Q1 Varianza • Media dei quadrati delle differenze fra ciascuna osservazione e la media N – Varianza della Popolazione: dove σ 2 μ = media della popolazione N = dimensione della popolazione xi = iimo valore della variabile X (x i 1 i μ) N 2 Scarto Quadratico Medio • Misura di variabilità comunemente usata • Mostra la variabilità rispetto alla media • Ha la stessa unità di misura dei dati originali – Scarto Quadratico Medio della Popolazione: N σ 2 (x μ) i i 1 N Scarto Quadratico Medio Scarto quadratico medio piccolo Scarto quadratico medio grande Scarto Quadratico Medio Dati A 11 12 13 14 15 16 17 18 19 20 21 Media = 15.5 s = 3.338 20 21 Media = 15.5 s = 0.926 20 21 Media = 15.5 s = 4.570 Dati B 11 12 13 14 15 16 17 18 19 Dati C 11 12 13 14 15 16 17 18 19 Scarto Quadratico Medio • Viene calcolato usando tutti i valori nel set di dati • Valori lontani dalla media hanno più peso (poichè si usa il quadrato delle deviazioni dalla media) • Le stesse considerazioni valgono anche per il calcolo della Varianza Coefficiente di Variazione • Misura la variabilità relativa • Sempre in percentuale (%) • Mostra la variabilità relativa rispetto alla media • Può essere usato per confrontare due o più set di dati misurati con unità di misura diversa s CV 100% x Coefficiente di Variazione • Azione A: – Prezzo medio scorso anno = $50 – Scarto Quadratico Medio = $5 s $5 CVA 100% 100% 10% x $50 • Azione B: – Prezzo medio scorso anno = $100 – Scarto Quadratico Medio = $5 s $5 CVB 100% 100% 5% $100 x Entrambe le azioni hanno lo stesso scarto quadratico medio, ma l’azione B è meno variabile rispetto al suo prezzo Forma della Distribuzione • La forma della distribuzione si dice simmetrica se le osservazioni sono bilanciate, o distribuite in modo approssimativamente regolare attorno al centro. Distribuzione Simmetrica 120 100 60 40 20 0 Frequenza 80 10 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 Forma della Distribuzione • La forma della distribuzione è detta asimmetrica se le osservazioni non sono distribuite in modo simmetrico rispetto al centro. Distribuzione con Asimmetria Positiva 12 10 Frequenza Una distribuzione con asimmetria positiva (obliqua a destra) ha una coda che si estende a destra, nella direzione dei valori positivi. 8 6 4 2 0 1 3 4 5 6 7 8 9 8 9 Distribuzione con Asimmetria Negativa 12 10 Frequenza Una distribuzione con asimmetria negativa (obliqua a sinistra) ha una coda che si estende a sinistra, nella direzione dei valori negativi. 2 8 6 4 2 0 1 2 3 4 5 6 7 Misure di Forma della Distribuzione • Descrive come i dati sono distribuiti • Misure della forma – Simmetrica o asimmetrica Obliqua a sinistra Media < Mediana Asimmetria negativa Simmetrica Media = Mediana Simmetria Obliqua a destra Mediana < Media Asimmetria positiva Misure di Forma della Distribuzione Skewness: indice che informa circa il grado di simmetria o asimmetria di una distribuzione. – γ=0 ditribuzione simmetrica; – γ<0 asimmetria negativa (mediana>media); – γ>0 asimmetria positiva (mediana<media). Kurtosis: indice che permette di verificare se i dati seguono una distribuzione di tipo Normale (simmetrica). – β=3 se la distribuzione è “Normale”; – β<3 se la distribuzione è iponormale (rispetto alla distribuzione di una Normale ha densità di frequenza minore per valori molto distanti dalla media); – β>3 se la distribuzione è ipernormale (rispetto alla distribuzione di una Normale ha densità di frequenza maggiore per i valori molto distanti dalla media). IMPORTO NETTO UNITARIO Basic Statistical Measures Location Variability Mean 106.1410 Std Deviation 81.01306 Median 103.2900 Variance 6563 Mode 0.0000 Range 523.69000 Interquartile Range 118.62500 IMPORTO NETTO UNITARIO IMPORTO NETTO UNITARIO IMPORTO NETTO UNITARIO Basic Statistical Measures Location Variability Mean 138.0247 Std Deviation 64.29397 Median 129.1100 Variance 4134 Mode 149.0000 Range 521.77000 Interquartile Range 82.62000 Analisi di Concentrazione Per caratteri quantitativi trasferibili Equidistribuzione: Max concentrazione: x1 x 2 x3 ....... xn μ x1 x2 x3 ....... xn 1 0 xn Nμ 1. Ordinare le osservazioni x1 x2 x3 ....... xn i x i 2. Calcolare le quantità: Fi N Qi j j1 N x j1 j Analisi di Concentrazione CURVA DI CONCENTRAZIONE REDD. >=0 QI 1.0 20% 0.9 0.8 50% 0.7 0.6 0.5 60% 0.4 0.3 90% 0.2 0.1 0.0 0.0 0.1 0.2 0.3 0.4 0.5 FI 0.6 0.7 0.8 0.9 1.0 Analisi di Concentrazione QI 1.0 CURVA DI CONCENTRAZIONE REDD. < 0 0.9 0.8 0.7 20% 0.6 0.5 40% 0.4 0.3 0.2 0.1 0.0 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 Statistica descrittiva bivariata Indaga la relazione tra due variabili misurate. Si distingue rispetto alla tipologia delle variabili indagate: • var. qualitative/quantitative discrete: tavole di contingenza (o a doppia entrata) • var. quantitative: analisi di correlazione lineare • una var. qualitativa e una quantitativa: confronto tra le medie Tavole di contingenza Sono tabelle a doppia entrata; i valori riportati all’interno della tabella sono le frequenze congiunte assolute, e la loro somma è pari al totale dei casi osservati. Dalla tabella si possono ricavare inoltre le distribuzioni marginali, sommando per riga e per colonna le frequenze congiunte; le frequenze relative congiunte, pari al rapporto tra le frequenze assolute congiunte e il totale dei casi osservati. Sesso * Età Crosstabulation Età Ses so M F Total Count % within Ses s o % within Età % of Total Count % within Ses s o % within Età % of Total Count % within Ses s o % within Età % of Total 18-25 25 29.1% 32.1% 11.3% 53 39.3% 67.9% 24.0% 78 35.3% 100.0% 35.3% 26-35 22 25.6% 40.0% 10.0% 33 24.4% 60.0% 14.9% 55 24.9% 100.0% 24.9% 36-50 22 25.6% 53.7% 10.0% 19 14.1% 46.3% 8.6% 41 18.6% 100.0% 18.6% Over 50 17 19.8% 36.2% 7.7% 30 22.2% 63.8% 13.6% 47 21.3% 100.0% 21.3% Total 86 100.0% 38.9% 38.9% 135 100.0% 61.1% 61.1% 221 100.0% 100.0% 100.0% Tavole di contingenza Dalle tabelle di contingenza si possono ricavare ulteriori distribuzioni unidimensionali : – Frequenze subordinate ovvero la frequenza di osservare il carattere x dato il carattere y e viceversa. Formalmente: P y|x (xi,yj) = P (xi,yj) / P x(xi) P x|y (xi,yj) = P (xi,yj) / P y(yj) Indipendenza statistica se al variare di X le distribuzioni subordinate (Y|X)= xi sono tutte uguali tra loro,si può concludere che la distribuzione del carattere Y non dipende da X. Nel caso di indipendenza statistica, la frequenza relativa congiunta è pari al prodotto delle marginali corrispondenti P(xi,yj)=Px (xi)Py(yj) L’indipendenza stat. è un concetto simmetrico: se vale per X, vale anche per Y. Se si verifica, vuol dire che l’analisi bivariata di X (Y) non dà informazioni aggiuntive rispetto all’analisi univariata.