Statistica riassunto completo

Un'indagine che include tutti i membri della popolazione, utilizzata per la statistica descrittiva.

Un'indagine che raccoglie dati da un sottoinsieme della popolazione, utilizzata per la statistica inferenziale.

L'insieme di dati organizzati in righe e colonne, dove ogni riga rappresenta un'unità statistica e ogni colonna una variabile.

Il processo di assegnare codici numerici alle informazioni per la memorizzazione in una matrice di dati.

Variabili che non possono essere ordinate in modo naturale, ad esempio genere, colore, ecc.

Variabili che possono essere classificate in un ordine logico, ad esempio livello di istruzione, grado di soddisfazione, ecc.

Variabili che possono essere misurate numericamente, ad esempio altezza, peso, età, ecc.

Utilizzati per estendere i risultati ottenuti da un campione alla popolazione, consentendo di fare inferenze su gruppi più ampi.

La media aritmetica è il valore che si ottiene sommando tutti i valori di un insieme di dati e dividendo la somma per il numero totale di dati.

La proprietà di internalità afferma che la media aritmetica si trova sempre tra il valore minimo e il valore massimo dell'insieme di dati.

La proprietà di annullamento della somma degli scarti afferma che la somma delle differenze tra ogni valore di un insieme di dati e la media aritmetica è sempre uguale a zero.

La proprietà associativa afferma che la media aritmetica di un insieme di dati può essere calcolata come media ponderata delle medie di sottoinsiemi di dati, dove i pesi sono dati dalla dimensione di ogni sottoinsieme.

La frequenza assoluta di un valore rappresenta il numero di volte che quel valore compare in un insieme di dati.

La media ponderata è una media che tiene conto della frequenza o del peso di ogni valore. Ogni valore viene moltiplicato per la sua frequenza e poi sommato. Il risultato viene poi diviso per la somma delle frequenze.

La moda è il valore che compare più frequentemente in un insieme di dati.

La mediana è il valore che divide un insieme di dati ordinato in due metà uguali.

Il campo di variazione (R) è una misura di dispersione che rappresenta la differenza tra il valore massimo e il valore minimo di un insieme di dati.

La differenza interquartile (RI) è una misura di dispersione che rappresenta la differenza tra il terzo quartile (Q3) e il primo quartile (Q1) di un insieme di dati.

La varianza è una misura di dispersione che calcola la media degli scarti quadratici dei dati dalla media aritmetica.

La proprietà di annullamento degli scarti dalla media aritmetica significa che la somma degli scarti dalla media è sempre uguale a zero.

La deviazione standard è la radice quadrata della varianza.

I quartili dividono un insieme di dati in quattro parti uguali.

La variabilità rappresenta la dispersione dei dati intorno alla media.

Un grafico utilizzato per rappresentare la distribuzione di frequenza di una variabile categorica. Ogni settore circolare rappresenta una categoria e la sua area è proporzionale alla frequenza della categoria.

Due o più distribuzioni di frequenza possono essere confrontate sullo stesso grafico, con ogni colonna che rappresenta una categoria diversa.

Utilizzato per rappresentare la distribuzione di frequenza di una variabile quantitativa discreta o continua. Ogni punto rappresenta una modalità e la sua posizione sull'asse verticale corrisponde alla frequenza della modalità.

Un grafico che rappresenta la distribuzione di frequenza di una variabile quantitativa continua. Ogni segmento di linea corrisponde a una classe di intervalli e la sua altezza rappresenta la frequenza della classe.

Utilizzato per rappresentare la distribuzione di frequenza di una variabile quantitativa continua. Ogni barra rappresenta una classe e la sua area è proporzionale alla densità di frequenza della classe.

Una rappresentazione grafica che evidenzia le misure di tendenza centrale e di variabilità di una variabile quantitativa continua. La scatola rappresenta il 50% dei dati centrali, mentre i baffi rappresentano i dati rimanenti.

I grafici lineari, a differenza dei grafici circolari, sono più adatti per le variabili cardinali e ordinali perché suggeriscono un ordine gerarchico fra le categorie.

I grafici circolari, a differenza dei grafici lineari, danno la percezione dell'incidenza di una modalità sul totale, ma rendono difficile il confronto tra più di due modalità.

La distribuzione di una variabile (Y) all'interno di un gruppo specifico di un'altra variabile (X). Ad esempio, la distribuzione del partito politico votato (Y) tra i cattolici (X).

Nella tabella di frequenza congiunta, le righe rappresentano le diverse modalità della variabile Y.

Le modalità della variabile esplicativa X sono associate alle righe della tabella di frequenza congiunta.

Il calcolo delle percentuali per riga nella tabella di frequenza congiunta. Questo metodo serve per capire come la variabile Y si distribuisce all'interno di ogni gruppo della variabile X.

Il totali marginali rappresentano la numerosità di ogni gruppo della variabile X, quindi la numerosità di cattolici, musulmani e protestanti.

Se la distribuzione percentuale di Y cambia a seconda dei diversi gruppi di X, questo dimostra che esiste una relazione tra le due variabili.

Analizzare le distribuzioni percentuali sia di Y condizionate da X (percentuali in riga) che di X condizionate da Y (percentuali in colonna).

La scelta del partito politico è influenzata dall'orientamento religioso.

Un rapporto di composizione mette in relazione una parte di un fenomeno con il fenomeno stesso nella sua totalità. Ad esempio, il rapporto tra la spesa per affitto di una famiglia e la sua spesa totale.

Un rapporto di coesistenza mette in relazione due parti di un insieme. Ad esempio, il rapporto di mascolinità, che confronta il numero di maschi con il numero di femmine in una popolazione.

Il rapporto di mascolinità è un rapporto di coesistenza che confronta il numero di maschi con il numero di femmine in una popolazione. Si calcola dividendo il numero di maschi per il numero di femmine e moltiplicando per 100. Ad esempio, un rapporto di mascolinità di 76 indica che ci sono 76 maschi ogni 100 femmine.

Un rapporto di derivazione mette in relazione la misura di un fenomeno con quella di un altro che può essere considerato un suo presupposto necessario. Ad esempio, il rapporto tra nati e popolazione.

Il tasso di natalità è un rapporto di derivazione che indica il numero di nati ogni 1000 abitanti. Si calcola dividendo il numero di nati per il numero di abitanti e moltiplicando per 1000.

Il tasso di mortalità è un rapporto di derivazione che indica il numero di morti ogni 1000 abitanti. Si calcola dividendo il numero di morti per il numero di abitanti e moltiplicando per 1000.

Un rapporto medio mette in relazione due grandezze che si riferiscono a due fenomeni distinti. Ad esempio, il rapporto tra il peso medio degli studenti e la loro altezza media.

Nei rapporti di derivazione, non c'è sempre una definizione univoca per la quantità che va al denominatore. Ad esempio, nel calcolo del tasso di laureati si può usare il numero di studenti iscritti all'università o il numero di persone di età idonea a iscriversi.