Calcolatore Media, Mediana e IR

Inserisci i tuoi dati per calcolare la media aritmetica, la mediana e l’intervallo interquartile (IR)

Media aritmetica: –

Mediana: –

Primo quartile (Q1): –

Terzo quartile (Q3): –

Intervallo Interquartile (IR): –

Minimo: –

Massimo: –

Guida Completa: Come Calcolare Media, Mediana e Intervallo Interquartile (IR)

La statistica descrittiva è fondamentale per analizzare e interpretare i dati. Tra gli indicatori più importanti troviamo la media aritmetica, la mediana e l’intervallo interquartile (IR). Questi valori aiutano a comprendere la tendenza centrale e la dispersione dei dati in un campione.

1. Cos’è la Media Aritmetica?

La media aritmetica (o semplicemente “media”) è il valore ottenuto sommando tutti i dati e dividendo per il numero totale dei dati. È il valore più comunemente utilizzato per rappresentare la tendenza centrale di un insieme di dati.

Formula:

Media = (Σxᵢ) / n

Dove:

Σxᵢ = somma di tutti i valori
n = numero totale dei valori

Esempio: Per i dati [12, 15, 18, 22, 25], la media è (12 + 15 + 18 + 22 + 25) / 5 = 92 / 5 = 18.4

2. Cos’è la Mediana?

La mediana è il valore centrale di un insieme di dati ordinati. A differenza della media, non è influenzata dai valori estremi (outlier), il che la rende una misura robusta della tendenza centrale.

Come si calcola:

Ordina i dati in ordine crescente.
Se il numero di dati (n) è dispari, la mediana è il valore centrale.
Se n è pari, la mediana è la media dei due valori centrali.

Esempio 1 (n dispari): [12, 15, 18, 22, 25] → Mediana = 18

Esempio 2 (n pari): [12, 15, 18, 22] → Mediana = (15 + 18) / 2 = 16.5

3. Cos’è l’Intervallo Interquartile (IR)?

L’intervallo interquartile (IR o IQR, dall’inglese Interquartile Range) misura la dispersione dei dati centrali. È la differenza tra il terzo quartile (Q3) e il primo quartile (Q1), rappresentando l’intervallo in cui si trova il 50% centrale dei dati.

Formula:

IR = Q3 – Q1

Come si calcolano Q1 e Q3:

Ordina i dati.
Q1 è la mediana della prima metà dei dati (esclusa la mediana se n è dispari).
Q3 è la mediana della seconda metà dei dati.

Esempio: Per i dati [12, 15, 18, 22, 25, 30, 35]:

Q1 = mediana di [12, 15, 18] → 15
Q3 = mediana di [25, 30, 35] → 30
IR = 30 – 15 = 15

4. Quando Usare Media, Mediana o IR?

Misura	Quando Usarla	Vantaggi	Svantaggi
Media	Dati simmetrici senza outlier	Facile da calcolare, utilizzata in molte formule statistiche	Sensibile agli outlier
Mediana	Dati asimmetrici o con outlier	Robusta agli outlier, rappresenta il centro reale	Meno sensibile ai cambiamenti nei dati
IR	Misurare la dispersione dei dati centrali	Non influenzato dagli outlier, utile per box plot	Non considera la dispersione totale

5. Applicazioni Pratiche

Questi concetti sono fondamentali in molti campi:

Finanza: Analisi dei rendimenti degli investimenti (media) e valutazione del rischio (IR).
Medicina: Interpretazione dei valori di riferimento negli esami clinici (es. mediana dei valori di colesterolo).
Istruzione: Valutazione delle performance degli studenti (media dei voti vs mediana per evitare distorsioni).
Ricerca scientifica: Analisi dei dati sperimentali (IR per valutare la variabilità centrale).

6. Confronto tra Media e Mediana: Dati Reali

La tabella seguente mostra come media e mediana possono differire in presenza di outlier (dati anomali):

Dataset	Media	Mediana	Differenza (%)
Redditi in Italia (2023, campione)	€28.500	€24.200	17.8%
Prezzi delle case a Milano (2023, €/m²)	5.200	4.800	8.3%
Temperatura media annuale in Italia (2000-2023, °C)	14.2	14.1	0.7%
Punteggi test INVALSI (Matematica, 2023)	198	200	-1.0%

Fonte: Elaborazione su dati ISTAT, Agenzia delle Entrate e INVALSI. La differenza tra media e mediana è più marcata in distribuzioni asimmetriche (es. redditi, dove pochi valori molto alti alzano la media).

7. Come Interpretare l’Intervallo Interquartile (IR)

L’IR è particolarmente utile per:

Identificare outlier: Valori al di sotto di Q1 – 1.5×IR o sopra Q3 + 1.5×IR sono spesso considerati outlier.
Box plot: L’IR definisce la lunghezza della “scatola” in un box plot, con Q1 e Q3 come estremi.
Confrontare distribuzioni: Un IR più ampio indica maggiore variabilità nei dati centrali.

Esempio pratico: In un esame con punteggi [50, 55, 60, 65, 70, 75, 80, 85, 90, 100]:

Q1 = 62.5 (media di 60 e 65)
Q3 = 82.5 (media di 80 e 85)
IR = 82.5 – 62.5 = 20
Outlier inferiori: sotto 62.5 – 1.5×20 = 32.5 (nessuno in questo caso)
Outlier superiori: sopra 82.5 + 1.5×20 = 112.5 (nessuno)

8. Errori Comuni da Evitare

Confondere media e mediana: Non sono intercambiabili. Usa la mediana per dati asimmetrici.
Dimenticare di ordinare i dati: La mediana e i quartili richiedono dati ordinati.
Ignorare gli outlier: Possono distorcere la media. Valuta sempre anche la mediana.
Usare l’IR per la variabilità totale: L’IR misura solo la dispersione centrale. Per la variabilità totale, usa lo scarto quadratico medio.
Arrotondare troppo: Mantieni sufficienti decimali nei calcoli intermedi per evitare errori di arrotondamento.

9. Strumenti per il Calcolo

Oltre a questo calcolatore, puoi utilizzare:

Excel/Google Sheets:
- =MEDIA() per la media
- =MEDIANA() per la mediana
- =QUARTILE() per Q1 e Q3

Python (con Pandas):

import pandas as pd
data = [12, 15, 18, 22, 25]
df = pd.DataFrame(data, columns=['values'])
print("Media:", df.mean())
print("Mediana:", df.median())
print("Q1:", df.quantile(0.25))
print("Q3:", df.quantile(0.75))
print("IR:", df.quantile(0.75) - df.quantile(0.25))

data <- c(12, 15, 18, 22, 25)
cat("Media:", mean(data), "\n")
cat("Mediana:", median(data), "\n")
cat("Q1:", quantile(data, 0.25), "\n")
cat("Q3:", quantile(data, 0.75), "\n")
cat("IR:", IQR(data), "\n")

10. Approfondimenti e Risorse

Per approfondire questi concetti, consulta le seguenti risorse autorevoli:

ISTAT - Glossario di statistica (definizioni ufficiali di media, mediana e quartili)
Seeing Theory by Brown University (visualizzazioni interattive di concetti statistici)
NCES Kids' Zone - Box Plot Guide (guida pratica sui box plot e l'IR)

Domande Frequenti

La media è sempre il miglior indicatore della tendenza centrale?

No. La media è sensibile agli outlier (valori estremi). Ad esempio, in un gruppo dove la maggior parte guadagna €20.000 all'anno ma una persona guadagna €1.000.000, la media sarà molto più alta della mediana, che rappresenterebbe meglio il "reddito tipico".

Come si calcola la mediana per un numero pari di dati?

Se hai un numero pari di dati, la mediana è la media dei due valori centrali. Ad esempio, per [10, 20, 30, 40], la mediana è (20 + 30)/2 = 25.

Qual è la differenza tra IR e devianza standard?

L'IR misura la dispersione del 50% centrale dei dati ed è robusto agli outlier. La devianza standard (o scarto quadratico medio) misura la dispersione di tutti i dati rispetto alla media ed è sensibile agli outlier. L'IR è spesso preferito per dati asimmetrici.

Posso usare l'IR per confrontare due distribuzioni?

Sì, ma con cautela. L'IR ti dice quanto sono sparsi i dati centrali. Un IR più grande indica maggiore variabilità nel 50% centrale. Tuttavia, non considera i dati estremi, quindi per un confronto completo potresti voler esaminare anche il range totale o la devianza standard.

Cosa significa se la media è molto diversa dalla mediana?

Una grande differenza tra media e mediana suggerisce una distribuzione asimmetrica. Se la media > mediana, la distribuzione è asimmetrica a destra (coda lunga verso valori alti). Se media < mediana, è asimmetrica a sinistra (coda lunga verso valori bassi).

1 Calcolare La Media Ds Mediana Ir