Calcolare Mediana Con Funzione Di Ripartizione

Inserisci i tuoi dati per calcolare la mediana e visualizzare la funzione di ripartizione empirica

Guida Completa: Come Calcolare la Mediana con la Funzione di Ripartizione

La mediana è una delle misure di tendenza centrale più importanti in statistica, insieme alla media aritmetica e alla moda. A differenza della media, la mediana non è influenzata dai valori estremi (outliers), il che la rende particolarmente utile per distribuzioni asimmetriche.

In questa guida approfondita, esploreremo:

• La definizione matematica di mediana e funzione di ripartizione
• Metodi per calcolare la mediana per dati grezzi e raggruppati
• Come interpretare la funzione di ripartizione empirica
• Esempi pratici con soluzioni dettagliate
• Applicazioni reali in diversi campi (economia, medicina, scienze sociali)

1. Definizione di Mediana e Funzione di Ripartizione

Mediana: In una distribuzione ordinata di dati, la mediana è il valore che divide la distribuzione in due parti uguali. Metà dei valori sono minori o uguali alla mediana, e l’altra metà sono maggiori o uguali.

Formalmente, per un campione di n osservazioni ordinate x₁ ≤ x₂ ≤ … ≤ x_n, la mediana M è definita come:

• Se n è dispari: M = x_(n+1)/2
• Se n è pari: M = (x_n/2 + x_(n/2)+1)/2

Funzione di ripartizione empirica (F_n): È una funzione a gradini che assegna a ogni valore x la proporzione di osservazioni nel campione che sono minori o uguali a x. Matematicamente:

F_n(x) = (numero di osservazioni ≤ x) / n

2. Calcolo della Mediana per Dati Grezzi

Per dati non raggruppati (grezzi), il processo è relativamente semplice:

1. Ordinare i dati: Disporre tutti i valori in ordine crescente
2. Determinare la posizione:
   • Se n è dispari: posizione = (n + 1)/2
   • Se n è pari: media delle posizioni n/2 e (n/2) + 1
3. Identificare il valore: Trovare il valore corrispondente alla posizione calcolata

Esempio: Consideriamo il seguente dataset: 12, 15, 18, 22, 25, 30, 35, 40

1. Il dataset è già ordinato
2. n = 8 (pari), quindi consideriamo le posizioni 4 e 5
3. I valori sono 22 e 25
4. Mediana = (22 + 25)/2 = 23.5

3. Calcolo della Mediana per Dati Raggruppati

Per dati raggruppati in classi, il calcolo è più complesso e richiede l’uso della seguente formula:

M = L + [(N/2 – F)/f] × c

Dove:

• L: limite inferiore della classe mediana
• N: numero totale di osservazioni
• F: frequenza cumulativa della classe precedente quella mediana
• f: frequenza della classe mediana
• c: ampiezza della classe mediana

Procedura:

1. Calcolare le frequenze cumulative
2. Determinare la classe mediana (la prima classe dove la frequenza cumulativa ≥ N/2)
3. Applicare la formula sopra

Esempio: Consideriamo la seguente distribuzione di frequenza:

Classi	Frequenza (f)	Frequenza Cumulativa
10-20	5	5
20-30	10	15
30-40	8	23
40-50	6	29

Soluzione:

1. N = 29 (totale osservazioni)
2. N/2 = 14.5
3. Classe mediana: 20-30 (prima classe con frequenza cumulativa ≥ 14.5)
4. L = 20, F = 5, f = 10, c = 10
5. M = 20 + [(14.5 – 5)/10] × 10 = 20 + 9.5 = 29.5

4. Funzione di Ripartizione Empirica

La funzione di ripartizione empirica (FRE) è uno strumento fondamentale per visualizzare la distribuzione cumulativa dei dati. Per costruirla:

1. Ordina i dati in modo crescente
2. Assegna a ogni valore x_i la proporzione di osservazioni ≤ x_i
3. Traccia i punti (x_i, F_n(x_i)) e collegali con una linea a gradini

Proprietà della FRE:

• È una funzione non decrescente
• F_n(x) → 0 quando x → -∞
• F_n(x) → 1 quando x → +∞
• I salti avvengono nei punti corrispondenti ai dati osservati
• L’altezza del salto in x_i è pari a 1/n se tutti i valori sono distinti

La mediana può essere letta direttamente dalla FRE come il valore di x corrispondente a F_n(x) = 0.5.

5. Relazione tra Mediana e Funzione di Ripartizione

La mediana è strettamente collegata alla funzione di ripartizione. Per definizione:

M = F^-1(0.5)

Dove F^-1 è la funzione quantile (inversa della funzione di ripartizione).

Per la FRE, questo significa:

• Se n è dispari, la mediana è il valore per cui F_n(x) = 0.5
• Se n è pari, qualsiasi valore tra x_(n/2) e x_(n/2)+1 soddisfa F_n(x) = 0.5

6. Applicazioni Pratiche

Il calcolo della mediana tramite la funzione di ripartizione ha numerose applicazioni:

Economia e Finanza

• Analisi della distribuzione dei redditi (la mediana è meno sensibile agli outliers rispetto alla media)
• Valutazione dei prezzi degli immobili
• Studio della distribuzione della ricchezza

Secondo i dati ISTAT (2023), il reddito mediano delle famiglie italiane nel 2022 era di €24.500, mentre la media era di €32.000, mostrando una distribuzione asimmetrica verso l’alto.

Medicina e Salute Pubblica

• Studio della distribuzione dei valori di pressione sanguigna
• Analisi dei tempi di sopravvivenza in studi clinici
• Valutazione dei livelli di colesterolo

Uno studio pubblicato su NEJM ha utilizzato la mediana per analizzare i tempi di sopravvivenza in pazienti con cancro al polmone, evitando la distorsione causata da alcuni pazienti con sopravvivenza eccezionalmente lunga.

Scienze Sociali

• Analisi della distribuzione dei voti agli esami
• Studio dei tempi di risposta in questionari
• Valutazione della distribuzione dell’età in popolazioni

7. Confronto tra Media, Mediana e Moda

È importante comprendere le differenze tra queste tre misure di tendenza centrale:

Misura	Definizione	Vantaggi	Svantaggi	Quando Usarla
Media	Somma dei valori diviso il numero di osservazioni	Utilizza tutte le informazioni del campione	Sensibile agli outliers	Distribuzioni simmetriche senza outliers
Mediana	Valore centrale che divide il campione in due parti uguali	Robusta agli outliers	Non utilizza tutte le informazioni del campione	Distribuzioni asimmetriche o con outliers
Moda	Valore più frequente nel campione	Facile da comprendere e calcolare	Può non essere unica o non esistere	Dati categorici o per identificare valori tipici

La scelta della misura appropriata dipende dalla forma della distribuzione:

• Distribuzione simmetrica: Media = Mediana = Moda
• Distribuzione asimmetrica positiva: Media > Mediana > Moda
• Distribuzione asimmetrica negativa: Media < Mediana < Moda

8. Errori Comuni nel Calcolo della Mediana

Anche se il concetto di mediana è relativamente semplice, ci sono alcuni errori comuni da evitare:

1. Dimenticare di ordinare i dati: La mediana richiede sempre dati ordinati
2. Confondere media e mediana: Sono concetti diversi con proprietà diverse
3. Errori nei dati raggruppati:
   • Non calcolare correttamente le frequenze cumulative
   • Scegliere la classe sbagliata come classe mediana
   • Usare limiti di classe errati nella formula
4. Arrotondamenti eccessivi: Può portare a risultati imprecisi
5. Ignorare i valori ripetuti: Ogni osservazione deve essere considerata

9. Software e Strumenti per il Calcolo

Mentre il calcolo manuale è importante per comprendere il concetto, nella pratica si utilizzano spesso software statistici:

• Excel/Google Sheets:
  • =MEDIAN() per la mediana
  • Strumenti di analisi dati per la funzione di ripartizione
• R:

  # Dati grezzi
  data <- c(12, 15, 18, 22, 25, 30, 35, 40)
  median(data)
  
  # Funzione di ripartizione empirica
  ecdf(data)
                  

• Python (con Pandas):

  import pandas as pd
  import numpy as np
  
  data = [12, 15, 18, 22, 25, 30, 35, 40]
  median = np.median(data)
  
  # Funzione di ripartizione empirica
  from statsmodels.distributions.empirical_distribution import ECDF
  ecdf = ECDF(data)
                  

• SPSS/SAS: Funzioni integrate per mediana e analisi di distribuzione

Risorse Autorevoli

Per approfondimenti accademici sulla mediana e la funzione di ripartizione:

• NIST Engineering Statistics Handbook – Medians: Guida dettagliata con esempi pratici
• UC Berkeley Statistics Department: Risorse didattiche sulla statistica descrittiva
• U.S. Census Bureau – Statistical Methods: Metodologie statistiche utilizzate nei censimenti

10. Esercizi Pratici con Soluzioni

Esercizio 1 (Dati Grezzi):

Calcolare la mediana del seguente dataset: 45, 32, 67, 44, 29, 38, 51, 55

Soluzione:

1. Ordiniamo i dati: 29, 32, 38, 44, 45, 51, 55, 67
2. n = 8 (pari), quindi consideriamo le posizioni 4 e 5
3. Valori: 44 e 45
4. Mediana = (44 + 45)/2 = 44.5

Esercizio 2 (Dati Raggruppati):

Calcolare la mediana per la seguente distribuzione:

Classi	Frequenza
0-10	12
10-20	18
20-30	25
30-40	20
40-50	15

Soluzione:

1. N = 90, N/2 = 45
2. Frequenze cumulative:
   • 0-10: 12
   • 10-20: 30 (12+18)
   • 20-30: 55 (30+25) ← classe mediana
3. L = 20, F = 30, f = 25, c = 10
4. M = 20 + [(45 – 30)/25] × 10 = 20 + 6 = 26

11. Limiti e Considerazioni

Sebbene la mediana sia una misura robusta, presenta alcuni limiti:

• Per dati raggruppati: Il risultato dipende dall’ipotesi di distribuzione uniforme all’interno della classe mediana
• Mancanza di sensibilità: Non utilizza tutte le informazioni del campione come fa la media
• Difficoltà con dati categorici: Menos adatta per variabili qualitative
• Interpretazione: Può essere meno intuitiva della media per il pubblico generale

In molti casi, è utile riportare sia la media che la mediana per dare una visione completa della distribuzione.

12. Conclusione

Il calcolo della mediana tramite la funzione di ripartizione è una competenza fondamentale in statistica descrittiva. Questa misura offre una rappresentazione robusta del centro di una distribuzione, particolarmente utile quando i dati presentano asimmetria o valori estremi.

Ricordate che:

• La mediana divide il dataset in due parti uguali
• La funzione di ripartizione empirica è uno strumento visivo potente per comprendere la distribuzione cumulativa
• Per dati raggruppati, è essenziale calcolare correttamente le frequenze cumulative
• La scelta tra media e mediana dipende dalla forma della distribuzione e dalla presenza di outliers

Utilizzando il calcolatore sopra, potete facilmente determinare la mediana per i vostri dati e visualizzare la corrispondente funzione di ripartizione. Per analisi più approfondite, considerate l’uso di software statistici che possono fornire ulteriori misure descrittive e grafici avanzati.