Calcolatore del Valore Medio di una Tabella
Inserisci i dati della tua tabella per calcolare la media aritmetica, la mediana e altri valori statistici fondamentali.
Risultati del Calcolo
Guida Completa: Come Calcolare il Valore Medio di una Tabella
Il calcolo del valore medio (o media aritmetica) di una tabella di dati è un’operazione fondamentale in statistica, economia, scienze sociali e in molti altri campi. Questa guida approfondita ti spiegherà non solo come calcolare la media, ma anche altri importanti indicatori statistici come mediana, moda, deviazione standard e varianza.
1. Cos’è il Valore Medio e perché è Importante
Il valore medio, noto anche come media aritmetica, è il risultato della somma di tutti i valori diviso per il numero totale dei valori. È uno degli indicatori statistici più utilizzati perché:
- Fornisce una misura di tendenza centrale che rappresenta l’intero dataset
- Permette confronti tra diversi gruppi di dati
- È facile da calcolare e interpretare
- Viene utilizzato come base per altri calcoli statistici più complessi
Secondo il Istituto Nazionale di Statistica (ISTAT), la media aritmetica è “il valore che ogni unità statistica avrebbe se la somma totale dei valori osservati fosse equamente distribuita tra tutte le unità”.
2. Come Calcolare la Media Aritmetica
La formula per calcolare la media aritmetica è:
Media = (Σxᵢ) / n
Dove:
- Σxᵢ (sigma xi) rappresenta la somma di tutti i valori individuali
- n rappresenta il numero totale dei valori
Esempio pratico: Supponiamo di avere i seguenti dati sulle vendite mensili (in migliaia di euro) di un’azienda:
| Mese | Vendite (€) |
|---|---|
| Gennaio | 45 |
| Febbraio | 52 |
| Marzo | 48 |
| Aprile | 55 |
| Maggio | 60 |
| Giugno | 58 |
Per calcolare la media:
- Sommiamo tutti i valori: 45 + 52 + 48 + 55 + 60 + 58 = 318
- Contiamo il numero di valori: 6 mesi
- Dividiamo la somma per il numero di valori: 318 / 6 = 53
Quindi la media delle vendite mensili è 53.000 €.
3. Altri Indicatori Statistici Importanti
Oltre alla media aritmetica, ci sono altri indicatori che forniscono informazioni complementari sui dati:
| Indicatore | Descrizione | Formula | Esempio (dati: 2, 3, 3, 5, 7) |
|---|---|---|---|
| Mediana | Valore centrale che divide i dati in due metà uguali | Ordina i dati e trova il valore centrale | 3 |
| Moda | Valore che appare più frequentemente | Identifica il valore con frequenza massima | 3 |
| Deviazione Standard | Misura la dispersione dei dati intorno alla media | √(Σ(xᵢ – μ)² / n) | ≈1.85 |
| Varianza | Quadrato della deviazione standard | Σ(xᵢ – μ)² / n | ≈3.44 |
4. Quando Usare la Media e Quando Preferire la Mediana
La scelta tra media e mediana dipende dalla distribuzione dei dati:
- Usa la media quando:
- I dati sono distribuiti normalmente (a campana)
- Non ci sono valori estremi (outliers)
- Vuoi una misura che utilizzi tutti i valori
- Usa la mediana quando:
- Ci sono valori estremi che potrebbero distorcere la media
- I dati non sono distribuiti normalmente
- Vuoi una misura più robusta agli outliers
Esempio: Considera i seguenti stipendi mensili in un’azienda (in €): 1500, 1600, 1700, 1800, 1900, 2000, 25000 (CEO).
- Media: (1500+1600+1700+1800+1900+2000+25000)/7 ≈ 5.000 € (fortemente influenzata dall’outlier)
- Mediana: 1800 € (valore centrale, non influenzato dall’outlier)
In questo caso, la mediana fornisce una rappresentazione più accurata dello stipendio “tipico” nell’azienda.
5. Applicazioni Pratiche del Calcolo della Media
Il calcolo del valore medio trova applicazione in numerosi contesti:
- Finanza e Economia:
- Calcolo del rendimento medio di un portafoglio di investimenti
- Analisi delle medie mobili nei mercati azionari
- Determinazione del reddito medio pro capite
- Scienze Sociali:
- Calcolo dell’età media della popolazione
- Analisi dei votanti medi alle elezioni
- Studio del reddito medio delle famiglie
- Scienza e Ricerca:
- Analisi dei risultati medi di esperimenti
- Calcolo delle medie in studi clinici
- Determinazione dei valori medi in fenomeni naturali
- Business e Marketing:
- Calcolo del valore medio degli ordini (AOV – Average Order Value)
- Analisi del tempo medio di permanenza su un sito web
- Determinazione del costo medio di acquisizione cliente (CAC)
6. Errori Comuni nel Calcolo della Media
Anche un calcolo apparentemente semplice come la media può essere soggetto a errori:
- Dimenticare di includere tutti i valori: Omettendo alcuni dati si ottiene una media non rappresentativa.
- Non considerare i pesi: Quando i dati hanno importanza diversa (es. media ponderata), bisogna applicare i giusti pesi.
- Ignorare gli outliers: Valori estremi possono distorcere significativamente la media.
- Confondere media aritmetica con altri tipi di media:
- Media geometrica (usata per tassi di crescita)
- Media armonica (usata per velocità medie)
- Arrotondare troppo presto: È meglio mantenere precisione nei calcoli intermedi.
7. Strumenti per il Calcolo Automatico
Mentre il calcolo manuale è possibile per piccoli dataset, per analisi più complesse è consigliabile utilizzare strumenti specifici:
- Microsoft Excel/Google Sheets:
- =MEDIA() per la media aritmetica
- =MEDIANA() per la mediana
- =MODA() per la moda
- =DEV.ST() per la deviazione standard
- Software statistici:
- SPSS
- R
- Python (con librerie come NumPy, Pandas)
- SAS
- Calcolatrici online: Come quello che stai utilizzando in questa pagina
- Linguaggi di programmazione: La maggior parte dei linguaggi (JavaScript, Python, Java, etc.) ha funzioni integrate per questi calcoli
8. Caso Studio: Analisi delle Temperature Medie
Un’applicazione pratica del calcolo della media è l’analisi delle temperature. Consideriamo le temperature massime registrate a Roma nel mese di luglio 2023 (dati fittizi ma realistici):
| Giorno | Temperatura (°C) |
|---|---|
| 1 | 32 |
| 2 | 34 |
| 3 | 36 |
| 4 | 33 |
| 5 | 35 |
| 6 | 37 |
| 7 | 38 |
| 8 | 36 |
| 9 | 35 |
| 10 | 34 |
| 11 | 33 |
| 12 | 32 |
| 13 | 34 |
| 14 | 35 |
| 15 | 36 |
| 16 | 37 |
| 17 | 38 |
| 18 | 39 |
| 19 | 37 |
| 20 | 36 |
| 21 | 35 |
| 22 | 34 |
| 23 | 33 |
| 24 | 32 |
| 25 | 31 |
| 26 | 30 |
| 27 | 32 |
| 28 | 33 |
| 29 | 34 |
| 30 | 35 |
| 31 | 36 |
Calcoliamo:
- Media: (32+34+36+…+36)/31 ≈ 34.77°C
- Mediana: 35°C (16° valore in ordine crescente)
- Moda: 34°C e 36°C (bimodale)
- Deviazione Standard: ≈ 2.34°C
Questa analisi ci dice che:
- La temperatura media è stata di circa 34.8°C
- Il 50% dei giorni ha avuto temperature ≤35°C (mediana)
- Le temperature più frequenti sono state 34°C e 36°C
- La variabilità delle temperature è stata relativamente bassa (deviazione standard 2.34°C)
9. Media Ponderata: Quando i Dati non sono tutti Uguali
In molti casi, non tutti i valori hanno lo stesso “peso”. La media ponderata tiene conto di questa differenza. La formula è:
Media Ponderata = (Σwᵢxᵢ) / Σwᵢ
Dove wᵢ sono i pesi e xᵢ sono i valori.
Esempio: Un studente ha i seguenti voti con diversi pesi:
| Materia | Voto | Crediti (peso) |
|---|---|---|
| Matematica | 28 | 9 |
| Fisica | 25 | 6 |
| Storia | 27 | 4 |
| Inglese | 30 | 3 |
Calcolo:
- (28×9) + (25×6) + (27×4) + (30×3) = 252 + 150 + 108 + 90 = 600
- 9 + 6 + 4 + 3 = 22 (somma dei pesi)
- Media ponderata = 600 / 22 ≈ 27.27
La media semplice (28+25+27+30)/4 = 27.5 sarebbe leggermente diversa e meno accurata in questo contesto.
10. Media Mobile: Analisi delle Tendenze
La media mobile è una tecnica utilizzata per analizzare le tendenze in serie temporali, attenuando le fluttuazioni a breve termine.
Esistono diversi tipi di medie mobili:
- Media mobile semplice (SMA): Media aritmetica di un numero fisso di punti dati
- Media mobile ponderata (WMA): Dà più peso ai dati recenti
- Media mobile esponenziale (EMA): Dà peso esponenzialmente maggiore ai dati recenti
Esempio di SMA a 3 periodi:
| Giorno | Vendite | SMA 3 giorni |
|---|---|---|
| 1 | 120 | – |
| 2 | 150 | – |
| 3 | 130 | (120+150+130)/3=133.33 |
| 4 | 160 | (150+130+160)/3=146.67 |
| 5 | 140 | (130+160+140)/3=143.33 |
| 6 | 170 | (160+140+170)/3=156.67 |
Le medie mobili sono ampiamente utilizzate in:
- Analisi tecnica dei mercati finanziari
- Previsioni meteorologiche
- Analisi delle vendite e della domanda
- Monitoraggio della qualità in processi industriali
11. Limitazioni della Media Aritmetica
Nonostante la sua utilità, la media aritmetica ha alcune limitazioni importanti:
- Sensibilità agli outliers: Valori estremamente alti o bassi possono distorcere significativamente la media.
- Non rappresenta sempre il “tipico”: In distribuzioni asimmetriche, la media può non corrispondere al valore più comune.
- Può essere fuorviante con dati categorici: Non ha senso calcolare la media di codici postali o numeri di telefono.
- Non mostra la variabilità: Due dataset con la stessa media possono avere distribuzioni molto diverse.
- Problemi con dati mancanti: La media può essere influenzata da come si gestiscono i valori mancanti.
Per questi motivi, è sempre consigliabile:
- Calcolare anche mediana e moda
- Analizzare la distribuzione dei dati
- Considerare misure di dispersione (deviazione standard, range)
- Visualizzare i dati con grafici (istogrammi, box plot)
12. Applicazione Pratica: Calcolo del Voto Medio
Un’applicazione comune del calcolo della media è la determinazione del voto medio in contesti accademici. Consideriamo il seguente esempio:
Uno studente ha ottenuto i seguenti voti in 8 esami:
| Esame | Voto | Crediti |
|---|---|---|
| Analisi Matematica | 27 | 12 |
| Fisica Generale | 24 | 9 |
| Chimica | 28 | 6 |
| Inglese | 30 | 3 |
| Storia Contemporanea | 25 | 6 |
| Economia | 26 | 9 |
| Informatica | 29 | 6 |
| Diritto | 22 | 9 |
Calcolo della media semplice:
(27 + 24 + 28 + 30 + 25 + 26 + 29 + 22) / 8 = 211 / 8 = 26.375
Calcolo della media ponderata (più accurata):
[(27×12) + (24×9) + (28×6) + (30×3) + (25×6) + (26×9) + (29×6) + (22×9)] / (12+9+6+3+6+9+6+9)
= (324 + 216 + 168 + 90 + 150 + 234 + 174 + 198) / 60
= 1554 / 60 = 25.9
In questo caso, la media ponderata (25.9) è leggermente inferiore alla media semplice (26.375) perché i voti più bassi (24 e 22) hanno pesi maggiori (9 crediti ciascuno).
13. Media vs Mediana: Un Confronto Dettagliato
Per comprendere appieno quando utilizzare la media o la mediana, è utile confrontarle direttamente:
| Caratteristica | Media Aritmetica | Mediana |
|---|---|---|
| Definizione | Somma dei valori diviso per il numero di valori | Valore centrale che divide i dati in due metà uguali |
| Sensibilità agli outliers | Alta | Bassa |
| Facilità di calcolo | Facile (ma richiede tutti i valori) | Facile (richiede solo l’ordinamento) |
| Rappresentatività | Buona per distribuzioni simmetriche | Buona per distribuzioni asimmetriche |
| Uso tipico | Quando i dati sono distribuiti normalmente | Quando ci sono outliers o distribuzioni asimmetriche |
| Esempio di applicazione | Altezza media, reddito medio in popolazioni omogenee | Reddito medio (dove ci sono pochi molto ricchi), tempi di risposta |
| Vantaggi |
|
|
| Svantaggi |
|
|
Un interessante studio dell’U.S. Bureau of Labor Statistics mostra come, per il reddito delle famiglie americane, la mediana sia spesso preferita alla media perché meglio rappresenta la situazione della “famiglia tipica”, non distorta dai pochi individui con redditi estremamente alti.
14. Come Presentare i Risultati Statistici
Quando si presentano i risultati di analisi statistiche come il calcolo della media, è importante:
- Fornire il contesto: Spiegare cosa rappresentano i dati e perché sono stati raccolti.
- Includere misure di variabilità: Sempre accompagnare la media con deviazione standard, range o altri indicatori di dispersione.
- Specificare la dimensione del campione: Quanti dati sono stati analizzati.
- Descrivere la metodologia: Come sono stati raccolti e elaborati i dati.
- Usare visualizzazioni appropriate: Grafici e tabelle possono aiutare a comprendere meglio i dati.
- Evidenziare le limitazioni: Eventuali problemi con i dati o l’analisi.
- Confrontare con benchmark: Quando possibile, confrontare con valori di riferimento.
Esempio di presentazione efficace:
“L’analisi delle temperature medie a Milano nel mese di agosto 2023 (n=31 giorni) ha rivelato una temperatura media di 30.2°C (DS=2.1°C), con un range compreso tra 26°C e 35°C. La mediana è risultata essere 30°C, mentre la moda 29°C. Questi valori sono superiori di 1.5°C rispetto alla media storica del periodo 2000-2020 (28.7°C), suggerendo un trend di riscaldamento.”
15. Errori Comuni nell’Interpretazione della Media
Anche quando la media è calcolata correttamente, può essere interpretata in modo errato:
- Confondere correlazione con causazione: Solo perché due variabili hanno medie che sembrano correlate non significa che una causi l’altra.
- Ignorare la distribuzione: Due dataset possono avere la stessa media ma distribuzioni completamente diverse.
- Assumere normalità: Molti test statistici assumono una distribuzione normale, ma non tutti i dati lo sono.
- Estrapolare oltre i dati: Fare previsioni basate solo sulla media senza considerare la variabilità può essere rischioso.
- Dimenticare il contesto: Una media senza contesto (ad esempio, la popolazione a cui si riferisce) è spesso inutile.
- Confondere media del campione con media della popolazione: La media calcolata su un campione è solo una stima della media vera della popolazione.
Un famoso esempio di errata interpretazione è il “paradosso di Simpson”, dove una tendenza appare in gruppi di dati ma si inverte quando i gruppi sono combinati. Questo dimostra l’importanza di analizzare i dati a diversi livelli di aggregazione.
16. Calcolo della Media in Diverse Discipline
Il concetto di media viene applicato in modi specifici in diverse discipline:
| Disciplina | Applicazione della Media | Particolarità |
|---|---|---|
| Economia | PIL pro capite, reddito medio, inflazione media | Spesso si usano medie ponderate per tenere conto di diverse dimensioni (es. popolazione) |
| Medicina | Valori medi di pressione sanguigna, livelli di colesterolo | Importante distinguere tra media della popolazione e media del campione |
| Fisica | Velocità media, energia media | Spesso si usano medie integrate per grandezze continue |
| Informatica | Tempo medio di risposta, throughput medio | Importante per l’ottimizzazione delle prestazioni |
| Scienze Sociali | Età media, reddito medio, anni di studio medi | Spesso si preferisce la mediana per dati asimmetrici come il reddito |
| Biologia | Altezza media, peso medio, durata media della vita | Importante considerare la variabilità biologica |
| Finanza | Rendimento medio, rischio medio, prezzo medio | Spesso si usano medie geometriche per i rendimenti |
17. Media Aritmetica vs Media Geometrica vs Media Armonica
Esistono diversi tipi di media, ognuna adatta a contesti specifici:
- Media Aritmetica:
La più comune, somma dei valori diviso per il numero di valori.
Quando usarla: Per la maggior parte dei dati numerici dove tutti i valori hanno uguale importanza.
- Media Geometrica:
Radice n-esima del prodotto di n valori.
Formula: (x₁ × x₂ × … × xₙ)^(1/n)
Quando usarla: Per tassi di crescita, interessi composti, dati che sono prodotti tra loro.
Esempio: Calcolare il tasso di crescita medio su più periodi.
- Media Armonica:
Reciproco della media aritmetica dei reciproci.
Formula: n / (1/x₁ + 1/x₂ + … + 1/xₙ)
Quando usarla: Per medie di rapporti o tassi (es. velocità media, densità media).
Esempio: Calcolare la velocità media quando si percorrono distanze uguali a velocità diverse.
Esempio comparativo: Consideriamo i numeri 10, 20, 30:
- Media aritmetica: (10+20+30)/3 = 20
- Media geometrica: (10×20×30)^(1/3) ≈ 18.17
- Media armonica: 3/(1/10 + 1/20 + 1/30) ≈ 16.36
La scelta del tipo di media dipende dalla natura dei dati e da ciò che si vuole misurare.
18. Calcolo della Media con Dati Raggruppati
Quando i dati sono presentati in classi (intervalli), si calcola la media usando il valore centrale di ogni classe.
Formula: Media = (Σfᵢxᵢ) / Σfᵢ
Dove fᵢ è la frequenza e xᵢ è il valore centrale della classe.
Esempio: Consideriamo la seguente distribuzione di età in una classe:
| Età (anni) | Frequenza (n° studenti) | Valore Centrale (xᵢ) | fᵢ × xᵢ |
|---|---|---|---|
| 18-20 | 5 | 19 | 95 |
| 21-23 | 8 | 22 | 176 |
| 24-26 | 12 | 25 | 300 |
| 27-29 | 6 | 28 | 168 |
| 30-32 | 3 | 31 | 93 |
| Totale | 34 | – | 832 |
Media = 832 / 34 ≈ 24.47 anni
Nota: Questo è un approssimazione, poiché assumiamo che tutti i valori in una classe siano uguali al valore centrale.
19. Media e Inferenza Statistica
La media del campione viene spesso utilizzata per fare inferenze sulla media della popolazione. Questo è alla base di molte tecniche statistiche:
- Intervalli di confidenza: Forniscono un range entro cui si trova la vera media della popolazione con un certo livello di confidenza (tipicamente 95%).
- Test d’ipotesi: Confrontano la media del campione con un valore ipotizzato per la popolazione.
- Analisi della varianza (ANOVA): Confronta le medie di più gruppi.
- Regressione: Modelli che relazionano la media di una variabile dipendente a una o più variabili indipendenti.
Un concetto chiave è l’errore standard della media (SEM):
SEM = σ / √n
Dove σ è la deviazione standard della popolazione e n è la dimensione del campione.
L’SEM ci dice quanto la media del campione è probabile che differisca dalla media vera della popolazione.
20. Strumenti Avanzati per l’Analisi delle Medie
Per analisi più complesse, si possono utilizzare:
- Analisi della Varianza (ANOVA): Per confrontare le medie di tre o più gruppi.
- Test t di Student: Per confrontare le medie di due gruppi.
- Regressione lineare: Per modellare la relazione tra una variabile dipendente e una o più variabili indipendenti.
- Analisi dei residui: Per verificare se un modello descrive adeguatamente i dati.
- Bootstrapping: Tecnica di ricampionamento per stimare la distribuzione di una statistica (come la media).
Questi metodi avanzati permettono di:
- Confrontare medie tra gruppi
- Identificare fattori che influenzano una variabile
- Fare previsioni basate su relazioni tra variabili
- Valutare la significatività statistica delle differenze osservate
21. Media nel Machine Learning
Nel campo del machine learning e dell’intelligenza artificiale, il concetto di media viene utilizzato in diversi contesti:
- Normalizzazione dei dati: Sottrare la media e dividere per la deviazione standard (standardizzazione).
- Imputazione dei valori mancanti: Sostituire i valori mancanti con la media della variabile.
- Algoritmi di clustering: Come il k-means, che utilizza le medie dei cluster.
- Valutazione dei modelli: Metriche come l’errore quadratico medio (MSE) si basano su differenze rispetto alla media.
- Riduzione della dimensionalità: Tecnichedi come l’Analisi delle Componenti Principali (PCA) utilizzano le medie.
Un esempio è la standardizzazione dei dati:
x’ = (x – μ) / σ
Dove μ è la media e σ è la deviazione standard. Questo processo trasforma i dati in una distribuzione con media 0 e deviazione standard 1.
22. Media nei Big Data
Con l’avvento dei big data, il calcolo della media presenta nuove sfide e opportunità:
- Calcolo distribuito: Tecniche come MapReduce permettono di calcolare medie su dataset troppo grandi per un singolo computer.
- Streaming data: Algoritmi per calcolare medie in tempo reale su flussi continui di dati.
- Approssimazioni: Metodi per stimare medie su dataset molto grandi senza processarli completamente.
- Data sampling: Calcolare medie su campioni rappresentativi quando il dataset è troppo grande.
Un esempio è l’algoritmo reservoir sampling, che permette di mantenere un campione rappresentativo da un flusso di dati di dimensione sconosciuta, consentendo il calcolo approssimato della media.
23. Etica nel Calcolo e Presentazione delle Medie
La presentazione delle medie e delle statistiche in generale solleva importanti questioni etiche:
- Trasparenza: Sempre dichiarare come sono stati raccolti e elaborati i dati.
- Contesto: Fornire sufficienti informazioni perché i lettori possano interpretare correttamente i risultati.
- Evitare manipolazioni: Non scegliere selettivamente i dati o i metodi di calcolo per supportare una tesi preconcetta.
- Riconoscere le limitazioni: Essere chiari su cosa i dati possono e non possono dire.
- Protezione della privacy: Quando si lavorano con dati personali, assicurarsi che le medie presentate non possano essere usate per identificare individui.
Un esempio di presentazione non etica sarebbe:
- Omettere deliberatamente outliers che cambierebbero significativamente la media
- Usare una media semplice quando sarebbe più appropriata una media ponderata
- Presentare una media senza menzionare la grande variabilità dei dati
- Confrontare medie di gruppi con dimensioni molto diverse senza standardizzazione
24. Futuro del Calcolo delle Medie
Con l’evoluzione della tecnologia e della scienza dei dati, il calcolo e l’uso delle medie sta cambiando:
- Intelligenza Artificiale: Algoritmi di IA possono identificare automaticamente quali tipologie di media (aritmetica, geometrica, etc.) sono più appropriate per diversi dataset.
- Real-time analytics: Calcolo istantaneo di medie su flussi di dati in tempo reale.
- Visualizzazione interattiva: Strumenti che permettono di esplorare come la media cambia al variare dei parametri o dei filtri applicati.
- Medie personalizzate: Calcolo di medie specifiche per sottogruppi o anche per individui (es. medie personalizzate in medicina di precisione).
- Integrazione con altre metriche: Combina il calcolo delle medie con altre analisi statistiche avanzate per insights più profondi.
Un’area emergente è quella delle “medie robuste”, che sono meno sensibili agli outliers e alle deviazioni dalla normalità, diventando sempre più importanti nell’analisi di big data dove la qualità dei dati può essere variabile.
25. Conclusione e Best Practices
Il calcolo del valore medio di una tabella è un’operazione fondamentale con applicazioni in quasi ogni campo. Per utilizzare efficacemente questo strumento:
- Scegli il tipo giusto di media: Aritmetica, geometrica, armonica o ponderata a seconda del contesto.
- Considera sempre la distribuzione: La media da sola non racconta tutta la storia – guarda anche mediana, moda e misure di dispersione.
- Sii trasparente: Documenta sempre come hai calcolato la media e quali dati hai utilizzato.
- Visualizza i dati: Grafici e tabelle aiutano a comprendere meglio la distribuzione dei valori.
- Confronta con benchmark: Quando possibile, confronta le tue medie con valori di riferimento o storici.
- Considera le alternative: A volte la mediana o la moda possono essere misure più appropriate della tendenza centrale.
- Agisci eticamente: Presenta i risultati in modo onesto e completo, evitando manipolazioni.
- Continua a imparare: La statistica è un campo vasto – più conosci, meglio potrai interpretare e presentare i dati.
Ricorda che, come disse il famoso statistico George E. P. Box:
“Tutti i modelli sono sbagliati, ma alcuni sono utili.”
La media è uno strumento potente, ma come tutti gli strumenti statistici, va usato con giudizio e comprensione dei suoi limiti.