Cos'è la deviazione standard?
La deviazione standard quantifica la dispersione di un set di dati rispetto alla sua media. Una deviazione standard bassa indica che i punti dati sono raggruppati strettamente attorno alla media. Una deviazione standard alta significa che i punti dati si distribuiscono su un ampio intervallo di valori.
Gli analisti utilizzano questa metrica per misurare la volatilità, il rischio e la coerenza. In finanza, un'azione con un'alta deviazione standard subisce significative fluttuazioni di prezzo. Nella produzione, una bassa deviazione standard indica un rigoroso controllo qualità e dimensioni del prodotto coerenti.
Deviazione standard della popolazione vs. campione
Il calcolo della deviazione standard richiede un preciso punto di riferimento centrale. È necessario determinare prima la media del set di dati prima di misurarne la dispersione. Il nostro Calcolatore di Media fornisce il valore centrale esatto richiesto per questo passaggio fondamentale.
La formula matematica cambia a seconda che i dati rappresentino un'intera popolazione o un sottoinsieme. L'utilizzo della formula errata introduce un bias sistematico nell'analisi statistica.
| Caratteristica | Deviazione standard della popolazione ($\sigma$) | Deviazione standard del campione ($s$) |
|---|---|---|
| Definizione | Misura la dispersione di un gruppo intero. | Misura la dispersione di un sottoinsieme (campione). |
| Denominatore | Divide per $N$ (dimensione totale della popolazione). | Divide per $n - 1$ (correzione di Bessel). |
| Caso d'uso | Dati censuari, registri completi. | Sondaggi, esperimenti, statistica inferenziale. |
Formule della deviazione standard
La notazione matematica cambia a seconda che si calcoli la dispersione per un'intera popolazione o un campione. Entrambe le formule si basano sull'operatore di sommatoria, indicato dalla lettera greca maiuscola Sigma ($\sum$).
Formula della deviazione standard della popolazione
Quando si possiedono i dati per ogni membro della popolazione, la formula è:
Dove:
- $\sigma$ = deviazione standard della popolazione
- $\mu$ = media della popolazione
- $x_i$ = ogni singolo valore
- $N$ = numero totale di valori nella popolazione
Formula della deviazione standard del campione
Quando si lavora con un campione estratto da una popolazione più ampia, la formula è:
Dove:
- $s$ = deviazione standard del campione
- $\bar{x}$ = media del campione
- $x_i$ = ogni singolo valore
- $n - 1$ = gradi di libertà (correzione di Bessel)
Le formule abbreviate (di calcolo)
La formula di calcolo offre un'alternativa più rapida quando si lavora con statistiche riassuntive. Elimina la necessità di calcolare le singole deviazioni dalla media. Questo metodo è altamente pratico per grandi set di dati o calcoli manuali.
Formula abbreviata per la popolazione:
Formula abbreviata per il campione:
Calcolo manuale della deviazione standard
Il calcolo manuale segue un rigoroso processo in sei passaggi. Sebbene il nostro calcolatore lo automatizzi, comprendere la meccanica rimane essenziale per la cultura statistica. I seguenti esempi dimostrano entrambi i metodi in dettaglio.
Deviazione standard del campione
Un ricercatore farmaceutico registra i tempi di recupero (in giorni) di 8 pazienti che assumono un nuovo farmaco. Il set di dati è: $12, 15, 14, 18, 13, 16, 14, 17$. Lo trattiamo come un campione estratto da una popolazione più ampia di tutti i potenziali pazienti.
Soluzione
- Calcola la media del campione ($\bar{x}$): Somma i valori ($119$) e dividi per $n$ ($8$). $\bar{x} = 14,875$ giorni.
- Trova le deviazioni dalla media: Sottrai $14,875$ da ogni valore (es. $12 - 14,875 = -2,875$).
- Eleva al quadrato ogni deviazione: Moltiplica ogni deviazione per se stessa (es. $(-2,875)^2 = 8,265625$).
- Somma le deviazioni al quadrato: Somma tutti i valori al quadrato. $\sum (x_i - \bar{x})^2 = 28,875$.
- Dividi per $n-1$ per ottenere la varianza del campione ($s^2$): $28,875 \div 7 = 4,125$.
- Prendi la radice quadrata: $\sqrt{4,125} \approx 2,031$.
Risultato: La deviazione standard del campione è 2,031 giorni. Questo indica che, in media, i tempi di recupero dei pazienti si discostano dal tempo medio di recupero di 14,875 giorni di circa 2,031 giorni.
La tabella seguente dettagli i calcoli delle deviazioni per questo campione:
| Osservazione ($x_i$) | Deviazione ($x_i - \bar{x}$) | Deviazione al quadrato $(x_i - \bar{x})^2$ |
|---|---|---|
| 12 | -2,875 | 8,266 |
| 15 | 0,125 | 0,016 |
| 14 | -0,875 | 0,766 |
| 18 | 3,125 | 9,766 |
| 13 | -1,875 | 3,516 |
| 16 | 1,125 | 1,266 |
| 14 | -0,875 | 0,766 |
| 17 | 2,125 | 4,516 |
| Somma: | 28,875 | |
Deviazione standard della popolazione
Un insegnante registra i punteggi dell'esame finale di tutti i 10 studenti di una piccola classe. Il set di dati è: $78, 82, 85, 90, 92, 88, 84, 86, 91, 89$. Poiché questo include ogni studente della classe, lo trattiamo come una popolazione completa.
Soluzione
- Calcola la media della popolazione ($\mu$): Somma i valori ($865$) e dividi per $N$ ($10$). $\mu = 86,5$ punti.
- Trova le deviazioni dalla media: Sottrai $86,5$ da ogni valore (es. $78 - 86,5 = -8,5$).
- Eleva al quadrato ogni deviazione: Moltiplica ogni deviazione per se stessa (es. $(-8,5)^2 = 72,25$).
- Somma le deviazioni al quadrato: Somma tutti i valori al quadrato. $\sum (x_i - \mu)^2 = 198,5$.
- Dividi per $N$ per ottenere la varianza della popolazione ($\sigma^2$): $198,5 \div 10 = 19,85$.
- Prendi la radice quadrata: $\sqrt{19,85} \approx 4,455$.
Risultato: La deviazione standard della popolazione è 4,455 punti. Questo indica che i punteggi degli studenti si discostano tipicamente dalla media della classe di 86,5 punti di circa 4,455 punti.
La tabella seguente dettagli i calcoli delle deviazioni per questa popolazione:
| Osservazione ($x_i$) | Deviazione ($x_i - \mu$) | Deviazione al quadrato $(x_i - \mu)^2$ |
|---|---|---|
| 78 | -8,5 | 72,25 |
| 82 | -4,5 | 20,25 |
| 85 | -1,5 | 2,25 |
| 90 | 3,5 | 12,25 |
| 92 | 5,5 | 30,25 |
| 88 | 1,5 | 2,25 |
| 84 | -2,5 | 6,25 |
| 86 | -0,5 | 0,25 |
| 91 | 4,5 | 20,25 |
| 89 | 2,5 | 6,25 |
| Somma: | 198,50 | |
Calcolo con la formula abbreviata
Un ispettore del controllo qualità misura il diametro di 5 aste metalliche in millimetri. Il set di dati è: $10,1, 9,9, 10,0, 10,2, 9,8$. Utilizzeremo la formula abbreviata del campione per evitare di calcolare le singole deviazioni.
Soluzione
- Calcola la somma dei valori ($\sum x_i$): $10,1 + 9,9 + 10,0 + 10,2 + 9,8 = 50,0$.
- Calcola la media del campione ($\bar{x}$): $50,0 \div 5 = 10,0$ mm.
- Calcola la somma dei valori al quadrato ($\sum x_i^2$): $10,1^2 + 9,9^2 + 10,0^2 + 10,2^2 + 9,8^2 = 102,01 + 98,01 + 100,00 + 104,04 + 96,04 = 500,10$.
- Applica la formula abbreviata del campione: $s = \sqrt{\frac{500,10 - 5(10,0)^2}{5-1}}$.
- Semplifica il numeratore: $500,10 - 5(100) = 500,10 - 500 = 0,10$.
- Dividi e prendi la radice quadrata: $s = \sqrt{\frac{0,10}{4}} = \sqrt{0,025} \approx 0,158$.
Risultato: La deviazione standard del campione è 0,158 mm. La formula abbreviata ha evitato con successo la noiosa sottrazione e l'elevamento al quadrato delle singole deviazioni.
Confronto della coerenza: Un esempio di doppio set
Una fabbrica gestisce due macchine che riempiono bottiglie da 1 litro. La macchina A produce volumi di: $998, 1002, 1000, 1001, 999$ ml. La macchina B produce volumi di: $990, 1010, 1005, 995, 1000$ ml. Entrambe le macchine hanno una media identica di 1000 ml, ma la loro coerenza differisce drasticamente.
Soluzione
- Analizza la macchina A: Le deviazioni dalla media sono molto piccole ($-2, 2, 0, 1, -1$). La somma delle deviazioni al quadrato è solo 10. Dividendo per $n-1$ (4) si ottiene una varianza di 2,5. La deviazione standard è $\sqrt{2,5} \approx 1,58$ ml.
- Analizza la macchina B: Le deviazioni sono molto più grandi ($-10, 10, 5, -5, 0$). La somma delle deviazioni al quadrato è 250. Dividendo per 4 si ottiene una varianza di 62,5. La deviazione standard è $\sqrt{62,5} \approx 7,91$ ml.
Risultato: La macchina A ha una deviazione standard di 1,58 ml, mentre la macchina B ha una deviazione standard di 7,91 ml. Sebbene entrambe le macchine colpiscano l'obiettivo di 1000 ml in media, la macchina A è molto più coerente e affidabile per la produzione.
Deviazione standard vs. Varianza e Intervallo
La varianza e la deviazione standard misurano lo stesso concetto, ma utilizzano unità diverse. La varianza rappresenta la deviazione media al quadrato, il che distorce la scala di misurazione originale. Prendere la radice quadrata della varianza riporta la deviazione standard alle unità originali del set di dati.
L'intervallo (range) fornisce una misura di dispersione molto più semplice. Sottrae il valore minimo dal valore massimo. Tuttavia, l'intervallo utilizza solo due punti dati, rendendolo molto sensibile ai valori anomali.
La deviazione standard incorpora ogni singolo punto dati, fornendo una misura di dispersione molto più robusta. Considera un set di punteggi dei test: $70, 80, 90$. L'intervallo è $90 - 70 = 20$. La varianza è $100$. La deviazione standard è $\sqrt{100} = 10$. Mentre l'intervallo indica la dispersione totale, la deviazione standard indica la distanza tipica di ogni punteggio dalla media di 80.
Il nostro Calcolatore di Varianza e il nostro Calcolatore di Intervallo ti aiutano a calcolare rapidamente queste metriche di dispersione alternative.
La regola empirica della deviazione standard
La regola empirica, nota anche come regola 68-95-99,7, afferma che per una distribuzione normale, quasi tutti i dati rientrano in tre deviazioni standard dalla media.
- Il 68% dei dati rientra in una deviazione standard (sopra e sotto) dalla media.
- Il 95% dei dati rientra in due deviazioni standard dalla media.
- Il 99,7% dei dati rientra in tre deviazioni standard dalla media.
Come funziona
- Media ($\mu$): La media o il punto centrale dei dati.
- Deviazione standard ($\sigma$): Una misura di quanto i punti dati si diffondono dal centro.
Esempio pratico
Supponiamo che le altezze di una specifica specie di pianta siano distribuite normalmente con una media ($\mu$) di 150 cm e una deviazione standard ($\sigma$) di 10 cm.
- Una deviazione standard: $150 \pm 10$ cm. Circa il 68% delle piante misura tra 140 cm e 160 cm.
- Due deviazioni standard: $150 \pm 20$ cm. Circa il 95% delle piante misura tra 130 cm e 170 cm.
- Tre deviazioni standard: $150 \pm 30$ cm. Circa il 99,7% delle piante misura tra 120 cm e 180 cm.
Questa regola consente ai ricercatori di stimare rapidamente le probabilità e identificare i valori anomali senza calcoli complessi.
Il coefficiente di variazione (CV) consente di confrontare la volatilità di due set di dati completamente diversi. Lo si calcola dividendo la deviazione standard per la media e moltiplicando per 100. Un CV più alto indica una maggiore variabilità relativa, indipendentemente dalla scala assoluta dei dati.
I valori anomali estremi gonfiano drasticamente la deviazione standard. Poiché la formula eleva al quadrato le deviazioni, un singolo valore estremo esercita un'influenza matematica massiccia sul risultato finale. Quando la deviazione standard è alta a causa di valori anomali, il Calcolatore di Mediana offre spesso una misura di tendenza centrale più affidabile.
Proprietà matematiche della deviazione standard
La deviazione standard esibisce un comportamento prevedibile sotto specifiche trasformazioni matematiche:
- Aggiungere o sottrarre una costante: Se si aggiunge o sottrae un valore costante a ogni punto dati in un set, la deviazione standard rimane completamente invariata. I dati si spostano lungo la linea dei numeri, ma la distanza relativa tra i punti rimane esattamente la stessa.
- Moltiplicare o dividere per una costante: Se si moltiplica o divide ogni punto dati per una costante $c$, la deviazione standard si scala per il valore assoluto di quella costante ($|c|$). Ad esempio, raddoppiando ogni valore nel set, si raddoppierà esattamente la deviazione standard.
- Non negatività: La deviazione standard è sempre maggiore o uguale a zero. Può essere uguale a zero solo se ogni valore nel set di dati è identico.
Deviazione standard e punteggi Z
Il punteggio Z stabilisce una relazione diretta e pratica tra singoli punti dati e la deviazione standard. Standardizza i dati esprimendo esattamente quante deviazioni standard un valore specifico si trova sopra o sotto la media.
Dove:
- $Z$ = punteggio Z (valore standard)
- $x$ = valore singolo
- $\mu$ = media della popolazione
- $\sigma$ = deviazione standard della popolazione
Esempio pratico
Uno studente ottiene 92 in un test di matematica. La media della classe ($\mu$) è 80 e la deviazione standard ($\sigma$) è 6. Vogliamo trovare il punteggio Z dello studente per comprendere la sua performance relativa.
| Passo | Calcolo | Risultato |
|---|---|---|
| 1. Trova la deviazione | $x - \mu = 92 - 80$ | 12 |
| 2. Dividi per la deviazione standard | $Z = \frac{12}{6}$ | 2,0 |
Risultato: Il punteggio Z dello studente è 2,0. Ciò significa che il suo punteggio è esattamente due deviazioni standard sopra la media della classe, posizionandolo nel 2,5% superiore della classe secondo la regola empirica.
Questa metrica colma il divario tra statistica descrittiva e inferenziale. Convertendo i dati grezzi in punteggi Z, è possibile confrontare facilmente valori di set di dati completamente diversi o calcolare probabilità precise. Usa il nostro Calcolatore di Punteggio Z per determinare la posizione standardizzata di qualsiasi punto dati nella tua distribuzione.
Domande frequenti
Cosa significa una deviazione standard di 0?
Una deviazione standard di zero significa che ogni singolo valore nel set di dati è identico. Non c'è assolutamente alcuna dispersione o variabilità nei dati. Ogni punto dati è esattamente uguale alla media.
La deviazione standard può essere negativa?
No, la deviazione standard non può essere negativa. Il calcolo implica l'elevamento al quadrato delle deviazioni, che produce sempre numeri positivi. Il passaggio finale prende la radice quadrata principale (positiva) della varianza.
Perché dividiamo per $n-1$ per la deviazione standard del campione?
Dividere per $n-1$ applica la correzione di Bessel. Questo aggiustamento compensa il fatto che un campione sottostima la vera variabilità dell'intera popolazione. Fornisce uno stimatore non distorto della varianza della popolazione.
Come si relaziona la deviazione standard con la media?
La deviazione standard misura la distanza media dei punti dati dalla media. La media stabilisce il punto di riferimento centrale. Senza calcolare prima la media, non è possibile determinare la deviazione standard.
Qual è la differenza tra deviazione standard e varianza?
La varianza misura la deviazione media al quadrato dalla media. La deviazione standard è la radice quadrata della varianza. La deviazione standard è preferita per l'interpretazione perché ritorna alle unità originali dei dati.
Quando dovrei usare la deviazione standard della popolazione vs. quella del campione?
Usa la deviazione standard della popolazione quando i dati includono ogni membro del gruppo che stai studiando. Usa la deviazione standard del campione quando i dati rappresentano un sottoinsieme estratto da un gruppo più ampio e intendi fare inferenze su quel gruppo più ampio.
Come influenzano i valori anomali la deviazione standard?
I valori anomali gonfiano significativamente la deviazione standard. La formula eleva al quadrato la distanza dalla media, il che significa che i valori estremi esercitano un'influenza matematica sproporzionatamente grande sul risultato finale.
Cos'è una "buona" deviazione standard?
Una "buona" deviazione standard dipende interamente dal contesto e dalla tolleranza al rischio. Nella produzione, una bassa deviazione standard è ideale per il controllo qualità. Nei portafogli di investimento, una deviazione standard più alta potrebbe essere accettabile se accompagnata da rendimenti attesi più elevati.
Fonti per approfondire
- MIT OpenCourseWare: 18.05 Introduzione alla Probabilità e Statistica: Statistiche di Riepilogo – Materiali accademici rigorosi che coprono le misure di dispersione del Massachusetts Institute of Technology.
- ISTAT: Metodi e Strumenti: La deviazione standard – Definizione ufficiale e metodologia standard dello Stato italiano per le misure statistiche.
- Khan Academy (Italiano): Revisione della deviazione standard della popolazione e del campione – Eccellenti spiegazioni fondamentali ed esercizi interattivi per comprendere la dispersione.
- Sapienza Università di Roma: Risorse di Statistica Descrittiva – Definizioni formali e rigore matematico supportati da una delle istituzioni accademiche più prestigiose d'Italia.