Cos'è la varianza?
La varianza quantifica la dispersione di un set di dati rispetto alla sua media. Misura quanto ogni numero nell'insieme è lontano dalla media e, quindi, da ogni altro numero nell'insieme. Un'alta varianza indica che i punti dati sono ampiamente dispersi, mentre una bassa varianza indica che sono strettamente raggruppati.
A differenza della deviazione standard, la varianza è espressa in unità al quadrato. Questa proprietà matematica la rende indispensabile per i calcoli statistici avanzati, anche se è meno intuitiva per l'interpretazione umana diretta. Gli analisti usano la varianza per valutare il rischio, valutare la coerenza e costruire modelli predittivi.
Varianza della popolazione vs. del campione
Calcolare la varianza richiede un punto di riferimento centrale preciso. Devi prima determinare la media del tuo 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 tuoi dati rappresentino un'intera popolazione o un sottoinsieme. Usare la formula sbagliata introduce un bias sistematico nella tua analisi statistica.
| Caratteristica | Varianza della popolazione ($\sigma^2$) | Varianza del campione ($s^2$) |
|---|---|---|
| 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 varianza
La notazione matematica cambia a seconda che tu 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 varianza della popolazione
Quando possiedi dati per ogni membro della popolazione, la formula è:
Dove:
- $\sigma^2$ = varianza della popolazione
- $\mu$ = media della popolazione
- $x_i$ = ogni valore individuale
- $N$ = numero totale di valori nella popolazione
Formula della varianza del campione
Quando lavori con un campione estratto da una popolazione più ampia, la formula è:
Dove:
- $s^2$ = varianza del campione
- $\bar{x}$ = media del campione
- $x_i$ = ogni valore individuale
- $n - 1$ = 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:
Perché eleviamo le deviazioni al quadrato?
Elevare le deviazioni al quadrato serve a due scopi matematici critici. Primo, elimina i numeri negativi. Se semplicemente sommassi le deviazioni grezze dalla media, i valori positivi e negativi si annullerebbero perfettamente, risultando in una somma di zero.
Secondo, elevare al quadrato penalizza più pesantemente i valori anomali grandi rispetto alle piccole deviazioni. Un punto dati che è a 4 unità dalla media contribuisce 16 alla somma dei quadrati, mentre un punto a 2 unità contribuisce solo 4. Questo assicura che i valori estremi abbiano un impatto significativo sulla metrica di varianza finale.
Varianza vs. Deviazione standard
La varianza e la deviazione standard misurano esattamente lo stesso concetto di dispersione, ma esistono in unità matematiche diverse. La varianza è espressa in unità al quadrato (ad esempio, metri quadrati), il che rende difficile l'interpretazione nel contesto dei dati originali.
La deviazione standard è semplicemente la radice quadrata della varianza. Riporta la metrica alle unità originali del set di dati (ad esempio, metri). Usiamo la varianza per operazioni matematiche complesse come l'ANOVA, ma usiamo la deviazione standard per riportare i risultati agli esseri umani. Il nostro Calcolatore di Deviazione Standard gestisce questa conversione automaticamente.
Come calcolare la varianza manualmente
Il calcolo manuale segue un processo rigoroso. Sebbene il nostro calcolatore lo automatizzi, comprendere la meccanica rimane essenziale per la cultura statistica. Le sezioni seguenti dimostrano entrambi i metodi con esempi dettagliati e del mondo reale.
Come calcolare la varianza del campione
Usa la formula della varianza del campione quando i tuoi dati rappresentano un sottoinsieme di un gruppo più grande. I seguenti esempi dimostrano questo processo in dettaglio.
Esempio 1: Durata della batteria degli smartphone
Un ingegnere del controllo qualità testa la durata della batteria (in ore) di 6 smartphone selezionati casualmente da una linea di produzione. Il set di dati è: $14, 16, 15, 18, 13, 14$. Trattiamo questo come un campione per inferire la qualità dell'intera serie di produzione.
Soluzione
- Calcola la media del campione ($\bar{x}$): Somma i valori ($90$) e dividi per $n$ ($6$). $\bar{x} = 15$ ore.
- Trova le deviazioni dalla media: Sottrai $15$ da ogni valore (es. $14 - 15 = -1$).
- Eleva ogni deviazione al quadrato: Moltiplica ogni deviazione per se stessa (es. $(-1)^2 = 1$).
- Somma le deviazioni al quadrato: Aggiungi tutti i valori al quadrato. $\sum (x_i - \bar{x})^2 = 14$.
- Dividi per $n-1$ per ottenere la varianza del campione ($s^2$): $14 \div 5 = 2,8$.
Risultato: La varianza del campione è 2,8 ore². Questo indica la deviazione media al quadrato dalla durata media della batteria di 15 ore.
La tabella seguente dettaglia i calcoli delle deviazioni per questo campione:
| Osservazione ($x_i$) | Deviazione ($x_i - \bar{x}$) | Deviazione al quadrato $(x_i - \bar{x})^2$ |
|---|---|---|
| 14 | -1 | 1 |
| 16 | 1 | 1 |
| 15 | 0 | 0 |
| 18 | 3 | 9 |
| 13 | -2 | 4 |
| 14 | -1 | 1 |
| Somma: | 14 | |
Esempio 2: Rendimenti azionari giornalieri
Un analista finanziario calcola la varianza dei rendimenti percentuali giornalieri di un determinato asset durante una settimana di negoziazione di 5 giorni. I rendimenti sono: $1,2\%, -0,5\%, 0,8\%, 1,5\%, -0,2\%$. Questo campione aiuta a stimare la volatilità complessiva dell'asset.
Soluzione
- Calcola la media del campione ($\bar{x}$): Somma i valori ($2,8\%$) e dividi per $n$ ($5$). $\bar{x} = 0,56\%$.
- Trova le deviazioni dalla media: Sottrai $0,56$ da ogni valore (es. $1,2 - 0,56 = 0,64$).
- Eleva ogni deviazione al quadrato: Moltiplica ogni deviazione per se stessa (es. $0,64^2 = 0,4096$).
- Somma le deviazioni al quadrato: Aggiungi tutti i valori al quadrato. $\sum (x_i - \bar{x})^2 = 2,472$.
- Dividi per $n-1$ per ottenere la varianza del campione ($s^2$): $2,472 \div 4 = 0,618$.
Risultato: La varianza del campione è 0,618 %². Questo quantifica la dispersione dei rendimenti giornalieri attorno al rendimento medio dello 0,56%.
Come calcolare la varianza della popolazione
Usa la formula della varianza della popolazione quando i tuoi dati includono ogni membro del gruppo che stai studiando. I seguenti esempi dimostrano questo processo in dettaglio.
Esempio 1: Altezze di una squadra di basket
Un analista sportivo registra le altezze (in pollici) dei 5 giocatori titolari di una specifica squadra di basket. Il set di dati è: $74, 76, 78, 80, 82$. Poiché questo include ogni titolare, lo trattiamo come una popolazione completa.
Soluzione
- Calcola la media della popolazione ($\mu$): Somma i valori ($390$) e dividi per $N$ ($5$). $\mu = 78$ pollici.
- Trova le deviazioni dalla media: Sottrai $78$ da ogni valore (es. $74 - 78 = -4$).
- Eleva ogni deviazione al quadrato: Moltiplica ogni deviazione per se stessa (es. $(-4)^2 = 16$).
- Somma le deviazioni al quadrato: Aggiungi tutti i valori al quadrato. $\sum (x_i - \mu)^2 = 40$.
- Dividi per $N$ per ottenere la varianza della popolazione ($\sigma^2$): $40 \div 5 = 8$.
Risultato: La varianza della popolazione è 8 pollici². Questo indica la deviazione media al quadrato dall'altezza media della squadra di 78 pollici.
La tabella seguente dettaglia i calcoli delle deviazioni per questa popolazione:
| Osservazione ($x_i$) | Deviazione ($x_i - \mu$) | Deviazione al quadrato $(x_i - \mu)^2$ |
|---|---|---|
| 74 | -4 | 16 |
| 76 | -2 | 4 |
| 78 | 0 | 0 |
| 80 | 2 | 4 |
| 82 | 4 | 16 |
| Somma: | 40 | |
Esempio 2: Diametri di bulloni di precisione
Un responsabile della produzione misura il diametro (in millimetri) di 6 bulloni di precisione prodotti da una macchina specifica durante una singola serie di calibrazione. I diametri sono: $10,0, 10,1, 9,9, 10,2, 9,8, 10,0$. Questo rappresenta l'intera produzione di quella specifica serie.
Soluzione
- Calcola la media della popolazione ($\mu$): Somma i valori ($60,0$) e dividi per $N$ ($6$). $\mu = 10,0$ mm.
- Trova le deviazioni dalla media: Sottrai $10,0$ da ogni valore (es. $10,1 - 10,0 = 0,1$).
- Eleva ogni deviazione al quadrato: Moltiplica ogni deviazione per se stessa (es. $0,1^2 = 0,01$).
- Somma le deviazioni al quadrato: Aggiungi tutti i valori al quadrato. $\sum (x_i - \mu)^2 = 0,10$.
- Dividi per $N$ per ottenere la varianza della popolazione ($\sigma^2$): $0,10 \div 6 \approx 0,0167$.
Risultato: La varianza della popolazione è 0,0167 mm². Questa varianza estremamente bassa indica che la macchina è molto precisa durante questa serie di calibrazione.
Il ruolo della varianza nella statistica avanzata
La varianza è il mattone fondamentale per molte metodologie statistiche avanzate. Sebbene la deviazione standard sia migliore per i report, la varianza è richiesta per la matematica sottostante della statistica inferenziale.
Analisi della varianza (ANOVA): Questa tecnica confronta le medie di tre o più gruppi. Lo fa suddividendo la varianza totale in varianza tra i gruppi e varianza all'interno dei gruppi per determinare se le medie dei gruppi sono significativamente diverse.
Analisi di regressione: Nella modellazione predittiva, il coefficiente di determinazione ($R^2$) rappresenta la proporzione della varianza nella variabile dipendente che è prevedibile dalle variabili indipendenti. È un rapporto diretto di varianze.
Teoria moderna del portafoglio: In finanza, la varianza è utilizzata per misurare la volatilità e il rischio di un portafoglio di investimenti. Calcolando la varianza dei rendimenti, gli analisti possono ottimizzare l'allocazione delle attività per massimizzare i rendimenti per un dato livello di rischio.
Domande frequenti sulla varianza
La varianza può essere negativa?
No, la varianza non può essere negativa. Il calcolo implica l'elevamento al quadrato delle deviazioni dalla media, che produce sempre numeri positivi. La somma di numeri positivi divisa per un conteggio positivo darà sempre una varianza positiva.
Cosa significa una varianza di 0?
Una varianza di zero significa che ogni valore nel tuo set di dati è identico. Non c'è assolutamente alcuna dispersione o variabilità nei dati. Ogni punto dati è esattamente uguale alla media.
Perché la varianza è espressa in unità al quadrato?
La varianza è espressa in unità al quadrato perché la formula eleva le deviazioni al quadrato per eliminare i numeri negativi. Se i tuoi dati sono misurati in metri, la varianza è misurata in metri quadrati. Ecco perché prendiamo la radice quadrata per ottenere la deviazione standard.
Come si relaziona la varianza alla deviazione standard?
La varianza è il quadrato della deviazione standard, e la deviazione standard è la radice quadrata della varianza. Misurano la stessa dispersione, ma la deviazione standard ritorna alle unità originali dei dati per una più facile interpretazione.
Quando dovrei usare la varianza della popolazione vs. del campione?
Usa la varianza della popolazione quando i tuoi dati includono ogni membro del gruppo che stai studiando. Usa la varianza del campione quando i tuoi dati rappresentano un sottoinsieme estratto da un gruppo più grande e intendi fare inferenze su quel gruppo più grande.
Come influenzano i valori anomali la varianza?
I valori anomali gonfiano significativamente la varianza. Poiché la formula eleva al quadrato la distanza dalla media, i valori estremi esercitano un'influenza matematica sproporzionatamente grande sul risultato finale, molto più di quanto non facciano sulla media stessa.
Qual è la differenza tra varianza e deviazione assoluta media?
La deviazione assoluta media (MAD) usa il valore assoluto delle deviazioni invece di elevarle al quadrato. Sebbene la MAD sia meno sensibile ai valori anomali, la varianza è matematicamente più liscia e differenziabile, rendendola essenziale per i metodi statistici basati sul calcolo.
Una varianza alta è buona o cattiva?
Se una varianza alta è buona o cattiva dipende interamente dal contesto. Nella produzione, una bassa varianza è ideale per il controllo qualità. Nei portafogli di investimento, una varianza più alta potrebbe essere accettabile se accompagnata da rendimenti attesi più alti.
Fonti per approfondire
- ISTAT: Metodi e Strumenti: La varianza – Definizione ufficiale e metodologia standard dello Stato italiano per le misure statistiche.
- Sapienza Università di Roma: Risorse di Statistica Descrittiva – Definizioni formali e rigore matematico supportati da una delle istituzioni accademiche più prestigiose d'Italia.
- Khan Academy (Italiano): Revisione della deviazione standard della popolazione e del campione – Eccellenti spiegazioni fondamentali ed esercizi interattivi per comprendere la dispersione.
- 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.