5 esempi di dati bivariati nella vita reale

I dati bivariati si riferiscono a un set di dati contenente esattamente due variabili.

Questo tipo di dati appare continuamente in situazioni del mondo reale e in genere utilizziamo i seguenti metodi per analizzare questo tipo di dati:

• Nuvole di punti
• Coefficienti di correlazione
• Regressione lineare semplice

Gli esempi seguenti mostrano diversi scenari in cui i dati bivariati compaiono nella vita reale.

Esempio 1: Affari

Le aziende spesso raccolgono dati bivariati sul denaro totale speso in pubblicità e sulle entrate totali.

Ad esempio, un’azienda potrebbe raccogliere i seguenti dati per 12 trimestri di vendita consecutivi:

Questo è un esempio di dati bivariati perché contiene informazioni esattamente su due variabili: la spesa pubblicitaria e le entrate totali.

L’azienda può decidere di adattare un semplice modello di regressione lineare a questo set di dati e trovare il seguente modello adattato:

Entrate totali = 14.942,75 + 2,70* (spese pubblicitarie)

Ciò indica all’azienda che per ogni dollaro aggiuntivo speso in pubblicità, le entrate totali aumentano in media di 2,70 dollari.

Esempio 2: medico

I ricercatori medici spesso raccolgono dati bivariati per comprendere meglio la relazione tra le variabili legate alla salute.

Ad esempio, un ricercatore potrebbe raccogliere i seguenti dati sull’età e sulla frequenza cardiaca rimanente di 15 persone:

Il ricercatore può quindi decidere di calcolare la correlazione tra le due variabili e trovarla pari a 0,812 .

Ciò indica che esiste una forte correlazione positiva tra le due variabili. Cioè, con l’aumentare dell’età, anche la frequenza cardiaca rimanente tende ad aumentare in modo prevedibile.

Correlati: cos’è considerata una correlazione “forte”?

Esempio 3: accademici

I ricercatori spesso raccolgono dati bivariati per capire quali variabili influenzano le prestazioni degli studenti universitari.

Ad esempio, un ricercatore potrebbe raccogliere dati sul numero di ore studiate a settimana e sul corrispondente GPA per gli studenti di una determinata classe:

Può quindi creare un semplice grafico a dispersione per visualizzare la relazione tra queste due variabili:

Esiste chiaramente un’associazione positiva tra le due variabili: all’aumentare del numero di ore studiate settimanalmente, anche la media dello studente tende ad aumentare.

Esempio 4: Economia

Gli economisti spesso raccolgono dati bivariati per comprendere la relazione tra due variabili socioeconomiche.

Ad esempio, un economista potrebbe raccogliere dati sugli anni totali di istruzione e sul reddito annuo totale degli individui in una determinata città:

Può quindi decidere di adattare il seguente modello di regressione lineare semplice:

Reddito annuo = -45.353 + 7.120*(Anni di scuola)

Ciò dice all’economista che per ogni anno in più di istruzione, il reddito annuo aumenta in media di 7.120 dollari.

Esempio 5: Biologia

I biologi spesso raccolgono dati bivariati per capire come due variabili sono correlate tra piante o animali.

Ad esempio, un biologo potrebbe raccogliere dati sulle precipitazioni totali e sul numero totale di piante in diverse regioni:

Il biologo può quindi decidere di calcolare la correlazione tra le due variabili e trovarla pari a 0,926 .

Ciò indica che esiste una forte correlazione positiva tra le due variabili.

Cioè, una maggiore precipitazione è strettamente associata ad un aumento del numero di piante in una regione.

Risorse addizionali

Le esercitazioni seguenti forniscono informazioni aggiuntive sui dati bivariati e su come analizzarli.

Introduzione all’analisi bivariata
Introduzione all’analisi univariata
Introduzione al coefficiente di correlazione di Pearson
Introduzione alla regressione lineare semplice