<\/p>\n
L’ intervallo interquartile<\/strong> e la deviazione standard<\/strong> sono due modi per misurare la distribuzione dei valori in un set di dati.<\/span><\/p>\n Questo tutorial fornisce una breve spiegazione di ciascuna metrica insieme alle somiglianze e alle differenze tra i due.<\/span><\/p>\n L’ intervallo interquartile<\/strong> (IQR) di un set di dati \u00e8 la differenza tra il primo quartile (il 25\u00b0 percentile) e il terzo quartile (il 75\u00b0 percentile). Misura la distribuzione media del 50% dei valori.<\/span><\/p>\n IQR = Q3 \u2013 Q1<\/strong><\/span><\/p>\n Ad esempio, supponiamo di avere il seguente set di dati:<\/span><\/p>\n Set di dati:<\/strong> 1, 4, 8, 11, 13, 17, 19, 19, 20, 23, 24, 24, 25, 28, 29, 31, 32<\/span><\/p>\n Secondo il calcolatore dell’intervallo interquartile, l’intervallo interquartile (IQR) per questo set di dati viene calcolato come segue:<\/span><\/p>\n Questo ci dice che il 50% centrale dei valori nel set di dati ha una deviazione di 14,5<\/strong> .<\/span><\/p>\n Deviazione standard<\/strong><\/p>\n La deviazione standard<\/strong> di un set di dati \u00e8 un modo per misurare la deviazione tipica dei singoli valori dal valore medio. Viene calcolato come segue:<\/span><\/p>\n s = \u221a(\u03a3(x i<\/sub> \u2013 x<\/span> ) 2<\/sup> \/ (n-1))<\/strong><\/span><\/p>\n Ad esempio, supponiamo di avere il seguente set di dati:<\/span><\/p>\n Set di dati:<\/strong> 1, 4, 8, 11, 13, 17, 19, 19, 20, 23, 24, 24, 25, 28, 29, 31, 32<\/span><\/p>\n Possiamo usare una calcolatrice per scoprire che la deviazione standard di questo set di dati \u00e8 9,25<\/strong> . Questo ci d\u00e0 un\u2019idea di quanto il valore tipico sia lontano dalla media.<\/span><\/p>\n L’intervallo interquartile e la deviazione standard condividono la seguente somiglianza:<\/strong><\/span><\/p>\n Tuttavia, l’intervallo interquartile e la deviazione standard presentano la seguente differenza fondamentale:<\/strong><\/span><\/p>\n Dovresti utilizzare l’intervallo interquartile per misurare la distribuzione dei valori in un set di dati quando sono presenti valori anomali estremi.<\/span><\/p>\n Al contrario, dovresti utilizzare la deviazione standard per misurare la distribuzione dei valori quando non sono presenti valori anomali estremi.<\/span><\/p>\n Per illustrare il motivo, si consideri il seguente set di dati:<\/span><\/p>\n Set di dati:<\/strong> 1, 4, 8, 11, 13, 17, 19, 19, 20, 23, 24, 24, 25, 28, 29, 31, 32<\/span><\/p>\n In precedenza nell’articolo, abbiamo calcolato le seguenti metriche per questo set di dati:<\/span><\/p>\n Tuttavia, considera se il set di dati avesse un valore anomalo estremo:<\/span><\/p>\n Set di dati:<\/strong> 1, 4, 8, 11, 13, 17, 19, 19, 20, 23, 24, 24, 25, 28, 29, 31, 32, 378<\/strong><\/span><\/p>\n Potremmo utilizzare una calcolatrice per trovare le seguenti metriche per questo set di dati:<\/span><\/p>\n Si noti che l’intervallo interquartile cambia appena quando \u00e8 presente un valore anomalo, mentre la deviazione standard aumenta da 9,25 a 85,02.<\/span><\/p>\n Misure di tendenza centrale: definizione ed esempi<\/a> L’ intervallo interquartile e la deviazione standard sono due modi per misurare la distribuzione dei valori in un set di dati. Questo tutorial fornisce una breve spiegazione di ciascuna metrica insieme alle somiglianze e alle differenze tra i due. Intervallo interquartile L’ intervallo interquartile (IQR) di un set di dati \u00e8 la differenza tra il […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Intervallo interquartile<\/strong><\/span><\/h3>\n
\n
Somiglianze e differenze<\/strong><\/span><\/h3>\n
\n
\n
Quando utilizzarli ciascuno<\/strong><\/span><\/h3>\n
\n
\n
Risorse addizionali<\/strong><\/span><\/h3>\n
Misure di dispersione: definizione ed esempi
Come trovare valori anomali utilizzando l’intervallo interquartile<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"