Rome University, La Sapienza
Chemistry Department
Rome, Italy, Europe
Dr. Giovanni Visco, April 2003
Cenni di statistica. Distribuzioni, Gauss, Student, Beta, ... Parametri: media, mediana, moda, percentili, kurtosi, outlier, ...
Corso di Laurea in: Scienze Applicate ai Beni Culturali ed alla Diagnostica per la loro Conservazione
Corso di laurea in: Chimica Ambientale
previous slide, 4 all lessons, these slides index next slide, 6

Distribuzione: valori continui e discreti
[continue or discrete distributions]

Distribuzione Continua [continue distribution]

  Si ottiene da misure di valori per loro natura di precisione indefinita. Per esempio volendo misurare la temperatura di un microclima per studiare o prevenire danni di tipo ambientale la variabile sotto esame e' "continua". E' il nostro strumento di misura che decide la sensibilita' a 0.1 gradi centigradi ma potremmo sostituirlo con uno modernissimo da 0.001 gradi centigradi che ci fornirebbe una diversa distribuzione.

  Anche la diversa prontezza dello strumento di misura puo' alterare, anche pesantemente, la distribuzione ottenuta. In qualche slide precedente, nella definizione di classe, si parla anche di arrotondamento e cifre significative che possono modificare l'aspetto di questo tipo di distribuzione.

light_linea
Distribuzione Discreta [discrete distribution]

  Invece di misurare l'altezza di uno studente si puo' rappresentare il numero di giorni dall'iscrizione all'universita', il voto per ogni esame sostenuto, i metri percorsi da casa all'aula di lezione, ecc.. Questa e' una distribuzione discreta, non c'e' arrotondamento o sensibilita' o risoluzione, e' piu' facile convertirla in classi.

  Come avete notato qui sopra, aver scelto i metri ed i giorni invece dei Km e degli anni ci permette di ottenere un'ampia variazione nei valori per studiare in modo piu' o meno approfondito il fenomeno sotto indagine. Avremmo anche potuto utilizzare i mesi per ottenere una distribuzione ancora diversa. Un buon analista deve, con questo tipo di distribuzione, trovare la giusta "granularita'" per i dati cosi' da ottenere la miglior rappresentazione del fenomeno (per esempio usare i giorni per i fuoricorso porterebbe a piccolissime differenze fra di loro, poco visualizzabili).

previous slide, 4 all lessons, these slides index next slide, 6