Media aritmetica: uno strumento fondamentale per l'analisi dei dati

La media aritmetica, comunemente chiamata "la media", è spesso il punto di partenza nella statistica descrittiva. Fornisce una misura rapida e intuitiva della tendenza centrale, elemento essenziale per interpretare i dati in qualsiasi ambito. Sebbene il concetto sembri semplice, comprenderne le sfumature può rivelare intuizioni reali su tendenze e schemi di dati più complessi.

Questo articolo offre una panoramica della media aritmetica, trattando formula, applicazioni e confronti con altri tipi di medie. Vedremo perché è spesso usata in economia, data science e oltre, discutendo anche i casi in cui misure alternative potrebbero essere più adatte.

Per chi è alle prime armi con la statistica o vuole consolidare le proprie conoscenze, il nostro corso Introduzione alla statistica offre un'ottima base. Il nostro Descriptive Statistics Cheat Sheet include anche un utile glossario di termini legati a questo tema.

Che cos'è la media aritmetica?

La media aritmetica è la somma di tutti i numeri in un dataset divisa per il numero di tali numeri. Questo calcolo diretto la rende una delle misure di tendenza centrale più intuitive e diffuse.

Per illustrare, consideriamo un semplice esempio. Supponiamo di avere tre numeri: 5, 10 e 15. Per calcolare la loro media aritmetica:

1. Somma i numeri: 5 + 10 + 15 = 30
2. Conta i numeri: abbiamo 3 numeri
3. Dividi la somma per il conteggio: 30 ÷ 3 = 10

Dunque, la media aritmetica di 5, 10 e 15 è 10.

Proprietà chiave della media aritmetica

La media aritmetica possiede diverse proprietà importanti che diventano più interessanti a un'analisi più attenta. 

La somma degli scarti è zero

Una proprietà fondamentale della media aritmetica è che la somma degli scarti rispetto ad essa è sempre uguale a zero. In altre parole, se sottrai il valore medio da ciascun dato e sommi queste differenze, il risultato sarà zero. Matematicamente, si può esprimere così:

Dove x rappresenta ciascun valore del dataset e x̄ è la media aritmetica.

Sensibilità ai valori anomali

In dataset con valori estremi, la media aritmetica può essere trascinata sensibilmente verso questi outlier, portando potenzialmente a interpretazioni fuorvianti, soprattutto in distribuzioni asimmetriche. Per esempio, considera un dataset di stipendi in una piccola azienda: {$30,000, $35,000, $40,000, $45,000, $1,000,000}. La media aritmetica ($230,000) è significativamente più alta della maggior parte degli stipendi a causa dell'outlier di $1,000,000.

Questa sensibilità rende la media aritmetica meno robusta rispetto a misure come la mediana in presenza di outlier o per distribuzioni asimmetriche. Tuttavia, può anche rendere la media utile per rilevare la presenza di outlier o comprendere l'impatto dei valori estremi su un dataset.

Impatto dei cambiamenti nei dati

La media aritmetica risponde in modo prevedibile ai cambiamenti nel dataset, il che può essere utile in vari scenari analitici:

1. Aggiunta o sottrazione di una costante: se aggiungi o sottrai lo stesso valore a ogni dato, la media aumenterà o diminuirà di quell'esatto importo. Per esempio, se aggiungi 5 a ciascun valore di un dataset, la nuova media sarà maggiore di 5 rispetto a quella originale.
2. Moltiplicazione o divisione per una costante: se moltiplichi o dividi ogni dato per la stessa costante non nulla, la media sarà moltiplicata o divisa per quella costante. Ad esempio, se raddoppi ogni valore di un dataset, la nuova media sarà il doppio della media originale.

Queste proprietà rendono la media aritmetica particolarmente utile in scenari che coinvolgono cambiamenti uniformi su un dataset, come l'aggiustamento per l'inflazione nei dati economici o la scalatura delle misure in esperimenti scientifici.

Quando usare la media aritmetica

La media aritmetica è uno strumento statistico versatile, ma è particolarmente efficace in certi scenari. Diciamo innanzitutto che la media aritmetica è particolarmente utile per dataset che coinvolgono processi additivi. Per esempio, se stai calcolando la temperatura media giornaliera, lo stipendio medio in un'azienda o i punteggi medi dei test, la media aritmetica fornisce una rappresentazione significativa del valore centrale.

Inoltre, va detto che la media aritmetica è più affidabile quando i dati sono distribuiti in modo uniforme e non ci sono valori estremi. Ecco alcuni esempi specifici per settore:

• Finanza: in finanza, le aziende si affidano alla media aritmetica per ottenere insight e definire benchmark. Ad esempio, la usano per determinare stipendi medi, spese mensili e profitti trimestrali.
• Economia: gli economisti usano la media aritmetica per analizzare le tendenze dei consumi e la stabilità dei prezzi. Applicazioni chiave includono il calcolo dei consumi medi delle famiglie e la costruzione di indici come il Consumer Price Index (CPI) per monitorare l'inflazione nel tempo.
• Sanità e ricerca medica: nella sanità, la media aritmetica ha un ruolo cruciale nella valutazione dei trattamenti e nello studio delle tendenze sanitarie. Per esempio, i ricercatori calcolano i tempi medi di recupero e l'efficacia dei farmaci, mentre gli epidemiologi valutano i tassi medi di infezione e i tempi di sopravvivenza.

Come calcolare la media aritmetica

Dopo aver visto il concetto di base, vediamo come calcolare la media aritmetica usando strumenti come R, Python ed Excel, praticamente necessari per dataset più grandi.

Formula della media aritmetica

La formula della media aritmetica è:

Dove x̄ è la media aritmetica, Σx è la somma di tutti i valori e n è il numero di valori.

Media aritmetica in Excel, Python e R

Per dataset più grandi, i software semplificano molto il calcolo. Ecco come calcolare la media aritmetica in Excel, Python e R. 

Excel

In Excel puoi usare la funzione AVERAGE():

1. Inserisci i dati in una colonna o in una riga.

2. In una nuova cella, digita =AVERAGE().

3. Seleziona l'intervallo di celle che contiene i dati.

4. Chiudi la parentesi e premi Invio.

Per esempio, se i tuoi dati sono nelle celle A1:A10, userai: =AVERAGE(A1:A10).

Python

Il modulo statistics di Python fornisce una funzione mean():

from statistics import mean

data = [5, 10, 15, 20, 25]

result = mean(data)
print(result)  # Output: 15

Per dataset più grandi, potresti preferire la funzione mean() di NumPy, più efficiente:

import numpy as np

data = np.array([5, 10, 15])

result = np.mean(data)
print(result)  # Output: 10.0

R

In R puoi usare la funzione integrata mean() di base R:

data <- c(5, 10, 15)

result <- mean(data)
print(result)  # Output: [1] 10

Questi strumenti snelliscono il calcolo della media aritmetica per dataset di qualsiasi dimensione, permettendoti di concentrarti sull'interpretazione dei dati invece che sul calcolo manuale.

Media aritmetica in data science, machine learning e statistica

Le applicazioni della media aritmetica in data science e machine learning spaziano dal preprocessing dei dati alla valutazione dei modelli. Vediamo alcune aree chiave in cui la media aritmetica è particolarmente importante. 

Scalatura delle feature

Una delle applicazioni più comuni della media aritmetica nel preprocessing è la scalatura delle feature, in particolare la centratura rispetto alla media:

• Mean Centering: questo processo prevede di sottrarre la media aritmetica da ciascun dato di una feature. Il risultato è un dataset centrato in cui la media di ciascuna feature è zero. Si può rappresentare come: x_centered = x - x̄ dove x è il valore originale e x̄ è la media aritmetica della feature.

• Standardizzazione: spesso usata insieme alla centratura, la standardizzazione prevede la divisione per la deviazione standard dopo aver sottratto la media: x_standardized = (x - x̄) / σ, dove σ è la deviazione standard della feature.

Queste tecniche aiutano a normalizzare la scala delle feature, cosa particolarmente importante per molti algoritmi di machine learning. Se vuoi approfondire la differenza tra normalizzazione e standardizzazione, puoi esplorare l'apposito tutorial.

Valutazione dei modelli

La media aritmetica è fondamentale in varie metriche di valutazione dei modelli:

• Mean Squared Error (MSE): metrica comune per i problemi di regressione, calcola la media delle differenze al quadrato tra valori predetti e reali.
• Mean Absolute Error (MAE): simile all'MSE, ma usa la differenza assoluta invece di quella al quadrato.
• Accuratezza: nei problemi di classificazione, l'accuratezza è spesso riportata come media delle predizioni corrette su tutti i campioni.

Statistica e test d'ipotesi

Nell'analisi statistica, la media aritmetica è spesso usata nei test d'ipotesi. Per esempio:

• T-test: la media aritmetica è cruciale nei t-test, che confrontano le medie di due gruppi per determinare se sono statisticamente diverse. Confrontando le medie campionarie, i t-test aiutano a validare le ipotesi sulle caratteristiche della popolazione.
• Intervalli di confidenza: la media aritmetica è usata per calcolare gli intervalli di confidenza, che indicano l'affidabilità della media stimata. Questo fornisce un'idea di quanto la media campionaria sia rappresentativa dell'intera popolazione.

Altre applicazioni

• Metodi ensemble: molte tecniche ensemble, come bagging e boosting, usano la media aritmetica per combinare le predizioni di più modelli.
• Discesa del gradiente: la media aritmetica è usata nel calcolo del gradiente medio sui mini-batch nello stochastic gradient descent.
• Rilevamento di anomalie: gli scostamenti dalla media possono essere usati per identificare outlier o anomalie nei dataset. Per esempio, un'euristica comune usa tre deviazioni standard come soglia: qualsiasi dato a tre o più deviazioni standard dalla media aritmetica è considerato un outlier.
• Riduzione della dimensionalità: tecniche come l'analisi delle componenti principali (PCA) usano la media aritmetica per centrare i dati prima di calcolare la matrice di covarianza.
• Reti neurali: nell'algoritmo di backpropagation, la media aritmetica è usata per calcolare l'errore medio sui campioni di training.
• Cross-validation: quando si esegue la k-fold cross-validation, la media aritmetica delle metriche di performance su tutte le fold è tipicamente riportata come stima delle prestazioni complessive.

Come avrai notato, la media aritmetica è importante sia per interpretare l'output dei dati sia, spesso, come passaggio di preprocessing necessario per le prestazioni ottimali dei modelli. Per approfondire questi concetti e le loro applicazioni pratiche, valuta il nostro percorso professionale Machine Learning Scientist in Python, che tratta questi argomenti in maggior dettaglio.