Media Armonica Spiegata: Una guida a tassi e rapporti

Ti sei mai chiesto perché il rapporto prezzo/utili medio del tuo portafoglio d’investimento sembra insolitamente alto quando usi una semplice media? O perché, quando si combinano resistenze in parallelo in un circuito elettrico, serve un tipo speciale di media? Questi scenari evidenziano l’importanza di capire la media armonica: uno strumento statistico potente, particolarmente utile quando si lavora con tassi, rapporti e relazioni reciproche.

In questo tutorial esploreremo la media armonica, le sue applicazioni e perché a volte è una scelta migliore rispetto ad altri tipi di medie. Vedremo come viene utilizzata in vari campi, dalla finanza alla fisica, e la sua crescente importanza nella data science e nel machine learning. Se ti interessa intraprendere una carriera in questo ambito, il nostro percorso Machine Learning Scientist in Python offre una copertura completa di questi e altri concetti statistici essenziali.

Che cos’è la media armonica?

La media armonica è un tipo di media particolarmente utile quando si lavora con tassi o rapporti. A differenza della media aritmetica, che somma i numeri e divide per la quantità, o della media geometrica, che gestisce relazioni moltiplicative, la media armonica è pensata per situazioni in cui si hanno relazioni reciproche.

Per un insieme di numeri, la media armonica si calcola così:

1. Si prende il reciproco di ciascun numero.
2. Si calcola la media aritmetica di questi reciproci.
3. Si prende il reciproco del risultato.

Quando usare la media armonica

La media armonica è utile in diversi scenari e campi. L’ho accennato nell’introduzione, ma vediamo nel dettaglio ogni ambito in cui questa misura statistica risulta particolarmente preziosa.

Analisi finanziaria

In finanza, la media armonica permette di calcolare metriche di portafoglio accurate. È particolarmente utile per lavorare con i rapporti prezzo/utili (P/E), dove fornisce una rappresentazione più fedele della valutazione del portafoglio rispetto alle medie semplici. Gli analisti finanziari la impiegano anche per vari altri rapporti e tassi finanziari, nonché per il costo medio in scenari di pricing dinamico in cui i tassi fluttuano nel tempo.

Fisica e ingegneria

Ingegneri e fisici utilizzano frequentemente la media armonica nei loro calcoli. È spesso impiegata nel calcolo della resistenza totale di circuiti in parallelo, dove si combinano resistenze individuali. In acustica aiuta ad analizzare le frequenze delle onde sonore, e in ottica è usata per combinazioni di lenti, dove sono comuni le relazioni reciproche.

Data science

La data science fa ampio uso della media armonica, in particolare nelle applicazioni di machine learning. È alla base dell’F1-score, che bilancia precision e recall nei problemi di classificazione. I data scientist la usano anche per valutare metriche di performance in dataset sbilanciati e nei sistemi di filtraggio collaborativo per motori di raccomandazione, dove occorre combinare diversi tipi di misure di similarità.

Applicazioni generali

Oltre ai campi specialistici, la media armonica trova impiego in calcoli quotidiani. È la scelta corretta per calcolare velocità medie su distanze fisse, determinare tassi di produzione in processi manifatturieri e misurare velocità di trasferimento dati di rete dove sono coinvolte relazioni reciproche. In questi casi, la media armonica fornisce risultati più accurati rispetto alle semplici medie aritmetiche.

Come calcolare la media armonica

Scomponiamo il processo di calcolo con passaggi chiari ed esempi.

La formula della media armonica

La media armonica (H) di n numeri si calcola come segue:

Dove x₁, x₂, ..., xₙ sono i valori del tuo dataset.

Esempio passo passo

Calcoliamo la media armonica di tre numeri: 2, 4 e 8. 

1. Prendi il reciproco di ciascun numero: 1/2 = 0,5. 1/4 = 0,25. 1/8 = 0,125
2. Somma questi reciproci: 0,5 + 0,25 + 0,125 = 0,875
3. Dividi la quantità (3) per questa somma: 3 / 0,875 = 3,429

La media armonica di 2, 4 e 8 è circa 3,429.

Media armonica ponderata

A volte non tutti i valori dovrebbero avere la stessa importanza nel calcolo. La media armonica ponderata risponde a questa esigenza permettendoti di assegnare pesi diversi ai vari valori.

Formula della media armonica ponderata

Per valori x₁, x₂, ..., xₙ con pesi corrispondenti w₁, w₂, ..., wₙ:

Questo è particolarmente utile in:

• Analisi di portafoglio in cui gli investimenti hanno dimensioni diverse
• Metriche di qualità in cui alcune misure contano più di altre
• Punteggi di soddisfazione del cliente in cui alcuni fattori hanno maggiore peso

Media armonica in Data Science e Machine Learning

La media armonica ha trovato numerose applicazioni nella moderna data science e nel machine learning.

Calcolo dell’F1-score

Come detto, l’F1-score è una metrica molto diffusa nel machine learning. È la media armonica di precision e recall:

Questo garantisce che sia precision sia recall debbano essere ragionevolmente alti per ottenere un buon F1-score, poiché la media armonica penalizza squilibri estremi tra le due metriche. Per capire meglio come visualizzare e interpretare queste metriche, dai un’occhiata al nostro tutorial dettagliato Precision-Recall Curve in Python, che offre esempi pratici e implementazioni hands-on.

Cross-validation

Quando si valuta la performance del modello su diverse fold:

• La media armonica delle metriche di performance assicura che le scarse performance in qualsiasi fold siano pesate in modo adeguato.
• È particolarmente utile quando si lavora con dataset sbilanciati.
• Aiuta a identificare modelli che si comportano in modo coerente su diversi split di dati.

Per uno studio completo sulle tecniche di validazione, puoi esplorare la nostra Guida alla K-Fold Cross Validation, che copre strategie avanzate per una valutazione robusta dei modelli.

Sistemi di raccomandazione

Nel filtraggio collaborativo e nei sistemi di raccomandazione, la media armonica può essere usata per creare suggerimenti equilibrati e intuitivi per l’utente. Quando si costruiscono sistemi di raccomandazione, i data scientist spesso devono combinare diverse metriche di similarità, come i pattern di comportamento degli utenti, le caratteristiche degli item e le interazioni storiche. La media armonica aiuta a bilanciare queste metriche assicurando che le raccomandazioni non siano eccessivamente influenzate da un singolo fattore.

Per esempio, nel ponderare le preferenze utente, un sistema di raccomandazione di film potrebbe dover bilanciare le preferenze di genere con la storia delle valutazioni e i pattern di durata di visione. La media armonica aiuta anche a risolvere il “trade-off tra diversità e rilevanza”, impedendo che le raccomandazioni diventino troppo strette o troppo disperse. Ciò è particolarmente prezioso nell’e-commerce e nelle piattaforme di streaming di contenuti, dove mantenere il coinvolgimento degli utenti richiede un equilibrio delicato tra suggerire elementi simili e introdurre opzioni nuove.

Media armonica vs. altre medie

Vediamo come la media armonica si confronta con altri tipi di medie e alcuni scenari in cui ciascuna può essere utilizzata. 

Per comprendere più a fondo come funzionano le altre medie, trovi i miei tutorial su media aritmetica e media geometrica. 

Aspetti chiave per l’uso della media armonica

Esempio: gestione dei valori estremi

Considera un gestore di fondi che analizza tre titoli con importi di investimento uguali ma utili molto diversi:

• Stock A: Investimento $100, Utili $2, P/E = 50 (valutazione alta)
• Stock B: Investimento $100, Utili $10, P/E = 10 (valutazione moderata)
• Stock C: Investimento $100, Utili $25, P/E = 4 (valutazione bassa)

Confrontiamo come le diverse medie trattano questi P/E molto variabili:

• Media aritmetica: (50 + 10 + 4) / 3 ≈ 21,33 P/E 
• Media armonica: 3 / (1/50 + 1/10 + 1/4) ≈ 8,11 P/

Per verificare il vero P/E del portafoglio:

• Investimento totale: $300 ($100 × 3)
• Utili totali: $37 ($2 + $10 + $25)
• P/E effettivo del portafoglio: $300/$37 ≈ 8,11

La media aritmetica di 21,33 è fortemente influenzata dall’estremo P/E del Titolo A (50), suggerendo una valutazione media molto più alta della realtà. La media armonica di circa 8,11 fornisce il P/E corretto del portafoglio, perché attribuisce naturalmente meno peso al valore estremo elevato e rappresenta meglio la reale capacità di generare utili degli investimenti combinati.

Vantaggi della media armonica

• Ideale per calcoli basati su tassi
• Meno sensibile agli outlier grandi
• Fornisce medie accurate per relazioni reciproche

Limitazioni della media armonica

• Non può gestire valori zero
• Più sensibile ai valori piccoli
• Può risultare poco intuitiva per chi non è tecnico

Conclusione: perché la media armonica conta

La media armonica è uno strumento essenziale e particolarmente prezioso quando si lavora con tassi, rapporti e relazioni reciproche. Anche se non è usata comunemente quanto la media aritmetica, capire quando e come applicarla può portare ad analisi più accurate e decisioni migliori.

Che tu stia valutando portafogli di investimento, analizzando modelli di machine learning o risolvendo problemi di fisica, la media armonica offre intuizioni che altre medie possono perdere. Comprendendone proprietà e applicazioni, puoi scegliere il tipo di media giusto per le tue esigenze specifiche ed evitare errori comuni nell’analisi dei dati. Iscriviti al nostro percorso Machine Learning Scientist in Python per continuare a imparare.