Il Giornalismo di Precisione - Matematica e Statistica applicate all'informazione
Upcoming SlideShare
Loading in...5
×

Like this? Share it with your network

Share

Il Giornalismo di Precisione - Matematica e Statistica applicate all'informazione

  • 1,817 views
Uploaded on

Le Slide del Workshop (in italiano) del prof. José Luis Dader

Le Slide del Workshop (in italiano) del prof. José Luis Dader

More in: Education
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Be the first to comment
No Downloads

Views

Total Views
1,817
On Slideshare
1,793
From Embeds
24
Number of Embeds
2

Actions

Shares
Downloads
14
Comments
0
Likes
1

Embeds 24

http://www.crognali.it 23
http://www.slideshare.net 1

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
    No notes for slide

Transcript

  • 1. GIORNALISTI A SCUOLA DI MATEMATICA E STATISTICA IL GIORNALISMO DI PRECISIONE: José Luis Dader DOCENTE DI GIORNALISMO Univ. Complutense di Madrid
  • 2. SCHEDE TECNICHE: LETTURA E PRESENTAZIONE I PROBLEMI SUI MEZZI D’INFORMAZIONE
  • 3. ESEMPIO: INCROCIAMO I DATI DEL COLORE PREFERITO PER LA SCELTA DELLE AUTOMOBILI PER IL PAESE DEGLI INTERVISTATI VARIABILE 1: Colore preferito dell’auto (Chiaro / Scuro) VARIABILE 2: Paese di Nascita (Italia / Spagna)
  • 4. Colocazione delle VARIABILI nelle schede statistiche Variabile Independente : può produrre un cambiamento. E’ la più remota nel tempo Es. Paese di Nascita Variabile Dipendente : può essere modificata. E’ la più recente nel tempo. Es. Acquisto dell’automobile per il colore B) Variabile Independente per riga Auto Chiare Auto Scure Italia Spagna A) Variabile Independente per Colonna Italia Spagna Auto Chiare Auto Scure
  • 5. Calcolo della % per Colonne o Riga / V. Ind – V. Dip ? Paese di Nascita e Colore Preferito dell’Auto Italia Spagna Totale Auto Chiare 220 480 700 Auto Scure 2050 1620 3670 Totale 2270 2100 4370 B) Paese di Nascita per Colore Preferito dell’Auto Italia Spagna Totale Auto Chiare 31% 69% 100% Auto Scure 58% 42% 100% A) Colore Preferito dell’Auto per Paese di Nascita Italia Spagna Auto Chiare 9% 24% Auto Scure 91% 76% Totale 100% 100%
  • 6. Lettura per Colonne o Riga / V. Ind –V. Dip?
    • Se calcolato sulla verticale confrontata con l’orizzontale
    • Se calcolato sulla orizzontale confrontata con la verticale
    B) Paese di Nascita per Colore Preferito dell’Auto Italia Spagna Totale Auto Chiare 31% 69% 100% Auto Scure 58% 42% 100% A) Colore Preferito dell’Auto per Paese di Nascita Italia Spagna Auto Chiare 9% 24% Auto Scure 91% 76% Totale 100% 100%
  • 7. Esempio di problema nella presentazione: si suicidano di più i vedovi maschi o le femmine? Suicidi/Morte Naturale per vedove e sesso (Totale del Compione di Morti: 730) Vedovi defunti maschi Vedove defunte femmine Totale Suicidi 38 (43,1%) 50 (56,9%) N= 88 (100%) Resto delle Morti 192 (30,0%) 450 (70,0%) N= 642 (100%) Totale dei Vedovi defunti N= 230 N =500 N = 730 (100 %)
  • 8. Si suicidano di più i vedovi maschi o le femmine? 2ª Versione Suicidi/Morte Naturale per vedove e sesso (Totale del Compione di Morti: 730) Vedovi defunti maschi Vedove defunte femmine Totale Defunti Suicidi 38 (16,5%) 50 (10,0%) N= 88 Resto delle Morti 192 (83,5%) 450 (90,0%) N= 642 Totale dei Vedovi defunti N = 230 (100 % ) N =500 (100 % ) N = 730 (100 %)
  • 9. DISEGNO GRAFICO Vs LETTURA ACCURATA ESEMPIO - ELEZIONI USA 2004
  • 10. Collocazione delle VARIABILI nei quadri statistici DISEGNO GIORNALISTICO: Che cosa fare quando la variabile indipendente ha molti gruppi? A) Variabile indipendente nelle colonne (con espansione orizzontale) Italia Spagna Francia UK RFA Auto Chiare Auto Scure
  • 11. Collocazione delle VARIABILI nei quadri statistici DISEGNO GIORNALISTICO: Che cosa fare quando la variabile indipendente ha molti gruppi? A) Variabile indipendente nelle colonne (con espansione verticale) Auto Chiare Auto Scure Italia España Francia UK RFA Suiza
  • 12. REGOLE DI BASE PER L’ANALISI DELLE INCHIESTE E DEI SONDAGGI ELETTORALI
  • 13. Dati basIci da scrivere nella scheda tecnica
    • Selezione casuale / campione probabilistico
    • Quale margine di Errore hanno i dati? Es. +/- 3,0%
    • Su quale porzione di popolazione sono stati estrapolati i risultati? (Coefficiente di Probabilità o Livello di Fiducia) Il più comune (95,5%).
    • E nelle inchieste elettorali:
    • Quale margine di errore hanno i dati sui votanti (attualizzare NS/NC e l’astensione )? POCHE VOLTE SONO MENZIONATI
  • 14.
    • Margine di errore: Il problema del ‘disegno tecnico’
    • Se abbiamo un margine di errore del +/- 3% e i seguenti dati in un sondaggio elettorale:
    • CANDIDATO A: 48% CANDIDATO B: 46%
    • le opzioni che si incrociano E perchè:
    • CANDIDATO A potrà avere 45% (-3%)
    • e il l CANDIDATO B: 49% (+3%)
    • Il perdente apparente potrebbe essere il vincitore. Quindi non è corretto il titolo "Il candidato … ha 2 punti di vantaggio ... "
  • 15. COEFFICIENTE DI PROBABILITA’ / LIVELLO DI FIDUCIA: Da quale porzione di popolazione si possono estrapolare i risultati?
    • La variazione massima tra i dati del campione e quelli della popolazione reale non sono mai applicabili al 100%.
    • Se il livello di fiducia è del 95,5% (equivalente a 2 “ sigma di precisione ”), c’è un 95,5% di probabilità che i risultati della popolazione totale si mantengano dentro alla forbice del margine di errore segnalato, rispetto al risultato ottenuto nel campione.
    • PERO’ C’E’ un 4,5% di probabilità che i risultati complessivi siano superiori o inferiori al margine di errore.
  • 16. ESEMPIO: L’OCCULTAZIONE DEI DATI
  • 17. Quale margine di errore hanno i dati sui votanti? (scontato il NS/NC e l’astensione)? (1)
    • Le schede tecniche pubblicate sui media sono solite indicare la % di errore per la grandezza totale del campione.
    • -Es. 1.200 inchieste, e = +/- 2,9%
    • Però le intenzione di voto che sono pubblicate nella scheda tecnica hanno già scontato la cifra dell’ astensione e di nessuna risposta . Le percentuali non si calcolano mai sulla Base Iniziale.
      • * Dopo questa distribuzione che già non risponde alla base indicata nella scheda tecnica ( 1.200 ), bensì la parte dei votanti che hanno deciso realmente ( por ej. 800 ). Con ciò il margine di errore è già salito a 3,5% (e quasi nessun mezzo di comunicazione lo chiarisce al pubblico).
  • 18. ESEMPIO
  • 19. ESEMPIO
  • 20. Un sondaggio con 1.000 intervistati viene ridotto a 400 elettori dichiarati. L'errore passa da + / - 3,1% + / - 5,0%
  • 21. Problema aggiuntivo del valore dei risultati per sottocategorie
    • In molte inchieste viene aggiunto il confronto dei risultati per sottocategorie o gruppi.
    • Es. Al dato generico che il Candidato A otterrà un 48% e il B un 40% si aggiunge la distribuzione per regione del dato, es:
    PERO’ … Regione A % Regione B % Regione C % Regione D % Candidato A 46 % 50 % 45 % 47 % Candidato B 42 % 40 % 43 % 44 % Altri 12 % 10 % 12 % 9 %
  • 22. Problema aggiuntivo del valore dei risultati per sottocategorie PERO’ …
    • La dimensione del campione in ciascun sottogruppo è già più basso: se il campione totale era di 1.200 persone e se hanno scontato anche NS / NC, forse avranno appena 150 intervistati per regione. L'errore di rappresentatività per ciascun sottogruppo supera l'8%
    • In termini di significatività nel confronto fra i dati, le differenze con meno di 5 punti possono avvenire per casualità.
    Regione A % Regione B % Regione C % Regione D % Candidato A 46 % 50 % 45 % 47 % Candidato B 42 % 40 % 43 % 44 % Altri 12 % 10 % 12 % 9 %
  • 23. [email_address] http://personales.ya.com/jldader/