SlideShare a Scribd company logo
1 of 14
Ait Maksene Cassandra
       Hrynova Nadia
      Lamorte Micaela
I rapporti statistici sono rapporti fra due grandezze legate da una
relazione logica, di cui almeno una di natura statistica.
Si dividono in:




   Rapporti di composizione          Rapporti di durata
   Rapporti di derivazione           Rapporti di ripetizione
   Rapporti di frequenza             Rapporti indici (o numeri
                                       indici)




                                                                      2
   Sono i rapporti tra l’intensità di un certo
    fenomeno e l’intensità complessiva fra dati
    omogenei. Nel caso di distribuzione di
    frequenze, i rapporti di composizione
    coincidono con le frequenze relative.




                                                  3
Esempio:
Rapporto di composizione:
Parte del fenomeno÷totale fenomeno
la composizione percentuale della forza
  lavoro rispetto al sesso, alle fasce di età,
  al titolo di studio posseduto, etc.;
la distribuzione della popolazione
  residente rispetto alle fasce di età;
la tipologia dei clienti di una banca.

                                                 4
Confrontano due dati statistici il primo dei quali
  deriva o è causato, dal secondo.
Esempi di rapporti di derivazione sono:
 il quoziente di natalità (rapporto tra il numero
  dei nati in un anno e la popolazione);
 quoziente di mortalità (rapporto tra il numero
  dei morti in un anno e la popolazione);
 il quoziente di nuzialità (rapporto tra il numero
  dei matrimoni e la popolazione).


                                                      5
Esempio:
 Tasso di natalità in Giappone: 7,31 nascite/1.000 popolazione
 (2011)

12

10

 8

 6

 4

 2

 0
     2003   2004   2005   2006   2007   2008   2009   2010   2011
                                                                    6
 Sono rapporti tra la frequenza assoluta, o
  l’intensità, di un fenomeno e l’intensità di un
  altro fenomeno omogeneo o non omogeneo con
  il primo.




                                                    7
Esempio:
Il rapporto tra il numero degli abitanti e l’estensione del
territorio.

FRANCIA


Abitanti 62.793.432÷densità 115 km²




                                                              8
 Esprime, in un dato periodo di tempo
  (anno, mese, settimana, ecc..), la permanenza
  media di un elemento in un sistema. Per
  calcolare i rapporti di durata si considera il
  rapporto tra un dato statico (il numero degli
  elementi presenti nel sistema all’inizio e alla
  fine del periodo di tempo stabilito) e uno
  dinamico ( il numero degli elementi entrati e
  usciti dal sistema nello stesso periodo di
  tempo).

                                                    9
Esempio:
 In un negozio alle 8:30 si trovano 50
   clienti,durante l’arco di tempo tra le 8:30 e le
   12:30 ne escono 100 e ne rientrano 80.
   Sappiamo che alla fine(12:30 )si trovano ben 70
   clienti. Il rapporto di durata si calcola nel
   seguente modo:
(50+70)÷2=60
(100+80)÷2=90
60÷90=0,6
0,6×4(ore)=2,40 h di permanenza


                                                      10
 L’inverso del rapporto di durata è detto il
  rapporto di ripetizione e indica quante volte, in
  media si è rinnovato il fenomeno nel periodo di
  tempo preso in considerazione.

Esempio:
 (Riferito all’esempio di durata)
 90÷60=1,5 numero di volte in cui si è rinnovato
   totalmente il parco clienti

                                                      11
 Sono rapporti(espressi in percentuale)fra le
  intensità di un certo fenomeno in tempi diversi
  o in luoghi diversi. Possono essere:
 a base fissa: tengono sempre presente il valore
  della serie corrente;
 a base mobile: tengono presente il valore della
  serie immediatamente precedente.



                                                    12
Esempio a base fissa
 Oggi una Fiat 500 costa 10000 euro (base
  fissa = 100). Un anno dopo, la stessa
  macchina costa 10400. La proporzione da
  applicare è la seguente:
10000:100=10400:x
X = 104




                                             13
Esempio a base mobile
 Due anni dopo la stessa auto costa 10800
  euro (base mobile = 104). La proporzione da
  svolgere ora è la seguente:
10400:104= 10800:x
X = 108




                                                14

More Related Content

What's hot

コニカミノルタにおけるデータドリブンPLMの取り組み
コニカミノルタにおけるデータドリブンPLMの取り組みコニカミノルタにおけるデータドリブンPLMの取り組み
コニカミノルタにおけるデータドリブンPLMの取り組みThe Japan DataScientist Society
 
臨床心理学における例数設計
臨床心理学における例数設計臨床心理学における例数設計
臨床心理学における例数設計Senshu University
 
PRML 1.6 情報理論
PRML 1.6 情報理論PRML 1.6 情報理論
PRML 1.6 情報理論sleepy_yoshi
 
分布から見た線形モデル・GLM・GLMM
分布から見た線形モデル・GLM・GLMM分布から見た線形モデル・GLM・GLMM
分布から見た線形モデル・GLM・GLMM. .
 
Introduction to principal component analysis (pca)
Introduction to principal component analysis (pca)Introduction to principal component analysis (pca)
Introduction to principal component analysis (pca)Mohammed Musah
 
PRML 1.5-1.5.5 決定理論
PRML 1.5-1.5.5 決定理論PRML 1.5-1.5.5 決定理論
PRML 1.5-1.5.5 決定理論Akihiro Nitta
 
A quick introduction to R
A quick introduction to RA quick introduction to R
A quick introduction to RAngshuman Saha
 
Repeated measures analysis in R
Repeated measures analysis in RRepeated measures analysis in R
Repeated measures analysis in Rrichardchandler
 
GLMM in interventional study at Require 23, 20151219
GLMM in interventional study at Require 23, 20151219GLMM in interventional study at Require 23, 20151219
GLMM in interventional study at Require 23, 20151219Shuhei Ichikawa
 
PRML勉強会第3回 2章前半 2013/11/28
PRML勉強会第3回 2章前半 2013/11/28PRML勉強会第3回 2章前半 2013/11/28
PRML勉強会第3回 2章前半 2013/11/28kurotaki_weblab
 
Chapter 01 #ml-professional
Chapter 01 #ml-professionalChapter 01 #ml-professional
Chapter 01 #ml-professionalAi Makabi
 
Potential Solutions to the Fundamental Problem of Causal Inference: An Overview
Potential Solutions to the Fundamental Problem of Causal Inference: An OverviewPotential Solutions to the Fundamental Problem of Causal Inference: An Overview
Potential Solutions to the Fundamental Problem of Causal Inference: An OverviewEconomic Research Forum
 

What's hot (20)

コニカミノルタにおけるデータドリブンPLMの取り組み
コニカミノルタにおけるデータドリブンPLMの取り組みコニカミノルタにおけるデータドリブンPLMの取り組み
コニカミノルタにおけるデータドリブンPLMの取り組み
 
臨床心理学における例数設計
臨床心理学における例数設計臨床心理学における例数設計
臨床心理学における例数設計
 
ACP - Analisi delle componenti principali
ACP - Analisi delle componenti principaliACP - Analisi delle componenti principali
ACP - Analisi delle componenti principali
 
Prml nn
Prml nnPrml nn
Prml nn
 
PRML 1.6 情報理論
PRML 1.6 情報理論PRML 1.6 情報理論
PRML 1.6 情報理論
 
分布から見た線形モデル・GLM・GLMM
分布から見た線形モデル・GLM・GLMM分布から見た線形モデル・GLM・GLMM
分布から見た線形モデル・GLM・GLMM
 
Introduction to principal component analysis (pca)
Introduction to principal component analysis (pca)Introduction to principal component analysis (pca)
Introduction to principal component analysis (pca)
 
PRML 1.5-1.5.5 決定理論
PRML 1.5-1.5.5 決定理論PRML 1.5-1.5.5 決定理論
PRML 1.5-1.5.5 決定理論
 
17 Statistical Models for Networks
17 Statistical Models for Networks17 Statistical Models for Networks
17 Statistical Models for Networks
 
PRML 5.5
PRML 5.5PRML 5.5
PRML 5.5
 
A quick introduction to R
A quick introduction to RA quick introduction to R
A quick introduction to R
 
Repeated measures analysis in R
Repeated measures analysis in RRepeated measures analysis in R
Repeated measures analysis in R
 
PRML 2.4
PRML 2.4PRML 2.4
PRML 2.4
 
GLMM in interventional study at Require 23, 20151219
GLMM in interventional study at Require 23, 20151219GLMM in interventional study at Require 23, 20151219
GLMM in interventional study at Require 23, 20151219
 
PRML勉強会第3回 2章前半 2013/11/28
PRML勉強会第3回 2章前半 2013/11/28PRML勉強会第3回 2章前半 2013/11/28
PRML勉強会第3回 2章前半 2013/11/28
 
Chapter 01 #ml-professional
Chapter 01 #ml-professionalChapter 01 #ml-professional
Chapter 01 #ml-professional
 
Prml 10 1
Prml 10 1Prml 10 1
Prml 10 1
 
因果推論の基礎
因果推論の基礎因果推論の基礎
因果推論の基礎
 
Path analysis
Path analysisPath analysis
Path analysis
 
Potential Solutions to the Fundamental Problem of Causal Inference: An Overview
Potential Solutions to the Fundamental Problem of Causal Inference: An OverviewPotential Solutions to the Fundamental Problem of Causal Inference: An Overview
Potential Solutions to the Fundamental Problem of Causal Inference: An Overview
 

More from Luigi Pasini

Gli stimatori e le loro proprietà
Gli stimatori e le loro proprietà Gli stimatori e le loro proprietà
Gli stimatori e le loro proprietà Luigi Pasini
 
Presentazione progetto comenius regio «lic»
Presentazione progetto comenius regio «lic»Presentazione progetto comenius regio «lic»
Presentazione progetto comenius regio «lic»Luigi Pasini
 
La nostra esperienza (2)
La nostra esperienza (2)La nostra esperienza (2)
La nostra esperienza (2)Luigi Pasini
 
I certificati della nuova ecdl
I certificati della nuova ecdlI certificati della nuova ecdl
I certificati della nuova ecdlLuigi Pasini
 
Dominio e linee di livello di una funzione reale di due variabili reali
Dominio e linee di livello di una funzione reale di due variabili realiDominio e linee di livello di una funzione reale di due variabili reali
Dominio e linee di livello di una funzione reale di due variabili realiLuigi Pasini
 
Gli intervalli di confidenza
Gli intervalli di confidenzaGli intervalli di confidenza
Gli intervalli di confidenzaLuigi Pasini
 
Gli stimatori e le loro proprietà
Gli stimatori e le loro proprietàGli stimatori e le loro proprietà
Gli stimatori e le loro proprietàLuigi Pasini
 
Introduzione allo studio di funzione
Introduzione allo studio di funzioneIntroduzione allo studio di funzione
Introduzione allo studio di funzioneLuigi Pasini
 
Caso pratico sui minimi quadrati
Caso pratico sui minimi quadratiCaso pratico sui minimi quadrati
Caso pratico sui minimi quadratiLuigi Pasini
 
Caso pratico sui minimi quadrati
Caso pratico sui minimi quadratiCaso pratico sui minimi quadrati
Caso pratico sui minimi quadratiLuigi Pasini
 
Distribuzioni continue
Distribuzioni continueDistribuzioni continue
Distribuzioni continueLuigi Pasini
 
Il metodo dei minimi quadrati
Il metodo dei minimi quadratiIl metodo dei minimi quadrati
Il metodo dei minimi quadratiLuigi Pasini
 
Premiazione Olimpiadi di Statistica
Premiazione Olimpiadi di StatisticaPremiazione Olimpiadi di Statistica
Premiazione Olimpiadi di StatisticaLuigi Pasini
 
Continuità e derivabilità di una funzione.
Continuità e derivabilità di una funzione.Continuità e derivabilità di una funzione.
Continuità e derivabilità di una funzione.Luigi Pasini
 
La retta interpolante
La retta interpolanteLa retta interpolante
La retta interpolanteLuigi Pasini
 
La correlazione lineare fra due variabili statistiche
La correlazione lineare fra due variabili statisticheLa correlazione lineare fra due variabili statistiche
La correlazione lineare fra due variabili statisticheLuigi Pasini
 
Le variabili casuali
Le variabili casualiLe variabili casuali
Le variabili casualiLuigi Pasini
 
Le variabili casuali
Le variabili casualiLe variabili casuali
Le variabili casualiLuigi Pasini
 

More from Luigi Pasini (20)

Gli stimatori e le loro proprietà
Gli stimatori e le loro proprietà Gli stimatori e le loro proprietà
Gli stimatori e le loro proprietà
 
Presentazione progetto comenius regio «lic»
Presentazione progetto comenius regio «lic»Presentazione progetto comenius regio «lic»
Presentazione progetto comenius regio «lic»
 
La nostra esperienza (2)
La nostra esperienza (2)La nostra esperienza (2)
La nostra esperienza (2)
 
I certificati della nuova ecdl
I certificati della nuova ecdlI certificati della nuova ecdl
I certificati della nuova ecdl
 
Dominio e linee di livello di una funzione reale di due variabili reali
Dominio e linee di livello di una funzione reale di due variabili realiDominio e linee di livello di una funzione reale di due variabili reali
Dominio e linee di livello di una funzione reale di due variabili reali
 
Gli intervalli di confidenza
Gli intervalli di confidenzaGli intervalli di confidenza
Gli intervalli di confidenza
 
Gli stimatori e le loro proprietà
Gli stimatori e le loro proprietàGli stimatori e le loro proprietà
Gli stimatori e le loro proprietà
 
Introduzione allo studio di funzione
Introduzione allo studio di funzioneIntroduzione allo studio di funzione
Introduzione allo studio di funzione
 
Caso pratico sui minimi quadrati
Caso pratico sui minimi quadratiCaso pratico sui minimi quadrati
Caso pratico sui minimi quadrati
 
Caso pratico sui minimi quadrati
Caso pratico sui minimi quadratiCaso pratico sui minimi quadrati
Caso pratico sui minimi quadrati
 
Distribuzioni continue
Distribuzioni continueDistribuzioni continue
Distribuzioni continue
 
Il metodo dei minimi quadrati
Il metodo dei minimi quadratiIl metodo dei minimi quadrati
Il metodo dei minimi quadrati
 
Premiazione Olimpiadi di Statistica
Premiazione Olimpiadi di StatisticaPremiazione Olimpiadi di Statistica
Premiazione Olimpiadi di Statistica
 
2 marzo 2012
2 marzo 20122 marzo 2012
2 marzo 2012
 
Continuità e derivabilità di una funzione.
Continuità e derivabilità di una funzione.Continuità e derivabilità di una funzione.
Continuità e derivabilità di una funzione.
 
La retta interpolante
La retta interpolanteLa retta interpolante
La retta interpolante
 
La correlazione
La correlazioneLa correlazione
La correlazione
 
La correlazione lineare fra due variabili statistiche
La correlazione lineare fra due variabili statisticheLa correlazione lineare fra due variabili statistiche
La correlazione lineare fra due variabili statistiche
 
Le variabili casuali
Le variabili casualiLe variabili casuali
Le variabili casuali
 
Le variabili casuali
Le variabili casualiLe variabili casuali
Le variabili casuali
 

I rapporti statistici

  • 1. Ait Maksene Cassandra Hrynova Nadia Lamorte Micaela
  • 2. I rapporti statistici sono rapporti fra due grandezze legate da una relazione logica, di cui almeno una di natura statistica. Si dividono in:  Rapporti di composizione  Rapporti di durata  Rapporti di derivazione  Rapporti di ripetizione  Rapporti di frequenza  Rapporti indici (o numeri indici) 2
  • 3. Sono i rapporti tra l’intensità di un certo fenomeno e l’intensità complessiva fra dati omogenei. Nel caso di distribuzione di frequenze, i rapporti di composizione coincidono con le frequenze relative. 3
  • 4. Esempio: Rapporto di composizione: Parte del fenomeno÷totale fenomeno la composizione percentuale della forza lavoro rispetto al sesso, alle fasce di età, al titolo di studio posseduto, etc.; la distribuzione della popolazione residente rispetto alle fasce di età; la tipologia dei clienti di una banca. 4
  • 5. Confrontano due dati statistici il primo dei quali deriva o è causato, dal secondo. Esempi di rapporti di derivazione sono:  il quoziente di natalità (rapporto tra il numero dei nati in un anno e la popolazione);  quoziente di mortalità (rapporto tra il numero dei morti in un anno e la popolazione);  il quoziente di nuzialità (rapporto tra il numero dei matrimoni e la popolazione). 5
  • 6. Esempio: Tasso di natalità in Giappone: 7,31 nascite/1.000 popolazione (2011) 12 10 8 6 4 2 0 2003 2004 2005 2006 2007 2008 2009 2010 2011 6
  • 7.  Sono rapporti tra la frequenza assoluta, o l’intensità, di un fenomeno e l’intensità di un altro fenomeno omogeneo o non omogeneo con il primo. 7
  • 8. Esempio: Il rapporto tra il numero degli abitanti e l’estensione del territorio. FRANCIA Abitanti 62.793.432÷densità 115 km² 8
  • 9.  Esprime, in un dato periodo di tempo (anno, mese, settimana, ecc..), la permanenza media di un elemento in un sistema. Per calcolare i rapporti di durata si considera il rapporto tra un dato statico (il numero degli elementi presenti nel sistema all’inizio e alla fine del periodo di tempo stabilito) e uno dinamico ( il numero degli elementi entrati e usciti dal sistema nello stesso periodo di tempo). 9
  • 10. Esempio:  In un negozio alle 8:30 si trovano 50 clienti,durante l’arco di tempo tra le 8:30 e le 12:30 ne escono 100 e ne rientrano 80. Sappiamo che alla fine(12:30 )si trovano ben 70 clienti. Il rapporto di durata si calcola nel seguente modo: (50+70)÷2=60 (100+80)÷2=90 60÷90=0,6 0,6×4(ore)=2,40 h di permanenza 10
  • 11.  L’inverso del rapporto di durata è detto il rapporto di ripetizione e indica quante volte, in media si è rinnovato il fenomeno nel periodo di tempo preso in considerazione. Esempio: (Riferito all’esempio di durata) 90÷60=1,5 numero di volte in cui si è rinnovato totalmente il parco clienti 11
  • 12.  Sono rapporti(espressi in percentuale)fra le intensità di un certo fenomeno in tempi diversi o in luoghi diversi. Possono essere:  a base fissa: tengono sempre presente il valore della serie corrente;  a base mobile: tengono presente il valore della serie immediatamente precedente. 12
  • 13. Esempio a base fissa  Oggi una Fiat 500 costa 10000 euro (base fissa = 100). Un anno dopo, la stessa macchina costa 10400. La proporzione da applicare è la seguente: 10000:100=10400:x X = 104 13
  • 14. Esempio a base mobile  Due anni dopo la stessa auto costa 10800 euro (base mobile = 104). La proporzione da svolgere ora è la seguente: 10400:104= 10800:x X = 108 14