Come Calcolare la Deviazione Standard (Passo dopo Passo)
La deviazione standard misura quanto i tuoi numeri si allontanano dalla loro media: trovi la media, calcoli quanto ogni valore si discosta da essa, elevi al quadrato quello scarto, fai la media dei quadrati e infine estrai la radice quadrata. Esistono due versioni della formula: quella campionaria divide per n meno 1, quella di popolazione divide per n. La scelta tra le due dipende da un solo fattore, se i tuoi dati coprono l’intero gruppo che ti interessa oppure solo una parte estratta da un insieme più grande.
perché la media da sola inganna
Due gruppi di voti possono avere esattamente la stessa media e descrivere situazioni molto diverse in un’aula. Guarda questi due insiemi:
- Classe A: 68, 70, 72, 70, 70
- Classe B: 50, 90, 60, 80, 70
Entrambi hanno media 70. Guardando solo la media diresti che il rendimento delle due classi è stato identico. La deviazione standard racconta un’altra storia.
| Gruppo | Media | Deviazione di popolazione | Deviazione campionaria |
|---|---|---|---|
| Classe A | 70 | 1,26 | 1,41 |
| Classe B | 70 | 14,14 | 15,81 |
Nella Classe A quasi tutti hanno preso un voto vicino a 70, con oscillazioni minime di uno o due punti. Nella Classe B convivono un 50 e un 90 con un 70 esattamente in mezzo: la media è la stessa, ma la dispersione reale dei risultati non ha nulla a che vedere. Un insegnante che riporta solo la media di 70 per entrambe le classi nasconde il fatto che un gruppo era molto più omogeneo dell’altro. Ed è proprio questo che misura la deviazione standard: quanto tipicamente i singoli valori si allontanano dal proprio centro.
la formula: popolazione contro campione
La formula della deviazione standard segue tre passaggi fissi, qualunque versione tu usi. Prima calcoli la media di tutti i valori. Poi, per ciascun valore, sottrai la media ed elevi al quadrato quella differenza (elevare al quadrato evita che i valori negativi si annullino con quelli positivi). Sommi tutti quei quadrati e a quel punto dividi, ed è lì che le due versioni si separano.
Se i tuoi dati rappresentano tutto il gruppo che ti interessa, per esempio i voti dei cinque unici studenti di un piccolo laboratorio, dividi quella somma per n, il numero totale di valori. Ottieni così la varianza di popolazione, e la sua radice quadrata è la deviazione standard di popolazione.
Se invece i tuoi dati sono solo un campione estratto da un gruppo più ampio (hai intervistato 200 persone di una città di 2 milioni di abitanti, oppure hai pesato 10 scatole su una produzione di migliaia), dividi per n meno 1 anziché per n. Quella sottrazione di uno è nota come correzione di Bessel e compensa il fatto che un campione tende a sottostimare la variabilità reale della popolazione da cui proviene. Il risultato è sempre un numero leggermente più alto di quello di popolazione, ed è per questo che le calcolatrici statistiche offrono quasi sempre entrambe le formule separate.
Quando sei in dubbio su quale usare, la domanda che scioglie il nodo è semplice: i tuoi numeri sono l’universo intero a cui sei interessato, o sono una fetta di qualcosa di più grande? Sondaggi, controlli qualità ed esperimenti scientifici lavorano quasi sempre con campioni, quindi in quei contesti la formula campionaria è quella corretta.
esempio pratico: controllo qualità in una fabbrica
Una fabbrica di cereali fissa il peso obiettivo di ogni scatola a 500 grammi. Alla fine di un turno, un ispettore pesa dieci scatole prese a caso dalla linea di produzione e annota questi valori in grammi:
498, 502, 501, 497, 503, 500, 499, 502, 496, 501
Il primo passo è la media. Sommando i dieci pesi si ottiene 4999, e 4999 diviso 10 dà 499,9 grammi. La fabbrica è praticamente sull’obiettivo, con appena un decimo di grammo di scostamento rispetto ai 500g attesi. L’intervallo, cioè la distanza tra la scatola più pesante e quella più leggera, va da 496 a 503, sette grammi in totale, ma l’intervallo guarda solo i due estremi e non dice nulla sulle altre otto scatole.
Per ogni scatola si sottrae la media (499,9) e si eleva al quadrato quella differenza:
| Scatola (g) | Scarto (scatola meno 499,9) | Scarto al quadrato |
|---|---|---|
| 498 | -1,9 | 3,61 |
| 502 | 2,1 | 4,41 |
| 501 | 1,1 | 1,21 |
| 497 | -2,9 | 8,41 |
| 503 | 3,1 | 9,61 |
| 500 | 0,1 | 0,01 |
| 499 | -0,9 | 0,81 |
| 502 | 2,1 | 4,41 |
| 496 | -3,9 | 15,21 |
| 501 | 1,1 | 1,21 |
Sommando l’ultima colonna si arriva a 48,9, il totale degli scarti al quadrato. Poiché queste dieci scatole sono un campione estratto da una produzione molto più ampia (migliaia di scatole escono da quella linea ogni turno), la scelta corretta è dividere per n meno 1, cioè per 9, non per 10.
Con la formula campionaria: 48,9 / 9 = 5,43 di varianza, e la radice quadrata di 5,43 dà una deviazione standard campionaria di circa 2,33 grammi. Se per confronto si calcolasse la versione di popolazione (come se queste dieci scatole fossero tutto ciò che interessa all’ispettore, senza proiettarlo sull’intera produzione), la varianza sarebbe 48,9 / 10 = 4,89 e la deviazione standard di popolazione 2,21 grammi.
La differenza tra 2,21 e 2,33 grammi non cambia molto in questo caso, ma su campioni più piccoli (cinque o sei misurazioni invece di dieci) lo scarto tra le due formule si nota molto di più, e scegliere quella sbagliata può portare a sottostimare quanto varia realmente il processo produttivo.
Calcola con i tuoi numeri
Incolla la tua lista di valori (separati da virgola o da a capo) e ottieni all’istante media, varianza e deviazione standard, sia di popolazione sia campionaria.
Separa i valori con virgole, spazi o a capo.
Inserisci almeno un numero per vedere i risultati.
- Conteggio (n)
- —
- Somma
- —
- Media
- —
- Minimo
- —
- Massimo
- —
- Intervallo
- —
errori comuni nel calcolo della deviazione standard
Confondere la formula campionaria con quella di popolazione è di gran lunga l’errore più diffuso. Dividere per n quando i dati sono un campione fa uscire un risultato artificialmente basso, cosa che pesa soprattutto in report tecnici o scientifici dove quel numero alimenta calcoli successivi come gli intervalli di confidenza.
Un altro inciampo frequente è mediare gli scarti senza prima elevarli al quadrato. Se sommi le differenze rispetto alla media così come sono, senza il quadrato, il risultato viene sempre zero (o quasi zero per arrotondamento), perché i valori sopra la media e quelli sotto si annullano a vicenda. Il passaggio dell’elevamento al quadrato non è un dettaglio estetico: è ciò che impedisce quella cancellazione e permette alla dispersione reale di emergere nel numero finale.
Riportare la varianza come se fosse la deviazione standard è un terzo errore che compare persino in lavori pubblicati. La varianza è espressa in unità al quadrato (grammi al quadrato, nell’esempio delle scatole di cereali), mentre la deviazione standard torna alle unità originali grazie alla radice quadrata. Dimenticare quest’ultimo passaggio lascia un numero che, per quanto collegato, non si può confrontare direttamente con i dati di partenza.
Infine, applicare n invece di n meno 1 a dati che sono chiaramente un campione (un sondaggio, un lotto di controllo qualità, un esperimento con un gruppo ristretto di partecipanti) sottostima la variabilità reale del fenomeno misurato. Meno osservazioni hai, più questa sottostima si fa sentire, quindi su campioni piccoli conviene ricontrollare due volte quale formula si sta usando.
domande frequenti
Qual è la differenza tra deviazione standard campionaria e di popolazione? Quella di popolazione divide la somma degli scarti al quadrato per n, il totale dei dati, e si usa quando quei dati sono l’intero gruppo che vuoi analizzare. Quella campionaria divide per n meno 1 e si usa quando i dati sono una porzione estratta da un gruppo più grande. La versione campionaria dà sempre un numero uguale o maggiore, perché quella sottrazione di uno compensa la tendenza dei campioni piccoli a sottostimare la variazione reale.
Cosa significa una deviazione standard “bassa” o “alta” nella pratica? Una deviazione bassa indica che i valori sono raggruppati vicino alla media, come nella Classe A dell’esempio sopra, dove quasi tutti i voti erano intorno a 70. Una deviazione alta indica che i valori sono più dispersi, come nella Classe B, dove convivevano voti di 50 e di 90 con la stessa media di 70. Non esiste una soglia universale di “alto” o “basso”: dipende dalla scala e dal contesto di ciò che stai misurando.
La deviazione standard può essere negativa? No. Poiché si calcola come radice quadrata di valori al quadrato (che sono sempre positivi o zero), il risultato non può mai essere negativo. Il valore minimo possibile è zero, e si verifica solo quando tutti i dati dell’insieme sono esattamente identici tra loro.
Come si collega la deviazione standard alla varianza? La varianza è la media degli scarti al quadrato, e la deviazione standard è semplicemente la radice quadrata di quella varianza. Si calcolano quasi allo stesso modo, ma la varianza resta in unità al quadrato (metri quadrati, grammi al quadrato) mentre la deviazione standard torna alle unità originali del dato, il che la rende molto più facile da interpretare e confrontare.
Bisogna calcolare la deviazione standard a mano, o basta una calcolatrice? Capire la procedura manuale (media, scarto, quadrato, media dei quadrati, radice) aiuta a interpretare da dove viene ogni numero e a individuare errori di calcolo o di formula sbagliata. Su insiemi di dati grandi, però, una calcolatrice o un foglio di calcolo evita il lavoro ripetitivo e riduce il margine di errore umano nella somma dei quadrati.