lezi one 28 2015 -...
TRANSCRIPT
Lezi one m .
3
( lunedi,
28 settembne
2015)
Classification e delle variable delle ta belle statist Ehe e
too effetto sulla scelts dell ' dnalisi
Rdppuseutazioni gnafiche
Rappresentazioni grafiche
Domenico [email protected]
Dipartimento di Scienze EconomicheUNIVERSITÀ DI CASSINO
Corso di Statistica
Le elaborazioni e i grafici sono stati ottenuti con il software RPer le slide ho utilizzato il LATEX(libreria beamer) e il comando Sweave di R
D. Vistocco ([email protected]) Rappresentazioni grafiche Corso di Statistica 1 / 40
.
Menu della casa I
1 Prima di cominciare...
2 Rappresentazioni per variabili qualitative
3 Rappresentazioni per variabili quantitative
4 Una variabile quantitativa vs una variabile qualitativa
5 Una variabile quantitativa vs una variabile quantitativa
6 Cosa ci riserva il futuro...
D. Vistocco ([email protected]) Rappresentazioni grafiche Corso di Statistica 2 / 40
Menu della casa I
1 Prima di cominciare...
2 Rappresentazioni per variabili qualitative
3 Rappresentazioni per variabili quantitative
4 Una variabile quantitativa vs una variabile qualitativa
5 Una variabile quantitativa vs una variabile quantitativa
6 Cosa ci riserva il futuro...
D. Vistocco ([email protected]) Rappresentazioni grafiche Corso di Statistica 3 / 40
La matrice dei dati
VARIABILE DESCRIZIONEName nome dell’autovetturaSUV indica se la macchina è di tipo SUV (Yes/No)
Drive.Type Tipologia di guidaHorsepower Potenza in cavalli del motoreFuel.Type Tipologia di benzina
MPG Consumi (miglia per gallone)Length LunghezzaWidth LarghezzaWeight Peso
Cargo.Volume Volume di caricoTurning.Circle Diametro di sterzata
D. Vistocco ([email protected]) Rappresentazioni grafiche Corso di Statistica 4 / 40
Un estratto della matrice dei dati
Name SUV Drive.Type Horsepower Fuel.Type MPG1 Acura MDX Yes AWD 240.00 Premium 18.002 Acura RL No Front 225.00 Premium 21.003 Acura RSX No Front 160.00 Premium 26.004 Acura TL No Front 225.00 Premium 22.005 Audi A4 No Front 170.00 Premium 20.006 Audi A6 No Front 220.00 Premium 18.007 BMW 3-Series No Rear 184.00 Premium 22.00
Name Length Width Weight Cargo.Volume Turning.Circle1 Acura MDX 189.00 76.00 4485.00 42.00 38.002 Acura RL 197.00 72.00 3860.00 15.00 39.003 Acura RSX 172.00 68.00 2780.00 18.00 40.004 Acura TL 193.00 71.00 3520.00 14.00 42.005 Audi A4 179.00 70.00 3745.00 13.00 37.006 Audi A6 192.00 76.00 3915.00 15.00 39.007 BMW 3-Series 176.00 69.00 3390.00 11.00 35.00
D. Vistocco ([email protected]) Rappresentazioni grafiche Corso di Statistica 5 / 40
Menu della casa I
1 Prima di cominciare...
2 Rappresentazioni per variabili qualitative
3 Rappresentazioni per variabili quantitative
4 Una variabile quantitativa vs una variabile qualitativa
5 Una variabile quantitativa vs una variabile quantitativa
6 Cosa ci riserva il futuro...
D. Vistocco ([email protected]) Rappresentazioni grafiche Corso di Statistica 6 / 40
Il diagramma a torta (1)
Fuel.TypeDiesel 1
Premium 37Regular 83
Diesel
Premium
Regular
D. Vistocco ([email protected]) Rappresentazioni grafiche Corso di Statistica 7 / 40
o@ -¥÷÷o
121 . \
Il diagramma a torta (2)
Drive.TypeAWD 7Front 82
Front, AWD 1Permanent 4WD 3
Rear 28
AWD
Front
Front, AWD Permanent 4WD
Rear
D. Vistocco ([email protected]) Rappresentazioni grafiche Corso di Statistica 8 / 40
Il diagramma a barre (1)
Drive.TypeAWD 7Front 82
Front, AWD 1Permanent 4WD 3
Rear 28
AWD
Fron
t
Fron
t, AW
D
Perm
anen
t 4W
D
Rea
r
AWDFrontFront, AWDPermanent 4WDRear
Freq
uenc
y
0
20
40
60
80
D. Vistocco ([email protected]) Rappresentazioni grafiche Corso di Statistica 9 / 40
potwi zappusen}Sia mi ,
che fi o pi
Il diagramma a barre (2)
Drive.TypeAWD 0.06Front 0.68
Front, AWD 0.01Permanent 4WD 0.02
Rear 0.23Sum 1.00
AWD
Fron
t
Fron
t, AW
D
Perm
anen
t 4W
D
Rea
r
AWDFrontFront, AWDPermanent 4WDRear
Drive.Type
Rel
ative
Fre
quen
cy
0.0
0.1
0.2
0.3
0.4
0.5
0.6
D. Vistocco ([email protected]) Rappresentazioni grafiche Corso di Statistica 10 / 40
yl'
uso del666 qui
I purameukeper zagiomi
estetiche
Mel ( db oh '
Und
Varies. oolinalelet
modalite Van no oh 's post inouline crescents
Il diagramma a barre impilate
No YesAWD 3 4Front 74 8
Front, AWD 0 1Permanent 4WD 0 3
Rear 13 15
AWD
Fron
t
Fron
t, AW
D
Perm
anen
t 4W
D
Rea
r
YesNo
Groups by SUV
Freq
uenc
y
0
20
40
60
80
D. Vistocco ([email protected]) Rappresentazioni grafiche Corso di Statistica 11 / 40
§v.v
¢pobgia
guide
Il diagramma a barre affiancate
No YesAWD 3 4Front 74 8
Front, AWD 0 1Permanent 4WD 0 3
Rear 13 15
AWD
Fron
t
Fron
t, AW
D
Perm
anen
t 4W
D
Rea
r
NoYes
Groups by SUV
Freq
uenc
y
0
10
20
30
40
50
60
70
D. Vistocco ([email protected]) Rappresentazioni grafiche Corso di Statistica 12 / 40
in azzUw
Tipologisguide|sU*
:in Rosso
TipobgiaGuide /suv=No
NOTA : Mello studio dell '
associazionetraduevaiabiliXeYsonointeiessato2oufxutanledistibuzieme6moliziomatediauadelledueririzbilirispeUoallbltvlruhemochelostuoCioIsimmetu6ltstudiareYlXeeguirzlenteastudiareXlY@sEtEEsokuImepIeIegeesiteEooYtoatsetraleduevariabileimmdeassociazioneC6nnessione1legamyinteeoh.p
voburdle distribution . orohzionate devvbbe lsseie
"
sign.li"
v
uguali se considerate in termini di
fugueuze relative o peecenteali
Il diagramma di Pareto
Pareto chart analysis for table(auto2002$Drive.Type)Frequency Cum.Freq.
Front 82 82Rear 28 110 WD 7 117Permanent 4WD 3 120Front, WD 1 121
Pareto chart analysis for table(auto2002$Drive.Type)Percentage Cum.Percent.
Front 67.77 68Rear 23.14 91 WD 5.79 97Permanent 4WD 2.48 99Front, WD 0.83 100
D. Vistocco ([email protected]) Rappresentazioni grafiche Corso di Statistica 13 / 40
⇐IhdahoietherIt:%eYunq±dg
/ ÷QT'Is +7
v !
= 2
= 8=,x 100
Ecazi one alla repla per cui le fug . cumulatemon hah no sense per le roriabili nominal
Il diagramma di Pareto
Fron
t
Rea
r
AWD
Perm
anen
t 4W
D
Fron
t, AW
D
Drive.Type
Freq
uenc
y
020
4060
8010
012
0
●
●
●● ●
0%25
%50
%75
%10
0%
Cum
ulat
ive P
erce
ntag
eD. Vistocco ([email protected]) Rappresentazioni grafiche Corso di Statistica 14 / 40
Menu della casa I
1 Prima di cominciare...
2 Rappresentazioni per variabili qualitative
3 Rappresentazioni per variabili quantitative
4 Una variabile quantitativa vs una variabile qualitativa
5 Una variabile quantitativa vs una variabile quantitativa
6 Cosa ci riserva il futuro...
D. Vistocco ([email protected]) Rappresentazioni grafiche Corso di Statistica 15 / 40
Il diagramma ad aste (a bastoncini)
MPG10 1.0013 3.0014 2.0015 6.0016 5.0017 6.0018 10.0019 18.0020 9.0021 21.0022 11.0023 7.0024 7.0025 2.0026 3.0027 4.0028 1.0029 2.0038 1.0041 2.00
Sum 121.00
05
1015
20
frequenza
10 13 16 19 22 25 28 38 41
D. Vistocco ([email protected]) Rappresentazioni grafiche Corso di Statistica 16 / 40
MiMPG ⇒
mi
informativeffiopp
|assqwtnio
Lo stripchart (1)
MPG10 1.0013 3.0014 2.0015 6.0016 5.0017 6.0018 10.0019 18.0020 9.0021 21.0022 11.0023 7.0024 7.0025 2.0026 3.0027 4.0028 1.0029 2.0038 1.0041 2.00
Sum 121.00 10 15 20 25 30 35 40
frequenza
● ●●●
●●
●●●●●●
●●●●●
●●●●●●
●●●●●●●●●●
●●●●●●●●●●●●●●●●●●
●●●●●●●●●
●●●●●●●●●●●●●●●●●●●●●
●●●●●●●●●●●
●●●●●●●
●●●●●●●
●●
●●●
●●●●
● ●●
● ●●
D. Vistocco ([email protected]) Rappresentazioni grafiche Corso di Statistica 17 / 40
miMPG X
Lo stripchart (2)
SUV-NO SUV-Yes10 0 113 0 314 0 215 0 616 0 517 3 318 6 419 15 320 8 121 19 222 10 123 7 024 7 025 2 026 3 027 4 028 1 029 2 038 1 041 2 0
Sum 90 31 10 15 20 25 30 35 40
No
Yes
Groups by SUV
MPG
SUV
●●●
●●●●●●
●●●●●●●●●●●●●●●
●●●●●●●●
●●●●●●●●●●●●●●●●●●●
●●●●●●●●●●
●●●●●●●
●●●●●●●
●●
●●●
●●●●
● ●●
● ●●
● ●●●
●●
●●●●●●
●●●●●
●●●
●●●●
●●●
● ●●
●
D. Vistocco ([email protected]) Rappresentazioni grafiche Corso di Statistica 18 / 40
MPG ( SUV = YES
-
:Pa|sVv=No-
L
Regela AREA RETANGOLO DEVE ESSERE
istogrdmma UGUALE 0 PROPORZLONALE ALL A
tsuopatueeseutaziow
" *
"±N%¥i#rrow¥n⇐vmel case oh
' tabelle oh '
frequent con Iassi oh'
ugualeampiezza si strata la pupozzionalitarappzeseutanb le fegueuze sulllasse delle
ordinate Credi slide sullerappuseutazionigrafiche )
X niX
re- 30-135 3
¥f!foii:#:3g 2
{d§A
"#g5×3=1yAr±a=z×p=q
404443441- 8-
pAREA -- 2×6=12
£°
20 - *•
yAn±A=4×3=123 ;o.IMjoke'×
X Mi X ni
ampieztaammp
-
30 2 30 -135 3 5 01633 1
¥:p fin.ee#tif::#40 4 \40-144
3 4 0,75
%¥ifs¥IijfI¥ff#n÷n¥n⇐
0,750÷:
ji ' 't ,
' ' so 't ,o'' ' '
44 ×
ISTOGRAMMANORMAL izzato
se Aldo le d ;
a paztire
o6ld@oolalle@a ✓
Zaree = 1 2- aree = 100
Utile per out butane graticameutedue tdbelle che hanno stessa stuntedMache fauna rifeimeuto a mumeocilt
different
L’istogramma (1)
Horsepower(0,100] 5
(100,200] 76(200,300] 40
Sum 121
Horsepower
Frequency
0 50 100 150 200 250 300
020
4060
D. Vistocco ([email protected]) Rappresentazioni grafiche Corso di Statistica 19 / 40
, µofuirettange hewu '
area quake pbpoezio.✓ male alla frequentedRAPPRESENTAZIONE AREALE delle Izrse
ahispwbutezdzssi t
mel cab dellap# Mil Eiopil tabelleosviO £9 -towhead¥:
L Grtante
dzssi dellaStessaampietz Ea' ×
mpierzz
L’istogramma (2)
Horsepower(50,100] 5
(100,150] 36(150,200] 40(200,250] 32(250,300] 8
Sum 121
Horsepower
Frequency
50 100 150 200 250 300
010
2030
40
D. Vistocco ([email protected]) Rappresentazioni grafiche Corso di Statistica 20 / 40
§ disks * ~
L’istogramma (3)
Horsepower(60,80] 1
(80,100] 4(100,120] 3(120,140] 21(140,160] 20(160,180] 15(180,200] 17(200,220] 19(220,240] 11(240,260] 4(260,280] 4(280,300] 2
Sum 121
Horsepower
Frequency
100 150 200 250 300
05
1015
20
D. Vistocco ([email protected]) Rappresentazioni grafiche Corso di Statistica 21 / 40
pst des B
µ
L’istogramma (3 bis)
Horsepower(60,80] 1
(80,100] 4(100,120] 3(120,140] 21(140,160] 20(160,180] 15(180,200] 17(200,220] 19(220,240] 11(240,260] 4(260,280] 4(280,300] 2
Sum 121
Horsepower
Density
100 150 200 250 300
0.000
0.002
0.004
0.006
0.008
D. Vistocco ([email protected]) Rappresentazioni grafiche Corso di Statistica 22 / 40
zssi harm ugualepoiche led
\ampiesrz il gratia bn cambia
O
X Mi Ni
%•
-ss -
• %:k%30 2 2-
33 1 3# •
%
36 5 8-
37 1 9-
ii:t±t¥: :#:
20 g- •
8 - •
FVNZDNE Dl
RIPARTIZDNEEMPIRKA-tIy*¥ :
i
-
3 - •
lim Ncn)=0y
- •n - as
✓ -
#3 .
' ' B ' ' 31657k's't.li '' ' '
44 @
La funzione di ripartizione empirica (1)
Width65 0.00866 0.02567 0.09968 0.23169 0.30670 0.43871 0.54572 0.68673 0.76074 0.84375 0.90176 0.93478 0.95979 0.99280 1.000
65 70 75 80
0.0
0.2
0.4
0.6
0.8
1.0
Width
F(x)
●●
●
●
●
●
●
●
●
●
●
●
●
●●
D. Vistocco ([email protected]) Rappresentazioni grafiche Corso di Statistica 23 / 40
rkptfbseutezioue delle free auwulate ( Fi , Pi, Ni )
Width5k¥
weuughezcz"
78-76
ladiff .
tz<due
free .
cumulatepsuoe.IE#fi= 0,231-0,099
Fko ) Ffgzj €64
La funzione di ripartizione empirica (2)
Suv-No Suv-Yes65 0.011 0.00066 0.097 0.00067 0.122 0.03268 0.742 0.05669 0.356 0.16170 1.387 0.11171 0.600 0.38772 2.032 0.22273 0.789 0.67774 2.516 0.26775 0.922 0.83976 2.742 0.31178 0.978 0.90379 2.903 0.33380 1.000 1.000
65 70 75 80
0.0
0.2
0.4
0.6
0.8
1.0
Width
F(x)
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
D. Vistocco ([email protected]) Rappresentazioni grafiche Corso di Statistica 24 / 40
pinner pinged
DinINTof •
30-135 3 3ii:#:H⇒f.
-
40-1443 20 -
= 11 -
•
. :kfeEesYeEeTeEzmpefineitsftEeFwtItIIaIkinoumeutocosDnte3o35tF3sHo4g@K-30.y
-_o )L
La funzione di ripartizione empirica (3)
Length(155,169] 8(169,184] 45(184,198] 98(198,213] 117(213,227] 121
●
●
●
●
●
160 170 180 190 200 210
2040
6080
100
120
Length
N(x)
D. Vistocco ([email protected]) Rappresentazioni grafiche Corso di Statistica 25 / 40
La funzione di ripartizione empirica (4)
Front Other(154,169] 0.061 0.077(169,184] 0.769 0.244(184,198] 0.793 0.846(198,213] 2.103 0.427(213,227] 1.000 1.000
●
●
●
●
●
160 170 180 190 200 210
0.2
0.4
0.6
0.8
1.0
Funzione di ripartizione empirica
Length
F(x)
●
●
●
●
●
D. Vistocco ([email protected]) Rappresentazioni grafiche Corso di Statistica 26 / 40
NOTA ( important ) saw utilequanbsi- larocdaioule probabilities.
Ni - N ; . s=Minellaseoudapaztedel
626 ( fanzine oliripartizFi - Fi
- s= fj teoiica )
Pi - Pi . s= tri
Menu della casa I
1 Prima di cominciare...
2 Rappresentazioni per variabili qualitative
3 Rappresentazioni per variabili quantitative
4 Una variabile quantitativa vs una variabile qualitativa
5 Una variabile quantitativa vs una variabile quantitativa
6 Cosa ci riserva il futuro...
D. Vistocco ([email protected]) Rappresentazioni grafiche Corso di Statistica 27 / 40
La spezzata delle medie
MPGAWD 18.86Front 21.91
Front, AWD 19.00Permanent 4WD 14.33
Rear 18.36
Plot of Means
DriveType
med
ia d
i MPG
●
●
●
●
●
1618
2022
AWD Front Front, AWD Rear
D. Vistocco ([email protected]) Rappresentazioni grafiche Corso di Statistica 28 / 40
2-
00modtlitz \vdella variable mediequalitative della variable
quantitative
t.IT?Efcniegtqd
•
messuna
differencein
medictza i
•gwppi mediaomplessiva
• • • • • aOt✓
in quest case le meohie in
orris pendent dei rariopucppisembzzho essere different .
Menu della casa I
1 Prima di cominciare...
2 Rappresentazioni per variabili qualitative
3 Rappresentazioni per variabili quantitative
4 Una variabile quantitativa vs una variabile qualitativa
5 Una variabile quantitativa vs una variabile quantitativa
6 Cosa ci riserva il futuro...
D. Vistocco ([email protected]) Rappresentazioni grafiche Corso di Statistica 29 / 40
Il diagramma di dispersione (scatterplot) - 1
160 170 180 190 200 210 220
2000
3000
4000
5000
6000
7000
Length
Weight
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
● ●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●● ●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●●
●
●●
●
●
●
●
●
●
●
●
● ●
●
●
●
●
●
●
D. Vistocco ([email protected]) Rappresentazioni grafiche Corso di Statistica 30 / 40
esempiooh
' correlation
positive
Il diagramma di dispersione (scatterplot) - 2
PANELS by SUV
Length
Weight
2000
3000
4000
5000
6000
7000
160 180 200 220
●
●
●
●●
●● ●
●●
●
●
●
●●
● ●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
● ● ●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●●
●
●
●
●
● ●●
●
●
●
●●
No
160 180 200 220
●
●
●
●
●
●●
●
●
●●
●
●
●
●●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
Yes
D. Vistocco ([email protected]) Rappresentazioni grafiche Corso di Statistica 31 / 40
Il diagramma di dispersione (scatterplot) - 3
160 170 180 190 200 210 220
2000
3000
4000
5000
6000
7000
Length
Weight
●
●
●●
●
●● ●
●●
●
●
●
● ●● ●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
● ●
●●
●
●●
●
●●
●
●●
●
●
●
●●
● ●
●
●
●
●
●
● ● ●●
●
●
●
●●
●
●
●
●
●●
●
●
●
●●●
●
●
●
●
●
● ●●
●
●
●●
●
●
SUVNoYes
D. Vistocco ([email protected]) Rappresentazioni grafiche Corso di Statistica 32 / 40
La matrice dei diagrammi di dispersione
x
Frequency Cargo.Volume
160 180 200 220
●
●●●● ●
● ●
●
● ●
●
●●●
●
●
●
●
● ●
●
●
●
●●
●
●
●● ●
●
●
●
●
●●
●
●
●
●●
●
●
●●
●
●● ●●●
●●
●
●
●
●
●●●
●
●●
●●
●
●
●
●
● ●
●
●
●●
●
●● ●●●
●
●
●
●
● ●●
●
●● ●
●
●●
●
●●
●
●●●
●●●●●
●
●
●
●
●
●●●
●
●● ●
●●
●●●●●●●
●
●●
●
●●●
●
●
●
●
●●
●
●
●
●●
●
●
●● ●
●
●
●
●
●●
●
●
●
●●
●
●
●●
●
●● ● ●●
●●
●
●
●
●
●●●
●
●●
●●
●
●
●
●
●●
●
●
●●
●
●●●●●
●
●
●
●
● ●●
●
●● ●
●
●●
●
●●
●
●●
●
●●●●●
●
●
●
●
●
●●●
●
● ●●
●
65 70 75 80
2060
●
●●●● ●
● ●
●
●●
●
●●●
●
●
●
●
●●
●
●
●
●●
●
●
●● ●
●
●
●
●
●●
●
●
●
●●
●
●
●●
●
●● ● ●●
●●
●
●
●
●
●●●
●
●●
●●
●
●
●
●
● ●
●
●
●●
●
●●●●●
●
●
●
●
● ●●
●
●● ●
●
●●
●
●●
●
●●
●
●●●●●
●
●
●
●
●
●●●
●
● ●●
●
160
190
220
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●●
●
●
● ●
●
●
●●
● ●
●●
●
●
●
●●
●●
●
●
●
● ●
●
● ●●
●
●●
●
●●●
●
●●●
●
●
● ●
●
●●
●●
●
●●
●●
●●●●
●● ●
●●●
●
●
●
●
●●
●
●
●
●
●
●●
●●
x
Frequency Length
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●●
●
●
● ●
●
●
● ●
● ●
●●
●
●
●
●●
●●
●
●
●
● ●
●
● ●●
●
●●
●
●●●
●
●●●
●
●
● ●
●
●●
●●
●
●●
●●
●●
●●
●● ●
●●●
●
●
●
●
●●
●
●
●
●
●
●●
●●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●●
●
●
● ●
●
●
● ●
● ●
●●
●
●
●
●●
●●
●
●
●
● ●
●
● ●●
●
●●
●
●●●
●
●●●
●
●
● ●
●
●●
● ●
●
●●
●●
●●
●●
●●●
●●●
●
●
●
●
●●
●
●
●
●
●
●●
●●
●
●
●
●●●
●●
●
●●
●●
●●
●
●
●
●●●
●●
●
●●
●
●
●
●
●
●●
●
●
●
●
●●
●
●
●
●
●
● ●
●
●●●●●
●●
●
●
●
●●●
●
●●●
●
●
●
●●
●●●
●
●
●
●
●●●●●●
●●
●
●
●
●●
●●
●●
●●
●
●
●●●
●●●
●●●
●●
●
●
●●
●
●●●
●●●● ●
●
●
●
●● ●
● ●
●
●●
● ●
●●
●
●
●
●● ●
● ●
●
●●
●
●
●
●
●
●●
●
●
●
●
●●
●
●
●
●
●
● ●
●
●●
●●●
●●
●
●
●
● ●●
●
● ●●
●
●
●
●●
● ● ●
●
●
●
●
●●
● ●●●
●●
●
●
●
●●
●●
●●
●●
●
●
●●●
●●●
●●●
●●
●
●
●●
●
● ●●
●●●
●●
x
Frequency Weight
2000
5000
●
●
●
●● ●
● ●
●
●●
●●
●●
●
●
●
●●●
● ●
●
●●
●
●
●
●
●
●●
●
●
●
●
●●
●
●
●
●
●
●●
●
●●
●●●●●
●
●
●
●●●
●
● ●●
●
●
●
●●
●● ●
●
●
●
●
●●
●●●●
●●
●
●
●
●●
●●
●●
●●
●
●
●●●
●●●
●●●
●●
●
●
●●
●
●●●
●●
●●●
20 40 60 80
6570
7580
●
●
●
●●
●
●
●
●●●
●●●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●●
●●
●
●
●
●
●●
● ●
●
●●●
●
●
●●
●
●
●
●●
●
●
●●
●
●
●
●
●●●●●
●
●
●
●●
●●
●
●
●
●●
●
●
●
●
●●●●
●
●●●
●
●
●
●
●●
●
●●●●
●
●●
●
●
●
●
●●
●
●
●
● ●●
● ●●
●
●
●
●
●
● ●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●●
●●
●
●
●
●
●●
●●
●
● ●●
●
●
●●
●
●
●
●●
●
●
●●
●
●
●
●
●● ●
●●
●
●
●
● ●
●●
●
●
●
●●
●
●
●
●
●●●
●
●
●●●
●
●
●
●
●●
●
● ●●●
●
●●
●
2000 4000 6000
●
●
●
●●
●
●
●
●●●
●●●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
● ●
●
●
●
●
●
●●
●●
●
●
●
●
●●
● ●
●
●●●
●
●
●●
●
●
●
●●
●
●
●●
●
●
●
●
●●●●●
●
●
●
●●
●●
●
●
●
●●
●
●
●
●
●●●●
●
●●●
●
●
●
●
●●
●
●●●●
●
●●●
x
Frequency Width
D. Vistocco ([email protected]) Rappresentazioni grafiche Corso di Statistica 33 / 40
La matrice dei diagrammi di dispersione
Cargo.Volume
160 180 200 220
●●●● ●
● ●● ●●●●
●
● ●
●
●
●
●●
●
●● ●
●
●●
●
●●
●
●● ●● ●●●●
●●●
●●
●●
●
●
●● ●●
●●
●
●● ●●●
●
● ● ●●
●
●● ●
●
●●
●●
●
●●●●● ●
●
●●●
●
●● ●
●
●●●●●●●●●●●●
●
●●
●
●
●
●●
●
●● ●
●
●●
●
●●
●
●● ●● ● ●●
●●●●
●●
●●
●
●
● ●●●
●●
●
●●●●●
●
● ● ●●
●
●● ●
●
●●
● ●
●
●●●●● ●
●
●●●
●
● ●●
●
65 70 75 80
2060
●●●● ●
● ●●●●●●
●
●●
●
●
●
●●
●
●● ●
●
●●
●
●●
●
●● ●● ● ●●●
●●●
●●
●●
●
●
●● ●●
●●
●
●●●●●
●
● ● ●●
●
●● ●
●
●●
● ●
●
●●●●● ●
●
●●●
●
● ●●
●
160
190
220
●
●
●
●
●
●
●
●
●●
●
●
●●
●
●
●
●
●
●
●●
●
●
●
●
●●
●
●
●
●
●
●
●
●●
●●
●●
●
●
●
●
● ●
●
●●
●●
●
●●●
●
●●●
●
●
●
●●
●●
●
●●
●●
●●
●●●●
●
●
●
●
●
●
●
●
●●
●●
Length●
●
●
●
●
●
●
●
●●
●
●
●●
●
●
●
●
●
●
●●
●
●
●
●
●●
●
●
●
●
●
●
●
● ●
●●
●●
●
●
●
●
● ●
●
●●
●●
●
●●●
●
●●●
●
●
●
●●
●●
●
●●
●●
●●
●●●●
●
●
●
●
●
●
●
●
●●
●●
●
●
●
●
●
●
●
●
●●
●
●
●●
●
●
●
●
●
●
●●
●
●
●
●
●●
●
●
●
●
●
●
●
● ●
●●
●●
●
●
●
●
● ●
●
●●
●●
●
●●●
●
●●●
●
●
●
●●
● ●
●
●●
●●
●●
●●
●●
●
●
●
●
●
●
●
●
●●
●●
●
●
●●●
●●●●●
●●
●●●
●●
●
●●
●
●
●
●
●
●
●
●
●
●
●
● ●●●●●●
●
●●
●
●●
●
●
●
●●
●●●
●
●
●●●●●●
●
●●
●●
●●
●●
●●
●
●
●
●●●●
●●
●
●
●●●
●●●● ● ●
●
●● ●
● ● ●●●
●●
●● ●
● ●
●
●●
●
●
●
●
●
●
●
●
●
●
●
● ●●
●●●●
●
●●
●
●●
●
●
●
●●
● ●●
●
●
●●
● ●●●
●
●●
●●
●●
●●
●●
●
●
●
●●●●
●●
●
●
● ●●
●●●
●●
Weight
2000
5000
●
●
●● ●
● ● ●●●
●●
●●●
● ●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●●●
●●
●●
●
●●
●
●●
●
●
●
●●
● ●●
●
●
●●
●●●●
●
●●
●●
●●
●●
●●
●
●
●
●●●●
●●
●
●
●●●
●●
●●●
20 40 60 80
6570
7580
●
●
●●
●
●
●
●●●●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●●
●
●●
●
●
●
●●●
●●
●
●
●
●●●●●
●
●
●
●●
●
●
●
●●
●
●
●
●●
●●●
●
●
●
●
●●●●
●
●●
●●
●
●●
●
●
●
●●●
●
●
●
● ●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●●
●
●●
●
●
●
●●●
●●
●
●
●
●● ●
●●
●
●
●
●●
●
●
●
●●
●
●
●
●●
●●●
●
●
●
●
● ●●●
●
●●
●
2000 4000 6000
●
●
●●
●
●
●
●●●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●●
●
●●
●
●
●
●●
●
●●
●
●
●
●●●●●
●
●
●
●●
●
●
●
●●
●
●
●
●●
●●●
●
●
●
●
●●●●
●
●●●
Width● NoYes
D. Vistocco ([email protected]) Rappresentazioni grafiche Corso di Statistica 34 / 40
-
Menu della casa I
1 Prima di cominciare...
2 Rappresentazioni per variabili qualitative
3 Rappresentazioni per variabili quantitative
4 Una variabile quantitativa vs una variabile qualitativa
5 Una variabile quantitativa vs una variabile quantitativa
6 Cosa ci riserva il futuro...
D. Vistocco ([email protected]) Rappresentazioni grafiche Corso di Statistica 35 / 40
Il boxplot (1)
15 20 25
MPGD. Vistocco ([email protected]) Rappresentazioni grafiche Corso di Statistica 36 / 40
pzima oh . introolumequesto gratia 5 necessaries introduce
iquaetili ( veoli passim lesion . )
"1
"¥ !
• • • • •
9 e§k tmaxmin
Il boxplot (2)
● ● ● ●●●
10 15 20 25 30 35 40
MPGD. Vistocco ([email protected]) Rappresentazioni grafiche Corso di Statistica 37 / 40
Il boxplot (1 vs 2)
15 20 25
MPG
● ● ● ●●●
10 15 20 25 30 35 40
MPGD. Vistocco ([email protected]) Rappresentazioni grafiche Corso di Statistica 38 / 40
Il boxplot (3)
●
●
●
●●
●
1015
2025
3035
40
MPG
D. Vistocco ([email protected]) Rappresentazioni grafiche Corso di Statistica 39 / 40
Il boxplot (4)
●
●●
●
No Yes
1015
2025
3035
40
SUV
MPG
D. Vistocco ([email protected]) Rappresentazioni grafiche Corso di Statistica 40 / 40