1
Equità aritmetica e saggezza ponderata
MATH801B-PEP-CNLesson 5
00:00
«Equità aritmetica»Pesi uguali (1:1:1)ContenutoAbilitàEffetto«Saggezza ponderata»Ogni cosa ha il suo peso (5:3:2)ContenutoAbilitàEffetto
Nel mondo dei dati, non tutte le informazioni hanno inizialmente lo stesso valore. Quando elaboriamo i punteggi dell'esempio 1 sulla presentazione, se sommiamo semplicemente i punteggi di contenuto, abilità ed effetto e dividiamo per 3, otteniamo«Equità aritmetica»— ogni dimensione ha un peso pari a 1, senza pregiudizi. Tuttavia, nelle vere competizioni e decisioni, i giudici spesso danno maggiore importanza a una particolare abilità; in questo caso, l'introduzione di pesi di diversa grandezza mostra una forma precisa di rappresentare la realtà«Saggezza ponderata».

Comprendere i «pesi» e la media ponderata

In generale, se n numeri $x_1, x_2, \cdots, x_n$ hanno rispettivamente i pesi $w_1, w_2, \cdots, w_n$, allora:

$\frac{x_1w_1+x_2w_2+\cdots+x_nw_n}{w_1+w_2+\cdots+w_n}$

è chiamata la media ponderata di questi $n$ numerimedia ponderata (weighted average). Il peso (weight) indica il grado di importanza di un dato. Più alto è il peso, più forte sarà l'influenza di quel dato sul valore medio finale (simile al modo in cui un peso più pesante su una bilancia fisica attira il fulcro verso di sé).

Applicazione del tabellone dei punteggi per la presentazione – Esempio 1

Supponiamo che il concorrente A abbia un punteggio molto elevato nel contenuto ma un punteggio leggermente inferiore nell'effetto scenico. Se si utilizza la media aritmetica, potrebbe ottenere lo stesso punteggio del concorrente B, che ha prestazioni mediocri in tutte le categorie; tuttavia, se assegniamo un peso di 0.5 al contenuto e un peso di 0.2 all'effetto, il punteggio ponderato del concorrente A risulterebbe superiore grazie alla sua abilità centrale. La media ponderata riflette con precisione gli orientamenti valutativi reali nella selezione del personale.

La frequenza come peso: gestione di grandi insiemi di dati

Quando si analizzano grandi quantità di dati (ad esempio, i ricavi mensili degli impiegati del reparto abbigliamento dell'esempio 6 o l'età degli atleti della squadra di tuffi), lo stesso valore può ripetersi molteplici volte. In questo caso, il numero di ripetizioni (frequenza) diventa naturalmente il peso di quel valore.

Quando si calcola la media di $n$ numeri, se $x_1$ si verifica $f_1$ volte, $x_2$ $f_2$ volte, ..., $x_k$ $f_k$ volte (dove $f_1+f_2+\cdots+f_k=n$), allora la media di questi $n$ numeri:

$\bar{x} = \frac{x_1f_1+x_2f_2+\cdots+x_kf_k}{n}$

è anche chiamata media ponderata di questi $k$ numeri, dove $f_1, f_2, \cdots, f_k$ sono rispettivamente i pesi di $x_1, x_2, \cdots, x_k$. Calcolando così il target mensile di vendita, si riesce a filtrare l'influenza di vendite estremamente elevate, rappresentando in modo autentico le capacità generali della maggior parte degli impiegati e permettendo di definire un sistema di incentivi sia stimolante che realistico.

La saggezza del valore medio del gruppo

Quando i dati vengono approssimativamente distribuiti in intervalli diversi (classificazione dei dati), perdiamo i valori specifici individuali. In questo caso, ilvalore medio del gruppoè la media aritmetica dei due estremi di quel gruppo. Ad esempio, moltiplicando il punto centrale dell'intervallo per la sua frequenza si ottiene il classico modello di calcolo ponderato:

$\bar{x} = \frac{11 \times 3 + 31 \times 5 + 51 \times 20 + 71 \times 22 + 91 \times 18 + 111 \times 15}{3+5+20+22+18+15}$

🎯 Regola fondamentale: trovare il centro reale dei dati
Sia che i pesi siano stabiliti artificialmente in base all'importanza, sia che emergano da statistiche di frequenza naturali, il concetto di peso consiste nel dare ai dati una forza attrattiva corrispondente. La media ponderata non è semplice divisione aritmetica, ma ci aiuta a individuare nel complesso dei dati un «centro reale» che non viene facilmente ingannato dai valori estremi.