Z score o IQR per outlier: confronto con mini dataset

Immagina di essere davanti a un esercizio di statistica descrittiva: nove tempi di consegna stanno fra 18 e 25 minuti, l'ultimo è 38. Devi decidere in fretta se quel valore è anomalo e il dubbio è sempre lo stesso: z score o IQR per outlier? La risposta breve è questa: usa lo z score quando la distribuzione è abbastanza simmetrica e la media con la deviazione standard descrivono bene i dati; preferisci l'IQR quando i dati sono asimmetrici, il campione è piccolo o temi che un estremo deformi media e deviazione standard. I due metodi non sono equivalenti: misurano l'anomalia in modi diversi e, sullo stesso dataset, possono portare a conclusioni diverse.

La risposta breve: quando scegliere z score e quando IQR

Per riconoscere valori anomali non esiste un metodo sempre migliore in assoluto. La scelta dipende da come sono fatti i dati e da che cosa vuoi descrivere.

• Z score: misura quanto un valore dista dalla media in unità di deviazione standard.
• IQR: controlla se un valore cade troppo lontano dalla parte centrale dei dati, definita dai quartili.

In pratica, il metodo z score outlier è più naturale quando i dati sono abbastanza regolari, senza forte asimmetria, e la media rappresenta bene il centro. Il metodo iqr outlier è spesso più prudente quando la distribuzione è sbilanciata, quando ci sono pochi dati o quando sospetti che proprio il valore estremo stia alterando le misure classiche.

Se stai ripassando questo tipo di esercizi per il tuo esame, nelle lezioni di statistica di Weduup trovi percorsi on-demand organizzati per il singolo esame, con esercizi e appelli quando previsti, da seguire online tramite l'app desktop Weduup per Windows e macOS.

Cosa misurano davvero i due metodi

La differenza fra i due approcci si capisce meglio guardando la loro logica, non solo la formula.

Z score. Si calcola con z = (x - x̄) / s, dove x è il valore osservato, x̄ è la media del campione e s è la deviazione standard campionaria. Il risultato dice quante deviazioni standard separano quel valore dalla media. Più il valore assoluto di z cresce, più il dato è distante dal centro.

Una soglia molto usata è |z| > 3. Non è però una legge universale: in alcuni esercizi si trovano soglie diverse, per esempio 2,5. Per questo, quando applichi il metodo, conviene sempre dichiarare quale criterio stai adottando.

IQR. Qui si parte dai quartili. Ordini i dati, trovi Q1 e Q3, poi calcoli IQR = Q3 - Q1, cioè l'ampiezza dell'intervallo interquartile. Un valore è considerato anomalo se cade sotto Q1 - 1,5 × IQR oppure sopra Q3 + 1,5 × IQR.

La differenza sostanziale è che lo z score guarda il dataset attraverso media e deviazione standard, mentre l'IQR guarda la fascia centrale dei dati. Questo rende l'IQR più robusto: un singolo estremo incide poco sui quartili, ma può spostare parecchio media e deviazione standard.

Se stai studiando outlier statistica descrittiva, questo è il punto che più spesso fa cambiare risposta in un esercizio: non stai solo applicando una formula, stai scegliendo una lente diversa per leggere la stessa serie.

Quando conviene davvero usare lo z score

Lo z score ha senso soprattutto quando il dataset è ragionevolmente simmetrico e non mostra code molto sbilanciate. In questi casi la media è un buon centro e la deviazione standard descrive bene la dispersione.

• Dati quasi normali o comunque regolari: il confronto in unità di deviazione standard è informativo.
• Campioni non troppo piccoli: l'effetto distorsivo di un singolo valore può pesare meno.
• Confronti standardizzati: se vuoi capire quanto un valore sia lontano dal centro in modo confrontabile fra esercizi diversi, z è molto leggibile.

Un vantaggio pratico è la chiarezza interpretativa: dire che un dato sta a 2,8 deviazioni standard dalla media è immediato. Però proprio questa comodità nasconde il rischio principale: se il valore estremo gonfia sia la media sia la deviazione standard, il suo z score può sembrare meno estremo di quanto appaia a occhio.

Per questo, quando scegli lo z score, non limitarti al calcolo. Chiediti sempre: media e deviazione standard stanno descrivendo bene questa serie oppure sono già state trascinate dall'estremo?

Quando l'IQR è spesso la scelta più solida

L'IQR è molto utile quando vuoi una regola resistente agli estremi. Non ignora i valori anomali, ma evita che siano proprio loro a riscrivere i criteri con cui li giudichi.

• Distribuzioni asimmetriche: se i dati hanno una coda lunga a destra o a sinistra, i quartili spesso raccontano meglio il centro reale.
• Campioni piccoli: con pochi dati, un solo valore alto o basso può alterare molto media e deviazione standard.
• Analisi esplorativa: quando devi fare una prima diagnosi del dataset, l'IQR è una scelta pratica e robusta.

Attenzione però a un dettaglio importante per l'esame: Q1 e Q3 possono cambiare leggermente a seconda della convenzione usata dal libro, dal software o dal docente. Con dataset piccoli, questa differenza può modificare di poco i limiti. La regola giusta non è inventare il quartile preferito, ma usare una convenzione coerente dall'inizio alla fine.

In molte situazioni universitarie, se non ti viene detto altro e il dataset appare sbilanciato, partire dall'IQR è una scelta metodologicamente difendibile e facile da commentare.

Esempio svolto

Dati e ipotesi

Considera questo mini dataset esemplificativo: tempi in minuti impiegati per completare un esercizio al computer da 10 studenti.

Valori ordinati: 18, 19, 20, 21, 21, 22, 23, 24, 25, 38.

La domanda è: 38 è un outlier?

Facciamo due ipotesi operative, così il ragionamento resta pulito:

• usiamo la deviazione standard campionaria s per lo z score;
• adottiamo la soglia comune |z| > 3;
• per i quartili usiamo la convenzione semplice della mediana delle due metà.

Passaggio 1: calcolo con z score

Calcoliamo la media del campione:

x̄ = (18 + 19 + 20 + 21 + 21 + 22 + 23 + 24 + 25 + 38) / 10 = 23,1.

Calcoliamo poi la deviazione standard campionaria. Senza riportare tutti i passaggi algebrici intermedi, otteniamo circa:

s ≈ 5,66.

Ora standardizziamo il valore 38:

z = (38 - 23,1) / 5,66 ≈ 2,63.

Con la soglia |z| > 3, il valore 38 non verrebbe classificato come outlier. Questo è già un primo risultato interessante: a vista sembrava molto staccato, ma il metodo z score lo assorbe perché quel 38 ha trascinato verso l'alto sia la media sia la deviazione standard.

Se però il tuo esercizio imponesse la soglia 2,5, il giudizio cambierebbe. Ecco perché nei compiti non basta fare il conto: bisogna sempre esplicitare la regola usata.

Passaggio 2: calcolo con IQR

Dividiamo la serie ordinata in due metà:

• metà bassa: 18, 19, 20, 21, 21
• metà alta: 22, 23, 24, 25, 38

Le mediane delle due metà sono:

• Q1 = 20
• Q3 = 24

Quindi:

IQR = Q3 - Q1 = 24 - 20 = 4.

Calcoliamo ora i limiti:

• limite inferiore = Q1 - 1,5 × IQR = 20 - 1,5 × 4 = 14
• limite superiore = Q3 + 1,5 × IQR = 24 + 1,5 × 4 = 30

Poiché 38 > 30, il valore 38 è outlier secondo il metodo IQR.

Controllo finale e commento

Abbiamo quindi due risposte diverse sullo stesso dataset:

• z score con soglia 3: 38 non è outlier
• IQR: 38 è outlier

Il motivo non è un errore di calcolo, ma la natura dei due strumenti. Il dataset è piccolo e presenta un valore alto isolato. Media e deviazione standard vengono influenzate, mentre i quartili restano più stabili. In una situazione così, l'IQR fotografa meglio l'idea intuitiva di dato anomalo.

Questo non significa che lo z score sia sbagliato: significa che va scelto quando le sue ipotesi descrivono bene i dati. Se all'esame sai spiegare questo passaggio, stai facendo statistica, non solo aritmetica.

Procedura rapida per scegliere il metodo in un esercizio

1. Guarda i dati prima dei calcoli. Chiediti se la serie appare simmetrica oppure chiaramente sbilanciata.
2. Verifica l'unità di misura e ordina i valori. Se lavori con tempi, punteggi o importi, tieni sempre la stessa unità per evitare errori banali.
3. Scegli la metrica coerente. Se media e deviazione standard rappresentano bene il dataset, usa z score; se gli estremi possono distorcere il centro, passa a IQR.
4. Dichiara la soglia. Per lo z score specifica il criterio usato; per IQR scrivi i due limiti inferiori e superiori.
5. Commenta il risultato in parole. Non scrivere solo outlier sì o no: spiega perché il metodo scelto è sensato per quel caso.

Se stai organizzando il ripasso degli argomenti di base, può esserti utile anche la guida all'esame di Statistica, da usare come orientamento allo studio e non come programma ufficiale di ogni ateneo.

Checklist operativa prima di consegnare

• Ho scritto i dati in ordine crescente prima di calcolare i quartili?
• Ho definito i simboli della formula, per esempio x, x̄, s, Q1, Q3?
• Ho usato in modo coerente campione o popolazione senza mescolare formule diverse?
• Ho indicato la soglia dello z score oppure i limiti basati su 1,5 × IQR?
• Ho distinto tra dato anomalo e possibile errore di trascrizione?
• Ho aggiunto una frase finale che giustifica la scelta del metodo?

Errori comuni quando si devono riconoscere valori anomali

Gli errori più frequenti non sono sempre nei conti. Spesso nascono da una scelta meccanica del metodo.

• Usare lo z score solo perché la formula è più nota. Se i dati sono fortemente asimmetrici, la formula giusta applicata nel contesto sbagliato porta a un commento debole.
• Confondere valore raro con errore. Un outlier può essere un dato reale e informativo. Prima si verifica, poi eventualmente si decide come trattarlo.
• Calcolare l'IQR senza ordinare la serie. Sembra banale, ma succede spesso negli esercizi svolti di fretta.
• Mescolare soglie diverse per lo z score. Se usi 3 all'inizio e poi commenti come se avessi usato 2,5, la conclusione diventa incoerente.
• Dimenticare la convenzione dei quartili. Con pochi dati, un quartile definito in modo leggermente diverso può cambiare il limite. L'importante è essere coerenti e dichiararlo se serve.
• Eliminare l'outlier senza spiegazione. In statistica descrittiva la prima mossa è segnalarlo e interpretarlo, non cancellarlo automaticamente.

Correggere questi errori fa spesso la differenza tra un esercizio formalmente svolto e uno davvero ben commentato.

Autoverifica

• Se un dataset è piccolo e ha una coda lunga a destra, quale metodo scegli per primo? IQR, perché è meno sensibile al trascinamento della media e della deviazione standard.
• Se un valore ha z = 2,2, puoi chiamarlo outlier senza altre informazioni? No, perché dipende dalla soglia adottata e dal contesto del corso o dell'esercizio.
• Perché lo stesso valore può essere outlier per IQR ma non per z score? Perché i due metodi si appoggiano a misure diverse del centro e della dispersione.
• Un outlier va sempre rimosso dal dataset? No, prima va verificato se è un errore o un dato reale ma raro.

Conclusione

Alla domanda z score o IQR per outlier, la risposta migliore non è scegliere una formula preferita ma scegliere la lente più adatta al dataset. Se la distribuzione è regolare e la media descrive bene i dati, lo z score è rapido e leggibile. Se invece vuoi una regola robusta per campioni piccoli o sbilanciati, l'IQR è spesso la scelta più affidabile.

Per fissare davvero la differenza serve allenarsi con serie simili, cambiando ogni volta un solo elemento e osservando come reagiscono i due metodi. Se preferisci farlo con un percorso registrato e rivedibile, centrato sul singolo esame, puoi partire dalle lezioni di Statistica di Weduup: per molti studenti coprono anche il bisogno che di solito si affida alle ripetizioni, quando non serve un'interazione live continua e si vuole invece fermare, ripetere e rifare gli esercizi con i propri tempi.