Calcolo Deviazione Media Assoluta (MAD) e Dispersione

Deviazione media assoluta (MAD): come calcolarla e quando usarla

La deviazione media assoluta (MAD, Mean Absolute Deviation) misura la dispersione media dei dati rispetto alla media aritmetica. È un indicatore di variabilità più intuitivo della deviazione standard perché usa valori assoluti anziché quadrati. Il calcolatore di Cifro calcola MAD, media, mediana e confronta i risultati con la deviazione standard.

La formula è: MAD = (1/n) × Σ|xᵢ − x̄|, dove xᵢ è ogni valore e x̄ è la media. In pratica, si calcola la distanza di ogni dato dalla media, si prendono i valori assoluti e si fa la media di queste distanze. Una MAD bassa indica dati concentrati attorno alla media, una MAD alta indica grande dispersione.

Come si calcola passo per passo

1) Calcola la media dei dati. 2) Per ogni dato, calcola la distanza dalla media (valore assoluto). 3) Fai la media delle distanze. Esempio: dati 2, 4, 6, 8, 10. Media = 6. Distanze: |2−6|=4, |4−6|=2, |6−6|=0, |8−6|=2, |10−6|=4. MAD = (4+2+0+2+4)/5 = 2,4. Per calcolare anche mediana e moda dello stesso dataset, usa il calcolatore dedicato.

Esempio 1 — Vendite settimanali

Vendite giornaliere in una settimana: 120, 135, 110, 145, 130, 125, 140. Media = 129,3. MAD = 8,8. Una MAD di €8,80 su una media di €129,30 indica una variabilità del 6,8%, relativamente stabile. Utile per la gestione delle scorte e la previsione del punto di break-even.

Esempio 2 — Temperature mensili

Temperature medie mensili a Roma: 8, 9, 12, 15, 20, 25, 28, 28, 24, 18, 13, 9. Media = 17,4°C. MAD = 6,4°C. La MAD alta indica un clima con forti escursioni stagionali. È diverso da un clima tropicale dove la MAD sarebbe molto più bassa (temperature costanti tutto l'anno).

Esempio 3 — Tempi di consegna

Tempi di consegna (giorni): 3, 2, 5, 3, 4, 2, 8, 3, 3, 4. Media = 3,7 giorni. MAD = 1,1 giorni. Il valore anomalo (8 giorni) alza la media ma la MAD è meno sensibile agli outlier rispetto alla deviazione standard. Questo rende la MAD preferibile in contesti con dati anomali occasionali.

MAD vs deviazione standard

La deviazione standard eleva al quadrato le differenze, quindi penalizza di più i valori estremi. La MAD è più robusta agli outlier. Per dati normalmente distribuiti, la deviazione standard ≈ 1,25 × MAD. In finanza e analisi dati, la MAD è spesso preferita per la previsione della domanda, il controllo qualità e l'analisi delle performance dove i valori anomali non devono distorcere la misura.

Applicazioni pratiche

Controllo qualità: monitorare la variabilità di un processo produttivo. Se la MAD supera una soglia, il processo è fuori controllo. Finanza: misurare la volatilità di un portafoglio in modo robusto. Previsioni: valutare l'accuratezza di un modello previsionale — una MAD bassa indica previsioni precise. Per l'analisi aziendale, vedi anche l'analisi ABC e il margine di profitto.

Quando preferire la MAD alla deviazione standard

La MAD è particolarmente utile in tre situazioni chiave. Primo, quando i dati contengono outlier significativi: la deviazione standard, basata sui quadrati degli scarti, amplifica l'effetto dei valori estremi, mentre la MAD li tratta proporzionalmente. Secondo, quando si lavora con distribuzioni non normali: molti dati reali (redditi, tempi di attesa, vendite giornaliere) hanno distribuzioni asimmetriche per le quali la deviazione standard non è il miglior indicatore di dispersione. Terzo, quando serve una misura facilmente interpretabile: la MAD è espressa nelle stesse unità dei dati originali e rappresenta direttamente lo scostamento medio dal centro della distribuzione, rendendola intuitiva anche per chi non ha formazione statistica.

In ambito finanziario, la MAD è usata come alternativa alla volatilità classica (deviazione standard dei rendimenti) per costruire portafogli più robusti. Un portafoglio ottimizzato sulla MAD tende a essere meno sensibile a singoli eventi estremi rispetto a uno ottimizzato sulla varianza. Per un'analisi statistica completa dei tuoi dati, combina la MAD con la deviazione standard e la mediana e moda per avere un quadro completo della distribuzione dei dati.

La MAD trova applicazione anche nel controllo qualità industriale, dove viene utilizzata per monitorare la variabilità dei processi produttivi. Quando i dati di produzione contengono valori anomali dovuti a guasti, errori di misurazione o lotti difettosi, la MAD fornisce una stima di dispersione più stabile rispetto alla deviazione standard. In ambito finanziario, la MAD dei rendimenti giornalieri di un titolo è un indicatore di volatilità robusto che non amplifica l'effetto dei crolli improvvisi (come flash crash) sulla misura complessiva del rischio. Queste proprietà rendono la MAD lo strumento preferito quando la qualità dei dati non è garantita o quando si sa che la distribuzione è asimmetrica. Per calcolare rapidamente la MAD dei tuoi dati, inserisci i valori separati da virgola nel nostro calcolatore e ottieni istantaneamente il risultato insieme alla mediana e al dettaglio degli scarti assoluti di ciascun valore.

Strumenti correlati

Per l'analisi statistica: mediana e moda, proporzioni, percentuale, break-even e ROI investimento.