Statistiche descrittive tesi: cosa riportare e perché

Hai aperto il file dei risultati, hai davanti una colonna di medie, percentuali e deviazioni standard, ma non sai quali numeri meritino davvero di entrare nella tesi. Il rischio è doppio: da un lato una tabella piena di cifre che nessuno leggerà, dall’altro una sezione risultati troppo povera, dove il relatore ti chiede “com’è fatto il campione?” o “quanto variano i dati?”. Le statistiche descrittive tesi non sono un riempitivo prima dei test: sono la parte che rende leggibile il dataset, mostra la qualità delle misure e prepara il lettore a capire l’analisi successiva. Se scelte male, confondono; se scelte bene, fanno risparmiare spiegazioni e rendono più credibile l’intero elaborato.

Le statistiche descrittive servono a descrivere campione, variabili e distribuzioni prima di interpretare relazioni o differenze. In una tesi di laurea triennale o magistrale conviene riportare frequenze e percentuali per variabili categoriche, media e deviazione standard o mediana e intervallo interquartile per variabili numeriche, più una breve spiegazione testuale dei risultati principali. Una buona sezione descrittiva non elenca tutto: seleziona ciò che aiuta il lettore a capire dati, metodo e analisi.

In questa guida

• Come usare le statistiche descrittive tesi nei risultati senza confondere il lettore?
• Quali statistiche descrittive riportare per variabili continue categoriche e ordinali?
• Come scegliere tra media e deviazione standard tesi mediana e intervallo interquartile?
• Come costruire una tabella statistiche descrittive leggibile?
• Come riportare statistiche descrittive nel testo dei risultati?
• Come cambiano le statistiche descrittive tra psicologia sanità e management?
• Quali errori fanno più spesso gli studenti con le statistiche descrittive?
• Come passare dalle statistiche descrittive all’analisi inferenziale?
• Come controllare le statistiche descrittive prima di consegnare l’elaborato?

Come usare le statistiche descrittive tesi nei risultati senza confondere il lettore?

Le statistiche descrittive nella tesi vanno usate per rispondere a tre domande: chi o che cosa è stato analizzato, come sono distribuite le variabili e quali valori preparano l’analisi successiva. Non devono anticipare conclusioni causali né sostituire i test statistici. Il loro compito è dare una fotografia ordinata dei dati.

La funzione delle descrittive nella logica della tesi

Statistica descrittiva significa riassumere un insieme di dati con indici, tabelle o grafici. In una tesi quantitativa, questa parte si colloca di solito all’inizio del capitolo dei risultati, dopo aver spiegato metodo, campione e strumenti. Serve a far vedere se i dati sono coerenti con ciò che hai promesso nella metodologia.

Per esempio, se nella domanda di ricerca studi la relazione tra stress percepito e rendimento universitario, il lettore deve sapere quanti studenti hanno risposto, qual è l’età media, come si distribuisce il punteggio di stress e se il rendimento è espresso come voto medio, crediti superati o altra misura. Senza questa base, una correlazione successiva resta sospesa.

Se devi ancora definire con precisione le variabili della tua ricerca, può aiutarti lo schema visuale per definire variabili in una ricerca quantitativa, perché le descrittive dipendono direttamente da come misuri ciascun concetto.

Che cosa descrivere prima dei test

Di solito conviene descrivere prima il campione e poi le variabili principali. Il campione include caratteristiche come età, genere, anno di corso, reparto sanitario, classe scolastica, azienda o altra informazione rilevante. Le variabili principali sono quelle collegate alla domanda di ricerca, agli obiettivi o alle ipotesi.

Campione: insieme delle unità osservate nella ricerca, come studenti, pazienti, classi, aziende, sentenze o questionari compilati.
Variabile: caratteristica misurata o classificata, come età, soddisfazione, reddito, aderenza terapeutica o voto finale.
Distribuzione: modo in cui i valori di una variabile si dispongono nel dataset, per esempio concentrati attorno a una media o molto dispersi.

Una buona regola pratica: se un numero aiuta a capire chi hai studiato, che cosa hai misurato o perché hai scelto un certo test, probabilmente merita spazio. Se invece è solo un output prodotto automaticamente dal software, non è detto che serva.

Quali statistiche descrittive riportare per variabili continue categoriche e ordinali?

La scelta dipende dal tipo di variabile: per le variabili categoriche si riportano frequenze e percentuali, per quelle numeriche si usano media e deviazione standard oppure mediana e intervallo interquartile, per quelle ordinali spesso conviene combinare frequenze e misura centrale. Non esiste una lista unica valida per ogni tesi. La domanda giusta è: quale indice riassume meglio questa variabile senza deformarla?

Variabili categoriche: frequenze e percentuali

Una variabile categorica divide i casi in gruppi, senza assumere necessariamente una distanza numerica tra le categorie. Esempi: genere, corso di laurea, tipo di contratto, reparto, area geografica, presenza o assenza di una condizione.

Per queste variabili, le statistiche più utili sono:

• frequenza assoluta, cioè quanti casi rientrano in ogni categoria;
• percentuale, cioè quale quota del campione rappresenta ogni categoria;
• eventuale indicazione dei dati mancanti, se rilevanti.

Esempio realistico: in una tesi di psicologia sul benessere degli studenti, scrivere “Il campione è composto da 132 studenti: 84 donne (63.6%), 45 uomini (34.1%) e 3 partecipanti che non hanno indicato il genere (2.3%)” è più chiaro di “La maggior parte del campione era femminile”.

Variabili continue: centro e variabilità

Una variabile continua può assumere molti valori numerici lungo una scala, come età, punteggio a un questionario, tempo di risposta, pressione arteriosa, reddito o voto medio. Qui non basta dire “alto” o “basso”: devi mostrare sia il valore tipico sia quanto i dati variano.

Gli indici più usati sono:

• media, cioè la somma dei valori divisa per il numero di casi;
• deviazione standard, cioè quanto i valori tendono a discostarsi dalla media;
• minimo e massimo, utili per capire l’intervallo osservato;
• mediana, cioè il valore centrale quando i dati sono ordinati;
• intervallo interquartile, cioè la fascia in cui cade il 50% centrale dei dati.

Se stai cercando quali statistiche descrittive riportare, parti sempre dal livello di misura. Una scala Likert da 1 a 5, per esempio, può essere trattata in modi diversi a seconda delle convenzioni del corso, del numero di item e del tipo di analisi prevista.

Variabili ordinali: attenzione alla scala

Una variabile ordinale ha categorie ordinate, ma la distanza tra le categorie non è sempre uguale. Esempi: grado di accordo, livello di soddisfazione, gravità percepita, classe di reddito, livello di istruzione.

Per una singola domanda Likert, spesso sono utili frequenze e percentuali per ciascuna risposta. Per un punteggio composto da più item, come una scala di soddisfazione media, può essere accettabile riportare media e deviazione standard, se il tuo corso o il tuo relatore lo considerano appropriato.

La coerenza conta più dell’abitudine. Se dici nella metodologia che userai un punteggio medio di engagement da 1 a 5, allora nei risultati puoi riportare media, deviazione standard, minimo e massimo. Se invece analizzi una singola domanda “per nulla / poco / abbastanza / molto”, una tabella di frequenze può essere più trasparente.

Come scegliere tra media e deviazione standard tesi mediana e intervallo interquartile?

Media e deviazione standard funzionano bene quando i dati numerici sono abbastanza simmetrici e non dominati da valori estremi. Mediana e intervallo interquartile sono più adatti quando la distribuzione è asimmetrica, contiene outlier o riguarda scale ordinali. La scelta deve essere spiegabile, non solo automatica.

Quando usare media e deviazione standard

La coppia “media e deviazione standard tesi” compare spesso perché è compatta e familiare. Funziona bene per variabili come punteggi di test, età in campioni non troppo sbilanciati, scale psicometriche aggregate, tempi medi o indicatori continui con distribuzione ragionevolmente regolare.

Esempio: “Il punteggio medio di stress percepito è pari a 21.4 (DS = 5.8), su una scala da 0 a 40”. Qui la media indica il livello tipico, mentre la deviazione standard mostra che i punteggi non sono tutti concentrati sullo stesso valore.

Deviazione standard: misura della dispersione attorno alla media; valori più alti indicano maggiore variabilità. Non significa “errore” e non va interpretata come giudizio di qualità del dato. Una DS alta può essere perfettamente sensata se il campione è eterogeneo.

Quando preferire mediana e intervallo interquartile

La mediana è il valore che divide i dati ordinati in due metà. L’intervallo interquartile indica la distanza tra il primo e il terzo quartile, cioè la parte centrale della distribuzione.

Questi indici sono utili quando pochi valori estremi spostano molto la media. In una tesi di management sui tempi di risposta del servizio clienti, per esempio, la maggioranza dei ticket può essere chiusa entro 24 ore, ma alcuni casi eccezionali possono restare aperti per settimane. La media salirebbe molto, mentre la mediana racconterebbe meglio l’esperienza tipica.

Un confronto concreto:

Situazione nel dataset	Versione debole	Versione più adatta
Età di 80 studenti tra 19 e 27 anni, distribuzione regolare	“Età: min 19, max 27”	“Età media = 22.1 anni, DS = 1.9”
Reddito mensile con pochi valori molto alti	“Reddito medio = 2,850 euro”	“Reddito mediano = 1,750 euro, IQR = 1,300–2,200”
Genere dei partecipanti	“Genere medio = 1.42”	“Donne: 58.0%; uomini: 40.5%; altro/non indicato: 1.5%”
Risposta Likert singola da 1 a 5	“Media = 3.7, quindi accordo alto”	“Il 64.0% risponde ‘abbastanza’ o ‘molto’; mediana = 4”

Una procedura pratica per decidere

Puoi scegliere gli indici con una sequenza semplice:

1. Identifica il tipo di variabile: categorica, ordinale, continua o punteggio composito.
2. Controlla se la variabile ha valori mancanti o codifiche strane, come 99 per “non risponde”.
3. Osserva minimo, massimo e distribuzione, anche con un istogramma o boxplot.
4. Scegli frequenze e percentuali per categorie; media e DS per dati numerici regolari; mediana e IQR per distribuzioni asimmetriche.
5. Mantieni lo stesso criterio per variabili simili, salvo motivo esplicito.
6. Scrivi una frase che giustifichi la scelta se non è ovvia.

Se hai dubbi anche sul test successivo, lo schema visivo per scegliere il test statistico può aiutarti a collegare tipo di variabile, domanda di ricerca e analisi inferenziale.

Come costruire una tabella statistiche descrittive leggibile?

Una tabella statistiche descrittive deve permettere al lettore di capire rapidamente variabile, numero di casi validi, indice principale e dispersione. Meglio poche colonne ben scelte che un output copiato dal software con sigle incomprensibili. Titolo, note e formato coerente valgono quanto i numeri.

Struttura minima di una tabella utile

Una tabella descrittiva efficace contiene di solito:

• nome chiaro della variabile;
• numero di osservazioni valide;
• media e deviazione standard, oppure mediana e IQR;
• minimo e massimo, se aiutano a capire la scala;
• frequenze e percentuali per variabili categoriche;
• nota sulle scale usate, quando necessario.

Esempio di tabella per variabili numeriche:

Variabile	N valido	Media	DS	Min–Max
Età dei partecipanti	132	22.4	2.8	19–34
Stress percepito	129	21.4	5.8	7–36
Soddisfazione accademica	131	3.6	0.7	1–5

Questa tabella funziona perché non obbliga il lettore a cercare informazioni sparse. I valori sono allineati, le variabili hanno nomi leggibili e la scala è riconoscibile.

Formato, decimali e note

Non serve riportare cinque decimali solo perché il software li produce. In molte tesi bastano uno o due decimali, purché il criterio sia coerente. Le percentuali possono avere un decimale se il campione non è enorme; se il campione è molto piccolo, troppa precisione può dare una falsa impressione di esattezza.

Scrivi “DS” o “deviazione standard” in modo coerente. Se usi abbreviazioni, definiscile nella nota della tabella: “Nota. DS = deviazione standard; IQR = intervallo interquartile”. Evita colonne come “Skewness”, “Kurtosis” o “Errore standard” se non le interpreti o non servono alla scelta del test.

Una tabella non deve essere autosufficiente al 100%, ma deve essere leggibile anche senza rileggere tutto il paragrafo precedente. Se il lettore non capisce la scala, aggiungi una nota: “Stress percepito misurato su scala 0–40; valori più alti indicano maggiore stress”.

Prima e dopo: esempio di revisione

Versione debole dello studente	Riscrittura più forte
“La media della motivazione è 3.89 e la deviazione standard è 0.774839. La media dell’ansia è 2.91 e la deviazione standard è 1.02432. I risultati sono abbastanza buoni.”	“La motivazione accademica presenta un punteggio medio di 3.9 (DS = 0.8) su scala 1–5, mentre l’ansia da esame mostra un valore medio di 2.9 (DS = 1.0). I dati indicano livelli medi di motivazione superiori al punto centrale della scala e una variabilità moderata in entrambe le misure.”

La seconda versione non promette più di quanto i dati possano dire. Toglie decimali inutili, specifica la scala, separa descrizione e interpretazione cauta.

Come riportare statistiche descrittive nel testo dei risultati?

Nel testo devi commentare solo i valori che orientano la lettura, senza duplicare ogni cella della tabella. La frase ideale dice che cosa è stato misurato, su quale scala, quale valore sintetico emerge e che cosa significa in modo prudente. Se una tabella contiene già tutto, il testo deve guidare, non ripetere.

Il rapporto tra tabella e paragrafo

La tabella offre il dettaglio; il paragrafo evidenzia i punti che contano per la domanda di ricerca. Scrivere “come si vede nella Tabella 2” non basta: devi dire che cosa il lettore deve notare.

Esempio: “Come mostrato nella Tabella 2, i partecipanti presentano un livello medio di soddisfazione accademica pari a 3.6 (DS = 0.7) su scala 1–5. Il valore si colloca sopra il punto centrale della scala, mentre la deviazione standard suggerisce una dispersione contenuta.”

Questa frase funziona perché unisce dato, scala e lettura prudente. Non dice che gli studenti sono “molto soddisfatti” se la scala non lo giustifica, e non trasforma un risultato descrittivo in prova di una relazione causale.

Verbi utili e formulazioni da evitare

Per come riportare statistiche descrittive in modo accademico, usa verbi descrittivi: “presenta”, “si colloca”, “risulta pari a”, “varia tra”, “mostra una distribuzione”. Evita verbi troppo forti come “dimostra”, “prova”, “conferma” quando stai solo descrivendo dati.

Formulazione debole:

Debole: “La media è alta, quindi gli studenti sono motivati e questo conferma che il corso funziona.”

Formulazione più forte:

Più forte: “Il punteggio medio di motivazione è pari a 3.9 (DS = 0.6) su scala 1–5, indicando valori mediamente superiori al punto centrale della scala. Questo risultato descrittivo non consente da solo di attribuire il livello di motivazione alle caratteristiche del corso.”

La differenza è sostanziale: la seconda frase protegge la validità della tesi. Descrive ciò che i dati mostrano e lascia eventuali spiegazioni alle analisi successive o alla discussione.

Come cambiano le statistiche descrittive tra psicologia sanità e management?

Le regole di base restano le stesse, ma cambiano le variabili da descrivere e il livello di dettaglio atteso. In psicologia contano spesso scale e punteggi; in sanità contano anche caratteristiche cliniche e indicatori di rischio; in management sono frequenti gruppi organizzativi, performance e tempi. Le descrittive devono riflettere il linguaggio del campo.

Esempio in psicologia e scienze sociali

In una tesi di psicologia sulla relazione tra solitudine percepita e uso dei social media tra studenti universitari, le descrittive potrebbero includere età, genere, ore medie di utilizzo giornaliero, punteggio di solitudine e punteggio di benessere psicologico.

Una frase adatta: “Il campione comprende 214 studenti, con età media pari a 21.8 anni (DS = 2.4). Il tempo giornaliero dichiarato sui social media presenta una mediana di 3.0 ore (IQR = 2.0–4.5), suggerendo una distribuzione asimmetrica con alcuni valori elevati.”

Qui la mediana è più adatta della sola media perché il tempo sui social può avere valori estremi. La descrizione prepara il lettore a capire eventuali correlazioni successive.

Esempio in scienze sanitarie o infermieristiche

In una tesi infermieristica sull’aderenza alla terapia farmacologica tra pazienti anziani dimessi in assistenza domiciliare, le descrittive potrebbero includere età, numero di farmaci prescritti, presenza di caregiver, punteggio di aderenza e numero di riammissioni entro 30 giorni.

Una descrizione plausibile: “I pazienti assumono una mediana di 6 farmaci al giorno (IQR = 4–8), mentre il 48.2% dichiara la presenza stabile di un caregiver. Il punteggio di aderenza mostra una media di 7.1 (DS = 1.6) su scala 0–10.”

In ambito sanitario è particolarmente utile indicare le unità di misura. “Pressione arteriosa”, “giorni di ricovero” o “numero di farmaci” non devono restare numeri senza contesto.

Esempio in educazione e management

In una tesi di management sullo smart working e la soddisfazione lavorativa in una PMI, potresti descrivere ruolo aziendale, anzianità, numero di giorni da remoto, punteggio di soddisfazione e percezione del supporto del responsabile.

Una frase efficace: “I dipendenti lavorano da remoto in media 2.3 giorni a settimana (DS = 1.1). La soddisfazione lavorativa presenta un valore medio di 3.8 (DS = 0.7) su scala 1–5, con punteggi compresi tra 2.1 e 5.0.”

Se la tesi riguarda un questionario, la progettazione degli item incide direttamente sulle descrittive. Per evitare variabili ambigue o scale difficili da interpretare, può essere utile lo schema visivo per progettare un questionario di ricerca.

Quali errori fanno più spesso gli studenti con le statistiche descrittive?

Gli errori più frequenti nascono da output copiati senza selezione, indici incoerenti con il tipo di variabile e commenti che interpretano troppo. Una sezione descrittiva debole spesso sembra “tecnica”, ma in realtà non guida il lettore. Correggerla significa scegliere meno numeri e spiegarli meglio.

Errori concreti e correzioni

1. Calcolare la media di una categoria nominale
   Esempio dello studente: “Il genere ha media 1.42 e DS 0.51.”
   Correzione: il genere non va descritto con media e deviazione standard. Riporta frequenze e percentuali per ciascuna categoria, spiegando anche eventuali risposte mancanti.

2. Usare decimali eccessivi perché li mostra il software
   Esempio dello studente: “La media dell’autostima è 3.746291 e la deviazione standard è 0.683921.”
   Correzione: arrotonda in modo coerente, per esempio “M = 3.75, DS = 0.68” oppure “M = 3.7, DS = 0.7”, secondo le indicazioni del corso.

3. Riportare solo la media con dati molto asimmetrici
   Esempio dello studente: “Il tempo medio di completamento del questionario è 18 minuti”, quando molti rispondono in 8–10 minuti e pochi lasciano il questionario aperto per ore.
   Correzione: aggiungi mediana e IQR, oppure pulisci i casi anomali se hai un criterio metodologico dichiarato.

4. Commentare le descrittive come se fossero test di ipotesi
   Esempio dello studente: “Gli studenti del secondo anno hanno una media più alta, quindi l’anno di corso influenza la motivazione.”
   Correzione: scrivi che il gruppo presenta una media più alta nel campione; per parlare di differenza statisticamente valutata serve un test appropriato.

5. Descrivere variabili che non servono alla domanda di ricerca
   Esempio dello studente: inserire una tabella con 25 domande secondarie del questionario, anche se la tesi analizza solo tre scale aggregate.
   Correzione: sposta eventuali dettagli in appendice e mantieni nel capitolo risultati le variabili necessarie per obiettivi, ipotesi e analisi.

Perché questi errori pesano sulla valutazione

Un relatore non cerca una sezione piena di formule: cerca coerenza tra domanda, metodo e risultati. Se descrivi male una variabile, tutto ciò che segue diventa meno convincente. Una media calcolata su una categoria nominale segnala che non hai collegato teoria, misurazione e analisi.

Molti problemi nascono prima dell’analisi, nella definizione del disegno di ricerca. Se stai ancora decidendo se il tuo elaborato sarà quantitativo, qualitativo o teorico, i tre percorsi metodologici verso una scelta di ricerca possono aiutarti a non forzare dati numerici dove non servono.

Come passare dalle statistiche descrittive all’analisi inferenziale?

Il passaggio avviene quando usi le descrittive per decidere e presentare i test successivi. Le descrittive mostrano forma dei dati, differenze apparenti, variabilità e possibili anomalie; l’analisi inferenziale valuta relazioni o differenze con procedure statistiche. Non saltare questo ponte: rende più chiara la logica dei risultati.

Dalle descrittive alle ipotesi

Se la tua ipotesi riguarda una relazione, le descrittive anticipano le caratteristiche delle variabili coinvolte. Per esempio: prima di riportare una correlazione tra ore di studio e voto medio, descrivi entrambe le variabili. Il lettore capisce così se i voti sono tutti concentrati o se esiste abbastanza variabilità per osservare una relazione.

Se la tua ipotesi riguarda differenze tra gruppi, descrivi i gruppi. In una tesi sull’effetto percepito del tutoraggio tra studenti di laurea triennale, potresti riportare quanti studenti hanno partecipato al tutoraggio e quanti no, più media e DS del rendimento in entrambi i gruppi. Solo dopo ha senso presentare un t-test o altro confronto.

Cosa non possono dire le descrittive

Le descrittive non dicono se una differenza è statisticamente significativa, non stimano da sole un effetto causale e non correggono un campione distorto. Possono però far emergere segnali utili: gruppi molto sbilanciati, variabili con poca variabilità, outlier, percentuali inattese di dati mancanti.

Esempio: se il 92% del campione è composto da studenti dello stesso corso, non puoi presentare risultati come se rappresentassero tutta l’università. Le descrittive ti obbligano a riconoscere il perimetro reale del dataset. Questo non rovina la tesi; rende più onesta la discussione dei limiti.

Come controllare le statistiche descrittive prima di consegnare l’elaborato?

Prima di consegnare, verifica coerenza tra variabili, indici, tabelle e testo. Ogni numero deve avere una funzione: descrivere il campione, chiarire una misura o preparare un’analisi. Se non sai perché un valore è lì, probabilmente va tolto, spostato in appendice o spiegato meglio.

Controllo di coerenza interna

Rileggi la sezione risultati come se non conoscessi il dataset. Le tabelle spiegano quali scale sono usate? Il testo richiama i valori davvero rilevanti? I decimali sono coerenti? Le percentuali sommano circa 100%, salvo arrotondamenti o risposte multiple?

Controlla anche che i nomi delle variabili siano uguali in metodologia, risultati e appendice. Se in metodologia parli di “soddisfazione accademica” e nei risultati scrivi “gradimento”, il lettore può pensare che siano due variabili diverse. Le statistiche descrittive funzionano meglio quando la terminologia resta stabile.

Before you move on: checklist per le statistiche descrittive

• Ho distinto variabili categoriche, ordinali e continue prima di scegliere gli indici.
• Ho riportato frequenze e percentuali per le variabili categoriche rilevanti.
• Ho usato media e deviazione standard solo quando la distribuzione lo rende sensato.
• Ho considerato mediana e intervallo interquartile per variabili asimmetriche o con outlier.
• Ogni tabella statistiche descrittive ha titolo, colonne chiare e note sulle abbreviazioni.
• Ho indicato N valido o dati mancanti quando incidono sulla lettura.
• Non ho copiato output grezzi del software con decimali inutili.
• Il testo commenta i risultati principali senza ripetere tutta la tabella.
• Non ho trasformato descrizioni in affermazioni causali o inferenziali.
• Le descrittive preparano in modo logico i test statistici o la discussione successiva.
• Le variabili hanno lo stesso nome in metodologia, risultati e appendici.
• Ho spostato dettagli secondari in appendice quando appesantivano il capitolo.