Riflessioni su errori ed incertezza nelle previsioni
1. Prevedo. Sbaglio.
Mi correggo!
Galileo Galilei
Riccardo Rigon
Friday, October 26, 12
2. In memoria di
Sandro Marani
(1936-2012)
Friday, October 26, 12
3. Si impara dai propri errori: per
questo imparare è così faticoso.
Friday, October 26, 12
4. Elementi di metodo
L’esperimento
Straulino, Physics Education, 2008
Al centro della concezione Galileiana c’è la possibilità di eseguire “sensati
esperimenti”. Ovvero di condurre esperienze ideali in cui gli elementi che
controllano la dinamica dell’esperimento sono rigorosamente controllati
e misurati.
4
R. Rigon
Friday, October 26, 12
5. Elementi di metodo
L’esperimento
Straulino, Physics Education, 2008
Ogni esperimento deve essere riproducibile. Se le condizioni
dell’esperimento sono riprodotte, allora i risultati dovranno
essere gli stessi.
5
R. Rigon
Friday, October 26, 12
6. Elementi di metodo
L’esperimento
I rapporti tra le grandezze misurate sono poi tradotte in termini matematici,
ovvero in un linguaggio simbolico e formale.
“Non entri chi non sa la matematica”*
*Scritta che si dice fosse sull’entrata dell’Accademia di Platone 6
R. Rigon
Friday, October 26, 12
7. Elementi di metodo
L’esperimento
Controllato
Misurato
Riproducibile
Traducibile in un linguaggio simbolico e
formale
7
R. Rigon
Friday, October 26, 12
9. Equazioni: come strumenti per prevedere il futuro
Le equazioni
Le equazioni sono parte di questo linguaggio formale. Esse esprimono
relazioni tra quantità (nelle intenzioni misurabili), nella forma di funzioni e
di rapporti tra “variazioni”. Nel caso di cui sopra, la seconda legge della
dinamica per un oggetto puntiforme, si tratta della variazione della velocità,
l’accelerazione, , nel tempo. Equazioni di questo tipo si dicono equazioni
differenziali.
9
R. Rigon
Friday, October 26, 12
10. Equazioni: come strumenti per prevedere il futuro
Problemi ai valori iniziali
L’accelerazione è la variazione di velocità:
La velocità è la variazione di posizione:
10
R. Rigon
Friday, October 26, 12
11. Equazioni: come strumenti per prevedere il futuro
Problemi ai valori iniziali
Un problema dinamico è risolto quando è risolta l’equazione iniziale,
assegnati velocità e posizione iniziale.
11
R. Rigon
Friday, October 26, 12
12. Equazioni: come strumenti per prevedere il futuro
Problemi ai valori iniziali
Per fare questo è necessario:
•trovare una funzione che descriva la forza
•assegnare la posizione iniziale e la velocità iniziale del sistema
•aver misurato la massa inerziale
A questo punto, passato, presente e futuro sono completamente
determinati 12
R. Rigon
Friday, October 26, 12
13. Equazioni e misure
L’esperimento
Controllato
Misurato
Riproducibile
13
R. Rigon
Friday, October 26, 12
14. Equazioni e misure
L’esperimento
Traducibile in un linguaggio simbolico e
formale
Supporta un problema alle condizioni
iniziali
E ci permette di prevedere il futuro !
14
R. Rigon
Friday, October 26, 12
15. Equazioni e misure
Pierre Simon de Laplace
Saggio sulle probabilità, 1814
"Tutti gli avvenimenti, anche quelli che per la loro piccolezza non
sembrano essere dominati dalle grandi leggi della natura, ne sono una
conseguenza così necessaria come le rivoluzioni del Sole.
Nell'ignoranza dei legami che li uniscono all'intero sistema
dell'universo, li si fa dipendere da cause finali o dal caso. Ma queste
cause immaginarie sono state successivamente arretrate fino ai limiti
delle nostre conoscenze, e svaniscono del tutto davanti alla sana
filosofia, che non vede in esse se non l'espressione dell'ignoranza in cui
siamo circa le vere cause.
15
R. Rigon
Friday, October 26, 12
16. Equazioni e misure
Pierre Simon de Laplace
Saggio sulle probabilità, 1814
Un'intelligenza che per un dato istante conoscesse tutte le forze da cui
la natura è animata e la situazione rispettiva degli esseri che la
compongono, se fosse così vasta da sottoporre questi dati all'analisi,
abbraccerebbe in un'unica e medesima formula i movimenti dei più
grandi corpi dell'universo e quelli del più lieve atomo:
nulla sarebbe incerto per essa, e l'avvenire,
come il passato, sarebbe presente ai suoi
occhi."
16
R. Rigon
Friday, October 26, 12
17. Riflessioni
Riccardo Rigon
Pensa Trasversale
Paradossalmente, Laplace che diceva che Dio è un’ipotesi di cui non aveva
bisogno, pone a base del suo determinismo una mente onnipotente !
Io preferisco pensare che, semplicemente ci sono cose conoscibili e cose non
conoscibili. Tra queste, per esempio, rientrano le condizioni iniziali di un
sistema fisico classico.
Tuttavia, come vedremo, il fatto che una certa situazione sia o no conoscibile
esattamente non sempre è cruciale
17
R. Rigon
Friday, October 26, 12
19. Pensa trasversale
L’esperimento
Controllato
Un esperimento controllato, un classico esperimento ideale, è quello in cui
1, UNA SOLA
sola variabile è studiata alla volta e gli sperimentatori tentano di rendere ogni
costante variabile dell’esperimento, eccettuata quella lasciata mutare.
Spesso gli sperimentatori cercano anche di effettuare degli esperimenti di
controllo in cui, per esempio, si cerca di mantenere anche la variabile da
controllare costante.
19
R. Rigon
Friday, October 26, 12
20. Pensa trasversale
L’esperimento
Controllato
Quando Galileo effettuò i suoi esperimenti con i pesi, lo fece usando diverse
sostanze, ma mantenendo la stessa altezza, usò oggetti di forma uguale,
cosicchè, alla fine, solo il peso dell’oggetto variava.
Magritte - Souvenir de voyage, 1921
20
R. Rigon
Friday, October 26, 12
21. Pensa trasversale
L’esperimento
Controllato
Il mancato controllo completo delle variabili dell’esperimento introduce degli
errori.
Magritte - Souvenir de voyage, 1921
21
R. Rigon
Friday, October 26, 12
22. Pensa trasversale
L’esperimento
Misurato
Riproducibile
Ovviamente Galileo assume che ci sia qualcosa da misurare, lunghezze, tempi,
principalmente. Ma talvolta le grandezze da analizzare non sono direttamente
misurabili per confronto.
22
R. Rigon
Friday, October 26, 12
23. Pensa trasversale
L’esperimento
Misurato
Riproducibile
La misura richiede strumenti che hanno una loro fisica (e talvolta una loro
dinamica). Ed una misura non è mai perfetta. Ripetendo l’esperimento spesso si
ottengono misure differenti.
23
R. Rigon
Friday, October 26, 12
24. Pensa trasversale
L’esperimento
Non da mai risultati certi
Spesso consideriamo l’errore trascurabile ma la misura rimane sempre
una stima. Se l’errore sia veramente trascurabile, dipende anche da ciò
che vogliamo ottenere.
24
Friday, October 26, 12
25. “Fare Scienza è oggi una attività che
non si svolge più nella notte dei secoli
bui, nè alla chiara luce dei lumi, ma nel
crepuscolo della probabilità ”
Paolo Agnoli citando Paolo Vineis che cita John
Locke
Friday, October 26, 12
26. Pensa trasversale
L’esperimento
Traducibile in un linguaggio simbolico e
formale
se introduciamo gli errori e l’incertezza derivante
dalle misure, nella seconda legge della dinamica:
non c’e’ errore sull’accelerazione perchè è in funzione della variabile indipendente, la posizione
26
R. Rigon
Friday, October 26, 12
27. Pensa trasversale
La seconda equazione della dinamica
contiene errori combinati in vario modo
(in realtà la situazione è più complicata perchè gli errori non sono solo additivi)
ed è, fondamentalmente, un’equazione diversa quella
che andiamo a risolvere.
27
R. Rigon
Friday, October 26, 12
28. Pensa trasversale
Supporta un problema alle condizioni
iniziali
Il problema da risolvere è un problema diverso di
quello “standard”, se vogliamo tener conto degli errori.
NON SOLO
e, ovviamente, anche le condizioni iniziali sono note
con incertezza
28
R. Rigon
Friday, October 26, 12
29. Pensa trasversale
E non ci permette di prevedere il futuro
con precisione assoluta !
Roden - Il pensatore
Normalmente abbiamo in mano le equazioni
giuste solo in apparenza 29
R. Rigon
Friday, October 26, 12
30. Pensa trasversale
c’e’
anche un altro aspetto trascurato
Non di tutte le equazioni esiste ed è unica la soluzione
Non di tutte le equazioni esiste una soluzione
“analitica” (una formula risolvente esplicita)
30
R. Rigon
Friday, October 26, 12
31. Pensa trasversale
Analitica a chi ?
La parola “analitico” è una grande frode. Starebbe ad intendere una
conoscenza assoluta dei valori della funzione. Per lo più, se escludiamo i
polinomi, le funzioni, per esempio le funzioni trascendenti, non sono
invece note in modo assoluto, ma solo per approssimazioni.
31
R. Rigon
Friday, October 26, 12
32. Pensa trasversale
Analitica a chi ?
Così, anche le equazioni che hanno soluzioni in forma nota, analitica, non sono
in realtà, vorrei dire, “in ultima analisi”, ;-), note esattamente, ma solo in
astratto, come per il numero pi greco.
32
R. Rigon
Friday, October 26, 12
33. Pensa trasversale
Per lo più
Le equazioni si possono risolvere solo numericamente, cioè con
metodi approssimati, portando a risultati
incerti.
33
R. Rigon
Friday, October 26, 12
34. Sbagliato sino in fondo ?
L’errore può essere “epistemico”
Ovvero anche l’equazione di partenza può essere
sbagliata. Stando all’esempio, non solo
Perchè la forza e la massa (i parametri) dell’equazione non sono noti
esattamente, ma anche perchè, la seconda legge della dinamica potrebbe
non essere quella, ma richiedere piccole (?) modifiche
34
R. Rigon
Friday, October 26, 12
35. Sbagliato sino in fondo ?
L’errore può essere “epistemico”
Albert Einstein
Che è, con qualche imprecisione notazionale la seconda legge della dinamica
nella relatività ristretta.
35
R. Rigon
Friday, October 26, 12
36. Riflessioni
Ovviamente essendo la matematica un linguaggio
formale
Ha dei limiti di rappresentazione
Per i greci antichi la matematica era la geometria
euclidea. Per i nostri discendenti forse avrà forse
una forma diversa
36
R. Rigon
Friday, October 26, 12
37. Riflessioni
Quanto illustrato è naturalmente
il caso semplice
Di un corpo puntiforme, con pochi
gradi di libertà
37
R. Rigon
Friday, October 26, 12
39. Adding complexity
Un fluido è un oggetto molto più
complesso di un punto
Per esempio, l’equazione della dinamica (di Newton!), di un fluido
Newtoniano è:
conosciuta con equazione di Navier-Stokes
39
R. Rigon
Friday, October 26, 12
40. Adding complexity
Un fluido è un oggetto molto più
complesso di un punto
Per esempio, l’equazione della dinamica (di Newton!), di un fluido
Newtoniano è:
conosciuta con equazione di Navier-Stokes ;-)
40
R. Rigon
Friday, October 26, 12
41. Adding complexity
Senza entrare nei dettagli
“Accelerazioni”
densità del fluido
“Forze” di vario genere
Si tratta di equazioni differenziali alle derivate
parziali 41
R. Rigon
Friday, October 26, 12
42. Adding complexity
Si vuole risolta l’equazione
su tutto un determinato dominio
ci vuole ben più du Navier-Stokes per descrivere i fenomeni idrologici correlati a quello che vedete
42
R. Rigon
Friday, October 26, 12
43. Adding complexity
Bisogna assegnare, non solo le condizioni iniziali
in ogni punto del dominio
ma anche le condizioni al contorno
per ogni istante di tempo che si vuole modellare 43
R. Rigon
Friday, October 26, 12
44. Adding complexity
Avremmo bisogno di
misure !
44
R. Rigon
Friday, October 26, 12
45. Adding complexity
Non essendo questo possibile
introduciamo
errori e approsimazioni
45
R. Rigon
Friday, October 26, 12
46. Riflessioni
Inoltre le Geo-scienze
usano gli esperimenti in modo diverso della ricerca
puramente Galileiana
Non si fanno esperimenti veri e propri
ma si registrano invece eventi* e molti eventi (una
piena, un terremoto) non sono certamente ripetibili.
*Molti miei colleghi arguirebbero qui che loro fanno molti esperimenti in laboratorio ... ma
46
R. Rigon
Friday, October 26, 12
47. Riflessioni
Ci si trova quindi nelle condizioni
di dover ricostruire le condizioni “di
controllo” di un esperimento da una serie
di misure parziali e di indizi
Renè Magritte - La condizione umana, 1933
47
R. Rigon
Friday, October 26, 12
48. Riflessioni
Fare approssimazioni è dunque inevitabile
Ma è così grave ?
Renè Magritte - La clef de verre, 1959
48
R. Rigon
Friday, October 26, 12
49. Ciclicità
Se guardiamo al moto dei pianeti
attorno al sole
NASA/JPL reconstruction
essi ritornano con una certa regolarità, all’incirca nelle stesse posizioni relative.
Se sbagliamo di un po’ la soluzione delle equazioni che li regolano, non abagliamo
di molto. I fenomeni sono ciclici, e l’errore di previsione che si fa rimane limitato
nel tempo.
49
R. Rigon
Friday, October 26, 12
50. E il suo contrario
Caos deterministico
Non è il nome di una rock band
Lorenz‘s attractor
50
R. Rigon
Friday, October 26, 12
51. Impredicibilità
Se il sistema è caotico
Preparati due esperimenti con il sistema in due in
condizioni iniziali qualsivoglia prossime, esso evolverà
in direzioni diverse: tanto diverse quanto la variabilità
del sistema lo permette.
Ogni errore iniziale diventa
importante e il sistema diventa
impredicibile
Il sistema meteorologico terrestre è così
51
R. Rigon
Friday, October 26, 12
52. Impredicibilità
Se il sistema è caotico
Ogni errore nelle condizioni iniziali (e/o) al contorno
diventa arbitrariamente grande
Può piovere o no, senza che riusciamo a prevederlo
52
R. Rigon
Friday, October 26, 12
53. Eterogeneità
Poco male se le condizioni iniziali
e i parametri
fossero ovunque uniformi
Rothko - Untitled
53
R. Rigon
Friday, October 26, 12
54. Eterogeneità
Invece sono anche eterogenei
Shozo Shimamoto
54
R. Rigon
Friday, October 26, 12
55. Eterogeneità
Per conoscere l’informazione qui
bastano pochi numeri
(è solo un’impressione)
Qui ce ne vuole un po’ di più
(almeno in funzione della complessità dei patterns)
55
R. Rigon
Friday, October 26, 12
56. Eterogeneità -> Casualità
In fondo un’immagine è solo una sequenza di numeri
Solo che alcune sequenze di numeri possono essere
“compresse”, altre di meno. Una sequenza di numeri
completamente casuale, non può essere compressa
56
R. Rigon
Friday, October 26, 12
57. Un esempio
Questa è una immagine o una misura di qualcosa ?
Landsat Image
57
R. Rigon
Friday, October 26, 12
58. Riflessioni
Maggiore eterogenità
=
Maggiore casualità
=
Maggiore informazione necessaria
=
Maggiore incertezza nelle previsioni
58
R. Rigon
Friday, October 26, 12
59. Dio è buono
A meno che ...
“ Non si può negare che il nostro universo non è il caos; noi
riconociamo essere, cose, oggetti che noi chiamiamo con nomi.
Questi oggetti o cose sono forme, strutture dotate di una certa
stabilità; che riempiono una certa porzione di spazio e durano
per un certo tempo ...”
R. Thom, Structural stabity and morphogenesys,1975
E dunque non si constati che molta informazione non sia
rilevante a descrivere queste forme, patterns, e siano
importanti solo statistiche di quanto descriviamo.
A ben vedere, anche le equazioni di Navier-Stokes, o la stessa
seconda legge della dinamica, hanno la valenza di statistica di
una realtà soggiacente, ad una scala più fine.
59
R. Rigon
Friday, October 26, 12
60. Problemi diretti e problemi inversi
In ogni caso
Determinare i parametri di un insieme di equazioni, che si assumono
note e veritiere, in un’ambito eterogeneo, in funzione di una serie di
misure effettuate durante un certo evento
è un problema inverso
particolarmente mal posto dal punto di vista matematico e consente, al più
di selezionare, non un insieme di parametri, ma molti insiemi di parametri
“ottimali”, o se vogliamo, “non inacettabili”.
60
R. Rigon
Friday, October 26, 12
61. Alla luce della nostra ignoranza
Thomas Bayes
a little of Bayesian inference
Friday, October 26, 12
62. Bayes
La probabilità condizionale
Visto che non conosciamo con certezza il valore di una variabile, una buona
strategia potrebbe essere quella di cercare di attribuire ad essa una probabilità.
1.0
0.8
0.6
0.4
0.2
-2 -1 1 2
Ad ogni valore della variabile, un numero tra 0 ed 1 62
R. Rigon
Friday, October 26, 12
63. Bayes
La probabilità condizionale
Si dice che una probabilità è condizionale, se essa è assegnata in seguito alla
conoscenza della realizzazione di uno o più eventi e si scrive:
Implicitamente od esplicitamente: ogni distribuzione di probabilità è
condizionale
63
R. Rigon
Friday, October 26, 12
64. Bayes
La probabilità condizionale
Si dice che una probabilità è condizionale, se essa è assegnata in seguito alla
conoscenza della realizzazione di uno o più eventi e si scrive:
La conoscenza che ci ha permesso di
assegnare la probabilità
Implicitamente od esplicitamente: ogni distribuzione di probabilità è
condizionale
63
R. Rigon
Friday, October 26, 12
65. Bayes
La probabilità condizionale
O più semplicemente:
se l’evento x è condizionato da y
64
R. Rigon
Friday, October 26, 12
66. Bayes
Probabilità composte
Come negli esempi iniziali, à possibile considerare, il contemporaneo
realizzarsi di più insiemi di eventi. Si parla allora di Probabilità
composta o multivariata:
A, B P (A, B)
65
R. Rigon
Friday, October 26, 12
67. Bayes
Bayes Theorem
Il Teorema di Bayes
Dice che la distribuzione di probabilità (pdf) di due variabili casuali, x e y è
data da
dove è la probabilità di ottenere x da un campione casuale, una volta che
sia stato ottenuto y, èd è chiamata probabilità condizionale di x rispetto ad y, e
p(y) è la probabilità di ottenere y. Equivalentemente il teorema si legge anche:
vista la simmetria esistente tra le variabili x e y
66
R. Rigon
Friday, October 26, 12
68. Bayes
Probabilità condizionale
formula di Bayes
P (A B)
P (A|B) =
P (B)
Ω
A
B
67
R. Rigon
Friday, October 26, 12
69. Playing with Bayes
Ritorniamo ora ad un problema
ai valori iniziali
Abbiamo delle condizioni iniziali
Abbiamo delle condizioni al contorno
Abbiamo dei parametri che regolano la struttura delle equazioni (e la
forma delle loro soluzioni)
Abbiamo dei dati che misurano le quantità previste dalle equazioni
68
R. Rigon
Friday, October 26, 12
70. Playing with Bayes
Assegnamo per essi/e, non un valore, ma
una probabilità “a-priori”
Che scriviamo per semplicità
69
R. Rigon
Friday, October 26, 12
71. Playing with Bayes
Assegnamo per essi/e, non un valore, ma
una probabilità “a-priori”
Con operazioni computazionalmente costose,
possiamo calcolare:
la probabilità di ottenere una certa previsione assegnato il passato. Possiamo
quindi pensare di valutare la previsione media , e la sua
variabilità, portando ad una valutazione delle incertezze.
Osservate però che la probabilità non è materia di causalità, ma solo
di relazioni
70
R. Rigon
Friday, October 26, 12
72. Playing with Bayes
Il teorema di Bayes
è la distribuzione, in genere
multivariata, dei parametri assegnata
a-priori (prior)
è l’evidenza (evidence) che danno i
modello
71
R. Rigon
Friday, October 26, 12
73. Playing with Bayes
Parameters
si chiama verosimiglianza
(likelihood)
la distribuzione dei parametri , etc.,
condizionata alle simulazioni
(posterior)
Se si vuole, quest’ultima è uno studio della
probabilità delle ipotesi 72
R. Rigon
Friday, October 26, 12
74. Playing with Bayes
Senza voler essere conclusivi, in questo argomento
abbastanza complesso
Si osservi, assegnato il nuovo set di parametri
si può ripetere l’operazione, sino ad identificare la
distribuzione dei parametri compatibile con le
informazioni contenute nel modello
73
R. Rigon
Friday, October 26, 12
75. Playing with Bayes
Ma si potrebbero fare molti altri giochi
74
R. Rigon
Friday, October 26, 12
77. To sum up
•L’incertezza nelle previsioni è inevitabile
•Si fanno sempre - e spesso deliberatamente - errori epistemici
•Sarebbe bene introdurre nei modelli dei modelli di errore (quelli
conosciuti ovviamente)
76
R. Rigon
Friday, October 26, 12
78. To sum up
•Dei modelli vanno verificati sia la consistenza delle assunzioni, la struttura
formale e, naturalmente, i risultati (su molti casi studio).
•Le assunzioni andrebbero consolidate sulla base di principi generali
77
R. Rigon
Friday, October 26, 12
79. To sum up
Modelli
Responsabilità
Decisioni
*Alcuni commenti sulla responsabilità degli scienziati, dei tecnici e dei politici 78
R. Rigon
Friday, October 26, 12
80. Sbagliamo con i modelli ?
Certo che sbagliamo: ma figuriamoci senza !
S. Marani
Friday, October 26, 12
81. Grazie per l’invito ...
Grazie per l’attenzione!
G.Ulrici, 2000 ?
80
R. Rigon
Friday, October 26, 12