|
|
.:Regole nel caso
Credere in regolarità inesistenti può costare caro, dice l'economista Julian L. Simon dell'Università del Maryland. Decine e decine di investitori pagano a prezzi elevati informazioni che pretendono di prevedere le prestazioni del mercato azionario sulla base dell'individuazione di regolarità nell'aumento e diminuzione dei prezzi dei titoli. Spesso i risultati non sono migliori di quelli che si potrebbero conseguire lanciando freccette, anziché contro un bersaglio, contro un prospetto della quotazione dei titoli.
Vari decenni fa Simon condusse un esperimento in cui preparò un insieme di numeri casuali, che descrisse come i prezzi settimanali di azioni contrattate pubblicamente. Ai partecipanti venne detto di comprare e vendere azioni secondo i prezzi indicati. Ogni settimana, per dieci settimane, egli diede loro un nuovo insieme di numeri. "I giocatori fecero ogni sorta di calcoli fantasiosi, usando una rande varietà di assunti, anche se non c'era alcun modo possibile in cui quelle congetture potessero aiutarli", dice Simon. Il gioco era però cosė appassionante che i giocatori volevano continuare anche dopo che fu detto loro che, siccome i prezzi erano in realtà solo numeri generati in modo casuale, il fatto di vincere o perdere non dipendeva dalle loro capacità.
Grazie a tali esperienze Simon riuscė a rendersi meglio conto delle difficoltà che molte persone hanno a capire e usare la statistica. Egli ebbe la prima percezione nel 1967, quando si accorse che tutt'e quattro i perfezionandi che stavano seguendo il corso sui metodi di ricerca nel mondo degli affari avevano usato test statistici "grossolanamente sbagliati" per analizzare i dati per i loro programmi scolastici. "Gli studenti avevano buttato giù senza digerirle una quantità di idee statistiche, che li sviarono, insegnate da professori che apprezzavano l'alta matematica, ma non sempre si rendevano conto di quanto fosse inutile o sbagliata", disse Simon.
Quest'esperienza condusse Simon a sviluppare un approccio alternativo all'insegnamento della matematica. Il suo metodo insiste sulragionamento intuitivo e implica l'uso di un computer per eseguire esperiementi sui dati disponibili, un processo noto come ricampionamento, per ottenere soluzioni significanti di problemi statistici. Nel suo procedimento gli studenti evitano di doversi impegolare in formule misteriose, tabelle criptiche e altre forme di magia matematica, per ottenere i loro risultati.
In un certo senso, l'approccio del ricampionamento riporta la statistica alle sue radici. Più di trecento anni fa, prima dell'invenzione della teoria delle probabilità, i giocatori, per stimare le probabilità, dovevano affidarsi alla sperimentazione: per esempio nel tiro dei dadi. Il computer ha permesso il ritorno di un approccio empirico al centro della statistica, rimuovendo l'engasi dei metodi statistici sviluppati su formule sviluppati fra il 1800 e il 1930, quando il calcolo era lento e costoso e doveva essere evitato il più possibile.
Un esperimento di ricampionamento usa un mezzo, come una moneta, un dado, un mazzo di carte e lo stock di numero casuali di un computer, per generare insiemi di dati che vengono a rappresentare campioni tratti da una qualche popolazione. La disponibilità di tali campioni "artificiali" permette agli studenti, oltre che ai ricercatori, di sperimentare sistematicamente con dati, al fine di stimare probabilità e di fare inferenze statistiche.
L'approccio del ricampionamento affronta un problema chiave di statistica: quello di come dedurre la "verità" da un campione di dati che potrebbero essere incompleti o tratti da una popolazione mal definita. Per esempio, supponiamo che dieci misurazioni di una qualche quantità forniscano dieci valori leggermente diversi. Qual è la stima migliore del vero valore?
Problemi come questi possono essere risulti non solo attraverso l'uso di numeri generati in modo casuale, ma anche attraverso l'uso ripetuto di un certo insieme di dati.
Continua: Bootstrap e dati
|
|
|
|
