Arcipelago AreaC

This page is read only. You can view the source, but not change it. Ask your administrator if you think this is wrong.
====== Metodo scientifico ======

Diversamente da quanto accade in molti casi oggigiorno, in questo pamphlet ci atterremo rigorosamente ai dati disponibili. Gli autori credono fermamente nel metodo scientifico, ovvero nel fatto che le conclusioni debbano essere in accordo con i dati sperimentali, osservati secondo una metodologia nota e accettata. Partendo dai medesimi dati chiunque deve poter essere in grado di arrivare alle medesime conclusioni. Solo quello che consegue in maniera  stringente dai dati disponibili può essere considerato un'interpretazione di un qualche valore oggettivo.

Troppo spesso sui mass media vengono presentati come dati di fatto accertati cose che sono solo interpretazioni compatibili con i dati. Che un'interpretazione sia compatibile con i dati non significa però   affatto che essa sia valida, dato che la stessa cosa può valere   contemporaneamente per molte interpretazioni diverse, anche in antitesi   fra loro. Perché un'interpretazione dei dati possa essere considerata  valida (o la più valida fino a prova contraria) è infatti necessario che  essa sia l'unica compatibile con i dati, o, per lo meno, quella che  richiede il minor numero di assunzioni aggiuntive indipendenti dai dati ([[http://it.wikipedia.org/wiki/Rasoio_di_Occam|Rasoio di Occam]]).  A questo scopo i ricercatori devono poter  individuare condizioni, o  previsioni, che possono venire soddisfatte (o  verificate) solo nel caso  di una o poche delle interpretazioni  inizialmente possibili.  Successivamente tali condizioni o previsioni  vanno testate o verificate  (o falsificate, se non si realizzano), così  da poter scartare man mano  tutte le interpretazioni diverse, fino a che ne rimane una sola, ovvero quella considerata la più corretta.


Il fatto che non basta che un'interpretazione sia compatibile con i dati  perché essa sia corretta è molto importante. Come caso portato  all'estremo si considerino gli spostamenti delle nuvole e le loro  mutazioni di forma. Un'interpretazione perfettamente compatibile con i  dati è che sono gli dei a muoverle, per loro piacere e magari per fare  dispetto agli uomini. Tale interpretazione richiede però numerose  assunzioni del tutto indipendenti dalle osservazioni: come minimo che  gli dei esistono, che possono spostarsi nel cielo e che sono invisibili  agli uomini. L'interpretazione secondo cui le nuvole si spostano spinte  dal vento non richiede invece alcuna assunzione aggiuntiva, ed è perciò  sicuramente preferibile.


Un altro frequente errore, caso particolare di quanto detto sopra, è   quello di confondere la correlazione statistica fra due fenomeni con il   rapporto causa effetto. Se due fenomeni sono in qualche modo correlati, ciò non deve  per  forza essere prova di un rapporto causa effetto. Può esistere una  causa  comune, oppure può essere un caso, o meglio la causa comune può  essere  così lontana da potersi parlare di caso. E, in ogni caso, più in   generale, la correlazione non dice nulla sulla direzione del rapporto   causa effetto, anche quando esso è presente.

In condizioni naturali il  rapporto causa effetto può non venire individuato, oppure si può perfino pensare di poterlo riscontrare anche dove  non esiste, perché i fenomeni coinvolti possono avere luogo in maniera  continua fino a sovrapporsi. La condizione essenziale secondo cui la causa non  precede mai l'effetto viene così a non essere valutabile in maniera  sicura.


In presenza di correlazione statistica, anche molto forte fra due  fenomeni A e B, possono perciò sussistere i seguenti rapporti, molto  diversi, fra i due fenomeni:


    - A causa B
    - B causa A
    - A e B sono intimamente interconnessi, in pratica A e B sono due facce dello stesso fenomeno
    - A e B non sono causalmente collegati, ma sono entrambi dovuti ad una causa comune
    - A e B non sono causalmente collegati, e la correlazione è frutto di un caso.


La sola analisi statistica permette unicamente di rilevare la  correlazione fra due fenomeni, ma non permette di discernere fra le  varie situazioni sopra indicate. Per arrivare a ciò sono necessari  esperimenti controllati, in cui i vari fattori coinvolti possono venire  modulati dagli sperimentatori in maniera separata e quantitativa, e in  cui la sequenza temporale dei fenomeni può venire correttamente  valutata.E' questo il motivo per cui gli studi epidemiologici possono fornire sempre solo suggerimenti per indagini future, ma non possono mai venire utilizzati per dimostrare che un dato fattore è effettivamente la causa di un dato fenomeno.


Vediamo un esempio per ognuno dei 5 casi:


    - Più il vento soffia veloce, più le nuvole si spostano rapidamente
    - Come 1., cambiando i riferimenti ai due fenomeni coinvolti
    - Il rapporto fra le varie variabili che compaiono nella legge fondamentale dei gas: PV = nRT
    - In Estate aumenta il consumo di  gelati e il numero di persone che muoiono annegate. Fra le due cose vi è  correlazione, ma non un rapporto di causa effetto. Esiste una causa  comune per i due fenomeni (le temperature più alte che portano più persone a consumare più gelati e a fare il bagno).
    - Se si mettono sullo stesso grafico i valori normalizzati del numero medio dei Megapixel dei sensori delle macchine fotografiche digitali negli ultimi 10 anni e quello dei B&B in Italia, si ottiene una correlazione dello 0,998, ovvero praticamente perfetta. Eppure, come è ovvio a chiunque, non può esistere alcun rapporto di causa effetto! 

{{:libro:correlazionempb_b.jpg}}

Molti altri esempi alla pagina [[http://www.businessinsider.com/spurious-correlations-by-tyler-vigen-2014-5|These Hilarious Charts Will Show You Exactly Why Correlation Doesn't Mean Causation]]
La problematica della non identità tra correlazione e rapporto causa effetto è spiegata approfonditamente alla pagina di Wikipedia [[http://en.wikipedia.org/wiki/Correlation_does_not_imply_causation|Correlation does not imply causation]] e in ancora maggior dettaglio, con numerosi esempi tratti dal campo veterinario qui: [[http://www.quadernodiepidemiologia.it/epi/assoc/dim_cau.htm|Il procedimento logico verso la causalità]] e nelle pagine seguenti.    
 
Ottimi spunti e ed esempi anche qui: [[http://www.albanesi.it/Notizie/risultati.htm|La ricerca scientifica]]


{{page>:copyright}}