Il corso sarà di 40 ore, con inizio 21 gennaio 2009,
Programma
Orario
Mercoledi-Giovedi, 17:00-18:30, Aula 4.
Calendario dettagliato
Att: Aggiornamento parziale ad uso
di eventuali assenti alle lezioni (spero di riordinare/completare quanto prima...)
Dettaglio degli argomenti delle lezioni
- Lezione 1 (21/1/09)
- Introduzione: intento del corso e programma di massima.
'Task of the physicist': osservazioni -> ipotesi =>
incertezza.
Sorgenti di incertezza secondo la Guida ISO (il 'decalogo').
Trattazione usuali di incertezze: 'errori statistici' -> intervalli
di confidenza; 'errori sistematici' -> ? -> regole ad hoc.
Rassegna critica di alcune conoscenze standard ('Fisichetta'):
concetto e propagazione di `errori massimi'; semidispersione massima;
uso della propagazione di `errori statistici';
regola della mezza divisione (errore di lettura? errore sistematico?);
barre di errore calcolate dalle sole osservazioni;
rette di massima e minima pendenza; significato di
=
(oppure
=
?).
Conclusioni su inadeguadezza errori massimi e difficoltà di uso
degli 'errori statistici' nel quadro della statistica 'convenzionale'
(frequentista).
Discussione sul significato
di
=
:
inversione intuitiva della probabilità e metafora cane-cacciatore.
Referimenti
- GdA, Errori e incertezze di misura - Rassegna critica
e proposte per l'insegnamento
(vedi qui),
pp. 7-23 e 82-84.
- J. D. Mollon, A. J. Perkins, Errors of judgement at Greenwich in 1796,
Nature 380, 101 - 102 (14 Mar 1996).
- Ole Rømer
e la sua misura della velocità della luce
- Dava Sobel, Longitude.
- GdA, Bayesian reasoning in data analysis - A critical introduction
(vedi indice qui; copie in biblioteca), cap. 1,
pp. 3-14.
(versione preliminare in CERN Yellow Report 99-03).
- Per un resoconto pulito della dottrina officiale frequentista
(soprattutto fra fisici) riguardo i "confidence intervals",
vedi ad esempio G. Cowan, Statistical data analysis,
soprattutto pp. 118-128. [ -> prob-stat_22 -> /CI/ :-) ]
- Lezione 2 (22/1/09)
- Test di ipotesi, loro significato(?) e fraintendimento:
Probabilità delle ipotesi
Vs probabilità della variabile di test (-> significatività statistica).
Esempi accademici
(possibile errore dello studente e scherzo alla rivista scientifica) e
di interesse publico (test dell'AIDS).
Dalle cause agli effetti
("the essential problem of the experimental method ", Poincaré):
inferenza e incertezza. Probabilità degli effetti Vs
probabilità delle cause (e dei valori veri).
Esempio guida: problema delle 6 scatole: che scatola ho scelto?
che pallina uscirà
cosa succede dopo la prima estrazione (con reimmissione)?
dov'è la probabilità?
Approccio falsificazionista e sua implementazione pratica mediante i test di ipotesi.
Significato ed errata interpretazione dei p-value,
con esempi di annunci di false
scoperte dovuti a banali errori di logica (es `eventi di HERA', 'Higgs a LEP', etc.).
Riferimenti
- GdA, Bayesian reasoning in data analysis - A critical introduction, cap. 1.
- GdA, From Observations to Hypotheses: Probabilistic Reasoning Versus
Falsificationism and its Statistical Variations,
physics/0412148, pp. 1-9.
- GdA, "Quanto credere alle diverse ipotesi
scientifiche alla luce delle osservazioni sperimentali?", Incontro con insegnanti presso i LNF, settembre 2002 (con lucidi e video).
- Wikipedia, P-Value
[vedi soprattutto 'Frequent misunderstandings' e l'articolo
"Historical
background on the widespread confusion of the p-value:
a major educational failure" di R. Hubbard e J.S. Armstrong,
ivi citato
(copia locale: ps e
pdf)].
- R. Hubbard and M.J. Bayarri,
Confusion over measures of evidence (p's) versus errors (α's)
in classical statistical testing,
American Statistician, 57 (2003) 171-178.
- A. Palma,
Frequentistic approaches in physics: Fisher, Neyman-Pearson and beyond
(Presentazione di esame per questo corso di dottorato):
pdf e
ppt.
- Alcuni esempi di claim di scoperte basati su p-values (dopo alcuni anni
alcuni siti non sono più raggiungibili...):
- Lezione 3 (11/2/09)
- Introduzione 'maieutica' a ragionamenti in condizione
di incertezza (dadi, monete, previsioni meteo, conteggi osservati
su rivelatori, etc.): valutazioni di "probabilità"
(da meglio definire) nei vari casi.
Paradosso delle due buste di importi ignoti, dei quali si sa solo
che uno è multiplo dell'altro.
Problema delle sei scatole (esempio guida): quale scatola
ho estratto? Che colore osserverò? Cosa cambia dopo una o
più estrazioni (con reintroduzione)? Dov'è la probabilità?
Paradosso di Ellsberg: scelta fra scatola
con 5 palline bianche e 5 nere
e scatola con proporzione ignota di bianche e nere (una delle
`sei scatole')..
Probabilità secondo Hume.
Impossibilità di valutare f(μ|x) mediante puri ragionamenti
di simmetria o mediante frequenze: -> inversione di probabilità.
Cos'è la probabilità? Definizioni
combinatoria, frequentista e soggettiva. Circolarità
delle definizioni combinatorie e frequentiste.
Riferimenti
- GdA, Bayesian reasoning in data analysis - A critical introduction,
par. 2.1, 2.2, 3.1, 3.2.
- D. Hume, An enquiry concerning human understanding
(pdf qui), Secs. 46-47.
- GdA, Probabilità e incertezze di misura (vedi qui),
problemi 33-36 a pag. 46 (parte 1).
- Lezione 4 (12/2/07)
- Probabilità
come grado di fiducia: schema di de Finetti su Enciclopedia Einaudi.
Probabilità condizionata: concetto. Significato del termine
"soggettivo".
Problemi delle tre scatole (o carte). Probabilità secondo
Scroedinger (1947). Dipendenza della probabilità dallo stato
di informazione. Differenza fra concetto di probabilità
e sue regole di valutazione. Ruolo unificatore della probabilità
Regole di base della probabilità ("assiomi di Kolmogorov"
+ "formula della probabilità condizionate")
ottenute
da: scommessa coerente (de Finetti-Ramsey); consistenza
logica (Cox-Jaynes); calibrazione su eventi sui quali è possibile
usare argomenti di simmetria (Lindley).
Confidenza espressa in termini
di probabilità legata alla scommessa confrontata con
i cosidetti "upper/lower" confidence limits: massa di
saturno di Laplace e limite inferiore sulla massa dell'Higgs
a LEP.
Ruolo ipotetico della scommessa. Distinzione fra soggettività e
arbitrarietà. Recupero della regola di valutazione combinatoria.
Probabilità e frequenza.
Ruolo del calcolo combinatorio nella teoria della probabilità.
Eventi, proposizioni e insiemi. Proprietà delle operazioni
fra eventi/proposizioni e insiemi. Partizione finita e decomposizione
della probabilità. Concetto di evento condizionato e
significato della "formula della probabilità condizionata".
Proprietà principali del calcolo di probabilitaà
di eventi/proposizioni.
Partizione finita e decomposizione
della probabilità (legge delle alternative o
formula di disintegrazione, o anche "delle probabilità
totali).
Riferimenti
- E. Schroedinger, The foundation of the theory of probability - I,
Proc. R. Irish Acad. 51A (1947) 51; reprinted in Collected papers Vol. 1
(Vienna 1984: Austrian Academy of Science) 463.
- B. de Finetti, voce Probabilità dell'Enciclopedia Einaudi, 1980.
- GdA, Bayesian reasoning in data analysis - A critical introduction,
par. 3.2-3.4, 3.5.1-3.5.2,
10.1,10.2, pp. 224-225.
- GdA, CERN Academic Training,
febbraio 2005, terza lezione, pp. 1-10, 24 (per pagina
si intende la numerazione in basso a destra sui lucidi e non
la numerazione delle pagine del file pdf).
- GdA, Bayesian Reasoning versus Conventional Statistics
in High Energy Physics, MaxEnt98,
physics/9811046.
- Lezione 5 (18/2/07)
- Problema dei tre prigionieri (analogo delle tre scatole).
Discussione su altre possibili obiezioni. In particolare:
non arbitrarietà di affermazioni probabilistiche
basate sulla coerenza e arbitrarietà di metodi convenzionali;
grado di fiducia (cosa si crede) diverso da grado di convenienza
(cosa piacerebbe accadesse) e da pura immaginazione;
"oggettivià" e uso di "credenze" in fisica;
"probabilità fisica". Le diverse faccie della probabilità:
belief <--> chance (or propensity):
Lewis' "Principal Principle".
Le quattro regole di base della
probabilità (i tre `assiomi' più
la formula `della probabilità condizionata')
ricavate dalla condizione di coerenza.
Commenti sul significato di probabilità condizionata.
Uso delle formula simmetrica di aggiornamento della probabilità
[P(H|E,I)/P(H|I)=P(E|H,I)/P(H,I)]: problema delle sei scatole con cinque palline
B/N; problemi delle tre scatole.
Numeri incerti (aleatori) discreti e funzioni di probabilità.
Esempi di costruzione di funzioni di variabili casuali
dalle regole di base del calcolo delle probabilità.
Propietà delle funzioni di probabilità.
Funzione cumulativa e sue proprietà.
Cenni sui metodi di Monte Carlo ('branching' elementari,
'hit/miss' e inversione della cumulativa).
Processo di Bernoulli. Problema dell'ubriaco.
Riferimenti
- R. Scozzafava, Incertezza e probabilità (Zanichelli),
1.1-1.16.
- GdA, Bayesian reasoning in data analysis - A critical introduction
(vedi qui), par. 10.3, 10.4,
- GdA, CERN Academic Training,
febbraio 2005, terza lezione, pp. 11-29.
- GdA, Role and meaning of subjective probability: some
comments on common misconceptions, MaxEnt2000,
physics/0010064.
- Stanford Encyclopedia of Philosophy:
Interpretation
of probability.
- D. Lewis, A Subjectivist's Guide to Objective Chance.
In Richard C. Jeffrey (ed.), Studies in Inductive Logic and Probability, Vol. II.
Berkeley: University of Berkeley Press, 263-293.
Reprinted with Postscripts in David Lewis (1986), Philosophical Papers. Vol. II.
Oxford: Oxford University Press, 83-132.
(versione pdf
on line, e
copia locale).
- GdA, Probabilità e incertezza di misura,
Dispense del Dip. di Fisica
(vedi qui),
Parte 1, Capp. 1-4.
- Lezione 6 (19/2/07)
- Indipendenza logica e indipendenza stocastica.
Costituenti. Incompatibilità e indipendenza.
Attenzione alle sottigliezze dell'indipendenza stocastica
(non strettamente legata a indipendenza fisica, ma piuttosto
ai valori di probabilità non necessariamente transitiva):
esempi
- Scatole con palline.
- Scatola con palline W, R e B equiprobabili.
Dati E1 = W .or. R ed E2 = W .or. B
(ove '.or.' sta per l'usuale simbolo di somma logica),
calcolare se E1 ed E2 sono
stocasticamente indipendenti o no.
- Idem, ma con palline W, R, B e Y.
- Mazzo di carte da poker con 52 carte, truccato (due Regine di quadri
e nessuna Regina di fiore). Dati i tre eventi A = "Regina",
B = "Rosso" (ovvero quadri o cuori) e C = "Cuori",
valutare se sono stocasticamente
indipendenti le seguenti coppie: A e B, B e C, A e C.
Eventi correlati positivamente e negativamente (con applicazione all'esempio
delle sei scatole).
Ancora su metodi di MC: hit/miss e inversione della cumulativa.
Valutazione di integrali con tecniche di campionamento e applicazione
alla valutazione di pi greco.
Ancora su processo elementare di Bernoulli, distribuzione geometrica,
binomiale e di Pascal.
Sintesi di distribuzioni di probabilità mediante opportuni
parametri [convenzionali! - la nostra incertezza è completamente
descritta da f(x)]: moda, mediana, 'baricentro' (media, valore atteso);
intervallo di certezza; intervallo di probabilit`, momento
di inerzia della distribuzione (varianza), deviazione standard.
Valore atteso come previsione (probabilistica) di un numero
aleatorio e deviazione standard come incertezza (standard)
di previsione.
Previsione, incertezza di previsione e incertezza di previsione relativa
('coefficiente di variazione')
di geometrica, binomiale e poissoniana (quest'ultima introdotta ad hoc).
Relazione formale fra binomiale e poissoniana.
Proprietà di valore atteso e varianza sotto trasformazioni lineari
delle variabili.
Generatore di numeri aleatori con probabilità secondo la distribuzione
geometrica.
Quanto credere alla realizzazione della variabile casuale nell'intervallo
di +- 1σ intorno alla previsione?
Introduzione al linguaggio R e al suo utilizzo ai fini del corso.
Riferimenti
- R. Scozzafava, Incertezza e probabilità (Zanichelli),
1.33 (su indipenza logico/stocastica).
- GdA, CERN Academic Training,
febbraio 2005, terza lezione, pp. 30-40.
- GdA, Probabilità e incertezza di misura,
Dispense del Dip. di Fisica
(vedi qui),
Parte 2, Cap. 6.
- N. Metropolis, The beginning of the Monte Carlo method,
appeared in the
Special Issue
of Los
Alamos Science (nr. 15, 1987) in memory of
Stan Ulam.
- GdA, Introduzione al linguaggio R
[inclusa geometrica.R, contenente anche rgeom1(), discussa a lezione.]
Back to G.D'Agostini - Teaching
Back to G.D'Agostini Home Page