“Il libro dei perché” capitoli 3 e 4, una serie Leggi con me
Nei miei due articoli precedenti, I Buttato fuori la serie “Leggi con me” e ho finito di leggere il primi due capitoli da “Il libro dei perché” di Giudea Perla. Questi articoli discutono la necessità di introdurre la causalità per consentire un processo decisionale di tipo umano e sottolineano la scala della causalità che pone le basi per le discussioni future. In questo articolo esploreremo le serrature che aprono la porta dal primo al secondo gradino della scala della causalità, permettendoci di andare oltre la probabilità e di entrare nel pensiero causale. Passeremo dalla regola di Bayes alla rete bayesiana fino, infine, ai diagrammi causali.
Da fan dei romanzi polizieschi, la mia serie preferita è Sherlock Holmes. Ricordo ancora tutti questi giorni e notti in cui li ho letti senza accorgermi che il tempo passava. Anni dopo, molti dettagli del caso erano già scomparsi dalla mia memoria, ma ricordo ancora le citazioni famose come tutti gli altri:
Una volta eliminato l’impossibile, ciò che rimane, per quanto improbabile, deve essere la verità.
Traducendo questa citazione nel campo della statistica, ci sono due tipi di probabilità: probabilità diretta e probabilità inversa. Basandosi sul ragionamento deduttivo di Sherlock Holmes, il lavoro investigativo consiste semplicemente nel trovare l’assassino con la più alta probabilità inversa.
Passando dalla probabilità diretta alla probabilità inversa, non stiamo solo invertendo le variabili in modo sequenziale, ma anche rafforzando una relazione causale. Come brevemente discusso nell’articolo precedente, la regola di Bayes fornisce un ponte che collega i dati oggettivi (evidenza) con le opinioni soggettive (credenza precedente). Basandoci sulla regola di Bayes, possiamo calcolare le probabilità condizionate da due variabili qualsiasi. Per ogni variabile A e B, dato che B si è verificata, la probabilità che A si verifichi è:
P(A|B) = P(A&B)/P(B)
Fonte: towardsdatascience.com
