“Supponi di partecipare a un gioco a premi, in cui puoi scegliere fra tre porte: dietro una di esse c’è un’automobile, dietro le altre, capre. Tu bussi a una porta, per esempio la numero 1, e il conduttore del gioco a premi, che sa cosa si nasconde dietro ciascuna porta, ne apre un’altra, diciamo la 3, rivelando una capra. A questo punto il conduttore ti domanda: “Vorresti scegliere la numero 2?” Ti conviene cambiare la tua scelta originale?”
Contrariamente a quello che ci suggerisce il nostro intuito, c’è una risposta che va ad aumentare la probabilità di vincere l’auto ed è la decisione di cambiare la scelta iniziale. La spiegazione a questo dilemma la dobbiamo andare a ricercare nella statistica bayesiana e negli interventi dei relatori che parteciperanno al convegno, dedicato al ragionamento probabilistico e alla statistica, organizzato dal Master MaCSIS, in collaborazione con ScienzaInRete.
L’evento avrà luogo giovedì 17 ottobre dalle 9.30 alle 17.00 presso l’Aula Antonio de Lillo (via Bicocca degli Arcimboldi 8, ed. U7, secondo piano) dell’Università di Milano-Bicocca.
Se la costruzione di un corretto modello probabilistico può contribuire ad aumentare le nostre probabilità di vincita a un gioco a premi come quello di Monty Hall (vedi sopra) la sua applicazione nella vita quotidiana non è così scontata. Costantemente, infatti, facciamo affidamento su una serie di scorciatoie di pensiero che, se ci sono utili per valutare la probabilità di pioggia, dato un cielo carico di nuvoloni grigi, ci portano sulla strada sbagliata quando ci vengono richiesti giudizi più complessi come quello di valutare la nostra reale possibilità di vincita a una lotteria.
Dalla sua nascita per un problema di gioco d’azzardo, il calcolo delle probabilità è diventato parte integrante di qualsiasi ramo della conoscenza. Ad esempio, un epidemiologo che osserva l’aumento dell’incidenza di una certa malattia in una determinata area geografica è interessato a valutare se quell’incidenza è causata da un evento raro ma non impossibile o se è il caso di considerare, nel proprio modello probabilistico, anche il ruolo di particolari variabili ambientali come la presenza di un impianto industriale altamente inquinante nella zona. Oppure, mai come dopo le ultime elezioni italiane del 2013 e il clamoroso fallimento di qualsiasi previsione pre-elettorale e di tutti gli exit poll e instant poll, sondaggisti e non, sentono la necessità di capire e di rimettere in discussione l’attendibilità delle previsioni elettorali: dipende dalla tecnica utilizzata, ormai obsoleta, o dagli italiani che non vogliono far sapere per chi voteranno o per chi hanno appena votato?
Negli interventi previsti per la giornata del 17 ottobre verranno approfonditi questi diversi aspetti del ragionamento probabilistico: dagli errori di giudizio, alle modalità di comunicazione di un esito probabilistico e del rischio a esso connesso, alle sue applicazioni nei vari ambiti della conoscenza.
Di seguito il programma della giornata:
mattino 9:30 – 13:00
- “Il caso, probabilmente”
Pietro Greco – giornalista scientifico e scrittore - “Comprendere e comunicare il rischio: è solo una questione di numeri?”
Lucia Savadori – Dipartimento di Economia e Management, Università di Trento - “I sondaggi politici: problemi metodologici e possibili utilizzi”
Roberto Biorcio – Dipartimento di Sociologia e Ricerca Sociale, Università di Milano Bicocca
Pomeriggio 14:00 – 17:00
- “Il gioco d’azzardo nella storia del pensiero scientifico”
Paola Monari – Dipartimento di Scienze Statistiche, Università di Bologna - “Incertezza e statistica nell’analisi dei fenomeni sociali”
Maurizio Pisati – Dipartimento di Sociologia e Ricerca Sociale, Università di Milano-Bicocca
Moderatore: Pietro Greco, giornalista scientifico e scrittore
La partecipazione è aperta a tutti.
Sarà possibile seguire il convegno in diretta streaming sul canale dell’Università di Milano Bicocca (http://streaming.unimib.it).
Sul sito di ScienzaInRete verranno pubblicati contenuti multimediali legati alla giornata, realizzati dagli studenti del Master Macsis.
