Interpretazione statistica e rapporto scientifico

di Giux GX-TXT, python-it, scripts-it 3 min di lettura

Corso Python scientifico in GX-TXT · Modulo 8 · Lezione 48

Un rapporto scientifico deve permettere a chi legge di distinguere dati, stime, incertezze e interpretazioni. In questa lezione costruiamo un breve rapporto didattico a partire da una regressione eseguita nel Runner.

Obiettivi

  • Identificare sorgente, modello e unità.
  • Riportare parametri e residui senza inventare campi non disponibili.
  • Distinguere una soluzione numerica da una conclusione scientifica.
  • Dichiarare limiti e ipotesi dell’esempio.

Dati e modello

Usiamo corso_python_seconda_serie, una serie di quattro punti sintetici costruita sulla retta segnale = 1 + 0,2 × tempo. Il tempo è in secondi e il segnale in millivolt. L’esempio non rappresenta un esperimento.

Nella Sessione corso_python, importa rapporto.py, salvalo ed eseguilo nel Runner.

Script del rapporto nell'editor GX-TXT.
Script del rapporto nell'editor GX-TXT.
import numpy as np
from gxtxt import gxtxt_api_call, gxtxt_api_require

for api in ("NUMERIC_API_v1@1", "CANONICAL_DATASET_API_v2@2"):
    gxtxt_api_require(api)
dataset = "corso_python_seconda_serie"
dati = gxtxt_api_call("CANONICAL_DATASET_API_v2", "read_range", [dataset, ["tempo", "segnale"], 0, 4])
x = np.asarray(dati["tempo"]["values"]).reshape(-1)
y = np.asarray(dati["segnale"]["values"]).reshape(-1)
fit = gxtxt_api_call("NUMERIC_API_v1", "linear_regression", [x, y])
residui = np.asarray(fit["residuals"]).reshape(-1)
print("RAPPORTO DIDATTICO — dati sintetici")
print("Sorgente:", dataset, "| campioni:", len(x))
print("Modello: segnale = intercetta + pendenza × tempo")
print("Intercetta (mV):", fit["intercept"])
print("Pendenza (mV/s):", fit["slope"])
print("Residuo massimo assoluto (mV):", np.max(np.abs(residui)))
print("Stato soluzione:", fit["status"])
print("Limiti: quattro dati sintetici; nessuna prova di causalita.")

Lo script legge i dati canonici, esegue linear_regression e riassume i campi effettivamente restituiti. L’identità del Dataset e il numero di campioni rendono riconoscibile la sorgente; i nomi degli assi e le unità spiegano le dimensioni dei parametri.

Rapporto effettivo del Job con parametri, residuo e limiti.
Rapporto effettivo del Job con parametri, residuo e limiti.

La stima dell’intercetta è circa 1 mV; la pendenza è 0,2 mV/s. Il massimo residuo assoluto è dell’ordine di 10⁻¹⁶ mV, compatibile con le differenze numeriche di un esempio costruito esattamente sulla retta. Lo stato ok riguarda la soluzione numerica: non prova che il modello sia fisicamente valido o che una variabile causi l’altra.

Incertezza e semantica

Un rapporto più completo può includere incertezze dei parametri, correlazioni e intervalli, ma soltanto quando il metodo e le ipotesi li rendono disponibili e interpretabili. Non sostituire un campo non disponibile con zero. Il Curve Fitter della lezione 46 mostra, per esempio, che un intervallo può essere indicato come non disponibile in assenza delle ipotesi richieste. Le API di semantica statistica aiutano a conservare il significato dei risultati: non calcolano nuove misure e non eliminano la necessità di verificare il modello.

In un rapporto destinato ad altri, aggiungi versione del codice e del software, parametri, provenienza e identità del risultato, metodo, convenzioni e limiti. Una figura deve avere una didascalia coerente con i dati effettivamente mostrati.

Esercizio

  1. Quali sono le unità dei due parametri?
  2. Che cosa indica il residuo massimo quasi nullo in questo esempio?
  3. Puoi ricavare un rapporto di causalità dallo stato ok del solver?

Soluzione ragionata

  1. Intercetta in mV, pendenza in mV/s.
  2. Che la retta prevista riproduce molto bene questi punti sintetici; essi sono stati costruiti sulla retta.
  3. No. Lo stato riguarda la soluzione numerica, mentre una conclusione causale richiede un disegno e ipotesi appropriati.

Il modulo successivo organizzerà gli script in progetti Python manutenibili.

Scarica gli script del Modulo 08 (ZIP)

#GX-TXT #Python #Statistica

Altre tappe del progetto

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *