Confronto di modelli e residui
Corso Python scientifico in GX-TXT · Modulo 8 · Lezione 47
Un modello più complesso non è automaticamente migliore. Confrontiamo un polinomio di primo grado e uno di secondo grado sugli stessi quattro punti sintetici, osservando residui e gradi di libertà.
Obiettivi
- Adattare due modelli annidati agli stessi dati.
- Leggere coefficienti, residui e somma dei quadrati.
- Tenere conto del numero di parametri e dei gradi di libertà.
- Distinguere adattamento numerico e plausibilità fisica.
Esecuzione
Il Dataset corso_python_serie_sintetica contiene quattro
valori didattici, non misure. Nella Sessione corso_python,
importa confronto_modelli.py,
salva lo script ed eseguilo nel Runner.

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_serie_sintetica"
r = gxtxt_api_call("CANONICAL_DATASET_API_v2", "read_range", [dataset, ["tempo", "segnale"], 0, 4])
x = np.asarray(r["tempo"]["values"]).reshape(-1)
y = np.asarray(r["segnale"]["values"]).reshape(-1)
for grado in (1, 2):
fit = gxtxt_api_call("NUMERIC_API_v1", "polynomial_fit", [x, y, grado])
print("Grado:", grado)
print("Campioni:", len(x), "parametri:", grado + 1)
print("Coefficienti:", np.asarray(fit["coefficients"]).reshape(-1))
print("Residui (mV):", np.round(np.asarray(fit["residuals"]).reshape(-1), 5))
print("Somma quadrati (mV²):", fit["sse"], "gradi di liberta:", fit["dof"])
print("Stato:", fit["status"])
Il ciclo for richiede all’API
polynomial_fit i gradi 1 e 2 sugli stessi valori X e Y. Il
primo modello ha due coefficienti, il secondo tre. Il secondo contiene
il primo come caso particolare quando il coefficiente quadratico è zero:
sono modelli annidati. L’API restituisce coefficienti in ordine
decrescente delle potenze, residui, somma dei quadrati e informazioni
sulla soluzione.

In questa esecuzione entrambi hanno somma dei quadrati dei residui pari a circa \(0{,}05\,\mathrm{mV}^2\). Il coefficiente quadratico è praticamente zero a precisione numerica, quindi i valori previsti coincidono con quelli della retta. Il modello di grado 1 ha due gradi di libertà residui; quello di grado 2 ne ha uno. Aggiungere un parametro non ha migliorato l’adattamento su questi dati.
Interpretare il confronto
La somma dei quadrati è una misura del disaccordo sui dati usati per il fit, ma non racconta tutto. Più parametri possono adattarsi anche al rumore: è il rischio di overfitting. Per un confronto serio usa gli stessi dati e pesi, controlla residui, condizionamento e ipotesi, e scegli criteri adatti alla dimensione del campione. Con quattro punti non bisogna generalizzare conclusioni forti. Una metrica numerica migliore non dimostra che un modello descriva correttamente il fenomeno fisico.
Esercizio
- Quanti parametri ha ciascun polinomio?
- Che cosa suggerisce il coefficiente quadratico vicino a zero in questo esempio?
- Perché confrontiamo i due modelli sulle stesse osservazioni?
Soluzione ragionata
- Due per il grado 1 e tre per il grado 2, inclusa l’intercetta.
- Che il termine di secondo grado non aggiunge una curvatura apprezzabile nel fit mostrato.
- Per rendere confrontabili residui e metriche: cambiare dati o pesi cambierebbe anche il problema.
Nella prossima lezione costruiremo un rapporto che distingua stime, incertezze e conclusioni.