28.05.2013 Views

LIBRO ULISSE NOVEMBRE 2011 28-11-2011 17 ... - Governo Italiano

LIBRO ULISSE NOVEMBRE 2011 28-11-2011 17 ... - Governo Italiano

LIBRO ULISSE NOVEMBRE 2011 28-11-2011 17 ... - Governo Italiano

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

<strong>LIBRO</strong> <strong>ULISSE</strong> <strong>NOVEMBRE</strong> <strong>20<strong>11</strong></strong> <strong>28</strong>-<strong>11</strong>-<strong>20<strong>11</strong></strong> <strong>17</strong>:09 Pagina 263<br />

Pr(M1/Tosse) = 49/208 = 0.24 (24%);<br />

Pr(M2/Tosse) = 76/208 = 0.36 (36%);<br />

Pr(M3/Tosse) = 83/208 = 0.40 (40%).<br />

Il problema dell’identificazione dei conducenti pericolosi<br />

La scrittura Pr(Mi/Tosse) sta ad indicare qual è la probabilità che il soggetto sia<br />

affetto dalla malattia Mi nel caso abbia la tosse.<br />

Si tratta ora non già di una probabilità assoluta, ma di una probabilità condizionata<br />

(condizionata al fatto che è presente la tosse stizzosa).<br />

Come si vede, sfruttando accanto alle proporzioni delle malattie anche l’informazione<br />

‘tosse’, le cose cambiano: la probabilità che il paziente sia affetto dalla<br />

temuta M1 cresce più di tre volte, passando dal 7% (probabilità assoluta, basata<br />

solo sulle prevalenze naturali delle tre malattie) al 24% (probabilità condizionata<br />

all’avere accertato che il paziente presenta quella particolare tosse).<br />

Quella che prima sembrava una possibilità non troppo consistente, è diventata<br />

una possibilità piuttosto concreta.<br />

A questo punto, al medico non resta che sottoporre il signor Rossi a delle analisi<br />

specifiche, biologiche e strumentali, per decidere ancor più affidabilmente se si<br />

possa star tranquilli o se sia uscita la maledetta ‘pallina nera’. 5<br />

Siamo in presenza di un conducente pericoloso? Il teorema di Bayes applicato<br />

alla sicurezza stradale<br />

Vediamo ora come il teorema di Bayes possa essere usato ai fini del miglioramento<br />

della sicurezza stradale. Ne faremo, come in precedenza, un’applicazione<br />

estremamente elementare (con dati fittizi), volta all’identificazione di conducenti<br />

pericolosi.<br />

Naturalmente, si tratta di un qualcosa di molto semplificato: l’importante è che<br />

quanto esposto permetta di capire a fondo (e di convincersi) del perché si sia ora<br />

in presenza di una situazione in cui è bene in ogni caso ricordarsi del passato (del<br />

conducente) e non già dimenticare, come perorato – in ben altro contesto - dalla<br />

canzone di Fiorelli e Valente.<br />

Immaginiamo di poter dividere i conducenti in tre categorie: quella dei ‘virtuosi’,<br />

quella degli ‘incostanti’ e quella dei ‘pericolosi’ (pervenire ad una suddivisione di<br />

questo tipo è l’obiettivo di una delle ricerche che stiamo attualmente portando<br />

avanti, analizzando dati accidentologici retrospettivi; ma non avendo ancora terminato<br />

il lavoro, utilizzeremo qui, come detto, dei dati fittizi).<br />

Siano dunque i conducenti virtuosi il 60% di tutti i conducenti (trattasi di persone<br />

attente al codice e sempre prudenti nella loro condotta di guida); siano il 30%<br />

gli incostanti (qualche infrazione importante, qualche azzardo, ma non così frequentemente<br />

nel tempo); siano infine il 10% i pericolosi (infrazioni importanti e<br />

ripetute alle norme del codice della strada, guida sistematicamente veloce, problemi<br />

personali vari, ad es. con l’alcol, con le droghe, ecc. ecc.).<br />

263

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!