La gaussiana (curva di Gauss) è un concetto matematico abbastanza avanzato, ma che ha notevoli implicazioni con il mondo reale. Molte persone ritengono la matematica arida e finiscono per odiarla (“non sono portato per i numeri”). Questa posizione può essere senz’altro giustificata da un insegnamento troppo nozionistico della materia, insegnamento che fa danni notevoli perché si riscontra che chi ha scarso spirito matematico ben difficilmente comprende a fondo la realtà. Per spirito matematico non s’intende la conoscenza delle scienze matematiche, ma la comprensione (a volte intuitiva) di ciò che della matematica ha un’applicazione concreta, anzi concretissima.
È vero che molte nozioni sono assolutamente inutili per chi non le userà poi nella sua professione. Pensiamo alla trigonometria, utilissima a un ingegnere, ma inutile a una commessa, a un giornalista ecc. Che importanza “pratica” (cioè per la comprensione del mondo) ha sapere che sen2a+cos2a=1? Nessuna. La stessa cosa invece non può dirsi per altri concetti: la curva di Gauss (da Karl Friedrich Gauss, grande matematico tedesco) ne è un esempio.
Anzi, questo articolo sarà propedeutico a molti altri di alimentazione o di sport che spiegheranno concetti semplicissimi, ma fondamentali. Armatevi quindi di buona volontà e provate a seguirmi in questa esposizione divulgativa della curva gaussiana.
Curva di Gauss: il significato
Quando dobbiamo giudicare un evento possiamo descriverlo con la distribuzione dei suoi possibili valori. Se lancio una moneta il valore testa ha probabilità 0,5 e idem ne ha il valore croce. Avremo una distribuzione a due soli valori, ognuno dei quali ha probabilità 0,5. La somma dei valori possibili dà l’unità (cioè la certezza, o esce testa o esce croce: non si considera la possibilità che la moneta resti in piedi!).
Se analizziamo la distribuzione di un campione di persone che seguono un certo programma televisivo per decadi di età, magari otteniamo un grafico di questo tipo:
Le cose si complicano quando ho molti valori possibili, addirittura infiniti.
Supponiamo per esempio di effettuare tante misurazioni di una stessa grandezza con uno strumento; avremo risultati differenti, dovuti all’inevitabile imprecisione del nostro strumento e del nostro operato, che sono detti errori accidentali. Se rappresentiamo le misure ottenute su un grafico, se il numero di misurazioni è molto grande, al limite infinito, la curva che otterremo è proprio la curva di Gauss.
Si tratta di una curva dalla classica forma a campana che ha un massimo attorno alla media dei valori misurati e può essere più o meno stretta a seconda della dispersione dei valori attorno alla media; la dispersione si misura con la deviazione standard: praticamente una delle proprietà della gaussiana è che il 68% delle misurazioni differisce dalla media meno della deviazione standard e che il 95% meno di due deviazioni standard: quindi maggiore è la deviazione standard, più la gaussiana è “aperta” e più c’è la possibilità che la media (il punto più alto) non sia rappresentativa di tanti casi.
Anche nel caso della curva di Gauss l’area sottesa dalla curva vale 1 perché la somma delle probabilità di tutti i valori dà 1, cioè la certezza. Nell’immagine, la densità di probabilità indica la probabilità con cui si presenta il singolo valore in ascissa: più la curva è stretta e maggiore sarà il valore di picco della campana; la curva sovrapposta alla gaussiana misura l’area sottesa, cioè la probabilità che la variabile abbia un valore inferiore all’ascissa considerata; come si vede, la probabilità cumulativa tende a 1 per valori crescenti di x.
La distribuzione di Gauss è spesso detta normale. L’aggettivo è significativo perché indica che moltissimi fenomeni possono essere descritti da una curva gaussiana o Gauss-like (cioè simile). Infatti, descrive molto bene i fenomeni in cui le modalità prossime alla media hanno frequenza elevata, frequenza che diminuisce allontanandosi dalla media.
L’equazione della distribuzione normale è:
dove μ è la media, σ la deviazione standard, π (pi greco) vale 3,14159 ed e è la base dei logaritmi naturali e vale 2,71828.
Un esempio reale
La distribuzione di Gauss è spesso detta normale. L’aggettivo è significativo perché indica che moltissimi fenomeni possono essere descritti da una curva gaussiana o Gauss-like (cioè simile).
Se è vero che la gaussiana vale per una popolazione infinita di misurazioni e per eventi del tutto casuali, è altresì vero che curve a campana (Gauss-like) possono descrivere facilmente molti fenomeni; per detti fenomeni anche i concetti di media e di deviazione standard continuano a essere validi, anche se spesso solo il primo può essere definito con una notevole precisione.
Supponiamo di considerare l’altezza degli italiani maschi. Analizziamo un campione di 1.000 soggetti. Probabilmente otterremmo una curva a campana, centrata attorno a una media, del tipo 174 cm di media con una “deviazione standard” di circa 10 cm, cioè il 95% dei soggetti analizzati sarebbe compreso fra 154 cm e 194 cm (due deviazioni standard a destra e a sinistra).
Karl Friedrich Gauss (da lui il nome della curva) è stato definito da alcuni come “il principe dei matematici”
L’importanza di questi concetti
Siamo sommersi da mail di persone che, dopo aver fatto le analisi del sangue, si preoccupano perché un determinato valore è fuori range. Qual è l’errore logico che commettono? Di solito uno dei due:
- credere che il range di normalità sia assoluto: al di fuori di esso c’è patologia;
- non conoscere la distribuzione del parametro.
Il primo punto è quello che genera maggiori preoccupazioni; in realtà i parametri clinici si distribuiscono secondo curve a campana centrate attorno a una media; i range di riferimento cercano di indicare con buona probabilità quando si è di fronte a un individuo normalmente sano. Un po’ come se io dicessi che gli italiani maschi sono alti da 165 a 185 cm: un soggetto alto 163 cm è comunque normale, mentre un soggetto adulto alto 140 cm è sicuramente affetto da nanismo.
Per capire fino in fondo l’esame occorrerebbe quindi avere non solo il range di riferimento, ma anche la distribuzione completa dei valori nella popolazione, cioè capire la “gaussiana” dei valori normali e conoscere la sua deviazione standard.
Per esempio, per la glicemia la deviazione standard potrebbe essere 10 mg/dl con una media di 95 mg/dl, per cui, nonostante i valori “consigliati” da un laboratorio siano 80-110, anche un valore di 75 (sportivo) o 115 potrebbe essere attribuito a un soggetto sano. Consideriamo poi che ci sarebbe sempre e comunque un 5% di soggetti sani con valori al di fuori del range 75-115.
Per altri parametri la deviazione standard potrebbe essere ancora maggiore. Quindi se avete capito il concetto di gaussiana, non è tanto importante capire se un parametro è vicino alla media della popolazione, quanto se ne è talmente lontano da avere pochissime probabilità di essere sani!
