Estimated Ranking Tables and Uncertainty

Immagina di essere a una fiera scientifica enorme con centinaia di stand, ognuno dei quali espone un progetto diverso. Se camminassi semplicemente lungo i corridoi leggendo i nomi delle scuole in ordine alfabetico, dovresti saltare da un punto all'altro per capire quale progetto ha effettivamente vinto il primo posto. Dovresti socchiudere gli occhi, confrontare i numeri e indovinare chi sia il "migliore". Questo è esattamente il tipo di confusione che si crea quando gli statistici pubblicano tabelle di dati. Spesso elencano paesi, stati o città in ordine alfabetico, il che è ottimo per trovare un nome specifico ma terribile per vedere chi sta vincendo o perdendo in una competizione.

Questo articolo vive nel mondo della statistica, specificamente nella branca che si occupa di come misuriamo le cose da un campione (come chiedere a 1.000 persone del loro tragitto casa-lavoro) per ipotizzare cosa stia facendo l'intera popolazione. L'idea centrale qui è l'incertezza. Poiché stiamo ipotizzando sulla base di un campione, i nostri numeri non sono fatti perfetti; sono stime con un po' di "margine di errore". Se lo Stato A ha una media di percorrenza di 30 minuti e lo Stato B di 30,1 minuti, lo Stato B è davvero più lento o si tratta solo di un caso fortuito del sondaggio? L'articolo sostiene che abbiamo bisogno di un nuovo modo per mostrare queste classifiche che non si limiti a elencare i nomi, ma che mostri effettivamente quanto siamo sicuri (o incerti) su chi sia al primo, secondo o ultimo posto.

---

Il Grande Rimescolamento delle Classifiche

Tommy Wright, un ricercatore del Census Bureau degli Stati Uniti, è in missione per correggere il modo in cui guardiamo le tabelle dei dati. Crede che quando un'agenzia governativa pubblica un elenco di numeri — come il tempo che le persone impiegano per andare al lavoro in diversi stati — non dovrebbe limitarsi a elencarli dalla A alla Z. Invece, dovrebbe presentarli come una Tabella di Classifica Stimata.

Pensatelo come una lega sportiva. Se elencate solo le squadre in ordine alfabetico, dovete fare voi stessi il calcolo per vedere chi è in cima alla classifica. Wright dice: "Mostriamo semplicemente la classifica!". Ma ecco il punto: nella realtà, la classifica non è un fatto fisso e immutabile. È un'istantanea basata su un campione, e arriva con una nuvola di incertezza.

Il documento di Wright affronta una domanda semplice ma enorme: "Una tabella di dati dovrebbe essere presentata esplicitamente come una tabella di classifica stimata?" La sua risposta è un convinto "Sì". Egli sostiene che quasi ogni tabella che mostri numeri per diversi gruppi dovrebbe essere ordinata dal valore più alto al più basso, e dovrebbe essere accompagnata da una guida visiva che mostri la "nebbia" dell'incertezza attorno a quelle classifiche.

La "Nebbia" dell'Incertezza

Per capire la soluzione di Wright, immaginate di dover classificare i vostri amici in base all'altezza. Misurate la loro altezza con un righello, ma il vostro righello è un po' traballante. Pensate che la vostra amica Alice sia alta 165 cm e Bob 165 cm meno di 3 cm. Ma poiché il vostro righello traballa, forse Bob è alto 165 cm e Alice è alta 165,5 cm. Se scrivete semplicemente "Alice è la n. 1, Bob è la n. 2", state mentendo su quanto siate sicuri.

Wright introduce un metodo chiamato Regione di Confidenza Congiunta DIFF. "DIFF" sta per differenze. Inveve di guardare solo l'altezza di una persona, questo metodo guarda la differenza tra ogni coppia di persone. Chiede: "Il divario tra Alice e Bob è così grande da poter essere certi che Alice sia più alta, o il divario è così piccolo che potrebbero essere in parità?".

Egli utilizza uno strumento visivo che assomiglia a una griglia o a una scala.

• L'Asse Verticale è il Grado (1°, 2°, ecc.).
• L'Asse Orizzontale elenca i gruppi (come stati o paesi) ordinati per la loro stima migliore del numero.
• Le Caselle mostrano dove un gruppo potrebbe trovarsi.

Se uno stato è chiaramente il vincitore, la sua casella sarà un singolo quadrato solido proprio in cima. Ma se due stati sono molto vicini, le loro caselle si sovrapporranno, creando una "nuvola" di possibilità. Questa nuvola vi dice: "Ehi, lo Stato A è probabilmente il n. 1, ma potrebbe essere il n. 2, e lo Stato B potrebbe essere il n. 1 invece".

I Tre Esempi: Dai Pendolari ai Punteggi di Matematica

Wright non parla solo di teoria; mette alla prova la sua idea con tre esempi del mondo reale per mostrare come funziona.

1. Il Caos dei Pendolari (Stati USA)
Ha esaminato il tempo medio impiegato per andare al lavoro in tutti i 51 stati (inclusi Washington D.C.). In una tabella alfabetica tradizionale, dovreste cercare Maryland e North Dakota per vedere chi ha i tragitti più lunghi e più brevi. Nella tabella di classifica di Wright, il Maryland è chiaramente in cima con un tragitto di 32,2 minuti, e il North Dakota e il South Dakota sono in fondo con 16,9 minuti.
La parte interessante è la "nebbia". Gli stati all'estremo superiore e inferiore hanno nuvole molto piccole, il che significa che siamo molto sicuri che siano i più veloci e i più lenti. Ma nel mezzo, dove molti stati hanno tempi simili (intorno ai 23-25 minuti), le nuvole sono enormi. Questo ci dice che, sebbene possiamo dire "il Maryland è il più lento", non possiamo essere sicuri al 100% se, ad esempio, l'Illinois sia il n. 5 o il n. 6. La tabella ammette: "Non lo sappiamo con certezza nel mezzo!".

2. La Spesa Folle (India)
Successivamente, ha esaminato quanto spendono le persone nei 18 principali stati indiani per cibo e beni ogni mese. Lo spenditore principale era il Telangana con 8.158 (unità di valuta), e il più basso era il Chhattisgarh con 4.483. Anche qui, la tabella di classifica mostrava che i primi e gli ultimi erano chiari, ma gli stati di mezzo avevano molta sovrapposizione. Questo aiuta i decisori politici a vedere che, mentre alcuni stati sono chiaramente più ricchi o più poveri, quelli nel mezzo sono troppo vicini per essere definiti senza ulteriori dati.

3. La Sfida di Matematica (Paesi OCSE)
Infine, ha esaminato i punteggi di matematica per i quindicenni in 37 paesi dai test PISA. Giappone e Corea sono i leader evidenti con punteggi di 536 e 527. La parte bassa della lista comprendeva Colombia, Costa Rica e Messico. Il grafico mostrava che i paesi in cima erano distinti, ma il gruppo intermedio di paesi (punteggi intorno a 470–490) era una massa enorme e confusa. Ciò significa che dire "il Paese X è migliore del Paese Y" nel mezzo della classifica è spesso una supposizione, non un fatto.

Perché Questo è Importante

Il documento di Wright suggerisce che dobbiamo smettere di fingere che un singolo numero sia la verità assoluta. Utilizzando queste Tabelle di Classifica Stimata, le agenzie statistiche possono comunicare in modo più rapido e chiaro. Invece di costringere gli utenti a cercare in un elenco alfabetico, la tabella mostra immediatamente il "vincitore" e il "perdente". Più importante ancora, mostra l'incertezza.

Egli sostiene che dovremmo passare dalle classifiche "implicite" (dove devi indovinare l'ordine) a quelle "esplicite" (dove l'ordine è mostrato, insieme alla nebbia del dubbio). Crede che, se lo facciamo, smetteremo di fare affermazioni false su chi sia "migliore" o "peggiore" quando i dati sono in realtà troppo sfumati per dirlo.

In breve, Wright ci sta dicendo: "Non dateci solo un elenco di numeri. Dateci una classifica che ammetta quando la gara è troppo combattuta per essere decisa". È un modo per essere onesti su ciò che sappiamo e su ciò che stiamo solo ipotizzando, rendendo i dati non solo un elenco di fatti, ma una storia su quanto siamo sicuri di quei fatti.