SlideShare a Scribd company logo
Problemi tecnici e concettuali per le previsioni
Angelo VULPIANI
Dept. of Physics, University of Rome “Sapienza”, Italy

Febbraio 2014, ROMA

Angelo VULPIANI (2014)

Problemi tecnici e concettuali per le previsioni

Febbraio 2014, ROMA

1 / 26
Perch´ le previsioni?
e

Fare previsioni ` sempre stata un’aspirazione naturale ed importante;
e
perch´ si pensa sia possibile farle?
e
Osservazione della regolarit`:
a

Il vento soffia a mezzogiorno, poi gira a tramontana;
gira e rigira e sopra i suoi giri il vento ritorna ......
Ci` che ` stato sar` e ci` che si ` fatto si rifar`;
o
e
a
o
e
a
non c’` niente di nuovo sotto il sole.
e
(Ecclesiaste)
Esistono “regole” (i.e. LEGGI della NATURA)

Angelo VULPIANI (2014)

Problemi tecnici e concettuali per le previsioni

Febbraio 2014, ROMA

2 / 26
I problemi
Prima cosa da capire

Quali sono le variabili rilevanti?
Questo ` un problema MOLTO sottile, ` stato necessario aspettare Galileo
e
e
e Newton per capire che la variabile “giusta” non era solo la posizione ma
anche la velocit`.
a
Seconda cosa da capire

Che tipo di legge regola il sistema?
Il sistema ` deterministico? Cio` dato lo stato iniziale x(0) il futuro `
e
e
e
determinato; questo accade in meccanica.
Oppure c’` una regola probabilistica?
e
Diversi situazioni:

A: Le leggi di evoluzione esistono e si conoscono
B: Le leggi di evoluzione esistono e non si conoscono
C: Non sappiamo se le leggi di evoluzione esistono
Angelo VULPIANI (2014)

Problemi tecnici e concettuali per le previsioni

Febbraio 2014, ROMA

3 / 26
Caso “semplice”
Sono note le variabili “giuste” e la legge di evoluzione ` deterministica, ad
e
esempio un’eq. differenziale

dx
= F(x)
dt
sotto ipotesi generale esiste la soluzione, cio` c’` una “regola” che
e e
determina l’evoluzione
x(0) → x(t) = G[t, x(0)]

(1)

(2)

Due possibilit`:
a
A la regola ` nota esplicitamente → caso facile (in genere non
e
interessante)
B la regola non ` nota esplicitamente → caso pi` difficile ed interessante
e
u

Angelo VULPIANI (2014)

Problemi tecnici e concettuali per le previsioni

Febbraio 2014, ROMA

4 / 26
Anche nel caso in cui le leggi di evoluzione sono note, nei problemi interessanti
(caso B) nella pratica ci sono molte difficolt`:
a

I ) Il sistema pu` essere “complicato”
o

Ad esempio ci sono tante variabili.
Questo ` il caso dei problemi geofisici dove bisognerebbe trattare fenomeni
e
su piccola scala, ma la risoluzione numerica non lo consente e quindi `
e
necessaria una “modellizzazione” delle piccole scale.
II) Il sistema pu` essere caotico
o

Un piccolo errore sulle condizioni iniziali viene amplificato velocemente
(esponenzialmente)

Angelo VULPIANI (2014)

Problemi tecnici e concettuali per le previsioni

Febbraio 2014, ROMA

5 / 26
Il caos in due parole

H. J. Poincar´
e

Una causa piccolissima che sfugge alla nostra attenzione determina un
effetto considerevole che non possiamo mancare di vedere, e allora diciamo
che l’effetto ` dovuto al caso. .... Ma se pure accadesse che le leggi della
e
natura non avessero pi` alcun segreto per noi, anche in questo caso
u
potremmo conoscere la situazione iniziale solo approssimativamente ....
pu` accadere che piccole differenze nelle condizioni iniziali ne producano di
o
grandissime nei fenomeni finali. Un piccolo errore nelle prime produce un
errore enorme nei secondi. La previsione diventa impossibile e si ha un
fenomeno fortuito.

Angelo VULPIANI (2014)

Problemi tecnici e concettuali per le previsioni

Febbraio 2014, ROMA

6 / 26
L’ effetto farfalla

Un esempio molto semplice (mappa logistica):
x(t + 1) = 4x(t)(1 − x(t))

(3)

` possibile mostrare che tipicamente un piccolo errore raddoppia ad ogni
e
passo
δx(t) ∼ 2t δx(0)

(4)

se si ha una (inevitabile) incertezza sulla condizione iniziale ` praticamente
e
impossibile conoscere lo stato del sistema dopo un certo tempo (che
dipende dal sistema)

Angelo VULPIANI (2014)

Problemi tecnici e concettuali per le previsioni

Febbraio 2014, ROMA

7 / 26
Esponente di Lyapunov

In un sistema deterministico caotico
|δx(t)| ∼ e λt |δx(0)|

(5)

quindi il sistema pu` essere predetto con una certa tolleranza ∆ solo fino
o
ad un tempo che dipende (poco) dall’incertezza iniziale e dall’ esponente
di Lyapunov λ > 0
Tp ∼

Angelo VULPIANI (2014)

1
∆
ln
λ
|δx(0)|

Problemi tecnici e concettuali per le previsioni

(6)

Febbraio 2014, ROMA

8 / 26
1.0

x(n)

0.8
0.6

(d)

0.4
0.2

r=4.0

0.0
0

5

10

15
n

20

25

30

Mappa logistica (λ = ln 2 ≃ 0.693): due traiettorie a partire da condizioni
iniziali molto vicine |x(0) − x ′ (0)| = 4 × 10−6 , notare come solo dopo un
tempo ∼ 16 le due traiettorie diventino completamente diverse.

Angelo VULPIANI (2014)

Problemi tecnici e concettuali per le previsioni

Febbraio 2014, ROMA

9 / 26
Il caos deterministico non ` una patologia matematica
e

`
E ormai ben noto, a partire dai lavori degli anni 60 di Lorenz, H´non ,
e
Chirikov etc, che i sistemi caotici sono la regola e non l’eccezione, e sono
presenti in astronomia, ottica, oceanografia, sismologia etc.
Perch` le eclissi si prevedono in grande anticipo, mentre le previsioni del tempo
e
sul prossimo fine settimana sono spesso errate?
Gli astronomi sono pi` bravi dei meteorologi?
u

Se si potremmo far fare le previsione meteo a gli astronomi...
Ma non ` cos` gli esperti di astronomia sono solo pi` “fortunati”:
e
ı,
u
i fenomeni di cui trattano sono “poco caotici”, cio` l’esponente di
e
Lyapunov dei problemi astronomici ` molti piccolo e quindi non ` troppo
e
e
difficile prevedere le eclissi. Al contrario il tempo caratteristico
dell’atmosfera, cio` 1/λ, ` di qualche giorno, quindi niente previsioni a
e
e
lungo termine.
Angelo VULPIANI (2014)

Problemi tecnici e concettuali per le previsioni

Febbraio 2014, ROMA

10 / 26
Prevedere il futuro dalla conoscenza del passato

Non sempre le equazioni del fenomeni sono note.
Spesso non ` neanche noto il vettore di stato, i.e. le variabili che descrivono ll
e
fenomeno
L’ idea di base: dagli stessi antecedenti segue la stessa conseguenza

Angelo VULPIANI (2014)

Problemi tecnici e concettuali per le previsioni

Febbraio 2014, ROMA

11 / 26
Il metodo degli analoghi (nel caso pi` semplice in cui il vettore di stato sia noto)
u

a- si conosce il passato i.e. una serie (x1 , x2 , ...., xM ) ove xj = x(j∆t)
b- si vuole prevedere il futuro, i.e. xM+t
c- si guarda il passato e si cerca un analogo, cio` situazione simile ad oggi
e
(tempo M), in pratica un vettore xk con k < M tale che |xk − xM | < ǫ
d- si predice il futuro ai tempi M + t > m, →
xM+t ≃ xk+t
Il metodo degli analoghi ` la formalizzazione della massima biblica
e
Ci` che ` stato sar` e ci` che si ` fatto si rifar`
o
e
a
o
e
a
Se si trovano gli analoghi allora ` possibile ricostruire (con una certa
e
approssimazione) la legge di evoluzione, cio` una regola del tipo
e

xt+1 = G[xt ]
Angelo VULPIANI (2014)

Problemi tecnici e concettuali per le previsioni

Febbraio 2014, ROMA

12 / 26
x
M+T’
ε

xM
xk

x
M+T
^
x =xk+T
M+T

^
x =xk+T’
M+T’

(a)
xk3 +T

xk3
xM

ε

xk2
xk1

xk2 +T

xM+T

^

x
M+T
xk1 +T

(b)

Schema del metodo degli analoghi per predire il futuro dal passato

Angelo VULPIANI (2014)

Problemi tecnici e concettuali per le previsioni

Febbraio 2014, ROMA

13 / 26
Sembra tutto facile.... per` non ` ovvio che si trovi un analogo!
o
e

Il fatto che dagli stessi antecedenti seguano le stesse conseguenze ` una
e
dottrina metafisica. Nessuno pu` negarlo. Ma non ` molto utile nel
o
e
mondo in cui viviamo, ove non si verificano mai gli stessi antecedenti e
nulla accade identico a se stesso due volte. Infatti, per quanto possiamo
saperne, uno degli antecedenti potrebbe essere la data precisa e la localit`
a
dell’ evento, in questo caso la nostra esperienza sarebbe del tutto inutile.
[...] L’ assioma della fisica che ha, in un certo senso, la stessa natura ` che
e
da antecedenti simili seguono conseguenze simili
James Clerk Maxwell

Angelo VULPIANI (2014)

Problemi tecnici e concettuali per le previsioni

Febbraio 2014, ROMA

14 / 26
Un tentativo di previsioni meteo con il metodo degli analoghi

Lorenz nel 1969 prov` ad applicare il metodo per le previsioni meteo
o
usando mappe atmosferiche (in pratica un vettore con circa mille
dimensioni)
Il risultato fu disastroso: non trov` analoghi:
o
ci sono numerosi analoghi mediocri, ma nessuno veramente buono
Lorenz aveva riscoperto, dopo circa 100 anni, quanto intuito da J.C. Maxwell
non si verificano mai gli stessi antecedenti e nulla accade identico a se stesso due
volte
la conclusione ` valida anche sostituendo ”stessi antecedenti” con ”antecedenti
e
simili”

Angelo VULPIANI (2014)

Problemi tecnici e concettuali per le previsioni

Febbraio 2014, ROMA

15 / 26
Un passo indietro
Un problema di meccanica apparentemente lontano dalle previsioni
Teorema di Ricorrenza di Poincar´
e
In un qualunque sistema meccanico la cui evoluzione avviene in una regione
limitata, dopo un certo tempo si ritorna (arbitrariamente) vicino alla condizione
iniziale.

In effetti il teorema vale sotto ipotesi molto generali.
Storicamente il teorema ebbe una grande importanza per il problema della
reversibilit`. Boltzmann mostr` con argomenti probabilistici che in un
a
o
sistema con N particelle per avere un ritorno vicino alla stato iniziale
bisogna aspettare un tempo
T R ∼ τ0 C N
ove τ0 ` un tempo caratteristico del sistema e C > 1, per un sistema
e
macroscopico (N almeno 1020 ) TR ` spaventosamente grande, molto
e
maggiore dell’et` dell’universo.
a
Angelo VULPIANI (2014)

Problemi tecnici e concettuali per le previsioni

Febbraio 2014, ROMA

16 / 26
Un teorema facile ma importante
L’intuizione di Boltzmann ` stata formalizzata nel
e
Lemma di Kac

In un sistema ergodico il tempo medio di ritorno τ (A) in un insieme A `
e
inversamente proporzionale alla probabilit` P(A) che il sistema durante la
a
sua evoluzione si trovi in A:
τ (A) =

τ0
P(A)

ǫ
Consideriamo un insieme di dimensioni lineari O(ǫ) allora P(A) ∼ ( L )D e
quindi

L D
ǫ
ove L ` la variazione tipica della singola componente del vettore di stato e
e
D ` la dimensione dell’attrattore.
e
D indica il numero minimo di gradi di libert` efficaci del sistema.
a
τ (A) ∼ τ0

Angelo VULPIANI (2014)

Problemi tecnici e concettuali per le previsioni

Febbraio 2014, ROMA

17 / 26
Conseguenze (belle e brutte) del lemma di Kac

L’ intuizione di Boltzmann ` esatta → per corpi macroscopici, poich´
e
e
D ∼ N ≫ 1, l’irreversibilit` non ` in contrasto con il teorema di Poincar´
a
e
e
Il lemma di Kac spiega l’insuccesso di Lorenz e le difficolt` delle previsioni meteo
a
dalle serie storiche

Quanto lontano devo andare nel passato per trovare un analogo?
Il problema ` del tutto equivalente a chiedersi il tempo di ricorrenza →
e
Per trovare almeno un analogo con precisione ǫ si deve andare indietro un
tempo ordine
L D
τ0
ǫ

Angelo VULPIANI (2014)

Problemi tecnici e concettuali per le previsioni

Febbraio 2014, ROMA

18 / 26
Brutte notizie....

Per trovare un analogo la lunghezza M della serie deve essere almeno dello stesso
ordine del tempo medio ritorno

Mmin ∼

τ0 L
∆t ǫ

D

Il povero Lorenz non poteva trovare un analogo, nell’atmosfera D ` enorme
e

Anche con una precisione non altissima, diciamo il 5% cio` L/ǫ = 20
e
abbiamo che non appena D ` grande si deve andare indietro un tempo
e
estremamente lungo, ad esempio se D = 6 servirebbero circa 6 × 107
tempi caratteristici, se D = 8 si arriva a 2 × 1010 .
Per una precisione dell’ 1% i tempi diventano rispettivamente 1012 e 1016 .

Angelo VULPIANI (2014)

Problemi tecnici e concettuali per le previsioni

Febbraio 2014, ROMA

19 / 26
100

εmin(M)/εmax

10-1
10-2
10-3
10-4

N=20
N=21

10-5
101

M-1/DA
102

103

104

105

106

107

108

M

Precisione percentuale di un analogo in funzione del numero di dati a
disposizione.
Un esempio in due sistemi con D ≃ 3.1 (cerchi) e D ≃ 6.6 (quadrati).
Angelo VULPIANI (2014)

Problemi tecnici e concettuali per le previsioni

Febbraio 2014, ROMA

20 / 26
Qualche buona notizia

Ci sono casi interessanti in cui il metodo funziona: le maree
Il motivo ` il valore basso di D che varia da posto a posto ma ` sempre tra 3 e 4
e
e
e quindi la serie non deve avere una lunghezza proibitiva.
Nei sistemi con struttura multiscala, cio` con variabili lente e veloci, pu`
e
o
accadere che D dipende dalla risoluzione ǫ, questo a volte permette previsioni a
risoluzione non altissima.

Angelo VULPIANI (2014)

Problemi tecnici e concettuali per le previsioni

Febbraio 2014, ROMA

21 / 26
Ancora notizie mediamente brutte...
Quasi sempre il vettore di stato x non ` noto, questo ` il caso dei terremoti, si `
e
e
e
costretti ad usare solo una serie temporale di una qualche variabile
u1 , u2 , ....., uM
si deve affrontare il problema della ricostruzione dello spazio delle fasi a partire
da {uj }.
Questo ` matematicamente possibile (teorema di Takens 1980), nella pratica
e
rimane il problema della D: se ` troppo grande (diciamo pi` di 5 o 6) allora i dati
e
u
non bastano.
* I problemi non migliorano se si usa un modello stocastico, ad esempio catene di
Markov, se gli stati sono troppi non si riesce a stimare le probabilit` di transizione
a
{pi→j }
* Nel problema delle previsioni usando serie storiche l’eventuale presenza del caos
non ` il problema principale: se D ` troppo grande semplicemente non si trova
e
e
nessun analogo e quindi il problema dell’incertezza non si pone.
Angelo VULPIANI (2014)

Problemi tecnici e concettuali per le previsioni

Febbraio 2014, ROMA

22 / 26
Domande e perplessit`
a

* Quasi sempre D non ` piccolo
e
* In finanza (ed in altre scienze ”pratiche”) non ` chiaro se
e
a] il sistema sia deterministico (quasi sicuramente non lo `)
e
b] quali siano le ”variabili giuste”
c] il sistema sia stazionario
Come si pu` essere ottimisti nello sperare di costruire modelli e fare
o
previsioni?

Angelo VULPIANI (2014)

Problemi tecnici e concettuali per le previsioni

Febbraio 2014, ROMA

23 / 26
Dobbiamo essere realistici
Capire cosa non ` possibile fare ` uno degli aspetti pi` importanti della Scienza
e
e
u

Sapere che sai quando sai, e che non sai quando non sai, questa ` la vera
e
conoscenza (Confucio)
* Esiste una (nefasta) corrente di pensiero, che purtroppo prende sempre
pi` piede, seconda la quale visto che siamo nell’era dei dati in abbondanza
u
si pu` fare a meno delle teorie, basta usare i dati
o
Una grande ingenuit` ...... Kac insegna che l’esponeziale non perdona!!
a

Fare previsioni ` difficile, specialmente del futuro
e
(Mark Tawain)

Angelo VULPIANI (2014)

Problemi tecnici e concettuali per le previsioni

Febbraio 2014, ROMA

24 / 26
Richardson il grande visionario
Cap` che i metodi ”empirici” per le previsioni meteo in uso all’inizio del XX secolo
ı
(± parenti del metodo degli analoghi) dovevano essere superati.
Richardson durante la prima guerra mondiale guidava (disarmato in quanto
pacifista) le autoambulanze sul fronte francese, tra un turno e l’altro concep`
ı
un’idea visionaria per le previsioni meteorologiche: utilizzare le equazioni
fondamentali della dinamica dei fluidi e della termodinamica per determinare lo
stato futuro dell’ atmosfera. Il manoscritto del libro che scrisse tra un turno e
l’altro al fronte, Weather Prediction by Numerical Process, and` perduto durante
o
la battaglia della Champagne nell’ aprile del 1917, venne fortunosamente ritrovato
mesi dopo sotto un mucchio di carbone.

Per la realizzazione del sogno di Richardson si dovr` aspettare fino agli
a
anni 50 con due ”ingredienti” assolutamente non banali:
a la messa a punto di equazioni efficaci
b computer per i calcoli numerici
Angelo VULPIANI (2014)

Problemi tecnici e concettuali per le previsioni

Febbraio 2014, ROMA

25 / 26
Qualche Ref sull’argomento
* L.F. Richardson Weather Prediction by Numerical Process (Cambridge
University Press, 1922)
* E.N. Lorenz Three approaches to atmospheric predictability Bull. Am. Met.
Soc. 50, 345 (1969)
* E.N. Lorenz The essence of chaos (UCL Press, 1995)
* A.S. Weigend and N.A. Gershenfeld (Editors) Time series prediction
(Addison-Wesley Pub., 1994)
* H. Kantz and T. Schreiber Nonlinear time series analysis (Cambridge University
Press, 1997)
* M. Cencini , F.Cecconi and A.V. Chaos: from simple models to complex
systems (World Scientific Pub., 2009)
* F.Cecconi, M. Cencini, M. Falcioni and A.V. The prediction of future from the
past: an old problem from a modern perspective Am. J. Phys. 80, 1001 (2012)
* F. Cecconi. M. Cencini e F. Sylos Labini Si puo’ prevedere il futuro? Le Scienze
Giugno 2013, pagina 32
* A. Vulpiani Problemi e limiti delle previsioni Le Scienze Giugno 2013, pagina 36

Angelo VULPIANI (2014)

Problemi tecnici e concettuali per le previsioni

Febbraio 2014, ROMA

26 / 26

More Related Content

Similar to Vulpiani - "Il problema della Previsione" - Ciclo Scienza & Filosofia

Dal caos-ai-sistemi-complessi
Dal caos-ai-sistemi-complessiDal caos-ai-sistemi-complessi
Dal caos-ai-sistemi-complessiimartini
 
Gravità quantistica: A che punto siamo?
Gravità quantistica: A che punto siamo?Gravità quantistica: A che punto siamo?
Gravità quantistica: A che punto siamo?
Fausto Intilla
 
QFT, gravità, entropia di entanglement e spaziotempo emergente: il nesso - In...
QFT, gravità, entropia di entanglement e spaziotempo emergente: il nesso - In...QFT, gravità, entropia di entanglement e spaziotempo emergente: il nesso - In...
QFT, gravità, entropia di entanglement e spaziotempo emergente: il nesso - In...
Fausto Intilla
 
IA: Princìpi e parametri alternativi, per una fisica alternativa – Intervista...
IA: Princìpi e parametri alternativi, per una fisica alternativa – Intervista...IA: Princìpi e parametri alternativi, per una fisica alternativa – Intervista...
IA: Princìpi e parametri alternativi, per una fisica alternativa – Intervista...
Fausto Intilla
 
Interpretazione a Molti Mondi: quali sono gli esperimenti per poterla testare?
Interpretazione a Molti Mondi: quali sono gli esperimenti per poterla testare?Interpretazione a Molti Mondi: quali sono gli esperimenti per poterla testare?
Interpretazione a Molti Mondi: quali sono gli esperimenti per poterla testare?
Fausto Intilla
 
Breve intro caos
Breve intro caosBreve intro caos
Breve intro caos
Giovanni Della Lunga
 
Intelligent data mining
Intelligent data miningIntelligent data mining
Intelligent data mining
Mario Gentili
 
Viaggio alla Scoperta della Meccanica Quantistica | Prof. Pascazio | Festival...
Viaggio alla Scoperta della Meccanica Quantistica | Prof. Pascazio | Festival...Viaggio alla Scoperta della Meccanica Quantistica | Prof. Pascazio | Festival...
Viaggio alla Scoperta della Meccanica Quantistica | Prof. Pascazio | Festival...
Alumni Mathematica
 

Similar to Vulpiani - "Il problema della Previsione" - Ciclo Scienza & Filosofia (9)

Dal caos-ai-sistemi-complessi
Dal caos-ai-sistemi-complessiDal caos-ai-sistemi-complessi
Dal caos-ai-sistemi-complessi
 
Gravità quantistica: A che punto siamo?
Gravità quantistica: A che punto siamo?Gravità quantistica: A che punto siamo?
Gravità quantistica: A che punto siamo?
 
Qed
QedQed
Qed
 
QFT, gravità, entropia di entanglement e spaziotempo emergente: il nesso - In...
QFT, gravità, entropia di entanglement e spaziotempo emergente: il nesso - In...QFT, gravità, entropia di entanglement e spaziotempo emergente: il nesso - In...
QFT, gravità, entropia di entanglement e spaziotempo emergente: il nesso - In...
 
IA: Princìpi e parametri alternativi, per una fisica alternativa – Intervista...
IA: Princìpi e parametri alternativi, per una fisica alternativa – Intervista...IA: Princìpi e parametri alternativi, per una fisica alternativa – Intervista...
IA: Princìpi e parametri alternativi, per una fisica alternativa – Intervista...
 
Interpretazione a Molti Mondi: quali sono gli esperimenti per poterla testare?
Interpretazione a Molti Mondi: quali sono gli esperimenti per poterla testare?Interpretazione a Molti Mondi: quali sono gli esperimenti per poterla testare?
Interpretazione a Molti Mondi: quali sono gli esperimenti per poterla testare?
 
Breve intro caos
Breve intro caosBreve intro caos
Breve intro caos
 
Intelligent data mining
Intelligent data miningIntelligent data mining
Intelligent data mining
 
Viaggio alla Scoperta della Meccanica Quantistica | Prof. Pascazio | Festival...
Viaggio alla Scoperta della Meccanica Quantistica | Prof. Pascazio | Festival...Viaggio alla Scoperta della Meccanica Quantistica | Prof. Pascazio | Festival...
Viaggio alla Scoperta della Meccanica Quantistica | Prof. Pascazio | Festival...
 

More from Logic & Knowledge

Ippoliti, E. Finanzimenti e ricerca. "La scoperta scientifica. Metodi e polit...
Ippoliti, E. Finanzimenti e ricerca. "La scoperta scientifica. Metodi e polit...Ippoliti, E. Finanzimenti e ricerca. "La scoperta scientifica. Metodi e polit...
Ippoliti, E. Finanzimenti e ricerca. "La scoperta scientifica. Metodi e polit...
Logic & Knowledge
 
Gillies D. Funding & Research: "random choice vs peer review"
Gillies D. Funding & Research: "random choice vs peer review"Gillies D. Funding & Research: "random choice vs peer review"
Gillies D. Funding & Research: "random choice vs peer review"
Logic & Knowledge
 
Stage: Men, Money & Machines Presentazione machines supremacy 19.05.2015
Stage: Men, Money & Machines Presentazione machines supremacy 19.05.2015Stage: Men, Money & Machines Presentazione machines supremacy 19.05.2015
Stage: Men, Money & Machines Presentazione machines supremacy 19.05.2015
Logic & Knowledge
 
Team hydrid integrazione uomo macchina
Team hydrid integrazione uomo macchinaTeam hydrid integrazione uomo macchina
Team hydrid integrazione uomo macchina
Logic & Knowledge
 
elementi di trading - L'alfabeto della finanza - gianluca fabrizi
elementi di trading - L'alfabeto della finanza - gianluca fabrizielementi di trading - L'alfabeto della finanza - gianluca fabrizi
elementi di trading - L'alfabeto della finanza - gianluca fabrizi
Logic & Knowledge
 
Il problema della conoscenza - corso teorie del ragionamento 2014-15
Il problema della conoscenza - corso teorie del ragionamento 2014-15Il problema della conoscenza - corso teorie del ragionamento 2014-15
Il problema della conoscenza - corso teorie del ragionamento 2014-15
Logic & Knowledge
 
Introduzione Science Fiction - Corso Teorie del Ragionamento 2014-15
Introduzione Science Fiction - Corso Teorie del Ragionamento 2014-15Introduzione Science Fiction - Corso Teorie del Ragionamento 2014-15
Introduzione Science Fiction - Corso Teorie del Ragionamento 2014-15
Logic & Knowledge
 
Ping Chen (China Center for Economic Research), Mathematical Representation i...
Ping Chen (China Center for Economic Research), Mathematical Representation i...Ping Chen (China Center for Economic Research), Mathematical Representation i...
Ping Chen (China Center for Economic Research), Mathematical Representation i...
Logic & Knowledge
 
Alex Preda (UCL), Finance as a boundary science. What can social scientists b...
Alex Preda (UCL), Finance as a boundary science. What can social scientists b...Alex Preda (UCL), Finance as a boundary science. What can social scientists b...
Alex Preda (UCL), Finance as a boundary science. What can social scientists b...
Logic & Knowledge
 
Juan Pablo Pardo-Guerra, Synthetic Markets and the Design of Economic Institu...
Juan Pablo Pardo-Guerra, Synthetic Markets and the Design of Economic Institu...Juan Pablo Pardo-Guerra, Synthetic Markets and the Design of Economic Institu...
Juan Pablo Pardo-Guerra, Synthetic Markets and the Design of Economic Institu...
Logic & Knowledge
 
Presentazione Soros - Gruppo Ipotesi Mercati Riflessivi
Presentazione Soros - Gruppo Ipotesi Mercati RiflessiviPresentazione Soros - Gruppo Ipotesi Mercati Riflessivi
Presentazione Soros - Gruppo Ipotesi Mercati RiflessiviLogic & Knowledge
 
Franchin, Paolo - Commento "Il problema della Previsione" - Scienza & Filosofia
Franchin, Paolo - Commento "Il problema della Previsione" - Scienza & FilosofiaFranchin, Paolo - Commento "Il problema della Previsione" - Scienza & Filosofia
Franchin, Paolo - Commento "Il problema della Previsione" - Scienza & FilosofiaLogic & Knowledge
 
Caprara - Introduzione Stage "Finanza, Matematica e Filosofia"
Caprara - Introduzione Stage "Finanza, Matematica e Filosofia"Caprara - Introduzione Stage "Finanza, Matematica e Filosofia"
Caprara - Introduzione Stage "Finanza, Matematica e Filosofia"Logic & Knowledge
 
Sergio Caprara - Introduzione Stage "Finanza, Matematica e Filosofia"
Sergio Caprara - Introduzione Stage "Finanza, Matematica e Filosofia"Sergio Caprara - Introduzione Stage "Finanza, Matematica e Filosofia"
Sergio Caprara - Introduzione Stage "Finanza, Matematica e Filosofia"Logic & Knowledge
 
Emiliano Ippoliti Introduzione Stage "Finanza, Matematica e Filosofia"
Emiliano Ippoliti Introduzione Stage "Finanza, Matematica e Filosofia" Emiliano Ippoliti Introduzione Stage "Finanza, Matematica e Filosofia"
Emiliano Ippoliti Introduzione Stage "Finanza, Matematica e Filosofia" Logic & Knowledge
 
Rossella Carapellese - Gruppo Econonfisica
Rossella Carapellese - Gruppo EcononfisicaRossella Carapellese - Gruppo Econonfisica
Rossella Carapellese - Gruppo Econonfisica
Logic & Knowledge
 
Teo Muccigrosso - Il ruolo delle agenzie di rating nei mercati finanziari
Teo Muccigrosso - Il ruolo delle agenzie di rating nei mercati finanziariTeo Muccigrosso - Il ruolo delle agenzie di rating nei mercati finanziari
Teo Muccigrosso - Il ruolo delle agenzie di rating nei mercati finanziariLogic & Knowledge
 
Teo Muccigrosso Intervento Stage Finanza, Matematica e Filosofia
Teo Muccigrosso Intervento Stage Finanza, Matematica e FilosofiaTeo Muccigrosso Intervento Stage Finanza, Matematica e Filosofia
Teo Muccigrosso Intervento Stage Finanza, Matematica e Filosofia
Logic & Knowledge
 
Corso 2013-14 Logica e ampliamento della conoscenza
Corso 2013-14 Logica e ampliamento della conoscenzaCorso 2013-14 Logica e ampliamento della conoscenza
Corso 2013-14 Logica e ampliamento della conoscenza
Logic & Knowledge
 

More from Logic & Knowledge (20)

Ippoliti, E. Finanzimenti e ricerca. "La scoperta scientifica. Metodi e polit...
Ippoliti, E. Finanzimenti e ricerca. "La scoperta scientifica. Metodi e polit...Ippoliti, E. Finanzimenti e ricerca. "La scoperta scientifica. Metodi e polit...
Ippoliti, E. Finanzimenti e ricerca. "La scoperta scientifica. Metodi e polit...
 
Gillies D. Funding & Research: "random choice vs peer review"
Gillies D. Funding & Research: "random choice vs peer review"Gillies D. Funding & Research: "random choice vs peer review"
Gillies D. Funding & Research: "random choice vs peer review"
 
Stage: Men, Money & Machines Presentazione machines supremacy 19.05.2015
Stage: Men, Money & Machines Presentazione machines supremacy 19.05.2015Stage: Men, Money & Machines Presentazione machines supremacy 19.05.2015
Stage: Men, Money & Machines Presentazione machines supremacy 19.05.2015
 
Team hydrid integrazione uomo macchina
Team hydrid integrazione uomo macchinaTeam hydrid integrazione uomo macchina
Team hydrid integrazione uomo macchina
 
elementi di trading - L'alfabeto della finanza - gianluca fabrizi
elementi di trading - L'alfabeto della finanza - gianluca fabrizielementi di trading - L'alfabeto della finanza - gianluca fabrizi
elementi di trading - L'alfabeto della finanza - gianluca fabrizi
 
Il problema della conoscenza - corso teorie del ragionamento 2014-15
Il problema della conoscenza - corso teorie del ragionamento 2014-15Il problema della conoscenza - corso teorie del ragionamento 2014-15
Il problema della conoscenza - corso teorie del ragionamento 2014-15
 
Introduzione Science Fiction - Corso Teorie del Ragionamento 2014-15
Introduzione Science Fiction - Corso Teorie del Ragionamento 2014-15Introduzione Science Fiction - Corso Teorie del Ragionamento 2014-15
Introduzione Science Fiction - Corso Teorie del Ragionamento 2014-15
 
Ping Chen (China Center for Economic Research), Mathematical Representation i...
Ping Chen (China Center for Economic Research), Mathematical Representation i...Ping Chen (China Center for Economic Research), Mathematical Representation i...
Ping Chen (China Center for Economic Research), Mathematical Representation i...
 
Alex Preda (UCL), Finance as a boundary science. What can social scientists b...
Alex Preda (UCL), Finance as a boundary science. What can social scientists b...Alex Preda (UCL), Finance as a boundary science. What can social scientists b...
Alex Preda (UCL), Finance as a boundary science. What can social scientists b...
 
Juan Pablo Pardo-Guerra, Synthetic Markets and the Design of Economic Institu...
Juan Pablo Pardo-Guerra, Synthetic Markets and the Design of Economic Institu...Juan Pablo Pardo-Guerra, Synthetic Markets and the Design of Economic Institu...
Juan Pablo Pardo-Guerra, Synthetic Markets and the Design of Economic Institu...
 
Presentazione Soros - Gruppo Ipotesi Mercati Riflessivi
Presentazione Soros - Gruppo Ipotesi Mercati RiflessiviPresentazione Soros - Gruppo Ipotesi Mercati Riflessivi
Presentazione Soros - Gruppo Ipotesi Mercati Riflessivi
 
Franchin, Paolo - Commento "Il problema della Previsione" - Scienza & Filosofia
Franchin, Paolo - Commento "Il problema della Previsione" - Scienza & FilosofiaFranchin, Paolo - Commento "Il problema della Previsione" - Scienza & Filosofia
Franchin, Paolo - Commento "Il problema della Previsione" - Scienza & Filosofia
 
Caprara - Introduzione Stage "Finanza, Matematica e Filosofia"
Caprara - Introduzione Stage "Finanza, Matematica e Filosofia"Caprara - Introduzione Stage "Finanza, Matematica e Filosofia"
Caprara - Introduzione Stage "Finanza, Matematica e Filosofia"
 
Sergio Caprara - Introduzione Stage "Finanza, Matematica e Filosofia"
Sergio Caprara - Introduzione Stage "Finanza, Matematica e Filosofia"Sergio Caprara - Introduzione Stage "Finanza, Matematica e Filosofia"
Sergio Caprara - Introduzione Stage "Finanza, Matematica e Filosofia"
 
Emiliano Ippoliti Introduzione Stage "Finanza, Matematica e Filosofia"
Emiliano Ippoliti Introduzione Stage "Finanza, Matematica e Filosofia" Emiliano Ippoliti Introduzione Stage "Finanza, Matematica e Filosofia"
Emiliano Ippoliti Introduzione Stage "Finanza, Matematica e Filosofia"
 
Rossella Carapellese - Gruppo Econonfisica
Rossella Carapellese - Gruppo EcononfisicaRossella Carapellese - Gruppo Econonfisica
Rossella Carapellese - Gruppo Econonfisica
 
Teo Muccigrosso - Il ruolo delle agenzie di rating nei mercati finanziari
Teo Muccigrosso - Il ruolo delle agenzie di rating nei mercati finanziariTeo Muccigrosso - Il ruolo delle agenzie di rating nei mercati finanziari
Teo Muccigrosso - Il ruolo delle agenzie di rating nei mercati finanziari
 
Muccigrosso 14.01.14
Muccigrosso 14.01.14Muccigrosso 14.01.14
Muccigrosso 14.01.14
 
Teo Muccigrosso Intervento Stage Finanza, Matematica e Filosofia
Teo Muccigrosso Intervento Stage Finanza, Matematica e FilosofiaTeo Muccigrosso Intervento Stage Finanza, Matematica e Filosofia
Teo Muccigrosso Intervento Stage Finanza, Matematica e Filosofia
 
Corso 2013-14 Logica e ampliamento della conoscenza
Corso 2013-14 Logica e ampliamento della conoscenzaCorso 2013-14 Logica e ampliamento della conoscenza
Corso 2013-14 Logica e ampliamento della conoscenza
 

Vulpiani - "Il problema della Previsione" - Ciclo Scienza & Filosofia

  • 1. Problemi tecnici e concettuali per le previsioni Angelo VULPIANI Dept. of Physics, University of Rome “Sapienza”, Italy Febbraio 2014, ROMA Angelo VULPIANI (2014) Problemi tecnici e concettuali per le previsioni Febbraio 2014, ROMA 1 / 26
  • 2. Perch´ le previsioni? e Fare previsioni ` sempre stata un’aspirazione naturale ed importante; e perch´ si pensa sia possibile farle? e Osservazione della regolarit`: a Il vento soffia a mezzogiorno, poi gira a tramontana; gira e rigira e sopra i suoi giri il vento ritorna ...... Ci` che ` stato sar` e ci` che si ` fatto si rifar`; o e a o e a non c’` niente di nuovo sotto il sole. e (Ecclesiaste) Esistono “regole” (i.e. LEGGI della NATURA) Angelo VULPIANI (2014) Problemi tecnici e concettuali per le previsioni Febbraio 2014, ROMA 2 / 26
  • 3. I problemi Prima cosa da capire Quali sono le variabili rilevanti? Questo ` un problema MOLTO sottile, ` stato necessario aspettare Galileo e e e Newton per capire che la variabile “giusta” non era solo la posizione ma anche la velocit`. a Seconda cosa da capire Che tipo di legge regola il sistema? Il sistema ` deterministico? Cio` dato lo stato iniziale x(0) il futuro ` e e e determinato; questo accade in meccanica. Oppure c’` una regola probabilistica? e Diversi situazioni: A: Le leggi di evoluzione esistono e si conoscono B: Le leggi di evoluzione esistono e non si conoscono C: Non sappiamo se le leggi di evoluzione esistono Angelo VULPIANI (2014) Problemi tecnici e concettuali per le previsioni Febbraio 2014, ROMA 3 / 26
  • 4. Caso “semplice” Sono note le variabili “giuste” e la legge di evoluzione ` deterministica, ad e esempio un’eq. differenziale dx = F(x) dt sotto ipotesi generale esiste la soluzione, cio` c’` una “regola” che e e determina l’evoluzione x(0) → x(t) = G[t, x(0)] (1) (2) Due possibilit`: a A la regola ` nota esplicitamente → caso facile (in genere non e interessante) B la regola non ` nota esplicitamente → caso pi` difficile ed interessante e u Angelo VULPIANI (2014) Problemi tecnici e concettuali per le previsioni Febbraio 2014, ROMA 4 / 26
  • 5. Anche nel caso in cui le leggi di evoluzione sono note, nei problemi interessanti (caso B) nella pratica ci sono molte difficolt`: a I ) Il sistema pu` essere “complicato” o Ad esempio ci sono tante variabili. Questo ` il caso dei problemi geofisici dove bisognerebbe trattare fenomeni e su piccola scala, ma la risoluzione numerica non lo consente e quindi ` e necessaria una “modellizzazione” delle piccole scale. II) Il sistema pu` essere caotico o Un piccolo errore sulle condizioni iniziali viene amplificato velocemente (esponenzialmente) Angelo VULPIANI (2014) Problemi tecnici e concettuali per le previsioni Febbraio 2014, ROMA 5 / 26
  • 6. Il caos in due parole H. J. Poincar´ e Una causa piccolissima che sfugge alla nostra attenzione determina un effetto considerevole che non possiamo mancare di vedere, e allora diciamo che l’effetto ` dovuto al caso. .... Ma se pure accadesse che le leggi della e natura non avessero pi` alcun segreto per noi, anche in questo caso u potremmo conoscere la situazione iniziale solo approssimativamente .... pu` accadere che piccole differenze nelle condizioni iniziali ne producano di o grandissime nei fenomeni finali. Un piccolo errore nelle prime produce un errore enorme nei secondi. La previsione diventa impossibile e si ha un fenomeno fortuito. Angelo VULPIANI (2014) Problemi tecnici e concettuali per le previsioni Febbraio 2014, ROMA 6 / 26
  • 7. L’ effetto farfalla Un esempio molto semplice (mappa logistica): x(t + 1) = 4x(t)(1 − x(t)) (3) ` possibile mostrare che tipicamente un piccolo errore raddoppia ad ogni e passo δx(t) ∼ 2t δx(0) (4) se si ha una (inevitabile) incertezza sulla condizione iniziale ` praticamente e impossibile conoscere lo stato del sistema dopo un certo tempo (che dipende dal sistema) Angelo VULPIANI (2014) Problemi tecnici e concettuali per le previsioni Febbraio 2014, ROMA 7 / 26
  • 8. Esponente di Lyapunov In un sistema deterministico caotico |δx(t)| ∼ e λt |δx(0)| (5) quindi il sistema pu` essere predetto con una certa tolleranza ∆ solo fino o ad un tempo che dipende (poco) dall’incertezza iniziale e dall’ esponente di Lyapunov λ > 0 Tp ∼ Angelo VULPIANI (2014) 1 ∆ ln λ |δx(0)| Problemi tecnici e concettuali per le previsioni (6) Febbraio 2014, ROMA 8 / 26
  • 9. 1.0 x(n) 0.8 0.6 (d) 0.4 0.2 r=4.0 0.0 0 5 10 15 n 20 25 30 Mappa logistica (λ = ln 2 ≃ 0.693): due traiettorie a partire da condizioni iniziali molto vicine |x(0) − x ′ (0)| = 4 × 10−6 , notare come solo dopo un tempo ∼ 16 le due traiettorie diventino completamente diverse. Angelo VULPIANI (2014) Problemi tecnici e concettuali per le previsioni Febbraio 2014, ROMA 9 / 26
  • 10. Il caos deterministico non ` una patologia matematica e ` E ormai ben noto, a partire dai lavori degli anni 60 di Lorenz, H´non , e Chirikov etc, che i sistemi caotici sono la regola e non l’eccezione, e sono presenti in astronomia, ottica, oceanografia, sismologia etc. Perch` le eclissi si prevedono in grande anticipo, mentre le previsioni del tempo e sul prossimo fine settimana sono spesso errate? Gli astronomi sono pi` bravi dei meteorologi? u Se si potremmo far fare le previsione meteo a gli astronomi... Ma non ` cos` gli esperti di astronomia sono solo pi` “fortunati”: e ı, u i fenomeni di cui trattano sono “poco caotici”, cio` l’esponente di e Lyapunov dei problemi astronomici ` molti piccolo e quindi non ` troppo e e difficile prevedere le eclissi. Al contrario il tempo caratteristico dell’atmosfera, cio` 1/λ, ` di qualche giorno, quindi niente previsioni a e e lungo termine. Angelo VULPIANI (2014) Problemi tecnici e concettuali per le previsioni Febbraio 2014, ROMA 10 / 26
  • 11. Prevedere il futuro dalla conoscenza del passato Non sempre le equazioni del fenomeni sono note. Spesso non ` neanche noto il vettore di stato, i.e. le variabili che descrivono ll e fenomeno L’ idea di base: dagli stessi antecedenti segue la stessa conseguenza Angelo VULPIANI (2014) Problemi tecnici e concettuali per le previsioni Febbraio 2014, ROMA 11 / 26
  • 12. Il metodo degli analoghi (nel caso pi` semplice in cui il vettore di stato sia noto) u a- si conosce il passato i.e. una serie (x1 , x2 , ...., xM ) ove xj = x(j∆t) b- si vuole prevedere il futuro, i.e. xM+t c- si guarda il passato e si cerca un analogo, cio` situazione simile ad oggi e (tempo M), in pratica un vettore xk con k < M tale che |xk − xM | < ǫ d- si predice il futuro ai tempi M + t > m, → xM+t ≃ xk+t Il metodo degli analoghi ` la formalizzazione della massima biblica e Ci` che ` stato sar` e ci` che si ` fatto si rifar` o e a o e a Se si trovano gli analoghi allora ` possibile ricostruire (con una certa e approssimazione) la legge di evoluzione, cio` una regola del tipo e xt+1 = G[xt ] Angelo VULPIANI (2014) Problemi tecnici e concettuali per le previsioni Febbraio 2014, ROMA 12 / 26
  • 13. x M+T’ ε xM xk x M+T ^ x =xk+T M+T ^ x =xk+T’ M+T’ (a) xk3 +T xk3 xM ε xk2 xk1 xk2 +T xM+T ^ x M+T xk1 +T (b) Schema del metodo degli analoghi per predire il futuro dal passato Angelo VULPIANI (2014) Problemi tecnici e concettuali per le previsioni Febbraio 2014, ROMA 13 / 26
  • 14. Sembra tutto facile.... per` non ` ovvio che si trovi un analogo! o e Il fatto che dagli stessi antecedenti seguano le stesse conseguenze ` una e dottrina metafisica. Nessuno pu` negarlo. Ma non ` molto utile nel o e mondo in cui viviamo, ove non si verificano mai gli stessi antecedenti e nulla accade identico a se stesso due volte. Infatti, per quanto possiamo saperne, uno degli antecedenti potrebbe essere la data precisa e la localit` a dell’ evento, in questo caso la nostra esperienza sarebbe del tutto inutile. [...] L’ assioma della fisica che ha, in un certo senso, la stessa natura ` che e da antecedenti simili seguono conseguenze simili James Clerk Maxwell Angelo VULPIANI (2014) Problemi tecnici e concettuali per le previsioni Febbraio 2014, ROMA 14 / 26
  • 15. Un tentativo di previsioni meteo con il metodo degli analoghi Lorenz nel 1969 prov` ad applicare il metodo per le previsioni meteo o usando mappe atmosferiche (in pratica un vettore con circa mille dimensioni) Il risultato fu disastroso: non trov` analoghi: o ci sono numerosi analoghi mediocri, ma nessuno veramente buono Lorenz aveva riscoperto, dopo circa 100 anni, quanto intuito da J.C. Maxwell non si verificano mai gli stessi antecedenti e nulla accade identico a se stesso due volte la conclusione ` valida anche sostituendo ”stessi antecedenti” con ”antecedenti e simili” Angelo VULPIANI (2014) Problemi tecnici e concettuali per le previsioni Febbraio 2014, ROMA 15 / 26
  • 16. Un passo indietro Un problema di meccanica apparentemente lontano dalle previsioni Teorema di Ricorrenza di Poincar´ e In un qualunque sistema meccanico la cui evoluzione avviene in una regione limitata, dopo un certo tempo si ritorna (arbitrariamente) vicino alla condizione iniziale. In effetti il teorema vale sotto ipotesi molto generali. Storicamente il teorema ebbe una grande importanza per il problema della reversibilit`. Boltzmann mostr` con argomenti probabilistici che in un a o sistema con N particelle per avere un ritorno vicino alla stato iniziale bisogna aspettare un tempo T R ∼ τ0 C N ove τ0 ` un tempo caratteristico del sistema e C > 1, per un sistema e macroscopico (N almeno 1020 ) TR ` spaventosamente grande, molto e maggiore dell’et` dell’universo. a Angelo VULPIANI (2014) Problemi tecnici e concettuali per le previsioni Febbraio 2014, ROMA 16 / 26
  • 17. Un teorema facile ma importante L’intuizione di Boltzmann ` stata formalizzata nel e Lemma di Kac In un sistema ergodico il tempo medio di ritorno τ (A) in un insieme A ` e inversamente proporzionale alla probabilit` P(A) che il sistema durante la a sua evoluzione si trovi in A: τ (A) = τ0 P(A) ǫ Consideriamo un insieme di dimensioni lineari O(ǫ) allora P(A) ∼ ( L )D e quindi L D ǫ ove L ` la variazione tipica della singola componente del vettore di stato e e D ` la dimensione dell’attrattore. e D indica il numero minimo di gradi di libert` efficaci del sistema. a τ (A) ∼ τ0 Angelo VULPIANI (2014) Problemi tecnici e concettuali per le previsioni Febbraio 2014, ROMA 17 / 26
  • 18. Conseguenze (belle e brutte) del lemma di Kac L’ intuizione di Boltzmann ` esatta → per corpi macroscopici, poich´ e e D ∼ N ≫ 1, l’irreversibilit` non ` in contrasto con il teorema di Poincar´ a e e Il lemma di Kac spiega l’insuccesso di Lorenz e le difficolt` delle previsioni meteo a dalle serie storiche Quanto lontano devo andare nel passato per trovare un analogo? Il problema ` del tutto equivalente a chiedersi il tempo di ricorrenza → e Per trovare almeno un analogo con precisione ǫ si deve andare indietro un tempo ordine L D τ0 ǫ Angelo VULPIANI (2014) Problemi tecnici e concettuali per le previsioni Febbraio 2014, ROMA 18 / 26
  • 19. Brutte notizie.... Per trovare un analogo la lunghezza M della serie deve essere almeno dello stesso ordine del tempo medio ritorno Mmin ∼ τ0 L ∆t ǫ D Il povero Lorenz non poteva trovare un analogo, nell’atmosfera D ` enorme e Anche con una precisione non altissima, diciamo il 5% cio` L/ǫ = 20 e abbiamo che non appena D ` grande si deve andare indietro un tempo e estremamente lungo, ad esempio se D = 6 servirebbero circa 6 × 107 tempi caratteristici, se D = 8 si arriva a 2 × 1010 . Per una precisione dell’ 1% i tempi diventano rispettivamente 1012 e 1016 . Angelo VULPIANI (2014) Problemi tecnici e concettuali per le previsioni Febbraio 2014, ROMA 19 / 26
  • 20. 100 εmin(M)/εmax 10-1 10-2 10-3 10-4 N=20 N=21 10-5 101 M-1/DA 102 103 104 105 106 107 108 M Precisione percentuale di un analogo in funzione del numero di dati a disposizione. Un esempio in due sistemi con D ≃ 3.1 (cerchi) e D ≃ 6.6 (quadrati). Angelo VULPIANI (2014) Problemi tecnici e concettuali per le previsioni Febbraio 2014, ROMA 20 / 26
  • 21. Qualche buona notizia Ci sono casi interessanti in cui il metodo funziona: le maree Il motivo ` il valore basso di D che varia da posto a posto ma ` sempre tra 3 e 4 e e e quindi la serie non deve avere una lunghezza proibitiva. Nei sistemi con struttura multiscala, cio` con variabili lente e veloci, pu` e o accadere che D dipende dalla risoluzione ǫ, questo a volte permette previsioni a risoluzione non altissima. Angelo VULPIANI (2014) Problemi tecnici e concettuali per le previsioni Febbraio 2014, ROMA 21 / 26
  • 22. Ancora notizie mediamente brutte... Quasi sempre il vettore di stato x non ` noto, questo ` il caso dei terremoti, si ` e e e costretti ad usare solo una serie temporale di una qualche variabile u1 , u2 , ....., uM si deve affrontare il problema della ricostruzione dello spazio delle fasi a partire da {uj }. Questo ` matematicamente possibile (teorema di Takens 1980), nella pratica e rimane il problema della D: se ` troppo grande (diciamo pi` di 5 o 6) allora i dati e u non bastano. * I problemi non migliorano se si usa un modello stocastico, ad esempio catene di Markov, se gli stati sono troppi non si riesce a stimare le probabilit` di transizione a {pi→j } * Nel problema delle previsioni usando serie storiche l’eventuale presenza del caos non ` il problema principale: se D ` troppo grande semplicemente non si trova e e nessun analogo e quindi il problema dell’incertezza non si pone. Angelo VULPIANI (2014) Problemi tecnici e concettuali per le previsioni Febbraio 2014, ROMA 22 / 26
  • 23. Domande e perplessit` a * Quasi sempre D non ` piccolo e * In finanza (ed in altre scienze ”pratiche”) non ` chiaro se e a] il sistema sia deterministico (quasi sicuramente non lo `) e b] quali siano le ”variabili giuste” c] il sistema sia stazionario Come si pu` essere ottimisti nello sperare di costruire modelli e fare o previsioni? Angelo VULPIANI (2014) Problemi tecnici e concettuali per le previsioni Febbraio 2014, ROMA 23 / 26
  • 24. Dobbiamo essere realistici Capire cosa non ` possibile fare ` uno degli aspetti pi` importanti della Scienza e e u Sapere che sai quando sai, e che non sai quando non sai, questa ` la vera e conoscenza (Confucio) * Esiste una (nefasta) corrente di pensiero, che purtroppo prende sempre pi` piede, seconda la quale visto che siamo nell’era dei dati in abbondanza u si pu` fare a meno delle teorie, basta usare i dati o Una grande ingenuit` ...... Kac insegna che l’esponeziale non perdona!! a Fare previsioni ` difficile, specialmente del futuro e (Mark Tawain) Angelo VULPIANI (2014) Problemi tecnici e concettuali per le previsioni Febbraio 2014, ROMA 24 / 26
  • 25. Richardson il grande visionario Cap` che i metodi ”empirici” per le previsioni meteo in uso all’inizio del XX secolo ı (± parenti del metodo degli analoghi) dovevano essere superati. Richardson durante la prima guerra mondiale guidava (disarmato in quanto pacifista) le autoambulanze sul fronte francese, tra un turno e l’altro concep` ı un’idea visionaria per le previsioni meteorologiche: utilizzare le equazioni fondamentali della dinamica dei fluidi e della termodinamica per determinare lo stato futuro dell’ atmosfera. Il manoscritto del libro che scrisse tra un turno e l’altro al fronte, Weather Prediction by Numerical Process, and` perduto durante o la battaglia della Champagne nell’ aprile del 1917, venne fortunosamente ritrovato mesi dopo sotto un mucchio di carbone. Per la realizzazione del sogno di Richardson si dovr` aspettare fino agli a anni 50 con due ”ingredienti” assolutamente non banali: a la messa a punto di equazioni efficaci b computer per i calcoli numerici Angelo VULPIANI (2014) Problemi tecnici e concettuali per le previsioni Febbraio 2014, ROMA 25 / 26
  • 26. Qualche Ref sull’argomento * L.F. Richardson Weather Prediction by Numerical Process (Cambridge University Press, 1922) * E.N. Lorenz Three approaches to atmospheric predictability Bull. Am. Met. Soc. 50, 345 (1969) * E.N. Lorenz The essence of chaos (UCL Press, 1995) * A.S. Weigend and N.A. Gershenfeld (Editors) Time series prediction (Addison-Wesley Pub., 1994) * H. Kantz and T. Schreiber Nonlinear time series analysis (Cambridge University Press, 1997) * M. Cencini , F.Cecconi and A.V. Chaos: from simple models to complex systems (World Scientific Pub., 2009) * F.Cecconi, M. Cencini, M. Falcioni and A.V. The prediction of future from the past: an old problem from a modern perspective Am. J. Phys. 80, 1001 (2012) * F. Cecconi. M. Cencini e F. Sylos Labini Si puo’ prevedere il futuro? Le Scienze Giugno 2013, pagina 32 * A. Vulpiani Problemi e limiti delle previsioni Le Scienze Giugno 2013, pagina 36 Angelo VULPIANI (2014) Problemi tecnici e concettuali per le previsioni Febbraio 2014, ROMA 26 / 26