La geometria delle probabilità: perché l’area sotto la curva è probabilità

C’è un momento, nei corsi di statistica, in cui quasi tutti si perdono. Non quando arrivano le formule, quelle alla peggio si possono memorizzare. Ci si perde prima, quando qualcuno disegna una curva a campana sulla lavagna e dice: l’area sotto questa curva è uguale a uno e ogni porzione di quell’area è una probabilità. La frase sembra sensata. Ma se ci pensi un momento, non lo è affatto. Un’area è una misura di superficie: si misura in centimetri quadrati, in metri quadrati. Una probabilità è un numero tra zero e uno, adimensionale. Come può un pezzo di superficie essere una probabilità? La risposta a questa domanda è uno dei ponti più eleganti che la matematica abbia mai costruito tra il mondo visibile e il mondo dell’incertezza.

La curva come ritratto di un fenomeno

Tutto comincia con un’osservazione semplice: certi fenomeni del mondo reale si comportano in modo prevedibile nel loro insieme, anche quando ogni singolo evento è imprevedibile. L’altezza degli adulti in una popolazione, per esempio. Non posso sapere quanto sarà alto il prossimo uomo che incontro per strada. Ma se misuro un milione di persone e disegno su un piano cartesiano i valori che ho trovato — mettendo le altezze sull’asse orizzontale e il numero di persone che hanno quella statura sull’asse verticale — ottengo sempre la stessa forma: una collina simmetrica, alta al centro e bassa ai lati. I valori estremi sono rari, quelli vicini alla media sono frequenti. Che se ci pensi è anche logico ed intuitivo.

Quella collina è una distribuzione di frequenze. E la statistica ha scoperto che questa forma — con variazioni — descrive un numero sorprendente di fenomeni naturali, sociali ed economici. Tuttavia osservare una forma ricorrente non basta a farne uno strumento matematico. Per rendere quella collina qualcosa di più potente e generalizzabile — non legata a un campione specifico, ma capace di descrivere la struttura profonda del fenomeno sottostante — serve una funzione matematica precisa. La matematica risponde a questa esigenza con la funzione di densità di probabilità.

Cosa fa una curva con lo spazio

Immagina di trovarti di fronte a questa curva disegnata su un piano. L’asse orizzontale rappresenta i possibili valori che una misura può assumere — le altezze, i punteggi di un test, i rendimenti di un investimento. L’asse verticale rappresenta la densità di probabilità in ciascun punto. “Densità” è una parola che usiamo anche nella vita quotidiana: una città è densa quando tante persone abitano in poco spazio, un tessuto è denso quando i fili sono molto ravvicinati. Qui il significato è analogo: la curva è alta dove la probabilità è concentrata — dove i valori tendono ad addensarsi — ed è bassa dove i valori sono rari e dispersi.

Qui arriva la prima intuizione cruciale: per un fenomeno continuo, la probabilità che una misura sia esattamente uguale a un valore preciso è sempre zero. Non perché sia impossibile, ma perché i valori continui sono infiniti, e dunque la probabilità si distribuisce tra infiniti candidati. La domanda sensata non è “qual è la probabilità che questa persona sia alta esattamente 172 centimetri?” ma “qual è la probabilità che sia alta tra 170 e 175 centimetri?” Quella è una domanda a cui si può rispondere. E la risposta, geometricamente, è l’area della striscia di curva compresa tra quei due valori sull’asse orizzontale.

Il salto concettuale: l’area sotto la curva come misura

Adesso si può affrontare il paradosso dell’inizio. Perché un’area — una misura di superficie — dovrebbe corrispondere a una probabilità, ossia ad un numero puro, senza unità di misura?

La risposta sta nel modo in cui la curva è costruita. La funzione di densità non è una curva qualsiasi: è una curva progettata affinché tutta l’area compresa tra essa e l’asse orizzontale, estesa da meno infinito a più infinito, sia esattamente uguale a uno. È una condizione imposta dalla matematica, non una proprietà che emerge per caso. Quella condizione trasforma l’area in una misura di probabilità: l’area totale vale uno — la certezza — e ogni porzione di area è una frazione di quella certezza.

Pensa a una torta perfettamente rotonda. L’intera torta rappresenta la probabilità totale: uno, la certezza che qualcosa accadrà. Ogni fetta è una porzione di quella certezza, la probabilità che il fenomeno cada in un certo intervallo di valori. La curva è la ricetta che determina come tagliare quella torta: dà fette più grandi dove i valori sono più probabili, fette più sottili dove sono rari. L’area non è superficie nel senso fisico. È proporzione, è una rappresentazione del mondo reale tradotta in linguaggio matematico. Ed è precisamente per questo che può essere probabilità: non una metafora, non un’approssimazione, ma una misura rigorosa dell’incertezza espressa attraverso la geometria.

La curva normale e la sua ubiquità

Questa curva a campana che compare quasi ovunque dalla statistica, alla biologia, dalla medicina alla finanza, si chiama distribuzione normale, o gaussiana. Il nome richiama Carl Friedrich Gauss, matematico tedesco dell’Ottocento che la studiò in modo sistematico, anche se la sua storia è più antica e passa per Abraham de Moivre, che ne intuì la forma già nel Settecento mentre studiava le probabilità nei giochi d’azzardo.

La distribuzione normale non è normale perché sia la più comune in senso assoluto: ci sono tantissimi fenomeni “normali” che seguono distribuzioni completamente diverse. È normale in senso tecnico. Essa è il punto di convergenza verso cui tendono le medie di campioni grandi, indipendentemente da come è distribuito il fenomeno originale. Questo risultato, noto come teorema centrale del limite, è uno dei fatti più profondi della probabilità: metti insieme un numero molto alto di valori casuali, qualunque sia la loro origine, e la loro media tende alla forma a campana. È come se la casualità, mescolata in quantità sufficienti, convergesse sempre verso la stessa firma geometrica.

Leggere le aree nella pratica

Capire che le aree sono probabilità cambia il modo in cui si leggono i risultati statistici. Quando un medico dice che un valore di pressione arteriosa è “nel 90° percentile”, sta dicendo che il 90% dell’area sotto la curva della distribuzione della pressione cade a sinistra di quel valore, cioè che il 90% della popolazione ha una pressione più bassa. Quando un ingegnere dice che un componente ha una “probabilità di guasto dell’1% nelle prime mille ore”, sta dicendo che l’area sotto la curva di affidabilità tra zero e mille ore è 0.01.

In entrambi i casi, la domanda pratica  “quanto è probabile questo?” viene trasformata in una domanda geometrica: “quanto è grande questa porzione di area?” Ed è proprio questa trasformazione che rende la probabilità calcolabile, confrontabile, comunicabile.

Distribuzioni diverse, stessa logica

La curva normale è la più famosa, ma non è l’unica. Il mondo reale produce forme molto più varie e riconoscerle è parte essenziale del lavoro statistico.

Pensa alla distribuzione dei redditi in una popolazione. Se la disegnassimo, non otterremmo una campana simmetrica: otterremmo una curva con un picco spostato verso sinistra — dove si concentra la maggior parte delle persone — e una coda lunga e sottile che si allunga verso destra, dove vivono i redditi altissimi. Questa asimmetria non è un difetto del campione: è la struttura reale del fenomeno. I redditi non possono scendere sotto zero, ma non hanno un tetto superiore e questa asimmetria si riflette direttamente nella geometria della curva.

Distribuzioni di questo tipo si chiamano asimmetriche positive, o con coda destra. Compaiono ogni volta che il fenomeno ha un limite inferiore naturale ma non ha un limite superiore: il tempo di attesa prima che un server risponda, la dimensione dei terremoti, il numero di follower sui social network. In tutti questi casi, l’area a destra della curva — quella che rappresenta la probabilità di valori estremi — è più grande di quanto la forma simmetrica farebbe prevedere. Le sorprese arrivano più spesso di quanto ci si aspetti e arrivano più grandi.

Esistono anche distribuzioni bimodali, con due picchi distinti: compaiono quando una popolazione è in realtà la sovrapposizione di due sottopopolazioni con caratteristiche diverse. E poi ci sono le distribuzioni a coda pesante, dove gli eventi estremi sono molto più frequenti che nella normale — le famose distribuzioni di Pareto, o le code grasse che i modelli finanziari hanno ignorato fino alla crisi del 2008, quando si è scoperto a caro prezzo che certi rischi erano stati sistematicamente sottostimati. In tutti questi casi, la logica dell’area come probabilità rimane identica: cambia la forma della torta, non il fatto che la torta valga uno.

Il teorema centrale del limite: quando la casualità converge

C’è un risultato della teoria della probabilità che, quando lo si incontra per la prima volta, sembra quasi un trucco di magia. Si chiama teorema centrale del limite, ed è uno dei motivi per cui la distribuzione normale compare così spesso anche quando nessuno l’ha invitata.

Immagina di avere un fenomeno che segue una distribuzione qualsiasi, non necessariamente simmetrica, non necessariamente bella. Potrebbe essere la distribuzione del tempo che un cliente trascorre in coda a uno sportello: asimmetrica, con molti tempi brevi e qualche attesa lunghissima. Oppure il risultato di un dado: una distribuzione piatta e discreta, dove ogni faccia ha la stessa probabilità. Ora immagina di estrarre un campione di persone o lanci, di calcolarne la media, e di ripetere questa operazione moltissime volte. Le medie che ottieni — non i singoli valori, ma le medie dei campioni — seguono una distribuzione sempre più simile a una campana, man mano che aumenti la dimensione dei campioni. E questo accade indipendentemente dalla forma della distribuzione originale.

È come se la media avesse un potere livellante: mescola le irregolarità, smussa le asimmetrie e fa emergere la forma normale come punto di convergenza naturale. Con campioni sufficientemente grandi — in molti contesti pratici bastano trenta o quaranta osservazioni — la distribuzione delle medie è approssimabile con una gaussiana, qualunque sia la distribuzione dei singoli valori.

Questo risultato è la ragione profonda per cui la distribuzione normale domina la statistica applicata. Non perché il mondo sia normale — spesso non lo è — ma perché le medie, i totali, le somme di fenomeni indipendenti tendono alla normalità. E siccome molte delle quantità che misuriamo nella ricerca sono proprio medie o somme — il punteggio medio di un gruppo, la risposta media a un trattamento, il rendimento medio di un portafoglio — la normale si trova ovunque non per una scelta arbitraria, ma per una necessità matematica profonda.

La geometria della curva normale, con tutta la sua eleganza, non è un’imposizione della statistica sul mondo: è la firma che la casualità lascia quando viene mescolata abbastanza a lungo.

La probabilità non è un numero che cade dal cielo: è una geometria.È la forma di uno spazio, la proporzione di un’area, la misura di quanto il mondo tende verso certi valori piuttosto che verso altri. Quando si capisce questo, quando dunque la curva smette di essere un disegno su una lavagna e diventa il ritratto matematico di un fenomeno, la statistica cambia natura. Non è più una collezione di procedure da applicare: è un linguaggio per descrivere l’incertezza con la precisione e l’immediatezza della geometria.