84 Le Scienze 6 15 novembre 2019
Jessica Hullman e Jen Christiansen (
grafica
)
Mappe della densità di probabilità
I graphic designer possono associare l’incertezza direttamente a una
caratteristica visiva dell’infografica. Per esempio, un gradiente di
colori può passare da una tonalità scura (alta probabilità) al centro,
a tonalità più chiare (bassa probabilità) alle estremità (in alto).
In un diagramma a violino (violin plot), i punti più ampi indicano
una probabilità maggiore (in basso). Associando la densità di
probabilità a una variabile visiva, l’incertezza è illustrata con maggior
dettaglio rispetto ai metodi degli intervalli (barre di errore e bande di
confidenza); l’efficacia di questa tecnica dipende però dalla capacità
dei lettori di percepire le differenze di tonalità, di dimensioni o di altre
caratteristiche visive.
PRO- Spesso sono coerenti con l’intuizione: a una tonalità più scura o a
bordi più definiti è associata una maggiore sicurezza, a una tonalità
più chiara o a bordi meno definiti una maggiore incertezza. - Si evitano bias comuni ed equivoci, come quelli visti nell’esempio
degli intervalli.
CONTRO - I lettori possono non riconoscere che la densità di colore riflette la
probabilità. - I lettori spesso fanno coincidere la parte della visualizzazione più
facile da leggere (più scura, più ampia) con i dati veri e propri, e
fraintendono le parti più difficili da leggere (più chiare, più ristrette),
scambiandole con l’incertezza. - Le stime possono soffrire di un bias verso i punti più scuri o più alti.
- Può essere difficile dedurre valori di probabilità specifici.
Icone in fila
Riformulare una probabilità come una frequenza (anziché il 30 per
cento, tre su dieci) può facilitare la comprensione dell’incertezza e,
di conseguenza, far sì che le persone usino le informazioni nel modo
corretto. Le probabilità discrete possono essere più facili da capire
perché le incontriamo nella vita di tutti i giorni.
PRO- Tecnica più ovvia di altre, perché i lettori possono vedere
rapidamente che la probabilità è analoga al numero di volte in cui
compare un certo simbolo. - Se si usa un numero ridotto di simboli, i lettori possono fare stime
rapide: il nostro sistema visivo riconosce immediatamente le piccole
quantità, senza bisogno di contare.
CONTRO - E’ possibile presentare soltanto una singola probabilità per volta.
Campioni multipli nello spazio
Disegnando campioni multipli disposti nello spazio, diventa possibile illustrare la probabilità
in modo discreto per una o più variabili. Un esempio di questo approccio è il quantile dot
plot, in cui alcuni casi dei quantili della distribuzione dei dati sono rappresentati in modo
che il numero di pallini indichi la probabilità (per esempio, nell’illustrazione in basso, la
probabilità è associata al numero di pallini in ciascuna pila). Quando c’è un’incertezza sui
valori dei parametri da cui si traggono le stime, per esempio le condizioni iniziali, è possibile
generare campioni in cui li si fanno di volta in volta variare, e poi mostrare tutti i risultati così
ottenuti in un’unica visualizzazione.
PRO- Un designer può scegliere quanti campioni inserire nel grafico; l’ideale è che siano
abbastanza da rappresentare la distribuzione, ma non così tanti da rendere difficile
distinguere i singoli campioni.
CONTRO - Infografiche con molti campioni di dati possono essere troppo affollate, rendendo più
soggette a errori le stime delle probabilità. - Il campionamento introduce imprecisione, soprattutto se la distribuzione è molto
deformata dalla presenza di valori isolati.