L’esattezza è uno dei requisiti della scienza. Esattezza dei termini, degli enunciati, delle misurazioni. Il contrario dell’esattezza è l’approssimazione, che non coglie il centro del bersaglio, ma in qualche modo lo raggiunge.

La domanda è: per rimanere credibili, quanto si può essere approssimativi? Potendo scegliere, è meglio cercare sempre di essere esatti, o in molti casi è preferibile essere approssimativi?

Un espediente comunicativo è aggiungere ad una grossa cifra quantità molto più piccole. Dire “15 miliardi di euro” sembra meno concreto che dire “15 miliardi e 47 milioni di euro”, anche se qualche milione di euro è una grandezza poco rilevante di fronte ai 15 miliardi. 

 

 

 

Precisione ed esattezza

Se vogliamo fare un po’ di etimologia, precisione significa taglio, quindi delimitazione di un campo; esattezza si riferisce al peso. Tuttavia nell’uso comune un termine vale l’altro.

I contrari sono imprecisione e inesattezza, ma anche falsità, errore.

A metà c’è il concetto di approssimazione, che significa essere “quasi” precisi. Quel “quasi” – in inglese almost –  è uno strumento molto potente che permette di adattare il concetto di precisione al tipo di problema che si affronta.

Per esempio, quando misuriamo qualcosa, possiamo decidere il grado di approssimazione a cui vogliamo arrivare. Potremmo accontentarci dei numeri interi, o di due cifre decimali, o di venti cifre decimali. 

La precisione quindi è un concetto relativo, perché dipende dal risultato atteso. In alcuni casi un millimetro fa una grande differenza, in altri si può approssimare al chilometro.

Almost

Può capitare che non si disponga di dati sufficienti per essere precisi. In tal caso o si sospende il giudizio in attesa dei dati, oppure ci si può avventurare nel terreno dell’almost, dell’approssimativo.

La precisione del quasi dipende dalla risoluzione del sistema, ossia dal livello di approssimazione richiesto, dalla tolleranza dell’errore.

Per esempio, in una intervista sulle intenzioni di voto, è ammesso un errore di due punti percentuali in più o in meno. Quindi chi pretende dai sondaggi una esattezza di previsione superiore ai 4 punti, semplicemente fa una richiesta che non tiene conto della risoluzione dello strumento.

I metodi di valutazione almost sono molto utili nel mondo della complessità, e sono alla base della logica fuzzy, ossia la logica degli insiemi sfumati, in cui 2+2 non fa 4, ma qualcosa che gli si avvicina.

Tendenze

L’approssimazione è molto utile per esaminare scenari e individuare linee di tendenza, perché l’incertezza del futuro non richiede nessuna precisione, ma è molto utile cercar di capire verso dove si va, se la curva si alzerà o si abbasserà. Spesso la precisione è meno importante della velocità. E’ meglio capire subito in che direzione andare, e rifinire i dati durante il cammino, invece di restare fermi in attesa di dati più precisi.

Visualizzazione

La precisione di una visualizzazione dipende dall’uso che se ne farà, dal formato e dalla risoluzione.

Se devo fare un’immagine piccola per il web, quindi a bassa risoluzione, la visualizzazione sarà molto approssimativa. Si deve tener conto anche della differenza fra la grandezza della realtà e quella della rappresentazione grafica. Se rappresentiamo una montagna alta 4000 metri in cartolina o sul display del telefonino, distingueremo solo le forme principali. Lo stesso vale per una mappa topografica.

Per visualizzare sistemi approssimati possono essere preferibili forme e linee sfumate invece di forme nette. Ciò vale specialmente quando si passa da uno stato all’altro in modo graduale.

 

Problem solving

Il livello di approssimazione dipende dal tipo di soluzione utile a superare il nostro problema. L’approssimazione deve essere concepita come un riduttore di complessità.

Se il problema è individuare un sentiero in montagna, avremo bisogno di una carta al 25.000, o perfino al 5.000. Se è il percorso stradale da Trieste a Innsbruck basta un atlante al 300.000. In un caso la mappa sarebbe troppo complessa e sovrainformante, nell’altro troppo semplice e priva delle informazioni utili.

Se abbiamo bisogno di passare da una visione di insieme a visioni particolareggiate, possiamo usare mappe gerarchiche a diversi livelli di approssimazione.

Decisioni

Più è rapida la decisione da prendere, più serve un basso livello di precisione, perché non ci sarebbe neanche il tempo di esaminare troppi dati.

Una rappresentazione grossolana che però mostri a colpo d’occhio strutture e linee di tendenza essenziali può essere molto utile per decidere.

Grafici come i treemap permettono di valutare situazioni complesse a colpo d’occhio, mediante la grandezza delle forme e i colori.