mfilippa ha scritto:"Q": mostra solo che è un indicatore debole, poco sensibile alle variazioni e per nulla predittivo
Mah, allora io credo che dobbiamo ricominciare daccapo il discorso, scusa. Perché facciamo tutte 'ste misure? Non riteniamo da sempre che la variabilità dei caratteri in una specie sia una (ricchezza) difficoltà nella determinazione? Per una volta che ne troviamo uno più o meno costante perché disconoscerlo totalmente?
So che il Q non è il massimo, serve a dare un'idea della forma (discussione già ampiamente affrontata)... Nessuno pensa che il Q sia assolutamente costante, ma può essere un carattere utile in più, da prendere sempre con un granello di sale certo, come tutti i caratteri.
Penso di avere risposto ad alcune tue obiezioni nel topic "
ragionare col [Q]"
Non si tratta di "disconoscerlo": semmai si tratta di comprenderne a fondo i limiti e, nel limite delle possibilità, sostituirlo con indicatori piu' potenti.
Per parte mia mi accontenterei se le indagini sulle misure venissero fatte in "parallelo"; verificandole sia in modo "classico" che con gli strumenti che la statistica ci mette a disposizione.
Come tutte le novità, me ne rendo conto, può creare scompiglio. Però, una volta acquisito il metodo ( per esempio quello della regressione multipla), in pochissimi lascerebbero la strada nuova per quella vecchia.
A chi è piu' curioso di altri , posso suggerire di iniziare ad utilizzare la statistica bivariata e, nello specifico, il metodo della regressione lineare.
La logica è quella degli assi cartesiani.
Della spora, solitamente, prendiamo in considerazione due dimensioni ( lunghezza e larghezza). Però le misure che rileviamo finiscono in modo indifferenziato nel "mucchio", rispettivamente, delle lunghezze e larghezze; per cui ogni spora perde i suoi caratteri originali, per assumere quelli delle rispettive medie o intervalli modali.
Mi spiego meglio: io sono alto 184 cm e peso 89 kg. Un'altra persona può essere alta 168 cm. e pesare 65 kg.
L'uomo medio che ne salta fuori è un personaggio immaginario che sarà alto 176 cm. e peserà 77 kg.
Dunque un personaggio che non sono certamente io e neppure l'altro misurato.
Però , se io riporto la mia, la sua e altre decine di misure appaiate ( altezza e peso) su di un grafico cartesiano, all'incrocio dei valori x (altezza) e y (peso) potrò segnare un punto , che sarà il MIO dato specifico; poi segnerò le misure di Tizio, Caio, Sempronio......ciascuno con le LORO specifiche misure, non confondibili con quelle di altri.
Dunque, ottenuta una serie di punti, col metodo dei "minimi quadrati" potrò disegnare la retta di regressione che meglio rappresenta la correlazione tra i due caratteri ( altezza, peso) delle "n" persone osservate.
Il metodo mi fornirà le seguenti informazioni:
- altezza media
- peso medio
- varianza delle altezze ( e scarto quad. medio)
- varianza dei pesi ( e s.q.m.)
- coefficiente angolare ( pendenza della retta)
- punto di intercetta della retta con l'asse delle y
- equazione della retta
- coefficiente di correlazione
- coefficiente di determinazione
- errore della stima
Il metodo può essere esteso al confronto di due caratteri appartenenti a specie/generi diversi.
Per esempio rilevare simultaneamente le misure di altezza e peso di uomini e donne; altezza e peso di persone di razze diverse e via dicendo ( ovviamente rappresentando con colori diversi o simboli diversi, i rispettivi caratteri, per non confonderli).
Dunque, in luogo di una sola retta di regressione ve ne potranno essere due, tre o piu'
La differenza del punto di intercetta e inclinazione delle rette sui grafici cartesiani, forniranno la misura delle differenze e la loro significatività.
Consentiranno di concludere se i caratteri indagati sono significativamente differenti o se le differenze non consentono di respingere l'Ipotesi Nulla.
L'esperimento lo si può fare anche manualmente, utilizzando fogli di carta millimetrata ed avvalendosi del PC per evitare i calcoli manuali della regressione.
Per "collaudare" il metodo sarebbe interessante prendere specie affini, in cui "Q" non è derimente e provare a vedere cosa succede col metodo della regressione multipla.
Provare non costa nulla ( a parte un pò di tempo) ma potrebbe fornire chiarimenti sulla bontà o meno dei "nuovi" metodi ( sui quali non ho dubbi).
Se hai sottomano dei casi interessanti, mi presto volentieri all'esperimento.
Ciao, Daniele
.
).