Controllo statistico di processi

GRAFICI STATISTICI

Il titolo di ogni grafico di questo studio dell’intelligenza orientato alla famiglia ci indica a che variabile del coefficiente intellettivo dei genitori (R o M & P) si riferiscono le correlazioni. Queste correlazioni sono rappresentate in ogni vertice o punto spesso delle linee di colore corrispondenti alle diverse variabili dei figli (F) oggetto d’analisi ed indicate nel riquadro nella parte destra del grafico.

Inoltre, nella parte sinistra del grafico compaiono le variabili formate dai diversi aggruppamenti da 1 a 10 valori dei 70 quozienti d’intelligenza (QI) esistenti per ognuna delle variabili del modello di dati originali, sia per i genitori che per i figli e senza ordine noto. A destra ci sono i gruppi della stessa grandezza, ma con valori ordinati prima del loro aggruppamento con la suddetta variabile, riportata sotto lo stesso, come criterio statistico d’ordine.

Insomma, si ottiene una percezione quasi istantanea della bontà, delle tendenze ed addirittura delle possibilità di miglioramento di 60 o più coefficienti di determinazione (r²). Tutto ciò ha permesso di calcolare e valutare approssimativamente circa 500 milioni di coefficienti di correlazione nell’insieme dello Studio EDI.

Studio dell’intelligenza - Metodologia della ricerca statistica

VARIABILI DEI GRAFICI O STATISTICHE
* R °	Variabile del modello dati composta dai valori previsti dal coefficiente intellettivo (QI) dei figli, ottenuta in funzione dei vettori di quoziente intellettivo (QI) delle madri (M) e dei padri (P), secondo le ipotesi della Teoria Generale dell’Evoluzione Condizionata della Vita (TGECV). Ovvero, combinazione mendeliana di geni ed applicazione del metodo VIG nel modello di lavoro dell’intelligenza.
M & P	Uso congiunto di entrambi i fattori di quozienti intellettivi (QI), quello delle madri (M) e quello dei padri (P) come variabili indipendenti. I coefficienti di determinazione della regressione multipla vengono stimati mediante il metodo dei minimi quadrati ordinari.
T1-d	Variabile del modello di dati statistici formata dal vettore di QI dei figli con valori estremi limitati ad un 10% rispetto alla media dei sei test d’intelligenza originali.
X3	Variabile del modello di dati statistici formata dal vettore di QI dei figli – media di 3 variabili originali.
* X6	Variabile del modello di dati statistici formata dal vettore di QI dei figli – media delle 6 variabili originali disponibili.
* W °	Vettori di coefficienti artificiali d’intelligenza dei figli generati in base a diverse specificazioni avanzate dalla Teoria Generale dell’Evoluzione Condizionata della Vita (TGECV) nei modelli di simulazione dell’evoluzione.
* (M+P)/2	Variabile del modello dei dati statistici formata dal vettore di quozienti intellettivi formato dalla semisomma del coefficiente intellettuale della madre e del padre.
* M1P1 °	Variabile del modello di dati statistici formata dal vettore di quozienti intellettivi formato dal valore minore dei QI dei genitori. Il quoziente intellettuale della madre o quello del padre.
ANALISI QUANTITATIVA DI CORRELAZIONE MULTIPLA E CONTROLLO STATISTICO DEI PROCESSI

1. Generale

La differenza osservata nella ricerca correlazionale del modello di dati con variabili di gruppo fra dati statistici originali prima ordinati e non ordinati indica chiaramente che la riduzione del numero di elementi delle variabili, e quindi i gradi di libertà del modello statistico quando i gruppi sono maggiori, non migliora di per sé le correlazioni.

L’incremento dei coefficienti di correlazione nel modello di dati con le variabili di gruppi con la grandezza di questi gruppi quando sono stati prima ordinati i dati statistici originali, è dovuto al fatto che sia le deviazioni inerenti i testi d’intelligenza sia le variazioni o differenze provocate dalla combinazione genetica mendeliana si compensano in misura maggiore e dentro di ogni gruppo, ciò che dà luogo ad una separazione più netta di ogni scalone.

Indipendentemente dai buoni adattamenti ottenuti in molti casi nella presente ricerca quantitativa, la tendenza a migliorare la correlazione con la grandezza dei gruppi fa supporre che, per gruppi di 20 elementi e con un campione più grande, i coefficienti di correlazione potrebbero situarsi oltre lo 0,9 in ogni caso.

2. Simulazione di processi evolutivi con quozienti artificiali d’intelligenza

Il Modello Sociale o Modello Individuale riformulato ci è servito per determinare che il gene significativo o informazione genetica dell’intelligenza è quello di potenziale minore. Dunque, se il modello generico proposto dalla Teoria dell’Evoluzione Condizionata della Vita (TGECV) è corretto, dovremmo poter eseguire una simulazione statistica con controllo statistico di processi di trasmissione biologica ereditaria in grado di creare una variabile artificiale W di coefficienti intellettuali che si comporti come i dati statistici osservati nello studio longitudinale.

La seconda grande sorpresa è stata per me il fracasso del modello dell’intelligenza sociale semplificato per raggiungere questo obiettivo di simulazione dei processi di ereditarietà genetica.

L’introduzione dell’evoluzione nel senso apportato dalla Teoria dell’Evoluzione Condizionata della Vita e della capacità di generare variabili quantitative con perturbazioni con controllo statistico dei processi che le avvicinano alle variabili reali, definisce un nuovo modello, che chiamerò Modello Globale, per facilitare i riferimenti allo stesso ed il ragionamento.

Come sappiamo, le differenze nei valori corrispondenti alle misurazioni del quoziente d’intelligenza delle stesse persone possono essere molto grandi. Esistono comunque deviazioni dovute alla diversa espressione della capacità in ogni momento ed a maggior ragione, in anni diversi.

Un ulteriore fattore che provoca o può provocare lo stesso tipo di deviazioni è il test particolare utilizzato e persino ogni prova specifica all’interno di un test di intelligenza standard.

Possiamo di conseguenza introdurre negli algoritmi genetici della simulazione statistica un fattore addizionale di aleatorietà per queste cause, allo scopo di migliorare la simulazione dei processi reali. Sebbene le differenze osservate siano superiori al 10% rispetto alla media in alcuni casi, introdurrò, con l’ausilio di numeri aleatori, una deviazione media di un 3% verso l’alto e di un 3% verso il basso. Anche se con fattori aleatori si realizza un controllo statistico di processi, allora ci si riesce ad avvicinare ai processi reali.

Per la stessa ragione per cui ho introdotto elementi d’errore nelle variabili F dei figli, occorre impiegare lo stesso modello d’errore nelle variabili M delle madri e P dei padri nella simulazione statistica dei processi orientati alla famiglia per l’ereditarietà genetica dei geni maschili e femminili.

Tuttavia, la correlazione della variabile statistica oggetto della simulazione nel Modello Globale non si riduce sensibilmente.

A tal fine, si può includere negli algoritmi del modello di simulazione statistica d’evoluzione dell’intelligenza l’interessante effetto filtro sull’affinità genetica dei genitori citato dalla stessa teoria, detto altrimenti il potenziale risultante dalla combinazione genetica sarà uguale all’intersezione dei potenziali e non al potenziale del gene minore o cromosoma.

Una delle semplificazioni apportate si riferisce al modello teorico della Teoria Generale dell’Evoluzione Condizionata della Vita, che ci segnala che l’evoluzione esiste, che effettivamente l’ambiente circostante influisce, ma in modo più generale; ovvero, la capacità cresce nel corso della vita e viene trasmessa alla discendenza.

Nonostante certi risultati, non sono diminuite finora le correlazioni di W in modo soddisfacente.

È definitivamente necessario qualcosa d’importante o rilevante che diminuisca sufficientemente le correlazioni e renda efficace il controllo ststistico dei processi, per questo, dopo alcune riflessioni ho introdotto ciò che definisco limitazioni funzionali dovute a cause diverse, tra cui spiccano problemi di genetica.

Allo scopo di situarli nel tempo, dopo la combinazione genetica mendeliana ed il filtro d’affinità, possiamo supporre che esista qualcosa come incidenti o problemi di genetica che riducono di 30 punti i quozienti d’intelligenza previsti. È stata svolta un’analisi della sensibilità di questo parametro quantitativo associato a problemi ereditari per determinare che tale quantità è quella che produce i migliori risultati nel controllo statistico del processo della grafica che si produce.

Alla fine il risultato ottenuto è stato che la variabile W non si possa distinguere dalle variabili di dati statistici di quozienti d’intelligenza osservati nello studio longitudinale.

3. Su questo grafico particolare dell'analisi statistica.

Questo grafico mostra fino a che punto sia stato possibile fare in modo che la variabile W sia una variabile equiparabile alle altre F dei coefficienti d’intelligenza dei figli.

Non solo la correlazione della variabile di coefficienti artificiali d’intelligenza è del tutto simile ai dati statistici osservati o naturali F dei figli sia nei gruppi con pochi elementi che in quelli più grandi, ma offre anche la tipica forma a dente di sega.

Persino il comportamento di W è simile nelle correlazioni di variabili di gruppi senza ordine previo. Non soltanto l’obiettivo è stato raggiunto, è stato anche compiuto alla perfezione, consentendo un’analisi statistica con dati statistici adeguati senza bisogno di una maggior raccolta di dati

	Controllo statistico di processi
		La creazione di variabili di quozienti artificiali d’intelligenza ci serve da controllo statistico di processi. Validazione del modello di dati dell’evoluzione dell’intelligenza con controllo statistico dei processi.