MOLWICK

Controle estatístico de processos

A variação de variáveis de coeficientes artificiais de inteligência serve-nos de controle estatístico de processos ou validação do modelo de dados da evolução da inteligência segundo a Teoria Geral da Evolução Condicionada da Vida.

Capa do livro O Estudo EDI. Crepúsculo sobre o mar com nuvens, Galiza.

 

EVOLUÇÃO E DESENHO DA INTELIGÊNCIA

O ESTUDO EDI

Autor: José Tiberius

q560 Gráfico z60 - Tentativa bem-sucedida de simulação estatística. Correlações de variáveis ​​criadas semelhantes às observadas.

 

GRÁFICOS ESTATÍSTICOS

O título de cada gráfico deste estudo da inteligência com uma abordagem à família indica-nos a que variável do coeficiente de inteligência dos progenitores (R ou M & P) se referem as correlações. Estas correlações estão representadas em cada vértice ou ponto gordo das linhas de cores correspondentes às distintas varáveis dos filhos (H) objeto de análise e indicadas na caixinha da parte direita do gráfico.

Da mesma forma, na parte esquerda do gráfico situam-se as varáveis formadas pelas distintas agrupações de 1 a 10 valores dos 70 quocientes de inteligência (QI) existentes para cada uma das variáveis do modelo de dados originais, tanto dos progenitores como dos filhos, e sem ordem conhecida. Na parte direita encontram-se os grupos com os mesmos tamanhos, mas com os valores ordenados previamente à sua agrupação com a variável mencionada junto ao mesmo como critério estatístico de ordenação.

Em definitivo, consegue-se uma percepção quase instantânea da bondade, tendências e inclusivamente possibilidades de melhoria de 60 ou mais coeficientes de determinação (r²). Tudo isto permitiu calcular e valorizar aproximadamente uns 500 milhões de coeficientes de correlação no conjunto do Estudo EDI.

Estudo da inteligência – Metodologia da investigação estatística

 

ANÁLISE QUANTITATIVA DE CORRELAÇÃO, REGRESSÃO MÚLTIPLA E CONTROLE ESTATÍSTICO DE PROCESSOS

1. Geral

A diferença observada na investigação quantitativa do modelo de dados com variáveis de grupos entre dados estatísticos originais previamente ordenados e não ordenados indica com clareza que a redução do número de elementos das variáveis e consequentemente dos graus de liberdade do modelo estatístico, quando os grupos são maiores, não melhora as correlações por si mesma.

O incremento dos coeficientes de correlação no modelo de dados com as variáveis de grupos com o tamanho dos referidos grupos quando foram previamente ordenados os dados estatísticos originais deve-se tanto a que os desvios inerentes aos testes de inteligência como às variações ou diferenças provocadas pela combinação genética mendeliana compensam-se em maior grau e dentro de cada grupo, o que provoca uma mais nítida separação de cada escalão.

Independentemente dos bons ajustes obtidos em muitos casos da presente investigação quantitativa a tendência para melhorar a correlação com o tamanho dos grupos faz supor que, para grupos de 20 elementos e com uma amostra muito maior, os coeficientes de correlação poderiam situar-se acima de 0,9 em todos os casos.

2. Simulação de processos evolutivos com quocientes artificiais de inteligência

O Modelo Social ou Modelo Individual devidamente reformulado serviu-nos para determinar que o gene significativo é o de menor potencial. Agora, se o modelo genérico proposto pela ECV está correto deveríamos poder realizar uma simulação de processos de herança biológica capaz de criar uma variável artificial W de coeficientes de inteligência que se comportasse como os dados estatísticos observados no estudo longitudinal.

A introdução da evolução no sentido apontado pela Teoria da Evolução Condicionada da Vida e da capacidade de gerar variáveis quantitativas com perturbações que as aproximem às variáveis reais define-nos um novo modelo que chamarei Modelo Global para facilitar as referencias ao mesmo no próprio raciocínio.

Apesar de outros objetivos alcançados, até agora não se baixaram as correlações de W de forma satisfatória.

Definitivamente é necessário algo importante ou relevante que baixe as correlações suficientemente, por isso, depois de lhe dar umas quantas voltas, introduzi o que denomino limitações funcionais devidas a causas diversas, entre as que se pode destacar que existem problemas genéticos.

Para situá-lo em algum momento, depois da combinação genética mendeliana e do filtro de afinidade podemos supor que existe algo assim como acidentes ou problemas genéticos que diminuem em 30 pontos os coeficientes de inteligência esperados. Digo 30 pontos porque é o melhor resultado dá perante os gráficos que se produzem.

No final, conseguiu-se que a variável W não se possa distinguir das variáveis de dados estatísticos de coeficientes de inteligência observados no estudo longitudinal.

3. Sobre este gráfico particular do controle estatístico de processos

Este gráfico mostra até que ponto se conseguiu que a variável W seja uma variável equiparável às restantes H dos coeficientes de inteligência dos filhos.

Não só a correlação da variável de coeficientes artificiais de inteligência é totalmente semelhante aos dados estatísticos observados ou naturais H dos filhos tanto nos grupos com poucos elementos como nos grupos maiores, como também oferece a mesma forma típica de dentes de serra.

Inclusivamente o comportamento de W é semelhante nas correlações de variáveis de grupos sem ordem prévia. Não só se cumpriu o objetivo como se cumpriu na perfeição, permitindo uma análise estatística com dados estatísticos adequados sem necessidade de efetuar uma maior recolha de dados.