Sensibilita' [sensitivity]

  Capacita' di uno strumento di misura di reagire, in modo piu' o meno ampio, agli stimoli per la cui rilevazione e' predisposto.

  La sensibilita' strumentale non e' di solito lineare ma varia al variare del valore dell'intensita' del fenomeno fisico misurato.

  Nella figura precedente vediamo la risposta di un trasduttore. Il fenomeno del mondo reale (in X; temperatura, luce, ecc.) viene convertito in una variabile misurabile (in Y; volts, ampere, ohm, ecc.). La sensibilita' si misura prendendo una variazione di X costante e misurando quale variazione si produce sulla Y. Possiamo usare la derivata, cioe': ΔY/ΔX per ottenere la sensibilita' in un dato punto della curva.

  In figura si nota che, data la stessa variazione di X, la variazione su Y e' ben diversa se si leggono bassi o alti valori del fenomeno reale. Sono comunque da preferire trasduttori e strumenti di misura con risposta lineare.

  Ora vediamo un caso reale. Esiste un trasduttore per la misura della temperatura usatissimo in tutti i contesti. Non e' altro che un resistore a cui e' stato esaltato il tipico effetto di variazione della resistenza (ohm) in funzione della temperatura.

  Come si vede ha un coefficiente negativo e NON e' lineare. Chi lo utilizza deve pensare ad una linearizzazione (matematica) o deve usare una funzione che segua i punti (polinomiale, logaritmica, ecc.).

  A proposito, eccovi il file con i dati grezzi. Vi consiglio di guardarlo anche per vedere COME si scrive un file di misure. Sono certo che fra cinque anni leggendolo ancora sapremo dire di che si tratta, cosa abbiamo fatto, ecc..., eccolo nel solito formato Lotus 9.8, .123 oppure formato .wk3.

  Se il carattere rilevato e' un attributo (vero-falso, malato-sano, vero-copia), la sensibilita' e' misurata dalla frazione di unita' che possiedono l'attributo e sono classificate correttamente, in rapporto alle unita' totali che realmente possiedono l'attributo (rilevati solo 21 invece di 24 malati, delle 73 unita da misurare). La sensibilita' percio' va da zero ad 1.

  I casi che, possedendo l'attributo ma sono classificati erroneamente, si dicono falsi negativi. I casi che, non possedendo l'attributo ma sono classificati positivamente, si dicono falsi positivi.

  Perche' ritradurre una frase ben espressa? Riprendiamola direttamente da un lavoro gia' pubblicato:

• A high Selectivity indicates that the clustering algorithm is able to give a good separation of the groups and allows an object to fall inside one of them.
• Ed anche,
• A high Specificity refers only to one cluster, so called one versus all other, the objects inside this cluster must be well distinguished from the other clusters (but in the worst case, they form an unformed mass of extraneous objects).
• Finally, Sensitivity refers to the rate of the number of objects retained by the cluster on the total number of objects that surely are member of the cluster (and this concept includes the Precision: number of objects classified correctly over total number of objects classified as cluster members). Often this measure is improperly called Recall.