Dopo il post sul lavoro di Akasofu mi sono chiesto se il “non-modello” semi-empirico che ho usato per rappresentare le anomalie medie annuali di NOAA sia accettabile, almeno in termini descrittivi. Ricordo che i dati erano stati approssimati con una retta -i cui parametri derivano dai minimi quadrati lineari- cui si sovrappone una sinusoide con parametri (ampiezza, periodo, fase iniziale) assegnati manualmente, “guardando i dati” e quindi con notevole soggettività. L’altro metodo usato è stato quello di un fit non lineare in cui, fissato il periodo della sinusoide, si cercano quattro parametri. Nel precedente post avevo scritto che ” cambiano leggermente i numeri ma non il concetto complessivo”.
Per cercare di quantificare l’affermazione ho usato il Criterio Informativo Bayesiano (Bayesan Information Criterion o BIC, Schwarz, 1978), ben descritto in un articolo molto citato (Seidel & Lanzante, 2004). Questo articolo è a pagamento e personalmente l’ho trovato con fatica perchè l’Università di Bologna non è abbonata alla sezione D del Journal of Geophysical Research: propongo quindi un riassunto quasi completo (Menne,2006) liberamente disponibile in rete.
Il metodo BIC parte dalla necessità di descrivere una serie di dati in modo più accurato rispetto alla rappresentazione lineare, e nello stesso tempo ugualmente semplice. Vuole poi trovare un indice statistico in grado di giudicare la bontà di diverse rappresentazioni. Per fare questo viene proposto di dividere la serie in n “segmenti”, definiti da (n-1) break-point scelti opportunamente, ognuno dei quali sia fittato linearmente secondo lo schema mostrato nella Fig.1 di Seidel & Lanzante, 2004 riportata sotto
11 Comments 
