attenti al divario

Il rapporto dell’organizzazione [Oxfam:] Continua a crescere la disuguaglianze economica, salariale e di accesso al mercato del lavoro tra uomini e donne e il distacco è così ampio che per invertire l’attuale trend servirebbero ancora 170 anni, 52 in più rispetto a un anno [fa].

da la Repubblica, 8 marzo 2017
Come tante altre volte occorre fare un po’ di chiarezza sul titolo. Il divario tra le condizioni salariali di uomini e donne non si misura in anni, all’origine. Sarebbe come dire che le donne vivono in media 2000 litri d’acqua consumati in più degli uomini, o che la loro sottorappresentazione nei livelli politici apicali rispetto agli uomini vale 10mila chilometri annuali in meno per visite di stato.

Ma i fraintendimenti non finiscono qui. Innanzitutto non si capisce come sia possibile invertire l’attuale trend se la disuguaglianza continua a crescere. In secondo luogo, il fatto che da un anno al successivo una stima numerica subisca una variazione di quasi la metà del suo valore (perché 170-52=118 e 52/118 ~ 44%) fa sorgere qualche perplessità sulla sua attendibilità e più in generale sul suo impiego.

Fortunatamente la lettura dell’introduzione del documento “Un’economia che funziona per le donne” consultabile sul sito dell’organizzazione Oxfam chiarisce ogni dubbio.

visualizing the central limit theorem

I found several animations of the Central Limit Theorem on the web. Most of them are implementations of Galton box that show how the binomial distribution get closer and closer to the normal distribution.

While sketching out the flow chart for a different kind of program, I realized that the same concept can be illustrated in another way, focusing on the analytical aspect of the approximation process (charting the exact probability distribution) instead of the empirical one (sampling from the exact probability distribution) as in the Galton box.

To describe it, consider the classic example of a fair coin to flip repeatedly. In all the tosses the coin has probability 50% of landing heads and probability 50% of landing tails. Now let reason about the number of heads after each toss.