Inferenza su una grandezza continua usando dati imprecisi

In questo lavoro si affronta il problema di delineare tecniche di inferenza su quantità continue di cui si abbiano informazioni imprecise. Obiettivo principale della trattazione sarà quello di mostrare come l'utilizzo oculato di tecniche statistico-probabilistiche possa far superare i limiti imposti dalle tecniche di misurazione (anche le più moderne e sofisticate possibili). Si vuole quindi proporre un metodo operativo per la costruzione di un modello che rappresenti una via coerente per giungere ad una stima sulla quantità di interesse partendo da esplicite assunzioni (le pi\'u naturali possibili) ed utilizzando al meglio le informazioni apportate dalle osservazioni dei dati sperimentali. La metodologia proposta trova la sua migliore applicazione in situazioni dove non ci siano sufficienti informazioni per esprimere ragionevoli valutazioni sul modello generatore di dati (generalmente utilizzato per esprimere distribuzioni di probabilità congiunte, distribuzioni a priori o funzioni di verosimiglianza), quando, quindi, ne le usuali tecniche di stima parametrica ne gli usuali approcci statistici Bayesiani possono essere adottati. La soluzione proposta è quella della determinazione diretta di distribuzioni di probabilità condizionate, vale a dire la costruzione delle distribuzioni di probabilità, per la quantità di interesse, condizionate ai possibili valori delle osservazioni senza utilizzare il rapporto tra distribuzione congiunta e distribuzione marginale. Questo metodo supera automaticamente i problemi sopra citati e l'ulteriore problema del vincolo di stretta positività imposto dal rapporto.