Incertezze Di Misura

Luca Mari, Strumentazione Elettronica di Misura
Incertezze di misura 1
Incertezze di misura

Versione 29.5.04

Un ottimo riferimento:
http://physics.nist.gov/cuu/Uncertainty/index.html
e in particolare:
http://physics.nist.gov/Document/tn1297.pdf
Guidelines for Evaluating and Expressing the Uncertainty of NIST Measurement Results

Unintroduzione pragmatica allargomento
Quando un cliente e un fornitore stipulano un contratto, concordano delle
s
ssp
ppe
eec
cci
iif
ffi
iic
cch
hhe
ee a
proposito delloggetto del contratto stesso
Per esempio: dovr essere consegnata entro il giorno la quantit del materiale con le
caratteristiche

Se ipotizziamo, come usuale nellindustria, che i valori delle grandezze fisiche specificati siano
riportati indicando un valore nominale e, appunto, una tolleranza massima ammessa
(dunque per esempio come: valore_nominale tolleranza, x x)
chiaro che
l
lla
aa q
qqu
uua
aal
lli
iit
tt
c
cco
oon
nnc
cco
oor
rrd
dda
aat
tta
aa
i
iin
nnv
vve
eer
rrs
ssa
aam
mme
een
nnt
tte
ee p
ppr
rro
oop
ppo
oor
rrz
zzi
iio
oon
nna
aal
lle
ee a
aal
lll
lle
ee t
tto
ool
lll
lle
eer
rra
aan
nnz
zze
ee a
aam
mmm
mme
ees
sss
sse
ee,
ed plausibile che
i
iil
ll p
ppr
rre
eez
zzz
zzo
oo c
cco
oon
nnc
cco
oor
rrd
dda
aat
tto
oo s
ssi
iia
aa c
cco
oor
rrr
rre
eel
lla
aat
tto
oo c
cco
oon
nn l
lla
aa q
qqu
uua
aal
lli
iit
tt
c
cco
oon
nnc
cco
oor
rrd
dda
aat
tta
aa

Una volta stipulato il contratto, come pu il fornitore assicurarsi che ci che sta per
consegnare sia effettivamente compatibile con le specifiche concordate e quindi di
qualit sufficiente, e con ci evitare delle contestazioni da parte del cliente?

E, una volta ricevuta la fornitura, come pu il cliente assicurarsi che ci che gli stato
consegnato sia effettivamente compatibile con le specifiche concordate, o al contrario
stabilire che pu contestare la consegna in quanto di qualit non sufficiente?

Entrambi devono effettuare delle
m
mmi
iis
ssu
uur
rra
aaz
zzi
iio
oon
nni
ii
Variabilit delle letture e qualit delle misure
Ripetendo lapplicazione di un sistema di misura a un sistema oggetto della misurazione
apparentemente sempre in uno stesso stato, come dato di fatto si osserva che si ottengono
letture pi o meno sensibilmente differenti

Le cause possono essere molteplici, e tipicamente non sono completamente note:
il sistema di misura non perfettamente ripetibile e/o stabile, dunque a parit di stato
del sistema da misurare non transisce sempre nello stesso stato (
c
cca
aau
uus
sse
ee s
sst
ttr
rru
uum
mme
een
nnt
tta
aal
lli
ii)
una o pi grandezze di influenza sono variate senza che losservatore se ne accorgesse
(
c
cca
aau
uus
sse
ee a
aam
mmb
bbi
iie
een
nnt
tta
aal
lli
ii)
il misurando non stato definito con sufficiente precisione (
c
cca
aau
uus
sse
ee m
mmo
ood
dde
eel
lll
lli
iis
sst
tti
iic
cch
hhe
ee)
effettivamente la cosa da misurare ha cambiato stato

Passando da lettura/e a misura occorre tenere in considerazione tale variabilit in quanto
caratteristica inerente alla misura e formalizzarla in modo opportuno
(e ci come fatto generale, cio anche nei casi di una sola lettura!)

L
LLa
aa v
vva
aar
rri
iia
aab
bbi
iil
lli
iit
tt
d
ddi
ii u
uun
nna
aa m
mmi
iis
ssu
uur
rra
aa p
ppu
uu
e
ees
sss
sse
eer
rre
ee c
cco
oon
nns
ssi
iid
dde
eer
rra
aat
tta
aa i
iin
nnv
vve
eer
rrs
ssa
aam
mme
een
nnt
tte
ee c
cco
oor
rrr
rre
eel
lla
aat
tta
aa c
cco
oon
nn u
uun
nn p
ppa
aar
rra
aam
mme
eet
ttr
rro
oo
c
cch
hhe
ee p
ppo
oos
sss
ssi
iia
aam
mmo
oo i
iid
dde
een
nnt
tti
iif
ffi
iic
cca
aar
rre
ee,
,, g
gge
een
nne
eer
rri
iic
cca
aam
mme
een
nnt
tte
ee,
,, c
cco
oom
mme
ee l
lla
aa q
qqu
uua
aal
lli
iit
tt
d
dde
eel
lll
lla
aa m
mmi
iis
ssu
uur
rra
aa s
sst
tte
ees
sss
ssa
aa

Misure di qualit e qualit delle misure
Dunque:
da una parte occorre misurare le caratteristiche di un sistema per assicurarsi circa la sua
qualit (cio occorre effettuare delle misure di qualit)
daltra parte le misure stesse sono caratterizzabili in riferimento alla loro qualit (cio
possibile e appropriato stabilire la qualit delle misure)

Q
QQu
uua
aal
lle
ee r
rre
eel
lla
aaz
zzi
iio
oon
nne
ee c
cc
/
// c
cci
ii d
ddo
oov
vvr
rre
eeb
bbb
bbe
ee e
ees
sss
sse
eer
rre
ee t
ttr
rra
aa l
lla
aa q
qqu
uua
aal
lli
iit
tt
r
rri
iic
cch
hhi
iie
ees
sst
tta
aa /
// c
cco
oon
nnc
cco
oor
rrd
dda
aat
tta
aa p
ppe
eer
rr i
ii p
ppr
rro
ood
ddo
oot
ttt
tti
ii e
ee l
lla
aa
q
qqu
uua
aal
lli
iit
tt
d
dde
eel
lll
lle
ee m
mmi
iis
ssu
uur
rre
ee?
??

Sembra ragionevole la seguente conclusione:

q
qqu
uua
aan
nnt
tto
oo p
ppi
ii
l
lla
aa q
qqu
uua
aal
lli
iit
tt
r
rri
iic
cch
hhi
iie
ees
sst
tta
aa p
ppe
eer
rr i
ii p
ppr
rro
ood
ddo
oot
ttt
tti
ii
a
aal
llt
tta
aa,
,,
t
tta
aan
nnt
tto
oo p
ppi
ii

i
iim
mmp
ppo
oor
rrt
tta
aan
nnt
tte
ee c
cch
hhe
ee s
ssi
iia
aa a
aal
llt
tta
aa l
lla
aa q
qqu
uua
aal
lli
iit
tt
d
dde
eel
lll
lle
ee m
mmi
iis
ssu
uur
rre
ee

Il punto di vista tradizionale
Fino allinizio del XIX secolo, la variabilit delle letture era considerata un fatto secondario, e
comunque le misure venivano espresse indicando semplicemente un valore per il misurando

Intorno al 1810, Gauss cre una teoria degli errori

e gli astronomi ne fecero uso. () [Daltra parte] se si eccettua lastronomia, la fisica
cominci a riportare stime degli errori di misura solo dopo il 1890
[I.Hacking]

Le idee su cui la teoria degli errori fondata sono:

una volta fissato lo stato del sistema da misurare, il misurando ha un valore, chiamato
v
vva
aal
llo
oor
rre
ee v
vve
eer
rro
oo
, a priori ignoto e che compito della misurazione giungere a stimare

ogni misura fornisce una stima imperfetta del valore vero, e ci a causa di
e
eer
rrr
rro
oor
rri
ii i cui
effetti si accumulano e alterano quella che sarebbe stata la
m
mmi
iis
ssu
uur
rra
aa v
vve
eer
rra
aa ideale
Errori casuali ed errori sistematici
Se le cause della variabilit delle misure sono molteplici, singolarmente con piccoli effetti
e reciprocamente indipendenti (una situazione che si verifica spesso, per esempio, a
proposito delle grandezze di influenza), allaumentare del numero di ripetizioni
listogramma delle frequenze relative delle misure approssima sempre meglio una
distribuzione di probabilit di tipo gaussiano: errori di questo genere sono chiamati
e
eer
rrr
rro
oor
rri
ii c
cca
aas
ssu
uua
aal
lli
ii

Accanto agli errori casuali, si possono presentare anche errori di altro genere, chiamati
e
eer
rrr
rro
oor
rri
ii s
ssi
iis
sst
tte
eem
mma
aat
tti
iic
cci
ii
, che distorcono la distribuzione delle misure in modo appunto
sistematico, facendola traslare lungo lasse dei valori del misurando

Il valor medio e la deviazione standard (cio la radice quadrata della varianza) della
gaussiana cos ottenuta sono stimatori rispettivamente del valore vero del misurando e
del suo errore

Operativamente, la differenza tra errori casuali e errori sistematici si manifesta nel fatto
che allaumentare del numero di ripetizioni leffetto degli errori casuali si riduce (e quindi
il corrispondente stimatore si riduce, grazie al fatto che la gaussiana si stringe), mentre
leffetto degli errori sistematici rimane inalterato

Teoria degli errori e misurazioni indirette
Ricordiamo:
metodo di misurazione
d
ddi
iir
rre
eet
ttt
tto
oo: il valore del misurando ottenuto mediante lapplicazione
di un sistema di misura
metodo di misurazione
i
iin
nnd
ddi
iir
rre
eet
ttt
tto
oo: il valore del misurando ottenuto a partire dalla
misurazione di altre grandezze legate funzionalmente al misurando e mediante il
successivo calcolo di tale funzione

Data una relazione funzionale (una legge fisica) Y = f (X
1
,,X
K
) tra K grandezze X
i
e la
grandezza Y, e data una stima per gli errori casuali e sistematici per ognuna delle K grandezze
X
i
, si poneva il problema di come calcolare lerrore di Y, cio di come propagare gli errori
attraverso la funzione f

Mentre Gauss stesso aveva identificato una legge di propagazione degli errori applicabile agli
errori casuali (vedremo questa legge, reinterpretata, nel seguito), non chiaro come trattare
gli errori sistematici

anche perch se un errore sistematico fosse noto verrebbe, plausibilmente, corretto e quindi
azzerato, e se non fosse noto non si capisce come lo si potrebbe stimare

Valori veri?
Ma la critica pi radicale alla teoria degli errori di Gauss venuta, a partire dal 1970 circa,
dallanalisi del concetto di valore vero
Si confronti:
1. nel momento della misurazione il sistema misurato si trova in uno stato definito
con:
2. nel momento della misurazione il misurando ha un valore definito

Non si tratta affatto di condizioni equivalenti:
la prima rappresenta una tipica ipotesi metrologica (critica solo nel caso della meccanica
quantistica)
la seconda davvero poco chiara e sostenibile, se non altro perch confonde mondo
fisico (a cui il sistema misurato e il misurando appartengono) e mondo dellinformazione
(a cui i valori appartengono)

Unaltra problema: se davvero esistessero i valori veri, dato un certo misurando di un certo
sistema da misurare di quante cifre decimali sarebbe costituito il suo valore vero?

Lipotesi attuale, alternativa a quella alla base della teoria di Gauss, che i valori veri non
esistano proprio o, al pi, siano dati solo in casi particolari come il conteggio

Accuratezza, errore, incertezza
Nel caso in cui conoscessimo a priori o fossimo in grado di stimare mediante procedure diverse
dalla misurazione in considerazione il valore del misurando, potremmo effettivamente
descrivere la variabilit sperimentale delle letture in termini della posizione media
dellinsieme delle letture rispetto al valore noto del misurando, un parametro che corrisponde
all
a
aac
ccc
ccu
uur
rra
aat
tte
eez
zzz
zza
aa della misura
Una bassa accuratezza corrisponde alla presenza di errori

Il fatto che non cos tipico che il valore del misurando sia noto ancor prima di misurare

In ogni caso valutabile la dispersione dellinsieme delle letture, un parametro che corrisponde
a una situazione di
i
iin
nnc
cce
eer
rrt
tte
eez
zzz
zza
aa sul valore del misurando

Nel 1992 stata pubblicata dallOrganizzazione internazionale per la standardizzazione (ISO)
una fondamentale Guide to the expression of uncertainty in measurement (GUM)
Valore noto del
misurando
Letture
Caso di bassa accuratezza
ma bassa incertezza
Caso di buona accuratezza
ma grande incertezza
Metodi per la valutazione dellincertezza
Nel caso di ripetibilit delle letture, lincertezza sul valore del misurando valutabile con
metodi statistici (
m
mme
eet
tto
ood
ddi
ii d
ddi
ii v
vva
aal
llu
uut
tta
aaz
zzi
iio
oon
nne
ee d
ddi
ii t
tti
iip
ppo
oo A
AA), con basi concettuali dunque parzialmente
diverse ma risultati non cos diversi da quelli della teoria degli errori di Gauss

La GUM raccomanda che lincertezza a cui si giunge con metodi di tipo A sia valutata come la
deviazione standard della media dellinsieme sperimentale delle letture, dunque come uno
stimatore della distribuzione di probabilit da cui si ipotizza le letture siano estratte

La GUM riconosce, per altro, che si presentano numerosi e importanti situazioni nelle quali
unincertezza presente sul valore del misurando anche a prescindere dalleventuale
ripetizione delle letture: in questi casi lincertezza deve essere valutata con metodi non
statistici (
m
mme
eet
tto
ood
ddi
ii d
ddi
ii v
vva
aal
llu
uut
tta
aaz
zzi
iio
oon
nne
ee d
ddi
ii t
tti
iip
ppo
oo B
BB)

La GUM raccomanda che lincertezza a cui si giunge con metodi di tipo B sia ancora valutata
ancora come se si trattasse di una deviazione standard, pur senza disporre di una base
statistica al riguardo, dunque secondo uninterpretazione soggettivistica della probabilit,
intesa come grado di credenza (degree of belief) dellosservatore

Dunque, in entrambi i casi, la raccomandazione della GUM di
e
ees
ssp
ppr
rri
iim
mme
eer
rre
ee l
ll
i
iin
nnc
cce
eer
rrt
tte
eez
zzz
zza
aa c
cco
oom
mme
ee
u
uun
nna
aa d
dde
eev
vvi
iia
aaz
zzi
iio
oon
nne
ee s
sst
tta
aan
nnd
dda
aar
rrd
dd
Valutazioni di tipo A: da letture a misure
Un misurando X stata valutato N volte (dunque con un metodo di tipo A) e come risultato di
tali valutazioni sono state ottenute le letture x
1
,, x
N

Il fatto che le letture x
i
siano diverse tra loro e che il valore x
i
non sia precisamente prevedibile
a partire dai valori x
1
,, x
i1
suggerisce di formalizzare il misurando come una
v
vva
aar
rri
iia
aab
bbi
iil
lle
ee
c
cca
aas
ssu
uua
aal
lle
ee, i cui parametri statistici non sono noti e devono essere stimati a partire dai valori
x
1
,, x
N
, che si considerano estrazioni campionarie di tale variabile casuale

Il valor medio della variabile casuale, e dunque del misurando, viene stimato mediante il suo
valor medio campionario:
X
=
1
N

j=1
N
x
j

che porta uninformazione di posizione sulla variabile casuale, e viene quindi usato come
stimatore per il valore da attribuire al misurando

Valutazioni di tipo A: da letture a misure / 2
Insieme con il valore per il misurando, occorre indicare una stima per la sua incertezza, che
evidentemente dovuta alla dispersione dei valori della variabile casuale intorno al valor medio

Daltra parte ci interessa valutare lincertezza non direttamente della variabile casuale ma del
suo valor medio; dunque data la varianza campionaria:
2
X
=
1
N1

j=1
N
(x
j

X
)
2

la varianza del suo valor medio :
X
=
1
N

2
X

la cui radice quadrata:
X
=
X

finalmente una deviazione standard, dimensionalmente omogenea al misurando e che ne
formalizza l
i
iin
nnc
cce
eer
rrt
tte
eez
zzz
zza
aa s
sst
tta
aan
nnd
dda
aar
rrd
dd (chiamata anche incertezza tipo)

Nota:
la GUM indica lincertezza standard con il simbolo u
X
: solo per ragioni di leggibilit noi scriveremo
X

Valutazioni di tipo B: un esempio
Consideriamo un quantizzatore, cio un dispositivo che associa a ogni input x un canale di
larghezza range/numero di canali, interpretabile come una distribuzione di probabilit uniforme
di estremi a, b, tale cio che (a + b)/2 = range/numero di canali
Il quantizzatore introduce unincertezza, che cresce con laumentare del valore (a + b)/2
Si tratta evidentemente di unincertezza valutabile non statisticamente: ma quanto vale?
Cio: quanto vale la deviazione standard di una distribuzione uniforme p(x) tra a e b?
Calcoliamo prima di tutto il valor medio:
X
=
+
p(x) x dx =
1
ba

a
b
x dx =
2
1
2
b
a
x
b a
=
1
ba

b
2
a
2
2
=
1
ba

(b a) (b +a)
2
=
(b +a)
2

(ok: lo sapevamo gi) Calcoliamo ora (con qualche passaggio in meno) la varianza:
X
2

=
+
p(x) (x
X
)
2
dx =
1
ba

a
b
(x
2
2x
X
+
X
2
)dx =
1
ba
(
b
3
a
3
3

X
(b
2
a
2
)+
X
2
(ba)) =
=
(ba )
3
+3b
2
a3ba
2
3(ba)

(b +a)
2
4
=
(b a)
2
3
+ ba
(b +a)
2
4
=
(b a)
2
12

e quindi la deviazione standard (e quindi lincertezza)
X
=
(b a)
2 3

da confrontare per esempio con la deviazione standard per distribuzioni triangolari:
(b a)
2 6

Ancora sulle valutazioni di tipo B
Dalla GUM:

Although this Guide provides a framework for assessing uncertainty, it cannot substitute for
critical thinking, intellectual honesty, and professional skill.

The evaluation of uncertainty is neither a routine task nor a purely mathematical one; it
depends on detailed knowledge of the nature of the measurand and of the measurement
method and procedure used.

The quality and utility of the uncertainty quoted for the result of a measurement therefore
ultimately depends on the understanding, critical analysis, and integrity of those who
contribute to the assignment of its value

L
LL
i
iin
nnc
cce
eer
rrt
tte
eez
zzz
zza
aa f
ffo
oor
rrm
mma
aal
lli
iiz
zzz
zza
aa l
lla
aa q
qqu
uua
aal
lli
iit
tt
d
dde
eel
lll
lla
aa m
mmi
iis
ssu
uur
rra
aa e sulla qualit non si dovrebbe barare

Lespressione delle misure
E richiesto dunque che
o
oog
ggn
nni
ii misura esprima non solo il valore stimato per il misurando, ma
anche la sua incertezza standard:
misurando(oggetto) =
X
(
X
) unit di misura

Per esempio: R(x) = 40,26 (3) da intendersi come: la resistenza delloggetto x pari a
40,26 ohm con unincertezza pari a 0,03 ohm
Note:
la notazione
X

X
richiama una logica per intervalli e quindi, bench molto diffusa,
potrebbe essere fuorviante in questo caso
misurando dovrebbe specificare come il misurando definito, includendo le eventuali
grandezze di influenza (p.es., resistenza misurata a 20 C tra due punti definiti
delloggetto)
oggetto dovrebbe specificare quanto occorre per identificare lo stato della cosa (p.es.
listante di applicazione del sistema di misura per misurazioni di grandezze dinamiche)
dovrebbero inoltre essere indicati complementariamente i metodi adottati per calcolare il
valore dellincertezza

X
dovrebbe essere trattata essa stessa come un valore approssimato, e quindi dovrebbe
includere una cifra (e solo in casi particolari due)
lindicazione numerica dellincertezza consente dunque di identificare le cifre significative
della stima del misurando
Incertezze assolute e incertezze relative
Le incertezze
X
sono incertezze
a
aas
sss
sso
ool
llu
uut
tte
ee, e come tali forniscono uninformazione solo limitata
sulleffettiva qualit di una misura
(non la stessa cosa unincertezza di un centesimo di ohm per un resistore di 10 e per uno
di 10 k)

Per questa ragione, si usa spesso comunicare non tanto le incertezze assolute quanto le
i
iin
nnc
cce
eer
rrt
tte
eez
zzz
zze
ee r
rre
eel
lla
aat
tti
iiv
vve
ee, definite come:
Xrel
=
X
|
X
|

Poich generalmente
Xrel
un numero piccolo, lo si comunica indicandone solo la prima cifra
significativa e la potenza negativa di dieci per cui moltiplicato

Per esempio, in 40,26 (3) lincertezza assoluta
X
=0,03 e lincertezza relativa
Xrel
=0,03/40,26 0,0007 cio 7 10
4

Un altro metodo per riportare le incertezze relative di moltiplicarle per 10
3
, e quindi di
comunicarle in per mille (nellesempio: 0,7 ), oppure anche di moltiplicarle per 10
6
, e
quindi di comunicarle in parti per milione (nellesempio: 700 ppm)

Il calcolo di misure da misurazioni indirette
Data una relazione funzionale (una legge fisica) Y = f(X
1
,,X
K
) se le X
i
sono variabili casuali,
ognuna con valor medio
i
e incertezza standard
i
, evidentemente anche la Y sar una
variabile casuale, dipendente secondo f dalle X
i

Dalle K coppie (
i
,
i
) e conoscendo lespressione analitica di f si pone il problema di come
calcolare la coppia (
Y
,
Y
) per la variabile casuale Y, cio la misura per il misurando Y

Per quanto riguarda
Y
, la scelta tipica naturalmente:
Y
= f (
1
,,
K
)

Per calcolare
Y
, se assumiamo che gli scarti (x
i
i
) siano sufficientemente piccoli e che il
comportamento di f intorno a (
1
,,
K
) sia sufficientemente lineare possiamo sviluppare f in
serie di Taylor intorno a (
1
,,
K
) arrestandoci ai termini del primo ordine:
y = f(x
1
,,x
K
) = f(
1
,,
K
) +
i=1
K
f
x
i
(x
i
i
)
nellipotesi che le correlazioni tra le X
i
siano trascurabili

(nota che f/x
i
una notazione abbreviata per f/x
i
calcolato nei valori medi
i
)
La legge di propagazione delle incertezze
Dunque: y f(
1
,,
K
) = y
Y
=
i=1
K
f
x
i
(x
i
i
)
relazione che stabilisce una dipendenza dei piccoli scarti di y intorno a f(
1
,,
K
) dai piccoli
scarti delle x
i
intorno ai valori medi
i
. Elevando al quadrato:
(y
Y
)
2
=
i=1
K
(
f
x
i
)
2
(x
i
i
)
2

e quindi:
Y
=
i=1
K
(
f
x
i
)
2

2
i

espressione chiamata
l
lle
eeg
ggg
gge
ee d
ddi
ii p
ppr
rro
oop
ppa
aag
gga
aaz
zzi
iio
oon
nne
ee d
dde
eel
lll
lle
ee i
iin
nnc
cce
eer
rrt
tte
eez
zzz
zze
ee, che consente di calcolare
lincertezza standard del misurando Y (definita incertezza standard combinata) in funzione
delle incertezza standard delle grandezze X
i

Alcuni casi semplici di propagazione delle incertezze
cio di applicazione a casi particolari della legge:
Y
=
i=1
K
(
f
x
i
)
2

2
i

Se Y = k X allora
Y
= k
X

Se Y = X
1
+X
2
allora
Y
2
=
1
2
+
2
2

Se Y = X
1
X
2
allora
Y
2
=
2
2
1
2
+
1
2
2
2

o anche, pi espressivamente:
Yrel
2
=
1rel
2
+
2rel
2

Se Y = X
k
allora
Y
2
= (k
X
k 1
)
2

X
2

o anche, pi espressivamente:
Yrel
= |k|
Xrel

Un esempio
Si vuole valutare la potenza P dissipata ai capi di un resistore a cui applicata una tensione,
ma non si dispone di un sistema per misurare direttamente P
Si ricorda, daltra parte, che P = V
2
/R, dove V la tensione applicata al resistore e R la sua
resistenza
Disponendo di un sistema di misura che consente di valutare V e R, si potr allora calcolare,
cio misurare indirettamente, P

Supponiamo che per V e R siano disponibili pi letture
Da tali letture si calcolano i valori medi
V
e
R
e le incertezze standard
V
e
R
, cos che le
misure per V e R sono
V
(
V
) e
R
(
R
) rispettivamente
Il problema dunque di calcolare una misura
P
(
P
) per la potenza dissipata

Per quanto riguarda
P
, semplicemente
P
=
V
2
/
R

Per calcolare
P
si utilizza la legge di propagazione delle incertezze:

P
2
= (
f
V
)
2

V
2
+ (
f
R
)
2

R
2
= (
2
V

R
)
2

V
2
+ (
V
2

R
2)
2

R
2

Un altro esempio

Siano date K misure di una stessa grandezza X, dunque ognuna espressa come:
valore di riferimento (incertezza standard) = x
i
(
i
)

(potrebbero essere, per esempio, K campioni di un lotto di prodotti, la cui qualit dipende dal
valore della grandezza)

Si pongono due distinti problemi:

problema 1: qual lincertezza standard della media delle K misure?

problema 2: come stabilire se le K misure si riferiscono a cose in uno stesso stato?

Problema 1: incertezza della media di K misure
Si tratta evidentemente di calcolare lincertezza standard di Y =
1
K

i=1
K
x
i

un problema interpretabile come una particolare versione del problema di propagazione delle
incertezze
2
Y
=
i=1
K
(
f
x
i
)
2

2
i
=
i=1
K
(
1

)
2

i
2

Ipotizzando che le K misure abbiano incertezze standard tutte uguali:
2
Y
=
2
i

e quindi:
Y
=
i

Dunque in queste condizioni allaumentare di K lincertezza standard si riduce come 1/ K

Problema 2: incertezze standard e incertezze espanse
In molte applicazioni utile poter esprimere le misure come intervalli di indifferenza, tali cio
che ogni elemento dellintervallo possa essere scelto con unalta probabilit come valore di
riferimento per il misurando

La GUM raccomanda di passare dalla rappresentazione mediante incertezze standard a quella
per intervalli moltiplicando lincertezza standard u per un
f
ffa
aat
ttt
tto
oor
rre
ee d
ddi
ii c
cco
oop
ppe
eer
rrt
ttu
uur
rra
aa (coverage factor)
k, tale che X = [k , +k ] formalizzi tale intervallo di indifferenza, chiamato
i
iin
nnc
cce
eer
rrt
tte
eez
zzz
zza
aa
e
ees
ssp
ppa
aan
nns
ssa
aa e tradizionalmente
i
iin
nnt
tte
eer
rrv
vva
aal
lll
llo
oo d
ddi
ii c
cco
oon
nnf
ffi
iid
dde
een
nnz
zza
aa

La probabilit che si riconosce a un intervallo cos ottenuto chiamata
l
lli
iiv
vve
eel
lll
llo
oo d
ddi
ii c
cco
oon
nnf
ffi
iid
dde
een
nnz
zza
aa
C evidentemente una relazione di monotonia diretta tra fattore di copertura e livello di
confidenza, e quindi tra ampiezza dellintervallo di confidenza e livello di confidenza
relazione che pu essere espressa analiticamente se si conosce la distribuzione di probabilit
sottostante
Per esempio nel caso gaussiano: fattore di copertura livello di confidenza
1 0,68
1,645 0,9
1,96 0,95
2 0,9545
2,576 0,99
3 0,9973
Problema 2: compatibilit di K misure
(come stabilire se le K misure si riferiscono a cose in uno stesso stato?)

La norma UNI 4546 - Misure e misurazioni. Termini e definizioni fondamentali raccomanda di
formalizzare la condizione che due misure:
X
1
= [
1
k
1
1
,
1
+k
1
1
] e X
2
= [
2
k
2
2
,
2
+k
2
2
]
si riferiscano a cose in uno stesso stato come:
X
1
X
2

Dunque le K misure si riferiscono a cose in uno stesso stato se:
i=1
K
X
i

una condizione chiamata di
c
cco
oom
mmp
ppa
aat
tti
iib
bbi
iil
lli
iit
tt
delle misure

Nota:
si tratta, evidentemente, di una condizione necessaria ma non sufficiente; allargando gli
intervalli, per esempio attraverso la scelta di un fattore di copertura molto ampio, si pu
sempre ottenere unintersezione non nulla

Tolleranza e incertezza
Una tipica situazione operativa in cui occorre trattare con incertezze (espanse) si presenta nei
casi in cui occorre confrontare la misura di un prodotto con le corrispondenti specifiche di
progetto, per decidere se accettare o scartare il prodotto stesso

Le specifiche di progetto sono tipicamente fornite nella forma: valore nominale tolleranza
e ugualmente si possono rappresentare le misure come intervalli
Si tratta dunque di confrontare tra loro due intervalli, misura e specifiche, e la decisione, se
accettare o scartare il prodotto, viene presa in funzione del risultato del confronto

Due casi non presentano ambiguit:
1. misura specifiche decidi di accettare il prodotto
2. misura specifiche = decidi di scartare il prodotto

Il terzo caso, invece:
3. misura specifiche (ma non misura specifiche)
problematico

Tolleranza e incertezza / 2
Per analizzare il caso: misura specifiche assumiamo che:
lo stato in cui si trova il prodotto, non noto ma comunque non influenzato dalla
decisione, sia nelle specifiche oppure fuori specifiche
la decisione possa essere solo accetta oppure scarta
Dunque si presentano 4 situazioni possibili:
Stato effettivo del prodotto
fuori specifiche nelle specifiche
Decisione scarta ok errore di tipo 2
accetta errore di tipo 1 ok

dove:
errore di tipo 1: si tiene un prodotto che avrebbe dovuto essere scartato
errore di tipo 2: si scarta un prodotto che avrebbe potuto essere tenuto
E meglio incorrere in errori di tipo 1 o di tipo 2?
Dipende dal tipo di prodotto

Cosa pu succedere se, a parit di misura, si modificano le specifiche? e se, a parit di
specifiche, si modifica lincertezza della misura?
Misurazione, informazione, incertezza

informazione iniziale informazione finale
(a priori) misurazione (a posteriori)
sul misurando sul misurando

nella logica generale che:
informazione incertezza

Per quanto la misurazione possa essere sofisticata, linformazione che se ne ottiene non mai
completa: rimane sempre dellincertezza sul misurando, almeno relativamente alla sua
definizione (
i
iin
nnc
cce
eer
rrt
tte
eez
zzz
zza
aa i
iin
nnt
ttr
rri
iin
nns
sse
eec
cca
aa)

Incertezze Di Misura

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Incertezze Di Misura

Caricato da

Copyright:

Formati disponibili

Luca Mari, Strumentazione Elettronica di Misura

Potrebbero piacerti anche