Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Sapienza Universita
A. A. 2011-2012
Introduzione: Gauss
Carl Friedrich Gauss (Braunschweig, 1777- Gottinga, 1855) `e stato un matematico, fisico e astronomo tedesco. Le sue eccellenti doti si rivelarono sin
dallinfanzia; si racconta che un giorno, durante le scuole elementari, linsegnante di matematica, infastidito dalla disattenzione degli alunni, assegn`o
loro per punizione il seguente esercizio
calcolare la somma dei primi 100 numeri : 1 + 2 + 3 + . . . + 100.
Gauss, dopo pochi secondi, rispose 5050, lasciando il maestro senza parole.
Probabilmente, egli aveva intuito e applicato la formula
1 + 2 + 3 + ... + n =
n(n + 1)
.
2
f (x) = AeB(xx0 ) ,
x0 R, A e B positivi. Studiamo il grafico di questa funzione, al variare
dei valori di x0 , A e B.
La funzione f (x) = ex
Questa `e la pi`
u semplice curva gaussiana. Questa funzione `e definita in R ed
`e pari, dunque simmetrica rispetto allasse y, pertanto `e possibile studiarla
solo per x > 0 e poi ribaltare il suo grafico rispetto allasse y. Per maggiore chiarezza, riportiamo lo studio completo della funzione. Essendo una
funzione esponenziale, risulta
2
ex > 0
x R,
lim ex = 0,
ex (4x2 2) = 0,
ricaviamo x =
2
2 ,
2 1
2 1
,
,
,
.
2
2
e
e
1.0
0.8
0.6
0.4
0.2
1
2
2
-1
1.0
0.8
0.6
0.4
0.2
-3
-2
-1
2
1.5
1.0
0.5
2
2
3
2
-1
2
2
2
Figura 7: Grafico di f (x) = e2x in blu, f (x) = e4x in verde, f (x) = e8x
in rosso, nellintervallo (-2, 2).
1.0
0.8
0.6
0.4
0.2
1
-1
2.5
2.0
1.5
1.0
0.5
-1
Applicazione
Alla curva gaussiana `e legata lidea di curva per descrivere i dati. Quando
si effettuano tante misurazioni di una stessa grandezza con un certo strumento, si avranno risultati differenti dovuti allinevitabile imprecisizione sia
dello strumento sia delloperato della persona che utilizza lo strumento. Se
si rappresentano le misure ottenute su un grafico, e se il numero di misurazioni `e molto elevato, la curva che si ottiene `e proprio la curva di Gauss.
La curva ha un massimo attorno alla media dei valori misurati ed `e pi`
uo
meno stretta a seconda della dispersione dei valori attorno alla media. La
dispersione si misura con la deviazione standard.
Si pu`o dimostrare che
+
ex dx =
e che, pi`
u in generale,
Z
B(xx0 )2
Ae
r
dx = A
.
B
Poich`e risulta
r
A
=1A=
B
B
,
si ha
Z
B B(xx0 )2
e
dx = 1.
B=
1
,
2 2
Questa distribuzione `e utilizzata come prima approssimazione per descrivere variabili casuali a valori reali che tendono a concentrarsi attorno ad un
singolo valor medio. Il valore `e la media della distribuzione, il valore `e la
deviazione standard; inoltre, i valori x = rappresentano le ascisse dei
punti di flesso della funzione. La curva raggiunge in x = il valore massimo
1
f (x) = ,
2
6
0.4
0.3
0.2
0.1
-5
1 e
2
(x1)2
2
1 e
3 2
(x1)2
18
in rosso, f (x) =
1 e
2 2
(x1)2
8
in
x2
e 22 dx.
Osserviamo che
M [x (, )] = 1.
Considerando intervalli di ampiezza uguale (a, b) e (c, d), si evince che la probabilit`a di commettere errori piccoli `e maggiore della probabalit`a di commettere errori grandi. Nelle seguenti figure abbiamo scelto gli intervalli (0.5, 0.7)
e (1, 1.2). Possiamo vedere che larea del sottografico nellintervallo (0.5, 0.7)
`e maggiore dellarea del sottografico nellintervallo (1, 1.2).
0,7
0,6
0,5
0,4
0,3
0,2
0,1
-2,5
-2
-1,5
-1
-0,5
0,5
1,5
2,5
0,5
1,5
2,5
-0,1
0,7
0,6
0,5
0,4
0,3
0,2
0,1
-2,5
-2
-1,5
-1
-0,5
-0,1
ex dx.
ex dx 0.0787,
0.5
Z 1.2
1
2
ex dx 0.0338.
1