Sei sulla pagina 1di 23
Insegnamento integrato di: Misure e Strumentazione Industriale Laboratorio di Energetica Introduzione alla Statistica
Insegnamento integrato di:
Misure e Strumentazione Industriale
Laboratorio di Energetica
Introduzione alla Statistica
Statistica nelle misure
Sezione di Misure e Tecniche Sperimentali

Fenomeni aleatori

2 2
2
2

I fenomeni aleatori (o casuali) sono fenomeni empirici il cui risultato non è prevedibile a priori, caratterizzati cioè dalla proprietà che la loro osservazione in un insieme fissato di circostanze non conduce sempre agli stessi risultati.

Non si ha una regolarità deterministica, bensì di tipo statistico, in quanto nell'osservazione del fenomeno in oggetto si può notare che, nonostante l'irregolare comportamento dei singoli risultati, questi nel loro complesso manifestano determinati caratteri di regolarità.

Introduzione alla statistica
Introduzione alla statistica

Probabilità discreta: dado a 6 facce

3 3
3
3
Probabilità discreta: dado a 6 facce 3 3 Introduzione alla statistica
Probabilità discreta: dado a 6 facce 3 3 Introduzione alla statistica
Probabilità discreta: dado a 6 facce 3 3 Introduzione alla statistica
Introduzione alla statistica
Introduzione alla statistica
4 4
4
4

Probabilità discreta: funzioni statistiche

Probabilità cumulata evento Probabilità evento
Probabilità cumulata evento
Probabilità evento

Funzione di densità discreta f(x)

1

                   

0.5

       

punti massa

         
   
           
 
           
           
           
     

1/6

                   

0

                   

-2

-1

0

1

2

3

4

5

6

7

8

 

Evento: faccia dado Funzione di probabilità cumulata discreta F(x)

 

1

                   
         

5/6

1

     
 

4/6

 

0.5

 
   

2/6

3/6

           
 

1/6

 

0

 
                   

-2

-1

0

1

2

3

4

5

6

7

8

Evento: faccia dado

Introduzione alla statistica
Introduzione alla statistica

Valore atteso

• Valore atteso:

Valore atteso • Valore atteso: 5 5 • Il valore atteso indica il baricentro della distribuzione
5 5
5
5

• Il valore atteso indica il baricentro della distribuzione e può non coincidere con uno dei suoi punti di massa. Nel caso del dado a 6 facce:

e può non coincidere con uno dei suoi punti di massa. Nel caso del dado a
Introduzione alla statistica
Introduzione alla statistica

Varianza e deviazione standard

• Varianza:

Varianza e deviazione standard • Varianza: 6 6 Indica il momento di inerzia della distribuzione, cioè
6 6
6
6

Indica il momento di inerzia della distribuzione, cioè la sua dispersione attorno al valore medio.

• Deviazione standard (scarto quadratico medio):

sua dispersione attorno al valore medio. • Deviazione standard (scarto quadratico medio): Introduzione alla statistica
Introduzione alla statistica
Introduzione alla statistica

Variabili aleatorie continue

7 7
7
7

• Ipotizziamo di avere un serbatoio il cui livello può variare con continuità fra 0 e 100 e che non presenti valori di livello più probabili di altri.

100 90 80 70 60 50 40 30 20 10 0 1 1 0.5 0
100
90
80
70
60
50
40
30
20
10
0
1
1
0.5
0
0.5
0
-0.5
-0.5
-1
-1
h

• Quanto vale la probabilità associata ad un preciso valore di livello:

-0.5 -1 -1 h • Quanto vale la probabilità associata ad un preciso valore di livello:
Introduzione alla statistica
Introduzione alla statistica

Numero occorrenze

f(x)

Serbatoio: 100 osservazioni

Istogramma occorrenze - N = 100

15 10 5 0 5 15 25 35 45 55 65 75 85 95
15
10
5
0
5 15
25
35
45
55
65
75
85
95

Livelloserbatoio Istogramma - N = 100

0.02

0 5 15 25 35 45 55 65 75 85 95
0
5 15
25
35
45
55
65
75
85
95

0.015

0.01

0.005

Livelloserbatoio

8 8
8
8
55 65 75 85 95 0.015 0.01 0.005 Livelloserbatoio 8 8 Aggiungere una struttura con un

Aggiungere una struttura con un clic

Introduzione alla statistica
Introduzione alla statistica

Numero occorrenze

Numero occorrenze

(x)

f(x)

9 9
9
9

Serbatoio: 1000 e 100mila osservazioni

Istogramma occorrenze - N = 1000

100 50 0 5 15 25 35 45 55 65 75 85 95
100
50
0
5 15
25
35
45
55
65
75
85
95

Livello serbatoio Istogramma - N = 1000

0.015

0 5 15 25 35 45 55 65 75 85 95
0
5 15
25
35
45
55
65
75
85
95

0.01

0.005

Livello serbatoio

Istogramma occorrenze - N = 100000

0 5 15 25 35 45 55 65 75 85 95
0
5 15
25
35
45
55
65
75
85
95

10000

5000

Livello serbatoio Istogramma - N = 100000

0.015

0 5 15 25 35 45 55 65 75 85 95
0
5 15
25
35
45
55
65
75
85
95

0.01

0.005

Livello serbatoio

L'aumento delle osservazioni porta ad una maggiore conoscenza del fenomeno aleatorio

Introduzione alla statistica
Introduzione alla statistica
10 10 Serbatoio: 100mila osservazioni Istogramma - N = 100000 Istogramma occorrenze - N =
10
10
Serbatoio: 100mila osservazioni
Istogramma - N = 100000
Istogramma occorrenze - N = 100000
0.012
10000
0.01
5000
0.008
0
5 15
25
35
45
55
65
75
85
95
Livello serbatoio
Istogramma - N = 100000
0.006
0.015
0.004
0.01
0.002
0.005
0
0
5 15
25
35
45
55
65
75
85
95
0
10
20
30
40
50
60
70
80
90
100
Livello serbatoio
Livello serbatoio
Riducendo
le
ampiezze
delle
basi
degli
istogrammi
(aumentando
la
“risoluzione”) il fenomeno non mantiene la propria regolarità
Introduzione alla statistica
Numero occorrenze
f(x)
f(x)

Numero occorrenze

f(x)

f(x)

11 11
11
11

Serbatoio: 10 milioni di osservazioni

Istogramma occorrenze - N = 10000000 10 x 10 5 5 0 5 15 25
Istogramma occorrenze - N = 10000000
10 x 10 5
5
0
5 15
25
35
45
55
65
75
85
95

Livello serbatoio Istogramma - N = 10000000

0.015

0 5 15 25 35 45 55 65 75 85 95
0
5 15
25
35
45
55
65
75
85
95

0.01

0.005

Livello serbatoio

Istogramma - N= 10000000

0.012 0.01 0.008 0.006 0.004 0.002 0 0 10 20 30 40 50 60 70
0.012
0.01
0.008
0.006
0.004
0.002
0
0
10
20
30
40
50
60
70
80
90
100

Livello serbatoio

Riducendo le ampiezze delle basi degli istogrammi il fenomeno ora mantiene la propria regolarità

Introduzione alla statistica
Introduzione alla statistica
12 12
12
12

Funzione densità di probabilità per v.a. continue

• Si intuisce che se avessimo una conoscenza completa del fenomeno aleatorio N → ∞ , potremmo fare tendere a 0 la base degli istogrammi. Si continuerebbe ad avere un numero finito di osservazioni in ogni intervallo.

• Questo passaggio al limite ci consente di ottenere una funzione continua: la funzione densità di probabilità (per v.a. continue).

Introduzione alla statistica
Introduzione alla statistica

Distribuzione continua uniforme o rettangolare

13 13
13
13
Distribuzione continua uniforme o rettangolare 13 13 Introduzione alla statistica
Introduzione alla statistica
Introduzione alla statistica

Indici statistici

14 14
14
14
Indici statistici 14 14 Introduzione alla statistica
Introduzione alla statistica
Introduzione alla statistica

f(x) discrete Vs f(x) continue

15 15
15
15

• La differenza fra le funzioni densità discrete e continue non è solo formale (sostituzione delle sommatorie con gli integrali):

f(x) per v.a. discrete esprimono una probabilità

v.a. continue esprimono una densità di

probabilità: la probabilità è associata ad intervalli e si determina quindi mediante un'operazione di integrazione

f(x)

per

Introduzione alla statistica
Introduzione alla statistica

v.a. continue: calcolo probabilità

16 16
16
16
v.a. continue: calcolo probabilità 16 16 Introduzione alla statistica
Introduzione alla statistica
Introduzione alla statistica

Famiglie di distribuzioni

17 17
17
17

• Tutte le funzioni che soddisfano le proprietà analizzate precedentemente sono possibili funzioni densità di probabilità

• Solo alcune di esse sono però adeguate per modellare particolari fenomeni fisici

• In questo corso sono di interesse:

Uniforme (già analizzata)

Normale o Gaussiana

T-Student

Introduzione alla statistica
Introduzione alla statistica

f(x)

F(x)

Distribuzione Normale o Gaussiana

PDF gaussiana standardizzata

0.4 0.3 0.2 0.1 0 -4 -3 -2 -1 0 1 2 3 4 X
0.4
0.3
0.2
0.1
0
-4
-3
-2
-1
0
1
2
3
4
X

CDF gaussiana standardizzata

1 0.5 0 -4 -3 -2 -1 0 1 2 3 4 X
1
0.5
0
-4
-3
-2
-1
0
1
2
3
4
X
18 18
18
18

f

(

 

)

1

x

,

,



2 
2


e

x

2

2

2

   x  

La normale o gaussiana è la distribuzione che descrive la maggior parte dei fenomeni fisici in campo ingegneristico.

Introduzione alla statistica
Introduzione alla statistica
19 19
19
19

Distribuzione normale o gaussiana N(,2 )

La distribuzione gaussiana è completamente descritta da due parametri: mediamedia e varianza  22 .

Influenza della media 0.4 0 1 0.35 2 0.3 0.25 0.2 0.15 0.1 0.05 0
Influenza della media
0.4
0
1
0.35
2
0.3
0.25
0.2
0.15
0.1
0.05
0
-5
0
5

Influenza della deviazione standard

0.7 0.5 1 0.6 2 0.5 0.4 0.3 0.2 0.1 0 -5 0 5
0.7
0.5
1
0.6
2
0.5
0.4
0.3
0.2
0.1
0
-5
0
5
Introduzione alla statistica
Introduzione alla statistica

Caratteristiche della Gaussiana

20 20
20
20

circa il 68% della distribuzione è compreso nell’intervallo centrato su e di estremi 

circa il 95.5% della distribuzione

è

compreso nell’intervallo centrato su e di estremi 2

è

compreso nell’intervallo centrato su e di estremi 3

circa il 99.7% della distribuzione

centrato su  e di estremi  3  circa il 99.7% della distribuzione Introduzione alla
Introduzione alla statistica
Introduzione alla statistica
21 21
21
21

Distribuzione normale standard N(,1)

Di particolare importanza è la normale standard, ovvero la distribuzione normale che ha media 0 e varianza (e deviazione standard) pari a 1 (si indica con N(0,1)).

Proprietà: se X N(,2 )

N(0,1) ). Proprietà: se X  N(  ,  2 )  se X è

se X è una variabile distribuita secondo una normale di media e varianza  22 , la variabile è distribuita secondo una normale standard.

, la variabile è distribuita secondo una normale standard. • Z è definita variabile standardizzata :

• Z è definita variabile standardizzata: consente un semplice uso delle tabelle e consente di effettuare delle valutazioni “normalizzate” (es:

entro l'intervallo media 2 deviazioni standard è compreso circa il 95% della distribuzione, per qualsiasi distribuzione gaussiana).

Introduzione alla statistica
Introduzione alla statistica

Distribuzione t-Student

Aggiungere una struttura con un clic

22 22
22
22
Introduzione alla statistica
Introduzione alla statistica
23 23
23
23

Tabelle statistiche

Introduzione alla statistica
Introduzione alla statistica

Relazioni utili

24
24

Per le distribuzioni simmetriche (Gaussiana, t-Student, …) valgono le seguenti proprietà:

(Gaussiana, t-Student, …) valgono le seguenti proprietà: • Se la distribuzione è a media nulla: Introduzione

Se la distribuzione è a media nulla:

t-Student, …) valgono le seguenti proprietà: • Se la distribuzione è a media nulla: Introduzione alla
Introduzione alla statistica
Introduzione alla statistica
25 25 Introduzione alla statistica
25
25
Introduzione alla statistica
26 26 Introduzione alla statistica
26
26
Introduzione alla statistica

f(x)

Esempio uso tabelle statistiche

27 27
27
27

Si calcolino gli estremi dell'intervallo simmetrico rispetto alla media che sottende il 90% di una N(30,4).

0.2 0.18 0.90 0.16 0.14 0.12 0.1 0.08 0.06 0.05 0.05 0.04 0.02 0 22
0.2
0.18
0.90
0.16
0.14
0.12
0.1
0.08
0.06
0.05
0.05
0.04
0.02
0
22
24
26
28
30
32
34
36
38
X
Introduzione alla statistica
Introduzione alla statistica
28 28
28
28
0.2 0.90 0.15 0.05 0.05 0.1 0.05 0 22 24 26 28 30 32 34
0.2
0.90
0.15
0.05
0.05
0.1
0.05
0
22
24
26
28
30
32
34
36
38
X
0.2
0.95
0.15
0.05
0.1
0.05
0
22 24
26
28
30
32
34
36
38
X
f(x)
f(x)
Introduzione alla statistica
Introduzione alla statistica
29 29
29
29

Applicazione della statistica alle misure

Introduzione alla statistica
Introduzione alla statistica
30
30

Quando si effettua una misura si cerca di ottenere un valore misurato che sia il più vicino possibile al valore vero (sconosciuto e non conoscibile) della grandezza di interesse.

possibile al valore vero (sconosciuto e non conoscibile) della grandezza di interesse. Introduzione alla statistica
Introduzione alla statistica
Introduzione alla statistica
31
31

Se si fanno ripetere le misure di lunghezza del pesce a

diversi pescatori si otterranno valori diversi.

Le cause della diversità delle misure rilevata sono molte, e si possono schematizzare in due gruppi:

• effetti sistematici (tirare la coda, misurare lungo la corda)

• effetti casuali

• effetti sistematici (tirare la coda, misurare lungo la corda) • effetti casuali Introduzione alla statistica
Introduzione alla statistica
Introduzione alla statistica
32
32

Altro esempio: misure ripetute nel tempo

effetti sistematici + casuali

effetti casuali

nel tempo effetti sistematici + casuali effetti casuali Come trattare tutte queste misure diverse ??? Soluzione:

Come trattare tutte queste misure diverse ??? Soluzione: LA STATISTICA

Introduzione alla statistica
Introduzione alla statistica
33
33

Altro esempio: misure di pressione di un recipiente

Numero

Lettura

rilevazione

[kPa]

1 10.02

2 10.20

3 10.26

4 10.20

5 10.22

6 10.13

7 9.97

8 10.12

9 10.09

10 9.90

11 10.05

12 10.17

13 10.42

14 10.21

15 10.23

16 10.11

17 9.98

18 10.10

19 10.04

20 9.81

SiSi sonosono effettuateeffettuate 2020 misuremisure didi

pressionepressione inin unun recipiente:recipiente:

LeLe misuremisure nonnon sonosono tuttetutte uguali!uguali!

QualeQuale èè lala misuramisura cheche possiamopossiamo diredire

essereessere ilil valorevalore didi pressionepressione esistenteesistente

nelnel recipienterecipiente ??

Introduzione alla statistica
Introduzione alla statistica
34
34

SiSi puòpuò procedereprocedere così:così: sisi disponganodispongano ii datidati rilevatirilevati inin ordineordine crescentecrescente ee sisi suddividanosuddividano inin intervalliintervalli omogeneiomogenei (in(in questoquesto casocaso sisi scegliesceglie 0.050.05 kPa).kPa).

SiSi definisca:definisca:

• nn == numeronumero didi lettureletture inin unun intervallointervallo

• NN == numeronumero totaletotale didi lettureletture

• aa == ampiezzaampiezza didi unun intervallointervallo

ee infineinfine lala funzionefunzione densitàdensità didi probabilitàprobabilità discretadiscreta (Z)(Z)::

Z

n

N a

3434 Introduzione alla statistica
3434
Introduzione alla statistica
35
35

NumeroNumero didi

ZZ
ZZ

lettureletture

nell’intervallonell’intervallo

SeSe sisi tracciatraccia unun intervallointervallo didi altezzaaltezza ZZ perper ogniogni intervallointervallo sisi ottiene:ottiene:

n

N a

20

n

0.05

Introduzione alla statistica
Introduzione alla statistica

Z

n

36  N  Ipotizzando:Ipotizzando:  a  0  DensitàDensità didi probabilitàprobabilità
36
 N 
Ipotizzando:Ipotizzando:
a
0
DensitàDensità didi probabilitàprobabilità
discretadiscreta
DensitàDensità didi probabilitàprobabilità
continuacontinua
Introduzione alla statistica
Funzione densità di probabilità 37 ProbabilitàProbabilità cheche a<x<ba<x<b b p a   X
Funzione densità di probabilità
37
ProbabilitàProbabilità
cheche a<x<ba<x<b
b
p a
X
b
f
x dx
a
ProbabilitàProbabilità
cheche x<ax<a
a
F
X
a
f
x dx

Funzione di distribuzione cumulata
Introduzione alla statistica
Introduzione alla statistica
38 38
38
38

DISTRIBUZIONEDISTRIBUZIONE STATISTICASTATISTICA

DELLEDELLE MISUREMISURE

Il teorema del limite centrale ci assicura che, sotto opportune ipotesi, una misura esente da effetti sistematici può essere modellata mediante una distribuzione gaussiana.

Introduzione alla statistica
Introduzione alla statistica
39
39

LALA FUNZIONEFUNZIONE DIDI DENSITA’DENSITA’ NORMALENORMALE oo GAUSSIANAGAUSSIANA

  2 1 x    f  x   e 2
2
1
x
f
x
e
2
2
2
 x 
x
F
x
f
x dx

Introduzione alla statistica
Introduzione alla statistica
40
40

LALA GAUSSIANAGAUSSIANA E’E’ COMPLETAMENTECOMPLETAMENTE DESCRITTADESCRITTA DADA DUEDUE PARAMETRI:PARAMETRI:

MEDIAMEDIA DEVIAZIONEDEVIAZIONE STANDARDSTANDARD (( oo lala varianzavarianza 22 ))

Introduzione alla statistica
Introduzione alla statistica
41 INFLUENZAINFLUENZA DIDI MEDIAMEDIA EE DEVIAZIONEDEVIAZIONE STANDARDSTANDARD DEVIAZIONEDEVIAZIONE STANDARDSTANDARD
41
INFLUENZAINFLUENZA DIDI MEDIAMEDIA EE DEVIAZIONEDEVIAZIONE STANDARDSTANDARD
DEVIAZIONEDEVIAZIONE STANDARDSTANDARD
MEDIAMEDIA
Introduzione alla statistica
42
42

NUMERONUMERO INFINITOINFINITO DIDI CAMPIONI:CAMPIONI:

:: MEDIAMEDIA :: DEVIAZIONEDEVIAZIONE STANDARDSTANDARD

MEDIA   : : DEVIAZIONE DEVIAZIONE STANDARD STANDARD MA MA NON NON SI SI POSSONO
MEDIA   : : DEVIAZIONE DEVIAZIONE STANDARD STANDARD MA MA NON NON SI SI POSSONO

MAMA NONNON SISI POSSONOPOSSONO EFFETTUAREEFFETTUARE UNUN NUMERONUMERO INFINITOINFINITO DIDI RILEVAZIONIRILEVAZIONI ::

INFINITO INFINITO DI DI RILEVAZIONI RILEVAZIONI : : SI SI DEVE DEVE TROVARE TROVARE UN UN

SISI DEVEDEVE TROVARETROVARE UNUN SISTEMASISTEMA PERPER

STIMARESTIMARE MEDIAMEDIA EE DEVIAZ.DEVIAZ. ST.ST.

Introduzione alla statistica
Introduzione alla statistica
43
43

SISI UTILIZZANOUTILIZZANO II SEGUENTISEGUENTI

STIMATORISTIMATORI

UTILIZZANO I I SEGUENTI SEGUENTI STIMATORI STIMATORI Media campionaria Deviazione standard campionaria s x  N

Media

campionaria

Deviazione

standard

campionaria

s

x

N

i 1

x

i

N

N   2 x  X i   i  1 N 
N
2
x
X
i
 
i
 1
N  1

Con x i = singola lettura e N = numero rilevazioni

Introduzione alla statistica
Introduzione alla statistica
44
44

AVENDOAVENDO DIVERSEDIVERSE SERIESERIE DIDI MISURAZIONIMISURAZIONI

POTREMOPOTREMO CALCOLARECALCOLARE PERPER OGNUNAOGNUNA DIDI QUESTEQUESTE LALA MEDIA,MEDIA, ESSEESSE NONNON SARANNOSARANNO TUTTETUTTE UGUALIUGUALI EE SISI DISTRIBUIRANNODISTRIBUIRANNO SUSU

UNAUNA GAUSSIANAGAUSSIANA

DISTRIBUIRANNO SU SU UNA UNA GAUSSIANA GAUSSIANA DISTRIBUZIONE DISTRIBUZIONE DELLE DELLE MEDIE MEDIE X

DISTRIBUZIONEDISTRIBUZIONE DELLEDELLE MEDIEMEDIE

X
X

DISTRIBUZIONEDISTRIBUZIONE CAMPIONARIACAMPIONARIA

,,

CAMPIONARIECAMPIONARIE mm ,, mm

CAMPIONARIE CAMPIONARIE   m m , ,   m m   m m

mm ==

 N
N
CAMPIONARIE   m m , ,   m m   m m =

Introduzione alla statistica
Introduzione alla statistica

m

Caratteristiche della Gaussiana

45 45
45
45

circa il 68% della distribuzione è compreso nell’intervallo centrato su e di estremi 

circa il 95.5% della distribuzione

è

compreso nell’intervallo centrato su e di estremi 2

è

compreso nell’intervallo centrato su e di estremi 3

circa il 99.7% della distribuzione

centrato su  e di estremi  3  circa il 99.7% della distribuzione Introduzione alla
Introduzione alla statistica
Introduzione alla statistica
46 46
46
46

Si può quindi stimare che:

Circa il 68%degli intervalli così costruiti contiene il valore vero (livello di confidenza 68%)

X

s

N
N

Circa il 95.5%degli intervalli così costruiti contiene il valore vero (livello di confidenza 95.5%)

X

2 s N
2
s
N

Circa il 99.7%degli intervalli così costruiti contiene il valore vero (livello di confidenza 99.7%)

X

3 s N
3
s
N
Introduzione alla statistica
Introduzione alla statistica