Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Indice
1 Riferimenti
3 Propagazione dellErrore
10
6 Distribuzione Discrete
11
7 Distribuzione Continue
15
21
22
1 Riferimenti
Riferimenti Bibliografici
Testi Consigliati (Laboratorio)
Rizzi-Ruggiero-Mandracci, Misura, incertezza, errore: unintroduzione, Levrotto e Bella
De Marchi-Lo Presti, Incertezze di Misura, CLUT
3 Propagazione dellErrore
Il Problema della Propagazione dellErrore
Supponiamo di aver misurato una o pi grandezze a, b..., con le corrispondenti incertezze (errori) a, b, ..., e che una data grandezza G sia funzione di a, b, .... Supponiamo altres che lincertezza sulla misura di una grandezza sia sempre molto piccola rispetto alla grandezza da misurare (il misurando): a/a 1, b/b 1, ...
G/G 1. Il problema che ci poniamo stabilire come le incertezze a, b, ... si
propaghino nei calcoli, e concorrano a definire lerrore G sul valore di G(a, b, ...).
Propagazione dellErrore nella Misura di un Area
Supponiamo di misurare larea di un rettangolo, i cui lati a e b sono noti con le rispettive incertezza a e b. Vogliamo determinare lincertezza A sullarea A = ab in
funzione delle incertezze a, b sui lati; in altri termini ci chiediamo come le incertezze sulle misure dei lati si propaghino nel prodotto ab per dare lincertezza A
sullarea.
Propagazione dellErrore nella Misura di un Area
Tenendo presente che i valori dei lati ricadono negli intervalli
a a
b b
ab ab + ba
ab (ab + ba)
ab ab + ba
ab (ab + ba)
le situazioni peggiori sono quelle in cui gli errori a, b contribuiscono nello stesso
verso. Possiamo dire che il risultato della moltilplicazione compreso fra ab (ab +
ba) e ab + ab + ba.
Propagazione dellErrore nella Misura di un Area
Errore Massimo
Possiamo introdurre il concetto di errore massimo sullarea, che pu essere scritto nella
forma
A = ab + ba
Quindi, il risultato della nostra stima dellarea risulta
A A
errore massimo
z = x + y
z = x + y
z = xy + yx
yx + xy
z =
y2
dove le derivate parziali sono calcolate in corrispondenza dei valori misurati delle
grandezze x, y, z...
Esercizio
m=n=p=1. Calcolare lerrore assoluto e lerrore relativo del prodotto V = xyz
Esercizi
m=1, n=-1, p=0. Calcolare lerrore relativo del rapporto z = x/y
z
x
y
=
+
|z|
|x|
|y|
m=numero reale arbitrario, n=p=0. Calcolare lerrore relativo della potenza
m-esima z = xm
z
x
= |m|
|z|
|x|
Commento
Deduciamo che nel caso della somma (o differenza) si sommano gli errori assoluti; nel
caso di un prodotto si sommano gli errori relativi; nel caso di una potenza di moltiplica
lesponente (in modulo) per lerrore relativo.
Errore Sistematico
Definizione
Viene definito errore sistematico lerrore che, in un certo numero di misure (fatte nelle stesse condizioni sperimentali) di una data quantit misurabile, rimane costante in
valore assoluto e segno (o pi generalmente varia secondo una legge definita quando
cambiano le condizioni sperimentali). Lerrore sistematico detto bias.
Lerrore sistematico, proprio per le sue caratteristiche, influenza il risultato sempre
nella stessa direzione, e non pu essere eliminato o ridotto ripetendo le misure, visto
che tutte saranno affette nella stessa maniera.
Precisione
Definizione di Precisione
La precisione di una misura ripetuta molte volte indica di quanto si discostano luno
dallaltro i risultati ottenuti, senza distinguere tra incertezze di diversa origine. Una
misurazione tanto pi precisa quanto pi i singoli valori trovati si addensano attorno
alla media della serie di misure effettuate.
La precisione indicativa della coerenza delle singole misure, ma non pu dirci nulla
sulleventuale presenza di un errore sistematico, che ha leffetto di spostare sistematicamente tutta la serie di misure.
In assenza di errori sistematici, la precisione identificata generalmente con lerrore
relativo.
Accuratezza
Definizione di Accuratezza
Laccuratezza una stima dellerrore sistematico; una misura tanto pi accurata
quanto pi il risultato vicino a quello che si otterrebbe in assenza di errori sistematici. Laccuratezza spesso espressa come rapporto tra lerrore sistematico e il valore
convenzionalmente vero della grandezza.
Laccuratezza, per non ci dice niente sulla dispersione dei risultati: se una misura
accurata, la media dei risultati si avvicina al valore vero, ma i risultati possono essere
distribuiti su un grande intervallo intorno al valore medio.
Precisione e Accuratezza
La distribuzione (a) presenta alta accuratezza e alta precisione, la (b) alta accuratezza
e bassa precisione.
Precisione e Accuratezza
La distribuzione (c) ha bassa accuratezza e alta precisione, la (d) bassa acccuratezza e
bassa precisione.
Cifre Significative
I risultati di una misura possono essere interpretati a colpo docchio, se si fa riferimento
ad una convenzione sulle cifre significative dei numeri che vengono riportati come
risultato della misura. In particolare in un numero
1. La cifra pi significativa quella pi a sinistra, diversa da zero
2. La cifra meno significativa quella pi a destra
3. Tutte le cifre comprese fra quella pi significativa e quella meno significativa
sono cifre significative
Esempio
Indicando la cifra meno significativa con una sottolineatura e la cifra pi significativa con una sopralineatura, le cifre significative nei numeri 1234.4, 1211, 1100, 123.10,
0.00223 sono
1234.2 1234.2
1211
1211
1100
1100
123.10 123.10
0.00223 0.00223
Cifre Significative e Misure
La convenzione di scrivere soltanto le cifre significative consiste nel riportare tutte
le cifre fino alla prima che sappiamo essere incerta, precisando anche di quanto tale
cifra incerta. Per esempio, se facciamo riferimento al numero 1234.2, e supponiamo
che lultima cifra sia incerta entro 2, il risultato della misura si scrive, evidenziando
lincertezza, nella forma
x x 1234.2 0.2
Ci significa che il risultato della misura appartiene allintervallo
(1234.0, 1234.4)
xk (cm)
10
11
12
13
nk
3
3
2
2
Ci pone il problema: come possibile che lintervallo entro cui variano le misure,
ovvero Tmax Tmin = (1.542 1.492) s = 0.050 s, sia tanto maggiore della
risoluzione dello strumento?
AllOrigine della Fluttuazioni dei Risultati
Due sono dunque i fattori (non facilmente distinguibili ai fini pratici che influenzano
in maniera diversa il risultato di ogni singola singola misura:
lincertezza strumentale, che tiene conto della risoluzione dichiarata dello strumento, dellimperfezione dello sperimentatore e dellincertezza intrinseca della
grandezza da misurare
le perturbazioni casuali, in gran parte dovute allinevitabile idealizzazione implicita nel modello matematico utilizzato.
Approccio Probabilistico
Ripetendo una misura un gran numero di volte, si ottiene una molteplicit di risultati che si presta ad unanalisi probabilistica, che oggi si puo condurre sulla base di
avanzate tecniche matematiche.
Scopo dellApproccio Probabilistico
La trattazione statistica o probabilistica dei risultati ci permette di valutare, con precisione tanto maggiore quanto maggiore il numero delle misure: il valore migliore
della grandezza sotto osservazione e la stima dellincertezza su di esso.
6 Distribuzione Discrete
Descrizione dei Risultati delle Misure Ripetute
Misura della Lunghezza del Filo di Sospensione del Pendolo
Supponiamo di aver raccolto questa sequenza di valori di xi , avendo utilizzato un
righello centimetrato:
xi (cm) = 10, 12, 11, 13, 10, 11, 11, 12, 13, 10
Una tabella sintetizza efficacemente i risultati raccolti
P4
k=1
nk =
10
1 X
xi cm
N i=1
4
4
X
1 X
3
3
2
2
nk
x M (x) =
cm
= 10 + 11 + 12 + 13
xk nk =
xk
N
N
10
10
10
10
k=1
k=1
Introduciamo le frequenze:
Pk =
nk
N
4
X
xk Pk
k=1
Le frequenze Pk indicano come i dati raccolti sono distribuiti fra i valori possibili; per
questo si dice che esse descrivono la distribuzione dei risultati. Si verifica la relazione
di normalizzazione
X
Pk = 1
k
Istogrammi
12
xk (cm)
10.1
11.8
11.3
13.1
10.3
10.9
11.2
12.3
13.3
10.2
nk
1
1
1
1
1
1
1
1
1
1
Listogramma evidenzia il fatto che tutti i valori sono stati ottenuti con la stessa frequenza: listogramma poco significativo, perch non comunica nessuna informazione
immediata sui risultati della misura effettuata.
Istogrammi ad Intervalli
Per rendere pi significativi gli istogrammi, dividiamo la serie di valori in intervalli, e
contiamo quanti valori misurati cadono in ciascun intervallo. Scegliendo 4 intervalli,
possiamo riportare i risultati in tabella
13
intervallo(cm)
eventi nell intervallo
10 11
4
11 12
3
12 13
1
13 14
2
Istogrammi ad Intervalli
Laltezza pk del rettangolo avente per base k scelta in modo tale che larea pk k
sia uguale alla frazione Pk di misure che cadono nellintervallo stesso:
pk k = Pk =
nk
= frazione di misure nell intervallo k
N
Istogrammi ad Intervalli
14
Media
Definizione di Media
Aumentando il numero N delle misure, possiamo scegliere intervalli sempre pi stretti.
Se indichiamo con n(< N ) il numero degli intervalli 1 , 2 , ..., n , il valor medio di
x definito dalla
n
n
X
. X
x M (x) =
xk Pk =
xk pk k
k=1
k=1
Distribuzioni Continue
Distribuzioni Discrete
Istogrammi relativi alla distibuzione in intervalli, di 10 misure (sinistra) e 50 misure
(destra) di una data grandezza fisica.
Distribuzioni Discrete
Istogrammi relativi alla distibuzione in intervalli, di 100 misure (sinistra) e 200 misure
(destra) di una data grandezza fisica.
7 Distribuzione Continue
15
Si dimostra che se una misura soggetta a molte sorgenti di errori casuali e a trascurabili errori sistematici, la distribuzione dei valori misurati sar descritta da una
caratteristica curva a campana, simmetrica e centrata sul valor medio della distribuzione: la cosiddetta distribuzione normale o di Gauss, che sar la distribuzione limite cui
tendono i nostri risultati.
Distribuzione Continua come Limite
Da pk a p(x)
La distribuzione limite definisce una funzione continua p(x): allaumentare delle misure listogramma definito dalle frequenze pk tender ad approssimare sempre di pi
la curva p(x). Per N
pk p(x)
k dx
16
Distribuzione Continua
La frazione di misure P (x, x+dx) che cadono in un intervallo compreso fra x e x+dx
data da p(x)dx, che rappresenta larea della striscia evidenziata in figura:
P (x, x + dx) = p(x)dx = frazione di misure nell intervallo (x, x + dx)
Distribuzione Continua
Valori in un Intervallo
La frazione di valori misurati che cadono fra x = a e x = b, data da
Z b
P (a, b) =
p(x)dx = frazione di misure nell intervallo (a, b)
a
p(x)dx = 1
17
la frazione di misure p(x)dx che secondo lesperienza del passato sono cadute
nellintervallo (x, x + dx) pu essere ragionevolmente interpretata come la probabilit P (x, x+dx) che, effettuando in futuro una nuova misura della grandezza
x, si ottenga un risultato che cade nellintervallo (x, x + dx)
Ci significa che la distribuzione limite p(x) pu essere interpretata come la distribuzione (o densit) di probabilit relativa alle misure della grandezza x, che assume il
ruolo di una variabile casuale.
Caratteristiche di una Distribuzione Limite
Media o Valor Medio
Il valor medio (o valore di aspettazione) x M (x) della grandezza x, intesa come
variabile casuale definito da:
Z +
.
x M [x] =
xp(x)dx
k=1
k=1
X
. X
x M (x) =
xk Pk =
xk pk k
al limite per n .
Varianza e Deviazione Standard
I valori che la variabile x pu assumere si distribuiscono secondo la p(x), lungo tutto il
campo di variabilit della x: quindi ciascun valore sar pi o meno lontano dalla media
x M [x]. Come facciamo a quantificare questa lontananza?
Varianza e Deviazione Standard
Varianza
La varianza
.
2 =
(x x)2 p(x)dx
fornisce una stima di quanto possano variare i risultati delle misure rispetto al valore
medio x.
Deviazione Standard
La radice quadrata della varianza definisce lo scarto quadratico medio o deviazione
standard:
sZ
r h
+
i
.
2
(x x)2 p(x)dx
= M (x x) =
18
Deviazione Standard
Lo scarto quadratico medio o deviazione standard dato da
v
u
N
1 X
. 2 u
2
= =t
(xi xi )
N i=1
Riassumendo
Significato Intuitivo
Il valor medio x della variabile casuale x il valore pi significativo (o plausibile)
del risultato, e la deviazione standard la stima pi significativa (o plausibile) dellincertezza da attribuire al risultato (lincertezza relativa del risultato data dal rapporto
/x.)
Base Teorica
Un Teorema (dovuto a Tschebyscheff) afferma che se x una variabile casuale con
densit di probabilit p(x), avente media x e deviazione standard finiti, allora, detto
k un intero positivo, si ha
1
p (|x x|) k 2
k
vale a dire che poco probabile avere grandi deviazioni dalla media.
La Distribuzione di Gauss
Gaussiana
Se una misura soggetta a molte sorgenti di errori casuali - e a trascurabili errori sistematici - la distribuzione dei valori misurati sar descritta dalla distribuzione normale o
di Gauss (o gaussiana):
(xx)2
1
G(x) = e 22
2
dove x e rappresentano il valore medio e la deviazione standard della distribuzione.
La funzione gaussiana G(x) - simmetrica e centrata sul valor medio x - ha una larghezza che dipende unicamente dalla deviazione standard : si vede subito che tale curva
tanto pi larga quanto pi grande e tanto pi stretta quanto pi piccolo.
19
La Distribuzione di Gauss
Gaussiana
La funzione gaussiana G(x) - simmetrica e centrata sul valor medio x - ha una
larghezza che dipende unicamente dalla deviazione standard : tale curva tanto
pi larga quanto pi grande e tanto pi stretta quanto pi piccolo.
La Distribuzione di Gauss
Gaussiana
20
x1 + x2 + ... + xN
N
21
Riepilogo
Dalla Distribuzione al Risultato della Misura
In conclusione, nellipotesi che le fluttuazioni dei risultati siano casuali, il risultato delle misure si scrive nella forma
m sm
e si interpreta dicendo che, dalle nostre osservazioni, ci attendiamo che il 68
per cento di qualunque insieme di misure della grandezza x, eseguite allo stesso
modo, cadano nellintervallo m sm , questa percentuale cresce al 95 per cento
se allarghiamo lintervallo a m 2sm
22
PN
i=1
(xi yi )
P
N
i=1
xi
P
N
i=1
yi
2
PN 2 PN
N
x
x
i
i=1 i
i=1
P
P
P
P
N
N
N
N
2
x
x
y
y
x
i
i
i
i
i=1
i=1
i=1
i=1 i
b=
2
PN 2 PN
N i=1 xi
i=1 xi
Inserendo questi valori nella relazione lineare si trova la retta che meglio approssima
(fitta) i dati sperimentali.
Incertezze sui Parametri del Fit
I parametri a e b sono affetti da incertezze che vengono stimate, sul campione,
mediante le relazlioni
v
PN
u
2
N i=1 (axi + b yi )
u
a = u
2
t
PN
PN
(N 2) N i=1 x2i
x
i=1 i
v
u
u
u
b = u
t
P
N
i=1
P
N
i=1
(axi + b yi )2
2
P
PN
N
(N 2) N i=1 x2i
x
i=1 i
x2i
In Sintesi