Sei sulla pagina 1di 23

Sommario

Indice
1 Riferimenti

2 Incertezza ed Errore nella Misura di Una Grandezza Fisica

3 Propagazione dellErrore

4 Errore Relativo, Precisione ed Accuratezza

5 Incertezza nelle Misure Ripetute

10

6 Distribuzione Discrete

11

7 Distribuzione Continue

15

8 Teoria dei Campioni

21

9 Fit dei Dati Sperimentali

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

2 Incertezza ed Errore nella Misura di Una Grandezza


Fisica
Che cos la Misura di una Grandezza Fisica
Definizione Astratta
La misura di una grandezza fisica una tecnica (un insieme di prescrizioni operativamente ben definite) mediante la quale alla grandezza in questione possibile associare
un numero reale, una volta scelta lunit di misura. In altri termini, una misurazione
consiste nel confrontare due grandezze dello stesso tipo, di cui una considerata nota
(campione di riferimento) e laltra considerata incognita.

Se si misura ripetutamente la medesima grandezza fisica, e si ottengono


risultati diversi, quale il numero che associamo alla grandezza in
questione?
Che cos la Misura di una Grandezza Fisica
Definizione Pratica
Le misure ripetute di una medesima grandezza fisica si distribuiscono in modo pi o
meno casuale allinterno di un certo intervallo della retta reale: ogni misura affetta
da incertezza. In pratica, alla grandezza fisica in questione associato un intervallo
sulla retta reale, ovvero un numero reale x0 (o xbest ) con un certo margine di incertezza (x); questo valore generalmente inteso essere il valore vero della grandezza in
questione (il quale viene stimato).
Errori ed Incertezze
Una misurazione singola non coincide con il valore vero della grandezza misuranda:
la differenza fra la misura ed il misurando costituisce un errore, errore che pu essere
rilevato solo dopo che sia stato stimato il valore vero, al quale associata una data
incertezza.
Un errore pu essere corretto o ridotto (ammesso che sia pi grande dellincertezza).
Con incertezza, invece, si indica quello che non si riuscito ad apprendere sul valore
vero della grandezza misuranda.
Risoluzione di uno Strumento
La risoluzione di uno strumento la minima variazione della grandezza che si vuole
misurare che genera una variazione apprezzabile di lettura.
Risoluzione di uno Strumento
Consideriamo ad es. il pi semplice strumento atto a misurare la pi semplice delle
grandezze fisiche: un righello, che consente di misurare una lunghezza dellordine di
2

qualche centimetro o decimetro. Di norma le tacche di un righello distano tra loro 1


mm. Di conseguenza, se la lunghezza che si vuole misurare varia (per un qualsiasi motivo) di una quantit inferiore al mm, questa variazione sar in generale troppo piccola
per essere apprezzata dallo strumento. Diremo allora che il righello ha una risoluzione
di 1 mm.
Risoluzione di uno Strumento
Misura di Lunghezza
Quindi, se il risultato di una misura effettuata con un righello graduato in mm pari a
l = 3.2 cm, bisogna pi appropriatamente scrivere
lunghezza misurata = (3.2 0.1) cm = l l
avendo indicato con l = 0.1 cm lincertezza sulla misura dovuta alla risoluzione del
righello.
Misura di Tempo
Effettuando misure di tempo con un cronometro con la risoluzione di 1 centesimo di
secondo, scriviamo il risultato nella forma
tempo misurato = (5.61 0.01) s = t t
t = 0.01 s dovuta alla risoluzione del cronometro.
Le Cause dellIncertezza
Le Cause dellIncertezza sono molteplici
incertezza intrinseca
risoluzione strumentale (e di lettura)
errori sistematici
errori di modellizzazione
...
Tutte queste cause concorrono a definire lintervallo di incertezza con cui la misura di
una grandezza fisica definita.
Incertezze di tipo A e B
Tipo A
Sono le Incertezze che si possono valutare ed eventualmente ridursi con metodi statistici, e sono cio prodotte da effetti di tipo casuale.
Tipo B
Sono le Incertezze relative ad effetti sistematici (che si ripetono ad ogni ripetizione
della misura nelle medesime condizioni), e che non si possono stimare (n ridurre) con
metodi statistici.
3

Siamo interessati essenzialmente allanalisi statistica dei dati, finalizzata alla


riduzione dellincertezza; utilizzeremo come sinonimi i termini incertezza ed
errore, per conformit con il linguaggio comune, ben consci della differenza di
fondo fra di essi.

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

il prodotto pu corrispondere ad una delle quattro combinazioni


(a + a)(b + b) (a + a)(b b)
(a a)(b + b) (a a)(b b)
o, trascurando i prodotti ab
ab + ab + ba
ab + ab ba

ab ab + ba
ab (ab + ba)

Propagazione dellErrore nella Misura di un Area


Nei quattro casi
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

Propagazione nellErrore nelle 4 Operazioni


Se x, y sono due grandezze omogenee, affette da errori x, y rispettivamente, la
propagazione degli errori nelle quattro operazioni elementari riassunta dalla seguente
tabella:
grandezza
.
z =x+y
.
z =xy
.
z = xy
. x
z=
y

errore massimo
z = x + y
z = x + y
z = xy + yx
yx + xy
z =
y2

Propagazione dellErrore in Generale


Propagazione dellErrore in G(x, y, z...)
Supponiamo di avere una grandezza G funzione di altre grandezze x, y, z, ..., ciascuna
con errore x, y, z, ... Posto G = f (x, y, z...), e ricordando lespressione generale
del differenziale di una funzione di pi variabili .
Lerrore massimo su G dato da



f
f
f




G = x + y + z + ...
x
y
z
5

dove le derivate parziali sono calcolate in corrispondenza dei valori misurati delle
grandezze x, y, z...

4 Errore Relativo, Precisione ed Accuratezza


Errore Relativo
Bont di una Misura
Quanto buona la misura misura di una grandezza x, se la sua incertezza x?
La bont di una misura dipende dal rapporto x/x, che prende il nome di incertezza
relativa (o errore relativo). Pi piccolo il rapporto, pi buona la misura.
Esempio
Misuriamo una lunghezza usando due metri a nastro: uno avente la risoluzione del
centimetro, laltro del millimetro, ottenendo come risultati qualcosa del tipo
(1.05 0.01) m
(1.053 0.001) m
Di conseguenza
0.01
x1
=
= 9. 5238 103 = 0.95238%
x1
1.05
x2
0.001
=
= 9. 4967 104 = 0.094967%
x2
1.053
Il fatto intuitivo che la seconda misura pi buona della prima formalizzato dicendo
che la seconda misura ha un errore relativo x/x pi piccolo.
Esercizio
Si consideri una grandezza G funzione di altre grandezze x, y, z secondo una relazione monomia del tipo
G = xm y n z p
dove m, n, p sono numeri reali arbitrari. Se x, y, z sono le incertezze relative alle
grandezze x, y, z, calcolare lerrore assoluto e lerrore relativo.
G = |mxm1 y n z p x| + |nxm y n1 z p y| + |pxm y n z p1 z|




G x y z
= m
+ n
+ p
G
x y z

Esercizio
m=n=p=1. Calcolare lerrore assoluto e lerrore relativo del prodotto V = xyz

V = yzx + xzy + xyz


V
x
y
z
=
+
+
V
x
y
z

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)

Cifre Significative e Misure


Se non viene esplicitamente dichiarato lerrore, si conviene che esso influenzi la cifra meno significativa nella misura di 1. Nel seguito ci atterremo sempre a tale
convenzione; quindi il margine di errore da cui affetta lultima cifra sar indicato
esplicitamente solo nei casi in cui tale margine diverso da 1. Quindi, scrivendo
semplicemente
x = 1.05
viene inteso che il margine derrore 0.01.
Notazione scientifica
Una volta scelte le unit di misura, la misura delle grandezze fisiche convenientemente espressa nella forma
k 10n
dove
k un numero razionale ( 1 e < 10) con un numero finito m di cifre decimali
(k ha dunque m + 1 cifre significative);
n un numero intero (positivo o negativo)
Il numero n da uninformazione della scala (ordine di grandezza) della misura, mentre
il numero di cifre significative da unidea della precisione della misura.
Ove non diversamente specificato, si intende che lultima cifra significativa
precisa entro 1 errore

5 Incertezza nelle Misure Ripetute


Oltre lIncertezza Strumentale
Si osserva che utilizzare lincertezza strumentale come unica stima dellincertezza
limitativo: infatti se facciamo le misure con strumenti poco raffinati, lincertezza strumentale nasconde tutte le altre eventuali incertezze; ma cosa succede quando si migliora la risoluzione dello strumento? Succede che, man mano che si riduce lincertezza strumentale, cominciano a manifestarsi altre cause di incertezza che non sono
riconducibili allo strumento.
Misure ripetute di Periodo
Supponiamo di voler verificare la legge galileiana dellisocronismo delle piccole oscillazioni di un pendolo e, per farlo, ci dotiamo di un cronometro digitale avente la risoluzione del millesimo di secondo. Facendo 10 misure, otterremo molto probabilmente
10 risultati diversi, tipo
1.523 1.512 1.520 1.498 1.501 1.542 1.533 1.495 1.492 1.515
10

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

Dove nk il numero di volte che ciascun valore xk stato ottenuto, con N =


10
11

P4

k=1

nk =

Media dei Risultati


Media dei Risultati Ottenuti
x M (x) =

10
1 X
xi cm
N i=1

che, tenendo conto della tabella, si pu scrivere anche



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

Media dei Risultati


Media dei Risultati Ottenuti
La media si scrive
x M (x) =

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

Rappresentazione dei Risultati


I risultati ottenuti vengono convenientemente riassunti da un istogramma, dove le
frequenze Pk sono rappresentate in funzione dei vari valori xk

12

Descrizione dei Risultati delle Misure Ripetute


Usando un righello millimetrato
xi = 10.1, 11.8, 11.3, 13.1, 10.3, 10.9, 11.2, 12.3, 13.3, 10.2

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

Descrizione dei Risultati delle Misure Ripetute

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

Tipicamente, le larghezze k sono tutte uguali, cos a colpo docchio listogramma


dice quali sono le misure ottenute con maggiore frequenza. Le grandezze pk = Pk /k
(frazione di misure che cadono in un intervallo unitario) prendono il nome di densit
di frequenza normalizzata, o densit di frequenza

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

Al limite, per N , 0, larea dellistogramma che resta finita:


X
X
Pk =
pk k = 1
k

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

Distribuzione Continua come Limite di Una Distribuzione Discreta

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

In particolare, se lintervallo lintero asse reale si ha:


P ( , +) =

p(x)dx = 1

Questa relazione esprime il fatto che la funzione p(x) normalizzata.


Queste relazioni non ci dicono niente sullesito di una singola misura, ma ci dicono
qualcosa su quello che ci aspettiamo di misurare quando facciamo un numero
molto grande di misure.
Distribuzioni Discrete, Distribuzioni Continue e Probablit
Sul Concetto di Aspettativa nellEffettuare Misure
Una volta ricostruitita la distribuzione limite p(x) (che nel nostro caso la distribuzione di Gauss) dacendo un gran numero di misure
ci aspettiamo che le misure che faremo in futuro - nelle stesse condizioni sperimentali - andranno a distribuirsi in modo da formare un istogramma che si
avvicina tanto pi alla p(x) quanto maggiore il numero di misure fatte

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

Questa la versione continua della definizione discreta


n

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) =

Nota: la deviazione standard ha le stesse dimensioni della grandezza x.

18

Varianza e Deviazione Standard per Distribuzioni Discrete


Varianza
La varianza per una distribuzione discreta data da
N
. 1 X
2
2 =
(xi xi )
N i=1

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

Unaltra osservazione interessante riguarda laltezza A = 1/ 2 della curva


nel punto di massimo x: una distribuzione pi stretta deve avere un massimo pi
accentuato (come ovvio perch larea sotto la curva deve essere 1 per qualsiasi
valore di ). Pi stretta la curva, pi precisa la misura.

Sul Significato della Deviazione Standard

20

Deviazione Standard e Probabilit


La probabilit che una data misura cada entro una deviazione standard dal valore
medio x del 68%; ma troviamo anche che la probabilitP (x 2) che una data
misura cada entro il doppio di una deviazione standard dal valore medio x del 95 per
cento circa: man mano che ci allontana ulteriormente dal valor medio, la probabilit
di trovare il risultato di una misura diviene sempre pi esigua.

8 Teoria dei Campioni


Riepilogo
Dai Dati, alla Distribuzione dei Dati
Abbiamo raccolto N misure relative ad una grandezza fisica x, e abbiamo supposto che le misure siano affette solo da errori casuali
Abbiamo assunto che la loro distribuzione limite sia la funzione Gaussiana,
caratterizzata dal valor medio e dalla deviazione standard
Come si possono stimare il valore medio e la deviazione standard?
Riepilogo
Dai Dati, alla Distribuzione dei Dati
Valor medio e deviazione standard possono essere stimati partendo dal campione
delle misure
La miglior stima del valor medio data dalla media aritmetica
m=

x1 + x2 + ... + xN
N

La miglior stima della deviazione standard data da


v
u
N
1 X
. u
2
s=t
(xi m)
N 1 i=1
Riepilogo
Dalla Distribuzione al Risultato della Misura
Basandoci su questo, la miglior stima della grandezza misurata data dalla
media aritmetica m, e lincertezza su di essa data da
v
u
N
X
1
. u
2
(xi m)
sm = t
N (N 1) i=1
che rappresenta la stima della deviazione standard della media.

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

9 Fit dei Dati Sperimentali


Cenni Sul Fit di Dati Sperimentali
Il Problema
Abbiamo a disposizione un insieme di dati sperimentali, che abbiamo raccolto attraverso una serie di misurazioni, e una legge fisica espressa attraverso una relazione
matematica tra un certo numero di grandezze. La domanda che ci poniamo come
procedere per verificare se i dati sperimentali sono compatibili con la legge fisica in
questione. Naturalmente, quando parliamo di accordo di una legge fisica con dei dati sperimentali, dobbiamo ricordarci che tale accordo non potr mai essere assoluto;
infatti le misure che abbiamo a disposizione saranno sicuramente affette da incertezze
di tipo sperimentale che, per quanto piccole, impediranno che possa esserci perfetta coincidenza tra i valori previsti dalla legge fisica e quelli effettivamente misurati.
Il concetto di accordo sar pertanto definito in modo statistico: quello che potremo
determinare sar la probabilit che una data legge fisica sia compatibile con i nostri
dati.
Esempio di Fit
Consideriamo due grandezze fisiche x e y, legate tra loro attraverso una relazione
lineare :y = ax + b. Supponiamo di effettuare una serie di N coppie di misure associate tra loro {xi , yi }, misurando ogni volta il valore che assume la grandezza x e
quello assunto in corrispondenza dalla grandezza y. Il disaccordo tra dati sperimentali
e previsioni teoriche espresso dagli scarti
.
si = a xi + b yi
Il nostro scopo determinare per quali valori dei parametri a e b si verifica il migliore
accordo tra i dati misurati e quelli previsti dalla relazione lineare y = ax + b

22

Valori dei Parametri del Fit


N
a=

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

Errori, Incertezze e Propagazione


Distribuzioni
Teoria dei Campioni
Fit
23