Teoria degli errori

Se si misura pi volte la stessa grandezza si hanno risultati

diversi specialmente se le misure si fanno con alta
precisione.
Se, per esempio, si misura su una carta la distanza fra due
punti con il doppio decimetro le determinazioni ottenute fino
al 0.1 mm saranno sempre luna diversa dallaltra. Se per si
vuole unapprossimazione minore (per es. il mm) le varie
determinazioni risulteranno coincidenti.
Nascono allora i quesiti:
a) Quale valore assumere per una grandezza della quale si
sono fatte misure con risultati non coincidenti?
b) Quale sar il grado di precisione da attribuire a tale
valore?
c) Il sistema di misura sar accettabile?
Le risposte le fornisce la teoria degli errori di
osservazione.
I risultati non sono rigorosi ma sono tanto pi accettabili
quanto maggiore il numero delle determinazioni della
grandezza in esame.
Gli sviluppi di tale teoria consentono poi di ricavare, per i
vari tipi di misura, la precisione che ci si deve attendere
nel determinarle e quindi la tolleranza (errore massimo
ammissibile) accettabile per ciascun tipo di operazioni.
Le grandezze di cui si occupa la Topografia sono di tipo
geometrico: angoli, distanze e dislivelli.
0 = sezione normale
dellangolo diedro formato
dal piano contenente la
verticale per S e il punto A
e dal piano contenente la
verticale per S ed il punto
B = differenza delle
direzioni azimutali S A
eS B
d0 = distanza topografica,
la proiezione cio della
distanza inclinata d sulla
superficie di riferimento (il
piano )
AB = qB qA = dislivello
 Postulato della media
In genere non ha senso parlare di valore vero di una
grandezza ma di valore istantaneo e in determinate
condizioni in quanto le grandezze fisiche variano nel
tempo per diverse cause (temperatura, pressione, etc.)
Tali variazioni, generalmente molto piccole, sono spesso
inferiori allapprossimazione dei mezzi di misura.
Si definisce allora un valore pi conveniente o pi
attendibile della grandezza, ricavato dal sistema di
misure effettuato, secondo un criterio prestabilito e
generalmente accettato.
Postulato della media: il criterio che si accetta per
determinazioni omogenee quello di prendere come valore
pi conveniente Xo della grandezza la media aritmetica
delle determinazioni eseguite (X1, X2, .., Xn):

X1 X 2 Xn
Xo
n
Le differenze fra i risultati delle determinazioni eseguite e il
valore pi conveniente si definiscono errori apparenti
(scarti ):
v1=X1-Xo, v2=X2-Xo, ., vn=Xn-Xo
Le analoghe differenze nel caso si conosca il valore vero si
definiscono errori veri.
 Classificazione degli errori
Gli errori che si commettono nelleseguire le misure possono
essere:
Grossolani: sono dovuti a qualche svista nellesecuzione delle
misure. Non sono temibili se si fanno pi misure e saltano subito
allocchio. Conviene per cercare la causa;
Sistematici: si commettono quando si usa uno strumento o un
metodo di misura che fa sempre sbagliare nello stesso senso
(segno costante). Operando con cura sono individuabili, possono
essere corretti oppure si usano gli strumenti con metodi che
consentano di eliminarli (per es. le letture coniugate per gli
angoli);
Accidentali: sono dovuti a cause diverse, possono essere positivi
e negativi e hanno di solito valori molto piccoli. Sono quelli
considerati dalla teoria degli errori.
Quando gli errori commessi nella misura di una
grandezza sono accidentali e loperazione viene ripetuta
pi volte, essi vengono considerati variabili casuali
(aleatorie) e trattati con metodi statistici.

I risultati delle misure effettuate cio possono essere

interpretati come ottenuti tramite unestrazione a caso
da una popolazione di misure possibili, rappresentabili
mediante una variabile casuale (legge empirica del
caso).


Grossolani
Errori Sistematici
Accidentali
 Curva di Gauss
Se si fanno numerose misure di una grandezza nota (per es. la somma
degli angoli interni di un triangolo) e si calcolano gli errori veri si trova
sperimentalmente che tali errori soddisfano a due leggi:
-quelli positivi sono presso a poco tanto numerosi quanto i negativi;
- quelli piccoli sono pi numerosi di quelli grandi (si addensano cio
intorno allo zero).
Se si distribuiscono quindi gli errori su un asse delle ascisse, si divide
lintervallo totale in cui essi cadono in tanti intervalli Dx e si calcola la
frequenza f = ni/n dellerrore in ciascun intervallo, si troveranno numeri
decrescenti man mano che ci si allontana dallorigine.
ni= numero errori in Dx
Riportiamo allora su ogni intervallo x
n = numero totale errori un rettangolo con ordinata y tale che
sia: yi x = ni/n (tale cio che larea del
y

rettangolo risulti uguale alla frequenza

f dellerrore in quellintervallo). Si
f
otterr un istogramma del tipo in
figura di area uguale ad 1 in quanto:
ni n
1
0
x
x
n n
Se si passa al limite per Dx tendente a zero, nellipotesi di
osservazioni infinitamente numerose e distribuite con continuit
sullasse x, il diagramma diventa una curva dalla caratteristica
forma a campana (curva di Gauss) che esprime la legge teorica
di distribuzione della frequenza degli errori per un sistema di
misure che soddisfi alle condizioni sopra enunciate.
La curva di Gauss presenta le seguenti caratteristiche:
- presenta un solo massimo per x = 0;
- tutta nel semipiano delle ordinate positive;
- simmetrica rispetto allasse delle ordinate;
-tende asintoticamente allasse delle ascisse;
1
La curva presenta inoltre due flessi per x
h 2
La sua equazione :
f
f0
h h2 x2
y e

fm dove h una costante che ha

un valore diverso per ogni
sistema di misura e dalla
quale dipende la forma della
curva
x
Se si accetta il postulato della media anche gli errori apparenti (scarti vi)
si distribuiscono con molta approssimazione secondo la legge di Gauss
(per sistemi con numerose osservazioni).
Se consideriamo le due curve:
hA hA2 x 2 hB
yA e yB e hB2 x 2
con hA > hB

hA hB
le ordinate nellorigine sono: e

f maggiore lordinata relativa alla curva

A. Landamento sar quello di figura e si
evince chiaramente che il sistema che
ammette come curva di frequenza degli
errori quella con h maggiore migliore
dellaltro: in esso gli errori piccoli in
valore assoluto si presentano con
maggiore frequenza che nellaltro.

Il parametro h si definisce pertanto precisione del sistema di misure.

 Errore quadratico medio m
Abbiamo visto che la costante h da unindicazione della precisione del
sistema di osservazioni: al suo aumentare cresce lesattezza delle
osservazioni. Quindi limprecisione (incertezza) del sistema di osservazioni
data da una grandezza inversamente proporzionale a h.
Gauss individu detta grandezza che denot con m e defin errore
quadratico medio di una serie di osservazioni. La sua espressione
analitica vale: h 2 2
f yh x
e

flesso
1 flesso
m (1)
h 2

che rappresenta il valore che la funzione di Gauss assume nei due flessi
della curva. Invece della (1) si preferisce utilizzare la seguente:
x12 x22 ....xn2
m (2)
n
Lespressione (2) per funzione degli errori veri che, come si detto, non
si conoscono.
In pratica, se il numero delle determinazioni n abbastanza
grande, possiamo usare unaltra espressione, sostanzialmente
equivalente e funzione degli errori apparenti (scarti vi ):

v12 v22 ....vn2

m
n 1

Applicando tale la formula si ottiene quello che pu essere

definito pi correttamente come scarto quadratico medio (o
deviazione standard) di una serie di osservazioni.
Il quadrato dello s.q.m. viene detto varianza m2 e risulta essere una
misura della dispersione dei valori delle n osservazioni.
Maggiormente differenti sono i valori ottenuti e pi alto sar il valore
della varianza; tale parametro chiamato infatti anche indice di
dispersione poich offre una indicazione sull'addensamento dei valori
della variabile attorno al valor medio X0 (che si trova nellorigine delle
ascisse).
Bassa dispersione
Alta dispersione

X0 X0

Se dunque abbiamo una varianza alta in un sistema di osservazioni

questo vorr dire che i valori delle singole determinazioni sono molto
differenti fra di loro (alta dispersione) e viceversa.
Lo scarto quadratico medio (deviazione standard) fornisce
esattamente la stessa indicazione di quest'ultima.
 Frequenza degli errori
Se di un sistema di osservazioni effettuate si conosce la precisione
h, si pu tracciare il diagramma della funzione
h h2 x2
y e

relativo a quel sistema; questo fornisce la curva di frequenza teorica

relativo al sistema stesso. Daltro canto, calcolati il valore pi
conveniente X0 e gli errori apparenti vi, si pu costruire il diagramma
effettivo relativo al sistema di osservazioni in esame. Per confronto
dei diagrammi si pu vedere quanto il sistema stesso si avvicini a
quello teorico; si pu cio vedere per via grafica in quale misura il
sistema di osservazioni effettuato segua la legge di Gauss.

Lo stesso risultato pu essere conseguito anche per via analitica.

Si dimostra che se si esegue lintegrale della funzione di Gauss (*) tra i
limiti +m e -m si ottiene la probabilit che uno scarto qualsiasi,
ottenuto dallesperienza, sia compreso entro detti limiti.
Tale probabilit sempre uguale a 0.683; ci significa che, qualunque
sia la serie di osservazioni (caratterizzata dal parametro h) la
probabilit che uno scarto qualsiasi, preso ad arbitrio tra quelli
calcolati, cada nellintervallo detto sempre del 68.3%.

Si ricordi che quando gli errori

h h2 x2 commessi nella misura di una
(*) y e grandezza sono accidentali e
loperazione viene ripetuta pi
volte, essi vengono considerati
variabili casuali (aleatorie) e trattati
con metodi statistici; i risultati delle
misure effettuate cio possono
essere interpretati come ottenuti
tramite unestrazione a caso da
una popolazione di misure
possibili, rappresentabili mediante
una variabile casuale. Invece della
frequenza lecito quindi
considerare la probabilit.
Per meglio chiarire: al variare della serie di osservazioni
lintervallo m varier, aumentando per serie meno precise e
diminuendo per quelle pi precise, mentre il parametro h
diminuir per serie meno precise ed aumenter per serie pi
precise: si otterranno cio curve a campana pi o meno
schiacciate sullasse delle ascisse, ma larea sottesa dalla curva
e lasse delle ascisse (entro i limiti m) sar sempre uguale a
0.683.
Lo s.q.m. si assume come riferimento per la determinazione del limite
massimo del valore degli errori accidentali ammissibili in un insieme di
misure della stessa grandezza.
Si dimostra, con sviluppi di calcolo delle probabilit avallati da
esperienze pratiche, che se si effettuano 1000 misure omogenee
della stessa grandezza, dei 1000 errori accidentali si ottiene la
seguente distribuzione:
-683 sono inferiori a +m;
-955 sono inferiori a +2m;
-997 sono inferiori a +3m.

= m

X0 X0 X0
p=68,3% p=95,5% p=99,7%
Possiamo allora definire come tolleranza (errore temibile) il
valore:
3
t 3m
h 2
La probabilit che uno scarto qualsiasi, ottenuto dallesperien-za,
sia interno allintervallo t pari a 0.997 (99.7%). Praticamente la
probabilit di ottenere errori esterni allinter-vallo t quasi nulla,
si da attribuire a cause probabilmente non accidentali la eventuale
presenza di scarti superiori alla tolleranza.
In tale evenienza buona norma eliminare tale valore e calcolare
di nuovo la media.

Un sistema di misure pertanto si giudica accettabile quando gli

errori sono minori, in valore assoluto, di 3m, buono quando tutti
gli errori sono contenuti fra 2m e +2m (probabilit pari al 95.5%)
 N Xi vi > 0 vi < 0 v i2
1 833036,25 1,38 ----- 1,90
2 37,50 2,63 ----- 6,92
3 36,00 1,13 ----- 1,28
4 34,77 ----- 0,10 0,01 46,97
5 33,75 ----- 1,12 1,25 m
6 30,25 ----- 4,62 21,34
17
7 33,70 ----- 1,17 1,37 (+1,66)
8 36,14 1,27 ----- 1,61
9 34,04 ----- 0,83 0.69 1,66
10 36,96 2,09 ----- 4,37
m0
18
11 33,16 ----- 1,71 2,92
12 34,57 ----- 0,30 0,09 (+ 0,39)
13 34,75 ----- 0,12 0,01
14 36,50 1,63 ----- 2,66
15 35,00 0,13 ----- 0,02
16 34,75 ----- 0,12 0,01
17 34,25 ----- 0,62 0,38
18 35,25 0,38 ----- 0,14
627,59 10,64 10,71 46,97
627,59 :18 = 34,87; X0 = 83 30 34,87; m = + 1,66; m0 = + 0,39;
X = 83 30 34,87 + 0,39 (risultato della misura)
Tutti gli errori sono compresi nellintervallo (-3m,+3m) cio + 4,98.
Gli errori in valore assoluto < m sono 14. Il 78% (14/18 = 0,78) degli errori
compreso in (-m,+m); analogamente si trova che il 94% degli errori compreso
in (-2m,+2m). Il sistema segue soddisfacentemente la legge di Gauss.
 Principio dei minimi quadrati
un altro criterio per ricavare il valore pi conveniente di una
grandezza. Se indichiamo con x il valore pi conveniente della
grandezza X, gli errori commessi nelle n misure effettuate sono:

X1 x, X2 x, X3 x, ..... Xn x

Essi possono risultare in parte positivi e in parte negativi e al

variare di x variano. Fra tutti i valori che possono darsi a x si
pu accettare come pi attendibile quello per il quale la somma
dei quadrati degli errori risulta minima, cio:

n
vi2 min
i 1
Consideriamo tale somma (funzione di ):
f( ) = (X1 )2 + (X2 )2 + + (Xn )2
e cerchiamo il valore 0 che la rende minima, uguagliando a zero la
sua derivata prima rispetto a e risolvendo per :
2(X1- ) + 2(X2- ) + .+ 2(Xn- ) = 0;
0 = (X1 + X2+ + Xn)/n
Questo valore, per la funzione f( ) non pu essere un massimo in
quanto una somma di quadrati sempre crescente al crescere (in
valore assoluto) delle basi; quindi 0 il valore che rende minima la
somma dei quadrati degli errori. Tale principio porta a scegliere
(come il postulato della media) come valore pi attendibile di una
grandezza la media aritmetica delle determinazioni eseguite. Il
principio dei minimi quadrati (a fondamento di qualsiasi
procedimento di compensazione) si pu quindi enunciare cos: il
valore pi conveniente della grandezza, e di conseguenza degli
scarti, quello che rende minima la somma dei quadrati degli scarti
stessi.
La media aritmetica gode quindi delle seguenti propriet:
- la somma degli scostamenti da essa delle singole
osservazioni (scarti) nulla:

vi 0

- la somma dei quadrati di detti scarti un minimo:

2
v i min
 Misure
Le misure si classificano in dirette e indirette.
Sono misure dirette quelle che possono eseguirsi
sovrapponendo lunit di misura alla grandezza da misurare e
leggendone direttamente il valore.
Sono misure indirette quelle ottenute misurando altre grandezze
cui la prima legata da relazioni note (per esempio DAB= Dcotgz
+ s - h).
Sia le une che le altre possono essere condizionate.
Ad esempio, se si misurano gli angoli interni di un poligono di n
vertici, le misure effettuate devono soddisfare alla condizione:

(n 2)
i
In questi casi, lerrore da cui sar affetta la grandezza
dipender dagli errori commessi nel determinare i valori delle
grandezze direttamente misurabili.
 Legge di propagazione della varianza
Nel caso (pi frequente) di misure indirette, non condizionate ed
omogenee (con lo stesso operatore e strumento, nelle stesse
condizioni ambientali, con la stessa accuratezza e quasi nello stesso
tempo) vale la legge di propagazione della varianza.
Se una grandezza X combinazione lineare di pi altre grandezza X1,
X2, ., Xn che seguono la legge di Gauss, cio se:

X = a1X1 + a2X2 + +anXn

anche la grandezza X segue la legge di Gauss e il quadrato del suo
errore quadratico medio mx (varianza) combinazione lineare dei
quadrati degli errori quadratici medi m1, m2, .., mn delle grandezze
X1, X2, .., Xn fatta con i quadrati dei coefficienti:
m 2X a12 m12 a22 m22 an2 mn2 (1)
Definizione di covarianza (wiki)
 Errore medio della media
Siano X1, X2, ., Xn n determinazioni di una grandezza; la media,
com noto, vale:
1 1 1
Xo
X1 X 2 Xn cio X0 X1 X2 Xn
n n n n
Sia m lerrore medio del sistema di determinazioni. Esso si pu considerare
come errore medio di ciascuna delle determinazioni Xi.
Applicando allora la legge di propagazione degli errori, si ha:
1 2 1 2 1 2 n 2 m2 m
m02 m
2 1
m
2 2
m
2 n 2
m cio m0
n n n n n n
Mentre ciascuna delle determinazioni Xi si pu considerare errata, in
pi o in meno, di m, la media aritmetica si pu considerare errata di
m0. Il valore della grandezza misurata :
X = X0 + m0
dove X0 il valore pi attendibile ottenuto dalle misure e m0 lo
scostamento, in pi o in meno, di X0 dal valore vero ( quindi un
indice dellattendibilit della misura).
Osservazione
A rigori tutto ci non sarebbe corretto in quanto si
considerato lerrore medio m di ciascuna
determinazione Xi eseguita una sola volta, mentre
occorrerebbe che le misure Xi fossero ciascuna la
media di n determinazioni e tutti i sistemi avessero
uguale precisione ed errore medio.
In pratica, per va bene lo stesso!
Nel caso in cui la grandezza X sia funzione qualunque di altre grandezze
X1, X2, ., Xn direttamente misurabili:
X = f(X1, X2, ., Xn)
la legge di propagazione della varianza si pu applicare nella forma vista
prima sotto le ipotesi che la funzione f ammetta derivate seconde continue
e che gli errori vi da cui sono affette le misure delle grandezze Xi si
possano ritenere piccoli del primo ordine. Si ha
pertanto e si pu dimostrare sviluppando la funzione f con la formula di
Taylor:
2 2 2 la derivata parziale di f
f f f f
(2) m X2 m12 m22 mn2 dove calcolata nel punto iniziale,
quindi una costante.
X1 0
X2 0
Xn 0
Xi 0

Questa espressione della legge di propagazione equivale quindi alla (1) e

viene frequentemente applicata quando si ottiene per via indiretta la
misura di una grandezza X funzione delle misure di altre grandezze Xi, per
studiare le influenze che gli errori commessi nella misura di ciascuna delle
grandezze Xi hanno sulla misura della grandezza X.
Legge di indipendenza delle piccole cause di errore

Linfluenza dellerrore commesso nella misura di una

delle grandezze Xi sulla misura della grandezza X
indipendente dalla coesistenza con gli altri errori.
Si potr allora esaminare la (2)
2 2 2
f f f
m X2 m12 m22 mn2
X1 0
X2 0
Xn 0

termine a termine e trarre dei criteri circa

lapprossimazione con la quale va condotta ciascuna
delle misure dirette affinch lerrore nella misura della
grandezza X sia contenuto in limiti prefissati.
 Sistemi di misura di precisione diversa
Se la misura di una grandezza ottenuta mediante strumenti di diversa
precisione o con metodi diversi, il valore pi probabile non potr ottenersi
eseguendo la media aritmetica delle osservazioni ma bisogner dare una
maggiore importanza a quelle che hanno una maggiore attendibilit.
Si consegue questo risultato attribuendo un peso maggiore alle
osservazioni di precisione maggiore e un peso minore a quelle meno
precise ed effettuando la media ponderata:

1 p1 2 p2 n pn
p1 p2 pn
in cui si sono indicate con xi le varie osservazioni e con pi i corrispondenti
pesi. Per quanto riguarda i pesi da attribuire alle osservazioni si dimostra
che essi sono inversamente proporzionali alle varianze delle osservazioni
stesse e quindi agli errori medi della media. Si ha cio:

k k k
p1 2
; p2 2
; pn con k = costante arbitraria
m1 m2 mn2
La media ponderata, in analogia a quanto visto per la media aritmetica,
gode delle seguenti propriet:
- la somma degli scostamenti da essa delle singole osservazioni (scarti)
moltiplicati per il corrispondente peso nulla
pi vi 0
- la somma dei quadrati di detti scarti moltiplicati per i corrispondenti pesi
un minimo
pi vi2 min
Sempre in analogia a quanto gi visto, lerrore medio della media
ponderata si ottiene con la formula:

m
m0 pi vi2 varianza pi vi2
con m0 = dellunit m
pi n 1 di peso n 1 pi
mentre il peso della media ponderata la somma dei pesi delle singole
determinazioni:
px0 = p1 + p2 + . + pn
Si supponga di avere misurato 5 volte un angolo in 3 giorni diversi e di
avere ottenuto 3 valori medi con errori medi della media diversi (mi).
= 20g,1520 + 2cc; = 20g,1530 + 4cc ; = 20g,1520 + 8cc
Per definire il valore pi attendibile dobbiamo prima calcolare i pesi
delle singole misure. cos t
Ricordando che: pi poniamo cos t m32 82
mi2
Si avr pertanto: p1 = 82/22 = 16; p2 = 82/42 = 4; p3 = 82/82 = 1
La media ponderata delle nostre misure sar:

1 p1 2 p2 n pn 16 20cc 4 30cc 1 20cc

21cc ,9
p1 p2 pn 16 4 1
g
pi vi2
Lerror medio della media ponderata vale: m = + 1cc,96
n 1 pi

Il valore dellangolo sar quindi: g cc

 Precisione conseguibile nelle misure
Quale precisione posso conseguire nelleffettuare una misura adoperando
un certo strumento?
Si consideri il caso, semplice e abbastanza frequente, in cui la grandezza
da determinare sia somma algebrica di altre grandezze direttamente
misurabili:
X = X1 + X2 + + Xn
Applicando la legge di propagazione della varianza si ha:
m X2 m12 m22 mn2 cio mX m12 m22 mn2
Se possono considerarsi uguali gli errori medi mi delle grandezze misurate
direttamente, si ha:
mX n m2 m n
Se si conoscono o possono determinarsi gli errori medi mi delle singole
operazioni elementari alle quali la misura di una grandezza X pu
ricondursi, si pu valutare lerrore da cui pu essere affetta la misura della
grandezza stessa applicando la legge di propagazione della varianza.
Se si effettuano n misure di una distanza di 100 metri con una rullina e se
ne fa la media, il 68% delle determinazioni differir in valore assoluto dalla
media meno di 10 cm (+ m), il 95% differir meno di 20 cm (+ 2m), tutte le
determinazioni differiranno meno di 30 cm (+ 3m).
Se consideriamo 2 determinazioni qualunque, c il 68% di probabilit che
esse differiscano meno di 20 cm (10 cm in pi luna e 10 cm in meno laltra)
e il 95% che esse differiscano meno di 40 cm.
La tolleranza da ammettere quindi fra 2 determinazioni generiche di una
distanza (eseguite con il metodo prima visto) pu assumersi di 40 cm su
100 metri per operazioni condotte mediocremente e di 30 cm su 100 metri
per operazioni pi precise.
Se si pu valutare lerrore medio m da cui affetta una serie di misure, si
pu affermare che ciascuna misura pu risultare affetta da un errore
compreso fra 3m e +3m, ma se si eseguono pi misure di quel tipo
conviene accettarle e prendere come valore pi attendibile della grandezza
misurata la loro media solo se le differenze fra 2 qualunque di esse non
superano la tolleranza +3m.
Ad esempio: per D1 = 64.15 m e D2 = 63.95 m si ha:

mD 10 64 80mm 8cm tD 3mD 24cm D1 D2

D0 64.05m
2
D1 D2 tD (20cm < 24cm)
Valore pi attendibile della distanza
 = D cotgz + s - l (stazione totale e prisma)
una funzione qualunque di D, z, s e l
Applicando la legge di propagazione della varianza nella forma:
2 2 2
f f f
m X2 m12 m22 mn2
X1 0
X2 0
Xn 0
2
2 D
m cot gz mD2 m 2
z m 2
s ml
2
sen 2 z
Lesame separato dellinfluenza delle varie cause derrore porta ai seguenti
risultati per D=100m e per z=80g (condizioni operative peggiori) e sapendo
che : mD 10 D
mD = cotgz mD = 0.5 x 10 cm = 5cm
m = m + m = 7cm
m"
D
m z
100
0,00016 r
0,02 m 2cm errore complessivo
2
sen z 0,90
Gli errori dovuti alla misura dellaltezza strumentale e nella lettura al prisma
non influiscono perch dellordine del mm, quindi trascurabili.
 Parametri statistici significativi

Date n determinazioni Xi di una grandezza si ha:

X1 X2 Xn
Valore pi attendibile X0
n
vi2
Varianza m2
n 1
vi2
Scarto quadratico medio m
n 1
m
S.q.m. della media m0
n
 Risoluzione di uno strumento

Per risoluzione (detta anche sensibilit) di uno

strumento si intende il minimo valore dellunit di
misura individuabile dallo strumento (ad es. negli usuali
distanziometri elettronici il millimetro).
Da non confondere con il concetto di precisione o
meglio di accuratezza di uno strumento; i due parametri
sono per ovviamente correlati.
 LE SERIE TEMPORALI
Una serie storica o serie temporale rappresenta una registrazione cronologica
di osservazioni sperimentali di una variabile, con campionamento
generalmente uniforme nelle applicazioni di tipo geodetico. Pi in generale,
essa rappresenta la realizzazione di un processo stocastico, che rappresenta
un modello matematico utile per descrivere la legge probabilistica con cui un
certo fenomeno fisico si pu evolvere nel tempo; proprio per questo motivo,
costituiscono il modello probabilistico naturale di riferimento per lanalisi delle
serie temporali. In campo geodetico, abbiamo a che fare con le serie
temporali, quando ad esempio, effettuiamo delle elaborazioni mediante
software adeguati dei dati registrati mediante ricevitori GNSS. Un esempio
quello riportato in figura, che riporta landamento della serie temporale della
Stazione Permanente di Palermo in un intervallo compreso tra il 2008 e il
2012.
 LE SERIE TEMPORALI

Come si pu osservare dalla figura, una serie pu essere rappresentata

mediante un grafico nel quale viene mostrato landamento della posizione
assunta nel corso del tempo dalla SP (in ordinata), rispetto al tempo,
(riportato in ascissa) espresso in DOY (Day Of the Year).Analizzando
meglio la serie, possibile identificare i principali indicatori statistici che ne
definiscono le propriet:
Media (indice di posizione)
Varianza (indice di dispersione)
Coefficiente di correlazione tra le variabili
 LE SERIE TEMPORALI
a)
1160204.080
1160204.060
1160204.040
1160204.020
1160204.000

Y (m)
1160203.980
1160203.960
1160203.940
1160203.920
1160203.900
54000 54500 55000 55500 56000 56500
Epoch (MJD)

E possibile distinguere tra serie temporali correlate o non correlate a seconda che il
valore assunto da una grandezza y(t) al tempo generico t risulti dipendente in qualche
misura o no dal valore y(t-k) assunto dalla stessa grandezza al tempo (t-k). In una
serie, inoltre possibile determinare landamento o tendenza e escludere dallo studio
statistico eventuali valori che non rientrano nel range di campionamento (come nel
caso del grafico a destra), che prendono il nome di outliers.
La tendenza di una serie viene in genere determinata attraverso modelli di
regressione, di diversa natura (lineare, polinomiale, logaritmica) oppure pu
essere determinata attraverso la determinazione di una media mobile. Nella
figura di destra, ad esempio, la tendenza della serie risulta essere lineare.
LE SERIE TEMPORALI