ELEMENTI DI TEORIA DEGLI ERRORI DI MISURA

Misura: processo che associa ad ogni grandezza fisica uno (scalare)

o piu` (vettore) numeri che la quantifica rispetto ad una opportuna
unita` di misura.
Procedimento empirico soggetto a limitazioni di varia natura che ne
determinano la precisionep

Gli errori di misura sono inevitabili

Una misura non ha nessun significato se non viene accompagnata da

una stima dell'errore associato

Ad es. Se uso una riga millimetrata ho una sensibilita` di 1 mm: se per

confronto vedo che la larghezza di un foglio e` compresa tra le graduazioni
215 e 216 mm posso scrivere:

0.215 m ≤ l ≤ 0.216 m ovvero l = (0.2155±0.0005) m

 Cifre significative ed arrotondamenti
●Risultato sempre scritto con: 1) valore, 2) errore, 3) unità di misura
es. L = 12.34 ± 0.01 m

●Non ha senso spingere la valutazione del risultato al di là della

precisione sperimentale
se ad es. l’errore per la misura di una lunghezza indica incertezza
sulla cifra dei centimetri, è un errore dare nel risultato la cifra dei decimi di
millimetro!

REGOLA:
➢nei risultati e calcoli intermedi tutte le cifre che vogliamo
➢giunti al risultato finale, dopo il calcolo dell'errore, bisogna
troncare il risultato al livello dell’errore stimato ed arrotondarlo
(generalmente 1 o max 2 cifre significative sull'errore)

esempio lunghezza L:
risultati intermedi arrotondamento
12.34567 ± 0.231 m 12.3 ± 0.2 m o 12.34 ± 0.23 m
12.34567 ± 0.00789 m 12.346 ± 0.008 m o 12.3457 ± 0.0079 m
 CLASSIFICAZIONE DELLE MISURE

●Misure dirette: si ottengono per confronto diretto con una unita`

di misura omogenea o per mezzo di uno strumento calibrato
➢es. la misura di una lunghezza con una riga graduata, di un
intervallo di tempo con un cronometro etc)

●Misure indirette: attraverso la misura di una o piu` grandezze

diverse legate attraverso una legge fisica, espressa attraverso una
equazione matematica
➢es. misura di una distanza con un segnale di cui conosciamo la
velocita` di propagazione v: ∆x=∆t v ,
➢es. misura di velocita` media v a partire da una misura di
lunghezza (distanza percorsa ∆x) e di un intervallo di tempo ∆t :
v= ∆x/∆t
 MISURAZIONE
Metodo di misura
● parte integrante del processo di misura e non possiamo astrarre da
esso per analizzare la misura stessa.

● Per la stessa grandezza fisica dipende dall'ordine di grandezza:

es. lunghezza
➢L O(m) confronto diretto con regolo graduato
➢L O(µm) misura interferometrica
➢L O(km) triangolazione
➢L O(105 km) misura laser (e.g. distanza Terra-Luna)

Strumento di misura
●Sensibilita`: minima variazione apprezzabile (e.g. 0.5 mm per regolo)
●Precisione: legata alla riproducibilita` dei risultati
●Accuratezza: capacita` di fornire valori realmente corrispondenti al
valore vero della grandezza in esame
●Intervallo d'uso: condizioni di lavoro (e.g. Intervallo di temp.) e di
valori misurabili
 Errori Sistematici
Errori sistematici Agiscono sempre nello stesso verso
(sottostima o sovrastima)

es. difetti costruttivi dello strumento, deterioramento, uso in condizioni

errate, errori dello sperimentatore, perturbazioni esterne non controllate,
uso di formule approssimate etc.

➢Se ad es. uso un regolo di lunghezza 999 mm anziche` 1m tutte le

lunghezze saranno sovrastimate dell' 1‰
➢Se ad es. misuro la profondita` di un fiume con uno scandaglio, la
presenza della corrente devia lo scandaglio e tende a far sovrastimare
la profondita`

☹insidiosi perche` non immediatamente identificabili: richiedono una

minuziosa analisi critica dello strumento e del metodo di misura
Possono essere evidenziati misurando con strumenti/metodi diversi

☺Se scoperti, possono essere (in linea di principio) eliminati o ridotti

 Errori Casuali
sia positivi che negativi
Errori casuali
☹non possono essere eliminati
Aleatori ed imprevedibili
☺possono essere stimati

Se la sensibilita` dello strumento e`

sufficientemente piccola visibili in } Misure ripetute

➢ facilmente evidenziabili se lo strumento e` sensibile

➢ possono essere ridotti (migliorando la misura) ma mai eliminati
➢ Possiedono proprieta` statistiche che consentono di stimarli a
partire dai dati stessi
Esempi:
- giochi meccanici ed attriti (es. Calibro o micrometro...)
- condizioni ambientali variabili e non del tutto controllabili (Temp., press.,etc)
- valutazioni-azioni dello sperimentatore (e.g. lettura di una scala, start-stop
di un cronometro...),
- imperfetta definizione della grandezza (e.g. diametro di una sfera fisica...)
- etc. etc.
 Rappresentazione dei dati
Misurando ripetutamente (n volte)
volte la stessa grandezza x si ottengono
valori differenti xi. Come rappresentare i dati?
1 Con una tabella (sequenza delle misure):
☺ tutta l'informazione
☹ nessuna sintesi
2 Con un ideogramma: in ascissa il numero d'ordine i della misura,
in ordinata la misura xi . Visibili: valore medio, errore, eventuali
variazioni sistematiche
a) Media fissa larghezza
Valore
medio

b) Media variabile Variazione sistematica del

nel tempo valore di ∆t
 Rappresentazione dei dati: Istogramma
3. istogramma:
istogramma l'ascissa rappresenta i valori di x ed e` suddivisa
in intervallini di larghezza ∆x in corrispondenza a ciascuno dei
quali si costruisce un rettangolo di altezza proporzionale al
numero di misure che cadono in quell'intervallo

si puo` studiare come si

distribuiscono le misure

errore
raffigura simultaneamente sia il larghezza
valore medio x che la larghezza
della distribuzione che forniranno
una stima del valore vero e
dell`errore associato a ciascuna valore
misura vero
x
 Alcune definizioni

x* Valore vero incognito

x (o anche <x>) Valore medio misurato
xi Misura i-ma

ε =xi-x* Errore i-ma misura incognito

i

z =xi-x scarto i-ma misura misurato

i

ε =x-x* Errore della media incognito

 Stima del valore vero
n
Il valore piu' comunemente usato
per la stima del valore vero x*
∑ xi
i=1
incognito e` la media aritmetica x =
n

Proprieta`:

➢tutti i dati trattati allo stesso modo indipendentemente da ordine

➢mediamente lo scarto tra x e valore vero x* e` inferiore in valore

assoluto che per le singole misure (gli scarti possono essere sia
positivi che negativi e nella somma si compensano) (vedi prossima
trasp.)

➢rende minima la somma dei quadrati degli scarti

 Errore della media
Dalla definizione di media e di errore:

Come si vede l'errore della media e` la media degli errori

Da qui la parziale cancellazione degli errori quando si calcola

la media: nell'ultima somma gli errori positivi compensano
gli errori negativi

La media aritmetica di tutte le misure e` una stima

migliore rispetto a ciascuna singola misura del valore
vero x*
Stima della larghezza della distribuzione dei dati

Lo scarto medio dalla media non e` idoneo a stimare la

larghezza della distribuzione dei dati infatti per definizione vale 0
(gli scarti positivi compensano esattamente gli scarti negativi)
Per avere una stima della larghezza della distribuzione si ricorre ai
quadrati degli scarti:

S
Varianza S (o media del
quadrato degli scarti)

scarto quadratico medio

(o rms root mean square) µ
2 2
μ =〈( x−〈 x 〉) 〉
 Variabili casuali
N numero delle prove (e.g. Numero delle volte in cui si lancia un dado
o il numero totale delle misure)
ni il numero delle volte in cui si verifica l'evento i (ad esempio esce 1 o il
numero delle volte in cui le misure cadono nell'intervallino i-mo di un istogramma)

ni
Frequenza dell'evento i F i = (sperimentale)
N (e.g. 10/100 per l'uscita di 1)
Nel limite per N->∞ le fluttuazioni statistiche
della frequenza divengono trascurabili

Probabilita` dell'evento i pi (teorica) (e.g. 1/6 nel caso di

dado ideale)
(valore medio di Fi per grandi N)
 Distribuzione normale degli errori casuali
L'istogramma delle misure ha fluttuazioni statistiche che diminuiscono
al crescere del numero delle misure.
misure Ad es una lunghezza x

DISTRIBUZIONE UNIVERSALE
DESCRITTA DALLA FUNZIONE
DI GAUSS (o distribuzione
normale) * 2
( x−x )
Per N->∞ 1 −
2σ
2

F ( x)= e
σ √2 π
 Distribuzione normale o di GAUSS
* 2
( x−x )
1 −
2σ
2

F ( x)= e 2σ
σ √2 π

1) Massima in corrispondenza al valore vero x*

2) simmetrica rispetto al valore vero x*
3) si annulla asintoticamente per x->+- ∞
4) la larghezza e' proporzionale a σ che ha le dimensioni di x

Per la distribuzione di Gauss

x=x* σ =<(x- <x>) >
2 2

x e` una stima di x* e µ una stima di σ

 Distribuzione normale o di GAUSS (2)
Ha il significato di una densita` di probabilita`:
probabilita` che la misura cada in [x,x+dx]: dp= F(x) dx

F(x)

{
Probabilita` P(a<x<b) che
x sia compreso tra a e b
b

P (a<x<b)=∫ F ( x)dx
b x a
a

Probabilita` che x sia entro a dal valore medio

a (σ ) P(-a<x<+a)
1-P δ
Entro +- 3 σ oltre il
1 0.6827 0.3173 1σ 99.7% delle misure
4.55 x 10-2 2σ oltre questo valore
2 0.9545
2.7 x 10-3 3σ i dati vengono
3 0.9973 6.3 x 10-5 4σ esclusi errori
5.7 x 10-7 5σ grossolani
Propagazione degli errori: somma di due grandezze

Se si combinano piu` misure diverse (INDIPENDENTI)

INDIPENDENTI come si
propagano i relativi errori?

Ad es. Consideriamo la somma F di x e y i

la media di F e` la somma delle medie di x ed y

Gli scarti sono la somma degli scarti

Per le varianze (INDIPENDENTI)

INDIPENDENTI

S
Propagazione degli errori: somma di due grandezze

ES. somma di due misure INDIPENDENTI i

media F=x+y

varianza SF= Sx + Sy

Scarto quadratico medio

Gli rms si sommano
quadraticamente
µ =µ
2
F
2
x
+µ 2
y
Formula generale di Propagazione degli errori per
Misure indipendenti
CASO GENERALE: F funzione
arbitraria di n misure INDIPENDENTI xi F=F ( x 1 , x 2 , x 3 ,... , x n )
errori piccoli → sviluppo in serie attorno al valore medio)
n
∂F
F=F ( x 1 , x 2 , x 3 , ... , x n )+∑ ( x i −x 1 )
i=1 ∂ x i

Media
F=F ( x 1 , x 2 , x 3 , ... , x n )

n 2
2 ∂F 2
Scarto quadratico medio μ =∑ (
F ) μi
i=1 ∂ x i

Se le misure sono indipendenti si sommano quadraticamente i

contributi allo scarto quadratico medio di ciascuna misura
 Propagazione dell'errore applicata alla media
n 2
2 ∂F 2
Formula di propagazione dell'errore μ =∑ (
F ) μi
i=1 ∂ x i
n
Per la funzione “media” ∑ xi
i=1
F=̄x =
Si ottiene n
n
1 2 2 2
μ =∑
2
x μ
2 x
E poiche` tutte le misure μ =μxi
i=1 n i hanno lo stesso errore µ

n
μ =∑
2 1 2
μ
μ
x 2 μ x=
i=1 n √n
Si riduce l'errore sulle singole misure con 1/√n
 Propagazione degli errori relativi

Funzione omogenea c1 c2 cn
y di n variabili x1...xn y=x . x .... . x
1 2 n

∂y c −1 c ∂y
=c i x i ∏i≠ j x j
i j −1
=c i x i y
∂ xi ∂ xi
E dalla formula generale si ottiene la formula di propagazione degli
errori relativi
n 2 2 n 2
2
μx 2 μ μx
μ y =∑ (c i ) y i
=∑ (c i )
y i

i=1 xi 2
y i=1 xi

Es. energia cinetica

µ Ek 2 µ 2 µ
2
( E ) = ( mm ) + (2 v v ) 2
Ek=½ m v k
 Metodo dei minimi quadrati (1)

Studio della dipendenza di y da un'altra grandezza x

(verifica di una legge fisica, misura dei parametri di un
sistema, etc. )

La dipendenza viene studiata per punti misurando n coppie (x i, yi)

delle due variabili

Supponiamo che:

➢Le misure delle grandezze xi ed yi siano affette da

errori indipendenti tra loro

➢L'errore sulla variabile x sia trascurabile

➢la variabile y e` distribuita con errore casuale gaussiano σ y

uguale in tutti i punti.
 Metodo dei minimi quadrati (2)
La dipendenza di y da x e` in generale definita da un certo
numero di parametri.

Ad esempio per una dipendenza lineare si hanno 2 parametri a e b

y=a+bx

Es. Moto rettilineo uniforme in cui y e` la posizione ed x il tempo:

a e` la posizione al tempo t=0 e b la velocita` nel moto

Si definiscono gli scarti δyi

tra valore misurato di yi e
valore atteso da xi:
δyi=yi-(a+bxi)
I δyi sono rappresentati dai
segmentini verticali in figura
 Metodo dei minimi quadrati (3)
Si introduce la somma quadratica Q degli scarti δyi di tutte le misure yi
dal valore predetto dalla dipendenza teorica da xi
Q=Σ (δyi )2

Nel metodo dei minimi quadrati si determinano i parametri che

governano la dipendenza imponendo che essi rendano minima Q
n n
Ad esempio nel caso lineare
y=a+bx Q=∑ (δ y i ) =∑ ( y i −a−bx i )
2 2

i=1 i=1

Imponendo Q minima si ottiene

n n n n n n n

∑ x ∑ y i −∑ x i ∑ x i y i
2
i
n ∑ x i y i −∑ xi ∑ y i
i=1 i=1 i=1 i=1 i=1 i=1 i=1
a= n n
b= n n
2 2
n ∑ x −( ∑ x i )
2
i ∑ x −(∑ x i ) 2
i
i=1 i=1 i=1 i=1
Metodo minimi quadrati (4): stima errori parametri
Il metodo consente la stima degli errori dei parametri
Prendiamo come esempio il caso lineare
y=a+bx
n

∑x 2
i
2 2 n
2 2 i=1
σ =σ
a y n n
σ =σ
b y n n
2 2 2
n ∑ x −( ∑ x i )
2
i
n ∑ x −( ∑ x i )
i
i=1 i=1 i=1 i=1

Nel caso σy non sia noto, puo` essere stimato dai dati stessi
a partire dai residui δyi del fit

√
n
2
∑ (δ y i ) δyi=yi-(a+bxi)
σ y=
√
Q
n−2
= i=1
n−2
 Media Pesata
n misure xi della stessa grandezza x con diversa precisione
(ad es. Ottenute con diversi metodi di misura)
➢non e` corretto usare la media (che tratta tutte le misure allo stesso modo)
➢si deve invece dare maggiore importanza alle misure piu` precise
n
Si dimostra che la stima del valore vero che rende xi
minimo l'errore e` data dalla media pesata:
∑ 2
i=1 i
x = n
1
se ciascuna xi e` gaussiana con larghezza σi il peso ∑ 2
i=1 i
e` pari a 1/σi2 (pesano di piu` le misure piu` precise)

L'errore σx sulla media e` calcolato con la 1

 2x =
formula di propagazione degli errori e risulta n
1
naturalmente piu` piccolo di ciascun σi ∑ 2
i=1 i

N.B. Se tutte le misure hanno la stessa

precisione la media pesata coincide con la
media aritmetica
 Misura di laboratorio
Si inizia con una guidovia a cuscino d'aria equipaggiata con

1)un sensore di posizione

2)una interfaccia per la acquisizione dati

(Vernier LabPro®)

3)Computer di acquisizione (MacBook) che

utilizza la applicazione LoggerPro (Vernier)
per la gestione dei dati, creazione
di grafici, interpolazione ed analisi statistica
 Misura di posizione

misura sonar (riflessione di un pacchetto di ultrasuoni

di frequenza ~50 kHz)
Emettitore-
x=1/2 vs(θ) *t Microfono

vs
x
vs

➢Emette in un cono di apertura α∼200 attorno ad un asse che deve

coincidere con l'asse di movimento
➢la velocita` del suono vs dipende dalla temperatura di esercizio θ (+1.8‰/0C)
➢Precisione circa 1 mm
➢Intervallo di misura: [15 cm:6m]
➢Frequenza di campionamento dipende da Lmax (@1.5 m 30 Hz)
➢Possibile calcolare numericamente le derivate I e II della posizione