2022 MSI - Lez 02 - Espressione Dellincertezza

Misure e Strumentazione Industriale
L’incertezza di misura
Tipo A, Tipo B, Estesa
2
Riferimento Normativo
• VIM : International vocabulary of basic and general terms in metrology
UNI-CEI U37.00.001.0 (1990)
• UNI 4546, (1984) Misure e Misurazioni: termini e definizioni
fondamentali.
• UNI-CEI-ENV 13005 (2000) Guide to the expression of uncertainty in
measurement (GUM)
• Supplement 1 to the GUM: Propagation of distributions using a Monte
Carlo method
• UNI-ISO 9001-2000 Sistemi di gestione per la qualità
• UNI-ISO 10012 Assicurazione della qualità relativa agli apparecchi
per le misurazioni. Linee guida per il controllo dei processi di
misurazione
• ISO 17025: Qualità dei Laboratori
• Capitolo nuovo Doeblin
Espressione della misura ed incertezza

Documenti base 3

4

UNI 4546: definizione di misura 5
Informazione costituita da un numero, un’incertezza ed un’unità

di misura, assegnata a rappresentare un parametro in un
determinato stato del sistema.
5.75 6 6.25
(6.00 ± 0.25) mm
numero incertezza unità di misura
• il risultato della misurazione non è un valore univoco (misure

ripetute);
• cosa si intende per incertezza?
• come valutiamo l’incertezza?
Es progetto identificazione età 6
Mean X Mean Y Std X Std Y Radius Weight

[px] [px] [px] [px] [px] [px]
1 1.43E+03 7.22E+02 7.24E+00 3.14E+01 2.80E+01 6.20E-02
2 1.47E+03 1.03E+03 3.83E+00 8.28E+00 7.65E+00 2.27E-01
3 1.48E+03 1.16E+03 2.44E+00 1.90E+00 2.62E+00 6.60E-01
4 1.51E+03 1.38E+03 6.83E+00 7.61E+00 8.34E+00 2.08E-01
5 1.21E+03 1.18E+03 1.74E+01 3.50E+01 3.24E+01 5.36E-02
6 1.35E+03 1.15E+03 5.04E+00 1.32E+00 3.86E+00 4.49E-01
7 1.63E+03 1.13E+03 5.65E+00 2.53E+00 4.31E+00 4.02E-01
8 1.82E+03 1.13E+03 1.30E+01 3.86E+01 3.49E+01 4.97E-02
9 1.37E+03 9.99E+02 5.61E+00 7.20E+00 7.32E+00 2.37E-01
10 1.57E+03 9.76E+02 6.31E+00 9.24E+00 8.42E+00 2.06E-01
11 1.36E+03 7.83E+02 6.68E+00 3.33E+00 6.16E+00 2.81E-01
12 1.54E+03 7.69E+02 5.69E+00 3.29E+00 5.45E+00 3.18E-01
13 1.29E+03 7.70E+02 3.65E+00 1.15E+00 2.56E+00 6.77E-01
14 1.61E+03 7.41E+02 2.25E+00 1.18E+00 1.73E+00 1.00E+00
15 1.21E+03 7.82E+02 8.96E+00 8.90E+00 9.90E+00 1.75E-01
16 1.68E+03 7.43E+02 9.03E+00 2.05E+00 7.28E+00 2.38E-01
17 1.17E+03 6.49E+02 1.57E+01 2.67E+01 2.38E+01 7.28E-02
18 1.72E+03 6.03E+02 1.68E+01 2.31E+01 2.47E+01 7.03E-02
19 1.11E+03 8.31E+02 9.77E+00 3.17E+01 2.63E+01 6.59E-02
20 1.86E+03 8.01E+02 7.47E+00 2.08E+01 1.90E+01 9.13E-02
21 1.16E+03 8.82E+02 2.26E+01 2.66E+01 3.13E+01 5.54E-02
22 1.77E+03 8.32E+02 2.29E+01 3.30E+01 3.47E+01 4.99E-02

Incertezza - Fonti 7
• Le 4 principali fonti di incertezza in una misurazione sono:
• l'incertezza intrinseca del misurando
• l'incompleta definizione del sistema
• non costanza dello stato del sistema tra le misurazioni (esempio a

causa di alcuni disturbi, errori sistematici, errori casuali…)
• la presenza di effetti strumentali e dell’operatore
Inoltre..
• incertezza di interazione (scambio di energia tra strumento di
misura e sistema) - Effetto di carico o load effect
Approfondimenti su alcuni dei punti elencati…..

Incertezza Intrinseca 8
E’ la minima incertezza che può essere assegnata nella misura di un

parametro, fissato un modello descrittivo della grandezza.
(Minimo valore che resterebbe anche realizzando un processo di misura
ideale.)
L'incertezza assegnabile nella misura non dipende soltanto dal metodo
di misura usato, ma contiene una parte legata intrinsecamente alla
definizione stessa del parametro (modello di misura);

• Incertezza intrinseca 9
Esempio: misura del diametro di un foro
• Il foro può non essere

perfettamente circolare
• Il foro, anziché un
cilindro, può essere un
tronco di cono
• La scelta del modello è

un compromesso fra i
costi e l’incertezza che
si è disposti a tollerare.
• Un modello
semplificato porta
solitamente a
incertezze elevate

Incertezza d’interazione: effetto di carico 10
• Imperfetta descrizione degli scambi energetici tra strumento di misura

e sistema sottoposto a misurazione (alterazione).
• Esempio:
• un termometro a mercurio (Tt) immerso in un recipiente contenete un

un liquido, es acqua, (Tl) a temperatura inferiore (Tl<Tt), cede calore
al fluido, quindi misurerà una temperatura maggiore rispetto a quella
effettiva dell’acqua.

Effetto di carico 11
L’applicazione del dispositivo di misura può interferire con

la grandezza che si vuole misurare.
Es: la pressione dei beccucci del calibro varia la
dimensione dell’oggetto che si sta misurando

Effetto di carico 12
Es: l’applicazione di un accelerometro su un corpo

vibrante leggero ne varia la massa e di conseguenza il
comportamento dinamico
m M m+M

k k k
m
Es: l’introduzione di un termometro varia la temperatura
dell’ambiente di cui si vuole conoscere la temperatura e
costituisce una via di fuga al calore verso l’esterno

Altri esempi: l’effetto di carico in galleria del 13
vento: sensori ed effetto di bloccaggio

Incertezza (GUM Guide to the expression of the 14
uncertainty in measurements)
Definizione di incertezza (VIM):
Parametro (numero), associato al risultato di una misurazione, che caratterizza la
dispersione dei valori ragionevolmente attribuiti al misurando
• Il valore vero non é noto, esiste solo convenzionalmente (numero

infinito di cifre significative);
• Errore: la differenza tra il valore vero e la lettura effettuata (non è
conoscibile)
• Il valore vero si trova all’interno dell’intervallo di incertezza con un
certo livello di probabilità;
Approccio classico
Dalla ‘ GUM’… 15
3.4.8 Although this Guide provides a framework for assessing

uncertainty, it cannot substitute for critical thinking, intellectual
honesty and professional skill. The evaluation of uncertainty is
neither a routine task nor a purely mathematical one; it depends
on detailed knowledge of the nature of the measurand and of the
measurement. The quality and utility of the uncertainty quoted for
the result of a measurement therefore ultimately depend on the
understanding, critical analysis, and integrity of those who
contribute to the assignment of its value.

16

Componenti casuali e sistematiche (non errori) 17
Componenti (effetti) sistematici:

• Se possibile devono essere quantificati e parzialmente
corretti;
• tendono a modificare la misura;
Componenti casuali:
• variazioni non prevedibili, nel tempo e nello spazio, delle
grandezze d’influenza;
• produce variazioni nelle osservazioni ripetute sul
misurando;
• l‘influenza può essere ridotta aumentando il numero di
osservazioni;
Temperatura (fattore sistematico)

𝑙 𝑙0 1 𝛼 ∆𝑇

Errore ed Incertezza: Componenti 18
(effetti) dell’incertezza
• Non scompaiono dunque nel nuovo approccio le definizioni di componente
sistematica e componente aleatoria.
• Quando si parla di incertezza ci si riferisce alla sola componente casuale.

Come si vedrà in seguito solitamente si utilizza un modello di distribuzione
probabilistica di tipo gaussiano.
• Si dà per scontato che, se si mette in evidenza un effetto sistematico, questo

vada corretto prima delle misure, e tale correzione sarà affetta anch’essa da
una incertezza.
• Se un effetto sistematico non è conoscibile, non sarà neppure possibile

correggerlo e rientrerà nella stima dell’incertezza della misura.
• Nel seguito si daranno definizioni diverse per l’incertezza, che non saranno in
conflitto con quelle fornite qui. Qui ci si riferisce all’origine dell’incertezza, la
divisione data nel seguito riguarda la tipologia ed i metodi di analisi

Incertezza: componenti 19
sistematiche e casuali
**
*
**** 
Misura poco accurata e poco dispersa (incertezza ridotta)


*
**** **
** * *
μ
Misura accurata e molto dispersa (incertezza elevata), ad

esempio dopo correzione di effetto sistematico

Misura accurata
e poco dispersa

****
*
μ
Misura poco
** * * accurata e molto
 dispersa
* ****
*
μ
22
Incertezza e Accuratezza
DEFINIZIONE (VIM):
Con riferimento al valore vero di una grandezza si definisce
l’ACCURATEZZA, ossia l’accordo tra il risultato di una
misura ed il valore (convenzionalmente vero) del misurando.
NOTE:
• In virtù di quanto osservato l’accuratezza è un concetto
qualitativo.
• Per il VIM il termine precisione va evitato ed in suo
luogo è meglio usare ACCURATEZZA.
• PRECISIONE: grado di concordanza tra indicazioni o valori misurati
ottenuti da un certo numero di misurazioni ripetute dello stesso
oggetto o di oggetti similari, eseguite in condizioni specificate: diversa
da accuratezza (qui non si parla di valore vero)
Incertezza e compatibilità delle misure 23
La misura non è un numero, ma un intervallo di valori.
• Passando dal concetto di errore a quello di stima accompagnata da

un intervallo di incertezza, viene a cadere il concetto di uguaglianza
così come comunemente definito.
• Il concetto di uguaglianza va sostituito con quello di compatibilità.
• Poiché non è certo il valore numerico del misurando è impossibile
parlare di uguaglianza nel senso definito dalla matematica.
• Compatibilità
• Condizione che si verifica quando gli intervalli d’incertezza assegnati
in diverse occasioni come misura dello stesso parametro nello stesso
stato hanno almeno un elemento in comune.
• Perché diverse misure siano compatibili è necessario e sufficiente
che esista un elemento comune a tutte le fasce di valore: un insieme
di misure che soddisfa a questa condizione si dice mutuamente
compatibile.
La misura non è un numero, ma un intervallo di valori.
Confronto tra misure verifica di compatibilità
Le misure sono definite compatibili quando l’intersezione dei rispettivi

intervalli di valori non è vuota (relazione non transitiva).
B A e C sono compatibili
A e B sono compatibili
B e C non sono compatibili

Compatibilità: esempio dalla UNI 4546

E’ indispensabile che le misure siano considerate a
parità di condizioni ambientali.
Misure ripetute della lunghezza di un’asta:

• l1=322.5 ± 0.1 mm 20 ± 1 °C
• l2=322.7 ± 0.1 mm 20 ± 1 °C
• l3=322.58 ± 0.02 mm 20 ± 1 °C
• l4=323.13 ± 0.05 mm 100 ± 1 °C
• Riportando l4 alle condizioni di riferimento, ossia 20 °C, si ha

l4’=322.62 ± 0.1 mm.
• Le quattro misure riportate sono compatibili.
• l5=322.58 ± 0.01 mm 20 ± 1 °C non è compatibile con l2.

Facciamo il punto della situazione.. 26
Al di là dell’inquadramento teorico del problema, l’incertezza

va definita numericamente: come ????
RIASSUMIAMO LA SITUAZIONE:
• UNI 4546 : Misura = numero + incertezza + unità di
misura (+stato del sistema)
• Incertezza = fascia di valori che possono essere
assegnati al parametro.
• Non definisce come determinare l’incertezza, quale
criterio usare per definire l’ampiezza dell’intervallo.
UNI-CEI-13005 (Guida ISO)
• L’esito di una operazione di misura è una variabile

aleatoria, l’obiettivo è determinarne il valore medio.
Facciamo il punto della situazione.. 27
• UNI-CEI-13005, assunzioni di base:
• si fa riferimento a distribuzione di probabilità di Gauss

(distribuzione normale)
• Parametri caratterizzanti la distribuzione  media) e 
deviazione standard, radice quadrata della varianza)
•  è l’elemento di base per il calcolo dell’incertezza e
viene definito incertezza tipo (standard)
• Due modalità di valutazione dell’incertezza:
misura ripetuta, => incertezza tipo “A”
• conoscenza a priori della distribuzione di probabilità, =>
incertezza tipo “B”

28
Incertezza tipo (alcune definizioni)
INCERTEZZA: parametro, associato al risultato di una misurazione, che

caratterizza la dispersione dei valori ragionevolmente attribuibili al misurando.
INCERTEZZA TIPO: incertezza del risultato di una misurazione espressa come

scarto tipo.
VALUTAZIONE DELL’INCERTEZZA DI CATEGORIA A: metodo di valutazione

dell’incertezza per mezzo dell’analisi statistica di misure ripetute.
VALUTAZIONE DELL’INCERTEZZA DI CATEGORIA B: metodo di valutazione

dell’incertezza con mezzi diversi dall’analisi statistica di misure ripetute.

29
Incertezza tipo
Classificazione in categoria A e categoria B: due diverse modalità di
valutazione delle componenti dell’incertezza (classificazione di tipo): la
differenza è sostanzialmente legata a come si procede nell’analisi.
La classificazione non sottintende l’esistenza di differenze nella

natura delle componenti (come invece avviene tra componenti
sistematiche ed aleatorie).
La valutazione di tipo A o B è basata su distribuzioni di probabilità e le

componenti risultanti da ambedue i metodi sono quantificate mediante
varianze o scarti tipo.

30
Incertezza tipo
Mentre l’incertezza tipo di categoria A è ottenuta da una densità di
probabilità derivata da una distribuzione di frequenza osservata,
l’incertezza tipo di categoria B è ottenuta da una densità di probabilità
ipotizzata sulla base del grado di credenza nel verificarsi di un evento
(probabilità soggettiva).
Entrambe le categorie di incertezza possono essere indicate in termini di

percentuale sulla misura o come valore assoluto.

Incertezza tipo A
•Si dispone di ripetizioni delle misure
•Ci si appoggia alla statistica
• Attenzione: si stimano i parametri della distribuzione a
partire da campioni !!
Valore medio VERO Stima della media

Incertezza tipo A
<
>
Con distribuzione normale entro l’intervallo  si trova il 66%

degli elementi della distribuzione
33
BREVISSIMO RICHIAMO

Distribuzioni 34
La funzione densità di probabilità p(x) al valore x è la

probabilità che un valore della variabile si trovi tra x e x+x,
divisa per l’ampiezza dell’intervallo x.
Px  Δx   Px 
px   lim
Δx 0 Δx
x+x
x
con:
• P(x) funzione di probabilità cumulata.

Funzione di probabilità cumulata 35
x1 
P x1   px  dx  p( x  x1) P    px  dx  1.0
- -

36
FINE RICHIAMO

37
Incertezza tipo A
Metodo di valutazione dell’incertezza per mezzo di analisi statistica di
serie di osservazioni. Solitamente si fa riferimento a distribuzione
gaussiana dei valori delle misure effettuate (controllo su condizioni
riferimento) o di una t-student se il numero di campioni è inferiore a 10.
La miglior stima x del valore atteso μx di una grandezza x che varia

casualmente e della quale sono state ottenute n osservazioni
indipendenti xk nelle stesse condizioni sperimentali è il valor medio
delle n osservazioni:
1 n
x   xk
n k 1
Valore medio VERO Stima della media

Distribuzione normale e definizioni utili 38
1 µ=valore atteso
𝑓 𝑥 ·𝑒 σ2=varianza
𝜎 2𝜋 σ=deviazione standard

Distribuzione normale e definizioni utili 39
Distribuzione della popolazione, da cui si estrae un campione (misura)
xk
Attenzione: noi stimeremo sempre questa distribuzione a partire da una

serie di misure (campioni) limitate
Valutazione incertezza tipo A 40
• Le singole osservazioni xk differiscono a causa di variazioni casuali

delle grandezze d’influenza, o effetti aleatori. La varianza
sperimentale delle osservazioni, che stima la varianza σ² della
distribuzione di probabilità di xk , cioè la varianza della popolazione, è
data da:
n
1
s ( xk ) 
2

n  1 k 1
( xk  x ) 2
• Questa stima della varianza e la sua radice quadrata positiva,

denominata scarto tipo sperimentale (s(xk)), caratterizzano la
variabilità dei valori osservati xk, cioè la loro dispersione intorno alla
media.
• il valore atteso di S2(xk) è pari alla varianza della popolazione σ2

Attenzione!!!!! 41
• A noi interessa la distribuzione delle misure oppure la bontà della

stima?
• A noi interessa conoscere la bontà della nostra stima
• La popolazione di interesse non è dunque quella delle misure, ma
quella delle STIME: ogni valore della distribuzione considerata è una
stima su n misure
• Ovviamente maggiore è il numero delle misure da cui ottengo la
stima, migliore è la stima.

Valutazione incertezza tipo A 42
• La miglior stima della varianza della media  2 ( x )   2 / n , è data da
sp Al crescere delle
s m2  sm  ripetizioni, l’incertezza
diminuisce (cresce
n denominatore)
• La varianza sperimentale della media e lo scarto tipo sperimentale
della media (sm ) quantificano quanto bene sia possibile stimare il
valore atteso μx di xk ed entrambi possono essere adottati come
valutazione quantitativa dell’incertezza della stima della media.
• sm2 e sm diminuiscono all’aumentare del numero di campioni n
• Generalmente si parla di varianza di categoria A ed incertezza tipo di
categoria A.
• Una valutazione fatta con n piccoli porta a una “cattiva stima” dello
scarto tipo; in elaborazioni successive si tiene traccia del numero di
gradi di libertà del campione impiegato per la valutazione, =n-1 (t-
Student)

Sullo scarto 43

Distribuzione gaussiana e 44
distribuzione della media

PDF della popolazione N(10,4) e della rispettiva media al variare della cardinalità del campione
1.5
PDF popolazione
PDF media n = 5
PDF media n = 20
PDF media n = 50
1
PDF
0.5
0
2 4 6 8 10 12 14 16 18
X
Non ho interesse alla popolazione di misure, ma ad una popolazione di stime

(medie): ecco perché l’incertezza non è semplicemente la deviazione
standard della popolazione ed ecco perché a partire dalla medesima
popolazione di misure posso avere incertezze diverse, in funzione del
numero di campioni che utilizzo per la stima della grandezza
Valutazione incertezza tipo B 45
• Metodo di valutazione dell’incertezza con mezzi diversi dall’analisi

statistica di misure ripetute.
• Per una stima xi della grandezza d’ingresso Xi che non è stata

ottenuta da osservazioni ripetute, la varianza stimata o l’incertezza
tipo (stB ) sono valutate per mezzo di un “giudizio scientifico” e/o
soggettivo basato su tutte le informazioni disponibili sulla possibile
variabilità di Xi (singola lettura).
• Le varianze e gli scarti tipo valutati in questo modo, sono definiti

varianza di categoria B e incertezza tipo di categoria B.

Valutazione incertezza tipo B 46
• L’insieme di informazioni da cui valutare l’incertezza può comprendere:

a) Dati di misurazione precedenti
b) Esperienza o conoscenza generale del comportamento e delle
proprietà dei materiali e strumenti di interesse;
c) Specifiche tecniche del costruttore e/o dati forniti in certificati di
taratura ed altri;
d) Incertezze assegnate a valori di riferimento presi da manuali.
• L’uso dell’insieme di informazioni disponibili per una valutazione di categoria

B dell’incertezza tipo richiede capacità di approfondimento basata
sull’esperienza e su conoscenze generali.
• La valutazione di categoria B può essere tanto attendibile quanto una di

categoria A, soprattutto quando la valutazione di categoria A è basata su di
un numero relativamente ridotto di osservazioni.
• Tutte le valutazioni tipo B hanno per definizione numero di gradi di libertà

infinito (in pratica trattiamo tali valutazioni come se fossero state stimate a
partire da un campione di infiniti elementi).
Incertezza tipo B: esempio 47
STRUMENTO A DISPLAY DIGITALE:
10.5 11.5
10 11 12 13
• Risoluzione (r) dello strumento 1 V (sul multimetro digitale possiamo

determinare quante cifre leggere dopo la virgola)
• Qual è il significato di una lettura 11 V?
• Otterremmo la stessa uscita nel caso in cui il valore in ingresso sia

compreso tra 10.5<x<11.5 V ?
Attenzione: questo approccio si può applicare a tutti gli
strumenti a lettura digitale
Incertezza tipo B: esempio 48
STRUMENTO A DISPLAY DIGITALE:
r
10 11 12 13
Nell’intervallo 10.5 - 11.5 tutti i valori sono equamente probabili;
La distribuzione di probabilità è nota, ovvero nessun valore ha

probabilità di uscita maggiore degli altri (distribuzione uniforme).
La densità di probabilità f(x)=1/r nell’intervallo e 0 fuori;

r
Lo scarto tipo della distribuzione uniforme è: 
r = risoluzione
2 3

Attenzione!!! 49
• Una distribuzione di tipo rettangolare non prevede una

stima in termini di valore più probabile perché tutti i
valori sono equiprobabili: il valore che si riporta è
semplicemente il valore centrale dell’intervallo (ma
potrebbe benissimo essere il valore minimo o il valore
massimo
• Tutte le letture hanno la stessa probabilità
all’interno dell’intervallo considerato
DOMANDA: sapreste tracciare la curva di probabilità

cumulata per la distribuzione rettangolare?

Soluzione 50

Incertezza tipo B: esempio (da 51
GUM)
r=2a

52
Incertezza tipo B: esempio
Come la calcoliamo:
Data una distribuzione di probabilità f(x) (continua), si definiscono:
µ=media della distribuzione (ATTENZIONE CHE NON ESISTE LA

MEDIA PER LA DISTRIBUZIONE B RETTANGOLARE CON VALORI
TUTTI EQUIPROBABILI; in caso di incertezza meglio parlare di
STIMA)
σ2=varianza della distribuzione
𝜇 𝑥 · 𝑓 𝑥 𝑑𝑥
𝜎 𝑥 𝜇 · 𝑓 𝑥 𝑑𝑥

53
Come la calcoliamo:
Definizione
pagina
precedente
𝜎 𝑥 𝜇 · 𝑓 𝑥 𝑑𝑥=
= 𝑥 𝜇 · 𝑑𝑥 = 𝑥 𝜇 · 𝑑𝑥
Area =1
1/2a 𝜎
a 2a=r
a
54
Per qualche ragione so che i valori centrali dell’intervallo
sono più probabili degli altri, ma non ipotizzo distribuzione
normale

55
In molti casi è più realistico attendersi che i valori prossimi agli estremi
siano meno probabili di quelli prossimi al centro. In tali casi è meglio
sostituire alla distribuzione simmetrica rettangolare una distribuzione
simmetrica trapezoidale con:
•Lati obliqui uguali

•Base maggiore di ampiezza 2a
•Base minore di ampiezza 2aβ, con 0≤ β ≤1
2a (1   2 )

2 6
Per β→1 la distribuzione tende a quella rettangolare.
Per β→0 la distribuzione tende alla distribuzione triangolare.

Incertezza B: esempio 56
RIASSUMENDO:

Dalla GUM 57
• “It should be recognized that a Type B evaluation of standard

uncertainty can be as reliable as a Type A evaluation”

58
ESEMPIO DA GUM

ESEMPIO da GUM: 20 misure di temperatura 59

ESEMPIO da GUM: Incertezza standard per 60
via grafica

Esercizio numerico 61
Xi è una temperatura t, la sua distribuzione (non nota) è normale;

il valore sperato t è 100°C e la deviazione standard è  =1.5°C.
La funzione densità di probabilità è:
p( t ) 
 2
1

exp  t   t 2 2 2 
L’istogramma di pagina precedente riguarda n=20 osservazioni tk
della temperatura che si suppongono acquisite in maniera
casuale dalla distribuzione sempre della pagina precedente.
L’intervallo di temperatura scelto per la costruzione
dell’istogramma è di 1°C

Media aritmetica: t  100.145C  100.14C si suppone che sia la

miglior stima del valore atteso  t di t, sulla base dei dati
disponibili

Deviazione standard sperimentale s t  1.489C  1.49C
la deviazione standard della media s t  , ossia l’incertezza
standard u t  della media t è
u ( t )  s( t )  s( t k )  
20  0.333 C  0.33 C

Esercizio numerico: ci sono altre 63
possibilità

Esercizio numerico: ci sono altre 64
possibilità

Esercizio numerico: tipo B rettangolare 65
Le figure di pagina precedente rappresentano la stima di una

quantità Xi e la valutazione della incertezza della stima da una
distribuzione nota a priori, sulla scorta delle informazioni
disponibili.
Anche in questo caso Xi è una temperatura.
CASO A: si sa poco su t, si può solo supporre che t sia descritta
da una distribuzione di probabilità tale per cui a-=96°C e
a+=104°C.
a   a   a   / 2  4 C
Esercizio numerico: tipo B rettangolare 66
Funzione densità di probabilità di t: p(t)=1/2a,

a-  t  a+ p(t)=0 altrove
La migliore stima di t è il suo valore atteso:
t=(a++ a-)/2=100°C
L’incertezza standard della stima è:
u ( t )  a 
3  2.3 C
La distribuzione rettangolare è considerata come valore di default

quando non vi sono informazioni disponibili sul tipo di
distribuzione.
Esercizio numerico: tipo B triangolare 67
CASO B : Supponiamo ora che t possa essere descritta da

una distribuzione triangolare simmetrica (fig. b)
caratterizzata dagli stessi valori di a del precedente caso :
a-= 96 °C ; a+= 104 °C
Avremo quindi
a   a   a   / 2  4 C
La funzione di densità di probabilità di t sarà :

Esercizio numerico: tipo B triangolare 68
p( t )  ( t  a  ) a ; a   t  a   a   2 
2
p( t )  (a   t ) a ; a   a   2  t  a 
2
p( t )  0; altrimenti
La migliore stima di t è ancora il suo valore atteso :
t=(a++ a-)/2=100°C
L’ incertezza standard della stima è:
 
u  t  a / 6  1.6C
Confronto valori: u(t)=1.6°C triangolare

u(t)=2.3°C rettangolare
Da 20 osservazioni a caso sulla stessa popolazione a
distribuzione normale u t  0.33C 
con distribuzione normale e =1.5°C l’intervallo 2.58  che

comprende il 99% della popolazione, è di circa 8°C.
NB: anche la stima è diversa nei tre casi.

70
FINE ESEMPIO DA GUM

Incertezza B 71
• Specifiche tecniche del costruttore

• Si parte dall’accuratezza (accuracy) definita dal costruttore, e
specificata nel datasheet
• Esempio dell’incertezza definita per un multimetro (strumento di

misura di varie grandezze elettriche)
1 solo valore letto

R=330 Ω
Dichiarazione del costruttore

0.5% del valore letto+0.05% fondo scala+1 Ω
Uso questo valore per indicare l’incertezza di misura

Scelta dell’incertezza: tipo A o tipo B? 72
Qualora sia possibile calcolare l'incertezza sia con metodo di tipo A che B,
quale bisogna scegliere? La risposta non è semplice, tanto che la
normativa non fornisce risposte.
• Criterio semplice: il valore più grande tra incertezza A o B.
Esempio: se si ottenessero 20 misure tutte uguali (o quasi), la deviazione standard
risulterebbe nulla (o quasi) e quindi anche l'incertezza di tipo A. Questo
ovviamente non ha senso e si deve scegliere di utilizzare il tipo B.
• Potrebbe anche valere il criterio opposto: la tipo B sfrutta molte meno

informazioni della tipo A e quindi tende naturalmente a fornire
incertezze più larghe (entra in gioco l’arbitrarietà dello sperimentatore)
Vedi esempio GUM

Qualora sia possibile calcolare l'incertezza sia con metodo di tipo A che B,
quale bisogna scegliere? La risposta non è semplice, tanto che la
normativa non fornisce risposte.
• Criterio rigoroso: si sfruttano metodologie statistiche.
In generale: si confronta lo scarto tipo sperimentale s(xk) (non della
media) e l'incertezza tipo B, StB; se il primo è significativamente maggiore
di quest'ultimo (5 volte)1 non vi è prevalente effetto sistematico e quindi è
corretto effettuare una valutazione di tipo A (Sm).
• Esempio 1: s(xk) =3, StB=1, n=10, s(xk) >5∙StB? NO

allora uso tipo B, StB =1
• Esempio 2: s(xk) =6, StB =1, n=10, s(xk) >5∙StB? SI
allora uso tipo A, Sm=1.9
1. D. Petri, Dither signals and quantization, Measurement, 1996.

• Esempio 3: misurazione (n=9) del diametro di una boccola con il

calibro ventesimale;
20.20
20.20
s(xk) = 0.0167 mm
20.20 StB = 0.05/(2 ∗ 3)= 0.0144 mm
20.20
20.20 s(xk)<5*StB
20.20
20.20
20.20 Quindi si usa l’approccio di tipo B,
20.15 StB =0.0144 mm

Incertezza estesa 75
Definizione: l’incertezza è la grandezza che definisce, intorno al risultato di una

misurazione, un intervallo che ci si aspetta comprendere una frazione rilevante
della distribuzione di valori ragionevolmente attribuibili al misurando.
• Al termine rilevante si associa quantitativamente un livello di fiducia: ovvero
nel caso di distribuzione gaussiana una probabilità pari al 68.3%, se
consideriamo l’incertezza tipo;
• L’incertezza estesa si ottiene moltiplicando l’incertezza tipo per un
opportuno fattore di copertura ottenendo livelli di fiducia differenti (ad
esempio, nel caso della distribuzione gaussiana 95.4% se moltiplico per 2
l’incertezza tipo);
• Lo scopo dell’incertezza estesa è la costruzione di un intervallo di valori che
contenga il misurando con la confidenza (cioè probabilità) desiderata.
Si moltiplica l’incertezza
Nota la d.d.p. tipo per il valore della
Si definisce il livello di variabile standard
Si valuta il valore della
fiducia voluto; ottenendo un nuovo
variabile standard al livello
Esempio: 95%, 99% intervallo d’incertezza
fiducia richiesto
(Intervallo fiduciario)

Esempio 76
20.20
20.20
20.20
20.20
𝑥̅ 20.19 𝑚𝑚 𝑠 𝑥𝑘 𝑜 5 𝑠𝑡𝐵
20.20 (20.190± 0.014) mm
20.20 𝑠 𝑥𝑘 0.01667 𝑚𝑚
20.20 stB= 0.014 mm
20.20
20.15
campione Media e scarto tipo A o B? Misura del diametro
• Misura estendendo l’incertezza con un intervallo fiduciario al 95%?
ALCUNE DOMANDE FONDAMENTALI
Che distribuzione di probabilità abbiamo?
Quanto vale il fattore di copertura per soddisfare la probabilità richiesta?

Esempio 77
1) Che distribuzione di probabilità abbiamo?
La distribuzione è uniforme (l’ipotesi che abbiamo accettato è che lo scarto ti-

po B ovvero l’incertezza tipo B, sia causata dalla risoluzione dello strumento).
r
r=0.05 per l’esempio

considerato
2) Come ottengo il fattore di copertura? Si deve valutare quale sia il fattore di

copertura che mi permetta di avere una probabilità pari al 95%; graficamente:
A=0.95
2 * stB * 1/r * k= 0.95
1/r
𝑠𝑡
si ottiene k= 0.95* 30.5 =1.645
2 stB
78
2 * stB * 1/r * k= 0.95

1/r
𝑠𝑡
si ottiene k= 0.95* 30.5 =1.645
2 stB
𝑟 1
A=0.95 2 𝑘 0.95
2 3𝑟
𝑘 0.95 3

Esempio 79
3) Si valutano infine i nuovi estremi dell’intervallo fiduciario:
Xmax = Xmedio + k * stB = 20.21303

Xmin = X medio - k * stB = 20.17069
4) E si scrive la misura come
Diametro barra (20.190 ± 0.024) mm, livello di fiducia 95%, d.d.p. uniforme
Informazioni da aggiungere per poter tornare a
ricavare l’incertezza tipo di partenza

Il livello di fiducia e il rischio d’errore 80
Come scegliere il livello di fiducia? Dipende dal rischio  che si è disposti ad

accettare che un’estrazione xi sia al di fuori dell’intervallo fiduciario definito.
Quindi, se il livello di fiducia è al 95%, il rischio si assesta al 5%.
Il rischio deve essere scelto a priori, sulla base delle conseguenze che l’estrazione
xi sia fuori dall’intervallo di fiducia. Sicuramente è indipendente dai risultati
dell’estrazione.
Esempio:
Il carico di rottura di un bullone (test del fornitore) è fissato a 10 kN, con incertezza
a 0.5 kN, con livello di probabilità al 95%.
Questo significa che il 5% dei bulloni ha un carico di rottura esterno all’intervallo tra
9.5 kN e 10.5 kN, ovvero un rischio (bilaterale simmetrico) pari a 2.5%;
• Se il bullone è utilizzato in una parte non strutturale (carrozzeria di

un’automobile) la conseguenza del rischio non è problematica;
• Se il bullone è utilizzato in una parte strutturale, il rischio deve essere ridotto,
ovvero il livello di fiducia deve essere aumentato (ad esempio al 99%).

Il livello di fiducia e il rischio d’errore 81
• In campo metrologico, in assenza di altre indicazioni specifiche, si opera ad un

livello d’incertezza da 2 a 3 volte la deviazione standard;
• Nel caso in esame, ipotizzando una distribuzione gaussiana, e un rischio

d’errore pari a 1% (confidenza 99%), si ottiene un fattore di copertura pari a 2.76;
• L’incertezza aumenta a 0.94 kN, ovvero il limite inferiore scende dai 9.5 kN
precedenti a 9.06 kN.
• Qual è il risultato? Se si utilizzerà come limite per il dimensionamento il

valore minimo trovato, il progettista ridurrà il rischio di rottura del
componente.
Riassumendo:
• Il livello di fiducia non è legato al risultato della misurazione, ma del risultato che
se ne farà di essa;
• Come si determina il livello di confidenza per una valutazione di tipo A?

Incertezza estesa e fattore di copertura
Il fattore di copertura k dipende dalla distribuzione di probabilità
dei dati. Nel caso della distribuzione normale
99.7 % of data
95.4 % of data
68.3 % of data
1σ k=1 68.3% probabilità


Il fattore di copertura k dipende dalla distribuzione di

probabilità dei dati. Consideriamo la distribuzione di Gauss
normalizzata (n>30):
x
z

f(x) f(z)
Cambio di
variabile
-3 -2 -1 0 1 2 3
x
z
 x   2 z2
1 
1 
f x   e 2 2
f z   e 2
2  2

Probabilità= area di distr. di Gauss

Ptot=1
x
z
f(z)

Pg=0.5 Nuova variabile
Pb=0.5 normalizzata z
z
-3 -2 -1 0 1 2 3
𝑠 𝑥 𝑠 𝑥
𝛿𝑥 𝑘⋅ 𝑧 ⋅
𝑛 𝑛

Pa= α è il livello di confidenza
2
z k  z
2 2
 85 =0
2
=1
z2
1 
f z   e 2
2
x   0.95  95%
z


 0.4750
2
0.95 / 2  0.475
k  z   1.96
2
𝑘 1
0.3413 ∗ 2 0.6826
k 2
0.4772 * 2  0.9544
z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,0000 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239 0,0279 0,0319 0,0359
x
0,1 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,0753
0,2 0,0793 0,0832 0,0871 0,0910 0,0948 0,0987 0,1026 0,1064 0,1103 0,1141
z
0,3 0,1179 0,1217 0,1255 0,1293 0,1331 0,1368 0,1406 0,1443 0,1480 0,1517
Pa=0.95 0,4 0,1554 0,1591 0,1628 0,1664 0,1700 0,1736 0,1772 0,1808 0,1844 0,1879

0,5 0,1915 0,1950 0,1985 0,2019 0,2054 0,2088 0,2123 0,2157 0,2190 0,2224
0,6 0,2257 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454 0,2486 0,2517 0,2549
0,7 0,2580 0,2611 0,2642 0,2673 0,2704 0,2734 0,2764 0,2794 0,2823 0,2852
0,8 0,2881 0,2910 0,2939 0,2967 0,2995 0,3023 0,3051 0,3078 0,3106 0,3133
0,9 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315 0,3340 0,3365 0,3389
1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,3621
k=1.96 1,1
1,2
1,3
0,3643
0,3849
0,4032
0,3665
0,3869
0,4049
0,3686
0,3888
0,4066
0,3708
0,3907
0,4082
0,3729
0,3925
0,4099
0,3749
0,3944
0,4115
0,3770
0,3962
0,4131
0,3790
0,3980
0,4147
0,3810
0,3997
0,4162
0,3830
0,4015
0,4177
1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319
1,5 0,4332 0,4345 0,4357 0,4370 0,4382 0,4394 0,4406 0,4418 0,4429 0,4441
1,6 0,4452 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,4535 0,4545
1,7 0,4554 0,4564 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,4633
1,8 0,4641 0,4649 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4699 0,4706
1,9 0,4713 0,4719 0,4726 0,4732 0,4738 0,4744 0,4750 0,4756 0,4761 0,4767
2,0 0,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817
2,1 0,4821 0,4826 0,4830 0,4834 0,4838 0,4842 0,4846 0,4850 0,4854 0,4857
2,2 0,4861 0,4864 0,4868 0,4871 0,4875 0,4878 0,4881 0,4884 0,4887 0,4890
2,3 0,4893 0,4896 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,4913 0,4916
2,4 0,4918 0,4920 0,4922 0,4925 0,4927 0,4929 0,4931 0,4932 0,4934 0,4936
z 2,5
2,6
0,4938
0,4953
0,4940
0,4955
0,4941
0,4956
0,4943
0,4957
0,4945
0,4959
0,4946
0,4960
0,4948
0,4961
0,4949
0,4962
0,4951
0,4963
0,4952
0,4964
2,7 0,4965 0,4966 0,4967 0,4968 0,4969 0,4970 0,4971 0,4972 0,4973 0,4974
2,8 0,4974 0,4975 0,4976 0,4977 0,4977 0,4978 0,4979 0,4979 0,4980 0,4981
2,9 0,4981 0,4982 0,4982 0,4983 0,4984 0,4984 0,4985 0,4985 0,4986 0,4986
3 0,4987 0,4987 0,4987 0,4988 0,4988 0,4989 0,4989 0,4989 0,4990 0,4990
Incertezza estesa 𝑧 . ⋅ 1.96 ⋅
1.96∙sm k=1.96 95% livello di confidenza

2.57 ∙ sm k=2.57 99% livello di confidenza

Il fattore di copertura k dipende dalla distribuzione di

probabilità dei dati. Consideriamo la distribuzione t di
Student (n≤30): all’aumentare del numero di ripetizioni la t
Student tende alla Gaussiana
2 Parametri:
ν=n-1=gradi di libertà
 = livello di confidenza
Incertezza estesa 𝑡 , ⋅
k  t
,
2

Praticamente..
α=probabilità
della coda di destra
t  2.776 •α/2=0.025
,
2 •ν=4 (n=5)
αt-Student≠ αdistr. Gauss

confidenza 95%α=0.05
confidenza 99%α=0.01
ATTENZIONE: qui i valori

gdl
sono esterni a t
Confronto con Gaussiana: fattore di 89
copertura al 95%
3 misure, =2: area totale code 0.05; diviso 2 0.025; significa che
l’intervallo che racchiude il 95% degli individui della popolazione è ± 4.3
90
Riepilogo
Incertezza tipo Incertezza tipo

(singolo parametro, (singolo parametro, Incertezza tipo
n > 30) n ≤ 30) (singolo parametro)
Tipo A Tipo A Tipo B
fattore di
copertura
(t-Student)
fattore di copertura fattore di copertura
(Gaussiana o Normale) (distribuzione
di probabilità adottata)
Incertezza estesa
Il confronto tra l’approccio A e B (nel caso di errore risoluzione) si basa sul confronto
degli scarti tipo ottenuti con i due metodi.

Perché possiamo considerare 31 campioni 91
come limite di «gaussianità»?
1% 3% 5%
• Si vede che confrontando le variabili standard Gaussiana e t-

Student (a 30 gradi di libertà (n-1)) per alcune probabilità
d’interesse, l’errore commesso considerando la distribuzione di
Gauss risulta essere limitato a circa il 5%;
• Si ottengono errori inferiori aumentando la numerosità del

campione.

2022 MSI - Lez 02 - Espressione Dellincertezza

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

2022 MSI - Lez 02 - Espressione Dellincertezza

Caricato da

Copyright:

Formati disponibili

Misure e Strumentazione Industriale

Espressione della misura ed incertezza

Espressione della misura ed incertezza

Espressione della misura ed incertezza

Informazione costituita da un numero, un’incertezza ed un’unità

numero incertezza unità di misura

• il risultato della misurazione non è un valore univoco (misure

Mean X Mean Y Std X Std Y Radius Weight

Espressione della misura ed incertezza

• Le 4 principali fonti di incertezza in una misurazione sono:

• l'incertezza intrinseca del misurando

• l'incompleta definizione del sistema

• non costanza dello stato del sistema tra le misurazioni (esempio a

• la presenza di effetti strumentali e dell’operatore

Approfondimenti su alcuni dei punti elencati…..

Espressione della misura ed incertezza

E’ la minima incertezza che può essere assegnata nella misura di un

Espressione della misura ed incertezza

• Il foro può non essere

• La scelta del modello è

Espressione della misura ed incertezza

• Imperfetta descrizione degli scambi energetici tra strumento di misura

• un termometro a mercurio (Tt) immerso in un recipiente contenete un

Espressione della misura ed incertezza

L’applicazione del dispositivo di misura può interferire con

Espressione della misura ed incertezza

Es: l’applicazione di un accelerometro su un corpo

Espressione della misura ed incertezza

Espressione della misura ed incertezza

• Il valore vero non é noto, esiste solo convenzionalmente (numero

3.4.8 Although this Guide provides a framework for assessing

Espressione della misura ed incertezza

Espressione della misura ed incertezza

Componenti (effetti) sistematici:

Temperatura (fattore sistematico)

Espressione della misura ed incertezza

• Quando si parla di incertezza ci si riferisce alla sola componente casuale.

• Si dà per scontato che, se si mette in evidenza un effetto sistematico, questo

• Se un effetto sistematico non è conoscibile, non sarà neppure possibile

Espressione della misura ed incertezza

Misura poco accurata e poco dispersa (incertezza ridotta)

Espressione della misura ed incertezza

Misura accurata e molto dispersa (incertezza elevata), ad

Espressione della misura ed incertezza

La misura non è un numero, ma un intervallo di valori.

• Passando dal concetto di errore a quello di stima accompagnata da

La misura non è un numero, ma un intervallo di valori.

Confronto tra misure verifica di compatibilità

Le misure sono definite compatibili quando l’intersezione dei rispettivi

Espressione della misura ed incertezza

Compatibilità: esempio dalla UNI 4546

Misure ripetute della lunghezza di un’asta:

• Riportando l4 alle condizioni di riferimento, ossia 20 °C, si ha

Espressione della misura ed incertezza

Al di là dell’inquadramento teorico del problema, l’incertezza

UNI-CEI-13005 (Guida ISO)

• L’esito di una operazione di misura è una variabile

• UNI-CEI-13005, assunzioni di base:

• si fa riferimento a distribuzione di probabilità di Gauss

Espressione della misura ed incertezza

INCERTEZZA: parametro, associato al risultato di una misurazione, che

INCERTEZZA TIPO: incertezza del risultato di una misurazione espressa come

VALUTAZIONE DELL’INCERTEZZA DI CATEGORIA A: metodo di valutazione