Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
3
1.1 Concetti fondamentali e definizioni........................................................................................... 3
Misurando, Misura, Misurazione ................................................................................................. 3
Motivi per cui si esegue una misura............................................................................................. 3
Unità di misura............................................................................................................................. 4
1.2 Misurabilità di una grandezza. ................................................................................................... 5
Grandezze misurabili, classificabili e misurabili solo per via indiretta ....................................... 5
1.3 Strumenti di misura.................................................................................................................... 5
Caratteristiche principali degli strumenti di misura..................................................................... 6
1.4 Esecuzione di una misurazione. ................................................................................................. 6
1.5 Dispersione delle misure............................................................................................................ 7
1.6 Fattori di influenza ..................................................................................................................... 8
Fattori sistematici e fattori aleatori .............................................................................................. 8
Trattamento degli effetti sistematici e degli effetti aleatori ......................................................... 8
CAPITOLO 2 ..................................................................................................................................... 10
2.1 Misurazione come esperimento aleatorio. ............................................................................... 10
Spazio campione ed eventi ......................................................................................................... 10
Evento unione, evento intersezione ed eventi mutuamente esclusivi ........................................ 10
2.2 Definizione di frequenza statistica; probabilità di un evento. .................................................. 11
2.3 Probabilità congiunta ............................................................................................................... 12
Eventi statisticamente indipendenti ........................................................................................... 12
2.4 Funzione di distribuzione e di densità di probabilità. .............................................................. 12
2.5 Parametri sintetici di una variabile aleatoria. ........................................................................... 14
Valore medio .............................................................................................................................. 15
Varianza e scarto quadratico medio (scarto tipo)....................................................................... 15
2.6 Incertezza desiderata. ............................................................................................................... 15
2.7 Valutazione delle incertezze di categoria A. ............................................................................ 16
Media sperimentale, varianza sperimentale e scarto tipo sperimentale ..................................... 16
Esercizio: Valutazione dell’incertezza di categoria A. .............................................................. 17
2.8 Valutazione dell’incertezza di categoria B. ............................................................................. 18
2.9 Interpretazione delle specifiche strumentali dal manuale di uno strumento di misura. ........... 18
2.10 Valutazione dell’incertezza globale. ...................................................................................... 20
2.11 L’incertezza estesa. ................................................................................................................ 20
2.12 Espressione dell’incertezza in valore assoluto o relativo....................................................... 22
2.13 Le cifre significative .............................................................................................................. 23
Esempi numerici ........................................................................................................................ 23
2.14 Modello deterministico, la tolleranza..................................................................................... 24
2.15 Propagazione delle incertezze nelle misure indirette ............................................................. 24
Approccio probabilistico: ........................................................................................................... 24
Esempio numerico...................................................................................................................... 25
Approccio deterministico: .......................................................................................................... 25
Esempio numerico...................................................................................................................... 25
Interpretazione analitica e geometrica della propagazione delle incertezze .............................. 26
Funzioni di due o più variabili ................................................................................................... 27
2.16 Compatibilità delle misure. .................................................................................................... 27
2.17 Scrivere la misura come risultato di una misurazione. .......................................................... 28
2.18 Esempi di applicazione della teoria delle incertezze. ............................................................ 28
Esempio 1 ................................................................................................................................... 28
Soluzione con il metodo probabilistico:..................................................................................... 28
Soluzione con il metodo deterministico: .................................................................................... 29
Esempio 2 ................................................................................................................................... 29
Soluzione con il metodo probabilistico:..................................................................................... 30
Soluzione con il metodo deterministico: .................................................................................... 30
CAPITOLO 3 ..................................................................................................................................... 31
3.1 Sistemi di unità di misura......................................................................................................... 31
3.2 Il Sistema Internazionale. ......................................................................................................... 31
Definizione delle unità di misura fondamentali. ........................................................................ 32
Definizione delle unità di misura supplementari. ...................................................................... 33
3.3 Campioni. ................................................................................................................................. 33
Massa ......................................................................................................................................... 34
Tempo ........................................................................................................................................ 34
Lunghezza .................................................................................................................................. 34
Intensità di corrente elettrica ...................................................................................................... 35
Campione di forza elettromotrice basato sull’effetto Josephson ............................................... 35
Campione di resistenza basato sull’effetto Hall quantistico ...................................................... 36
Campione di capacità basato sulla realizzazione del condensatore calcolabile ......................... 37
I campioni di riferimento nazionali ............................................................................................ 37
3.4 Normalizzazione internazionale e nazionale............................................................................ 38
Appendice. ..................................................................................................................................... 39
CAPITOLO 1
1.1 Concetti fondamentali e definizioni.
In ogni attività di carattere sperimentale oppure produttivo si richiede la conoscenza del valore
di una o più grandezze fisiche: tale conoscenza si raggiunge mediante l'esecuzione di una
"misurazione". In alcuni casi la misurazione serve per poter investigare la realtà allo scopo di
interpretare i fenomeni fisici, in altri casi le misurazioni hanno lo scopo di permettere
l'ottimizzazione di un prodotto industriale agendo su opportuni parametri del processo oppure di
verificare la rispondenza del prodotto finito a dei prefissati parametri di qualità. Con una
definizione un po' generica potremmo dire che misurare significa: mettere in atto un procedimento
pratico ed oggettivo mediante il quale alle proprietà di oggetti o fenomeni del mondo reale vengono
assegnati dei numeri allo scopo di permetterne la descrizione.
Il lettore avrà già intuito la importanza della misurazione: mediante questa attività è possibile
passare da una descrizione soggettiva della realtà (per esempio: "quell'oggetto è voluminoso e
pesante") in cui ognuno è libero di applicare i propri concetti di voluminosità e pesantezza, ad una
descrizione rigorosa e non ambigua (per usare lo stesso esempio: "quell'oggetto ha un volume di un
metro cubo ed una massa di 200kg"). Anche le grandezze elettriche non si sottraggono alle regole
appena citate: la corrente che scorre in un conduttore, la tensione fra due punti, la resistenza di un
elemento conduttore, ecc., sono fenomeni che possono essere oggetto di misurazione.
Rispetto a tutte le altre grandezze fisiche, però, le grandezze elettriche godono di alcuni
importanti vantaggi: fra questi il più importante è rappresentato dalla possibilità di essere facilmente
trasmesse a distanza. Per la trasmissione a distanza di un segnale elettrico basta una semplice
coppia di conduttori isolati: questi hanno solitamente dimensioni trascurabili e sono dotati di
flessibilità sufficiente a garantire un buon funzionamento anche in caso di montaggio all'interno di
strutture mobili. In alcuni casi poi, il segnale elettrico viene trasmesso rinunciando anche all'uso di
un supporto materiale e sfruttando la propagazione dei campi elettromagnetici, cioè attuando una
trasmissione radio. Nei casi estremi la distanza fra il punto in cui viene prelevato il segnale e lo
strumento di misura può anche assumere dimensioni astronomiche: basti pensare alle
comunicazioni fra i satelliti artificiali e le basi a Terra.
Iniziamo, in questa lezione introduttiva, a presentare i concetti fondamentali e la terminologia
necessari per affrontare lo studio della teoria della misurazione.
Unità di misura
In un processo di misurazione, per associare la misura al misurando si fa ricorso ad una seconda
grandezza, omogenea al misurando, assunta come riferimento, detta unità di misura.
In base alle definizioni finora date risulta che: la misura esprime il rapporto tra il valore del
misurando e l’unità di misura corrispondente.
Essendo la misurazione un procedimento sperimentale, in essa è insito il concetto di incertezza.
Infatti, qualsiasi procedimento sperimentale, per quanta cura sia stata posta nella sua esecuzione,
risente sempre dell’effetto di fattori di influenza che in genere non sono definibili e valutabili in
modo completo. Nel caso di una misurazione, i fattori di influenza rendono la misura non
completamente determinata. Pertanto:
L’incertezza della misura esprime il grado di indeterminazione con cui la misurazione è stata
capace di attribuire un valore al misurando.
La misurazione, oltre ad essere influenzata da fattori e cause esterne, è affetta anche da una
incertezza intrinseca dovuta al fatto che il misurando, nella sua stessa definizione, è fonte di
incertezza. Per chiarire meglio quest’ultimo concetto, si analizzi l’esempio che segue. Si voglia
misurare la resistenza elettrica R di un conduttore metallico di cui, si conoscano le caratteristiche
fisiche e geometriche, usando la nota definizione fornita dall’elettrotecnica:
R=ρ
(1.1)
S
in cui ρ [Ωm] è la resistività del materiale, e S sono, rispettivamente, lunghezza e sezione del
conduttore. In tale esempio:
- il misurando è la resistenza elettrica del conduttore metallico;
- l’unità di misura è l’ohm [Ω];
- la misura è il valore in ohm assunto dalla resistenza del conduttore metallico;
- la misurazione è il procedimento sperimentale che comporta la stima di lunghezza e sezione del
conduttore metallico, la valutazione della resistività del materiale (ottenuta dalla lettura di tabelle
di resistività dei materiali conduttori) e l’applicazione dell’espressione (1.1);
- l’incertezza di misura è determinata da vari fattori: la conoscenza della resistività e la sua
dipendenza da fattori esterni quali, ad esempio, la temperatura; il grado di purezza ed
omogeneità del materiale adoperato; la stima della lunghezza e della sezione del conduttore
metallico. Inoltre, bisogna tenere conto dell’incertezza intrinseca del misurando che, in base alla
sua definizione fornita dalla (1), introduce intrinsecamente una incertezza. Infatti, la (1)
presuppone che il conduttore metallico sia un cilindro di lunghezza e sezione S. Ma, siamo
certi che il conduttore con cui è stato costruito il resistore sia un cilindro geometrico?
A conclusione di quanto sinora detto, si riporta la definizione del termine misura riportata nella
norma UNI 4546 Misure e misurazioni: Termini e definizioni fondamentali:
MISURA: Informazione costituita da un numero, una incertezza ed una unità di misura,
assegnata a rappresentare un parametro in un determinato stato del sistema.
1.2 Misurabilità di una grandezza.
La definizione di misura non ha applicazione immediata a tutte le grandezze fisiche, le quali, a
tale riguardo, possono essere classificate in più gruppi:
I trasduttori permettono, quindi, di estendere le tecniche e gli strumenti delle misure elettriche
alla misurazione di grandezze fisiche di tipo disparato.
1.4 Esecuzione di una misurazione.
L’esecuzione di una misurazione comporta diverse fasi:
- la prima fase è quella dell’impostazione teorica, che richiede una conoscenza preventiva del
fenomeno in esame. In tale fase, bisogna definire bene lo scopo di tutta l’attività sperimentale da
intraprendere, bisogna definire il misurando ideandone un modello, e bisogna stabilire qual è, in
funzione della specifica applicazione, l’incertezza desiderata per la misura. Queste valutazioni
consentono di determinare il principio di misurazione da adottare;
- il principio scelto viene quindi tradotto in una sequenza logica di operazioni, il metodo di
misurazione, ed eventualmente anche in una descrizione dettagliata delle operazioni da eseguire,
la procedura. La scelta del metodo viene fatta in base a considerazioni sulla qualità richiesta
dalla misura, sul suo costo, sulla reperibilità della strumentazione, sulla interfacciabilità della
stessa con un calcolatore ecc.;
- segue poi la realizzazione sperimentale della misurazione. In questa fase l’operatore inserisce la
strumentazione scelta nel circuito di misura ed esegue la procedura di misurazione ripetendola,
eventualmente, un certo numero di volte. I risultati raccolti in questa fase vengono detti risultati
grezzi;
- segue la valutazione dell’incertezza di misura. In tale fase i risultati vengono analizzati per
verificare se l’incertezza ottenuta è coerente con la qualità attesa dalla misura. In caso negativo,
occorre ripartire dalla seconda fase scegliendo una strumentazione più accurata o, addirittura,
concependo un altro metodo. Se, invece, l’incertezza ottenuta è contenuta all’interno dei valori
prefissati può avere inizio l’ultima fase;
- presentazione dei risultati, in cui viene fornito il risultato di misura. Tale fase esige la stessa
attenzione dedicata alle fasi precedenti, infatti, l’assenza di ogni ambiguità e la completezza
delle informazioni fornite, caratterizzano la qualità di tutta l’attività della misurazione.
I metodi di misurazione possono essere classificati come:
- misurazione a lettura singola, in cui la misura viene ottenuta effettuando un’unica misurazione;
- misurazione a lettura ripetuta, in cui la misura viene ottenuta effettuando un’analisi statistica
sull’insieme dei risultati ottenuti ripetendo la misurazione in condizioni sperimentalmente uguali.
1.5 Dispersione delle misure.
Come si è appreso in precedenza, il termine misura esprime il rapporto tra i valori di due
grandezze della stessa natura (omogenee), di cui la seconda è assunta come riferimento (unità di
misura).
Per come è definito, il valore numerico ricavato da tale rapporto, fornisce in modo univoco ed
inequivocabile il valore assunto dalla misura stessa. Tuttavia, passando dalla definizione teorica del
termine misura al valore numerico ottenuto mediante la sua misurazione, ossia all’esecuzione
pratica di un procedimento sperimentale atto a fornire la valutazione della misura, si può verificare
che, ripetendo più volte la stessa misurazione, a causa di fattori di influenza, variabili e non
prevedibili, non si ottengono sempre gli stessi risultati. Però, osservando con più attenzione i
risultati di misura ottenuti, si può riscontrare che essi sono compresi all’interno di una fascia di
valori, delimitata in figura 1.1 da linee tratteggiate.
Questa osservazione, di carattere puramente empirico, porta ad ipotizzare che il valore della
misura è, con buona probabilità, compreso all’interno della distribuzione individuata da questa
fascia di valori e, inoltre, che maggiore è il numero di misurazioni che ha fornito lo stesso risultato
di misura, maggiore è la attendibilità di quel risultato. Solitamente accade che la dispersione delle
misure dipende da più fattori di influenza variabili in modo imprevedibile, aleatorio, casuale che
agiscono in modo non correlato nelle diverse misurazioni (indipendente l’uno dall’altro). In tal
caso, è lecito supporre che l’effetto congiunto di tutti i fattori di influenza, sia a sua volta
imprevedibile, aleatorio, casuale e, soprattutto, non polarizzato e quindi a valor medio nullo. Le
cause che producono tale dispersione di misure non è prevedibile, quindi, non è possibile agire
dall’esterno per eliminarle. È possibile, però, attenuare gli effetti che esse producono sulla misura.
Per capire, almeno intuitivamente, come perseguire tale obiettivo, conviene ragionare, come
illustrato in figura 1.2, interpretando i risultati di misura come derivanti dalla sovrapposizione di
due segnali, il segnale di misura ed un segnale di rumore a valore medio nullo (non polarizzato). Il
segnale di rumore (essendo a valor medio nullo) può essere filtrato semplicemente eseguendo la
media aritmetica dei risultati ottenuti nelle varie misurazioni. Questo è il motivo per cui,
solitamente, si indica come migliore stima della misura, il valore medio della distribuzione ottenuta
come risultato di misurazioni ripetute. Tutte queste valutazioni di carattere qualitativo verranno
analizzate in dettaglio nelle prossime lezioni.
La migliore stima di una misura, ottenuta con misurazioni a lettura ripetuta, è fornita dal
valore medio della distribuzione dei risultati di misura
1.6 Fattori di influenza
Fattori sistematici e fattori aleatori
Accanto ai fattori di influenza considerati nel paragrafo precedente, che influenzano la misura in
modo aleatorio, ve ne sono altri che la influenzano in modo sistematico. Questi ultimi, a differenza
dei primi, sono caratterizzati dal fatto che, anche se si ripete più volte il procedimento di
misurazione, essi influenzano la misura sempre allo stesso modo e, quindi, non si evidenziano,
come quelli di natura aleatoria, con una dispersione dei risultati della misurazione. Si può
concludere che i fattori di influenza di tipo aleatorio derivano da fenomeni casuali e non
controllabili e producono sulla misura effetti non prevedibili e diversi ogni volta che si ripete la
stessa misurazione; invece i fattori di influenza di tipo sistematico derivano da cause conosciute e
producono sulla misura effetti prevedibili e, quindi, hanno sempre lo stesso effetto sulla misura
anche se questa è ripetuta un gran numero di volte.
Nel grafico di figura 2.1 riportiamo, in funzione del numero totale N di prove realizzate, il rapporto
n1 /N dove n 1 è il numero di prove che hanno dato “ 1 ” come risultato. Da tale grafico si può osservare
che, al crescere del numero N di prove, il rapporto n 1 /N, detto frequenza statistica dell’evento in esame,
tende al valore 1/6. E’ intuitivo osservare che, indicando con n i il numero di esperimenti che hanno
dato come risultato “i”, per qualunque valore di N sono vere le (2.4) e (2.5):
ni
0≤ ≤1 (2.4)
N
e inoltre:
6
ni
∑N
i =1
=1 (2.5)
Ebbene, si assume probabilità dell’evento definito da: “il risultato del lancio è la faccia
i”, la frequenza statistica valutata su un “gran numero” di osservazioni. Volendo essere più rigorosi,
e generalizzando il concetto fornito prima in modo intuitivo, possiamo definire frequenza di
successo F N (E) di un generico evento E in N prove, il rapporto tra il numero n(E) delle prove in cui
si è verificato l’evento E ed il numero totale N delle prove (cfr. 2.6):
n( E )
F N (E) = (2.6)
N
Il limite della frequenza di successo F N (E), al divergere del numero N delle prove, si definisce
probabilità dell’evento E (2.7):
lim n( E )
P( E ) = (2.7)
N →∞ N
Quest’ultima definizione di probabilità mette in luce il fatto che, in realtà, essendo il numero
delle realizzazioni effettuabili sempre limitato, potremo avere solo una stima della probabilità di
occorrenza di un evento.
2.3 Probabilità congiunta
Si consideri un esperimento aleatorio consistente nel lancio di due dadi; lo spazio campione S è
costituito dai 36 punti definiti dalla (2.8):
S = {S 11 , S 12 ,...,S 16 , S 21 , S 22 ,…, S 26 ,…, S 61 , S 62 ,…, S 66 } (2.8)
in cui il primo (secondo) pedice di S ij indica il numero presente sulla faccia mostrata dal primo
(secondo) dado.
Si definiscano, poi, gli eventi:
A = {S 11 , S 12 ,S 13 , S 14 , S 15 , S 16 } (il primo dado dà un 1) (2.9)
B = {S 13 , S 23 ,S 33 , S 43 , S 53 , S 63 } (il secondo dado dà un 3). (2.10)
Si ha, allora, che l’evento intersezione è dato da:
A*B = {S 13 } (il primo dado dà un 1 e il secondo dà un 3) (2.11)
La probabilità di tale evento congiunto, si definisce: probabilità congiunta dei due eventi A e B,
e si indica con P(A*B). Se, come è ragionevole supporre, tutte le facce sono equiprobabili si ha:
P(A*B) = 1/36. Osserviamo che, in questo caso, la probabilità congiunta dei due eventi A e B
uguaglia il prodotto delle probabilità associate ai due singoli eventi.
ni
0
xi
Figura 2.2
In tal modo, si ottiene una curva (continua se il numero di intervalli divergesse all’infinito) che
parte da 0, è sempre crescente e raggiunge il valore massimo uguale ad 1 per il massimo valore di x i
(Figura 2.2). Questa curva individua una funzione P(x) chiamata funzione di distribuzione o di
probabilità cumulativa della variabile aleatoria che rappresenta la frequenza con la quale si sono
presentati i valori non superiori ad x i . Si definisce funzione di densità di probabilità p(x) la
funzione:
∂P(x )
p(x ) = (2.13)
∂x
tale funzione esprime la probabilità che ha la variabile aleatoria di essere compresa tra il valore x e
il valore x+dx. A titolo di esempio, in figura 2.3 si riporta l’andamento di una funzione di densità di
probabilità nota come distribuzione gaussiana caratterizzata da un andamento tipico a campana.
Per quanto detto precedentemente, conoscendo la funzione di distribuzione di probabilità di una
variabile aleatoria, è possibile valutare la probabilità che un evento (leggi risultato di misura) rientri
in un determinato intervallo di valori.
p
x
Figura 2.3
Valore medio
Le variabili aleatorie e, quindi i risultati di misurazioni ripetute, possono essere caratterizzate a
mezzo di parametri sintetici. Il parametro principale usato per caratterizzare i risultati di tali
misurazioni è senz’altro il valore centrale della distribuzione (valore medio della distribuzione)
definito analiticamente dalla (2.15)
1 N
x= ∑ xi
N i =1
(2.15)
Il valore centrale o valore medio è un parametro di grosso interesse misuristico in quanto esso
esprime la migliore stima del misurando nel senso che viene usato quando, per comodità operativa,
si vuole rappresentare la misura (la fascia di valori ottenuti sperimentalmente) con un solo valore
numerico.
1 N
σ x2 = ∑ (xi − x )2 (2.16)
N − 1 i =1
Lo scarto tipo σ è definito come la radice quadrata positiva della varianza. Lo scarto tipo dà,
come abbiamo detto, una importante informazione sulla distribuzione dei risultati di misura, infatti
minore è lo scarto tipo, minore è la dispersione dei risultati intorno al valore centrale x 0 .
Allora, anziché utilizzare una descrizione puntuale, completa, della distribuzione dei risultati di
misura in termini di funzione di distribuzione o di densità di probabilità, è possibile darne una
caratterizzazione sintetica attraverso due soli numeri: la media e lo scarto tipo.
2.6 Incertezza desiderata.
La prima fase di una misurazione, come detto precedentemente, consiste in una attività di natura
teorica tesa ad individuare il principio di misurazione che meglio risponde alle finalità proprie della
misurazione che si sta per intraprendere. Pertanto, in questa fase occorre innanzitutto definire
l’incertezza massima tollerata dalla applicazione in esame. Questa incertezza, detta incertezza
desiderata, fornisce un limite superiore al grado di indeterminazione con cui deve essere ricavato il
valore del misurando. In base a tale limite, sarà quindi possibile definire il modello metrologico più
idoneo per rappresentare il sistema misurato, scegliere il sistema di misurazione più adatto e
stabilire i metodi necessari per valutare i fattori di influenza che intervengono nella misurazione.
E’ evidente, infatti, che non è sensato né conveniente eseguire un tipo di misurazione sempre
con la massima accuratezza possibile. L’incertezza desiderata, infatti, incide sensibilmente sulla
scelta del metodo di misura, sulla scelta degli strumenti, sulla scelta dell’ambiente in cui operare,
sulla cura che si pone nell’eseguire la misurazione e quindi l’incertezza desiderata influenza in
modo significativo il costo della misurazione.
Per chiarire meglio questo importante concetto con un esempio, si faccia riferimento al caso
della determinazione del peso di una determinata quantità di materia. Ovviamente questa
misurazione deve essere eseguita con maggior cura nel caso in cui la materia sia costituita da oro
piuttosto che da ghiaia. Sarà, allora, opportuno determinare il peso dell’oro con un’incertezza
sufficientemente bassa (in modo che ripetendo più volte la stessa misurazione il peso dell’oggetto di
oro presenti una variabilità non significativa). La stessa accuratezza sarebbe ovviamente inutile
nella valutazione del peso della ghiaia, che ha un costo specifico di gran lunga inferiore. Ne
consegue che, poiché la finalità della misura è diversa nei due casi, i dispositivi e i metodi utilizzati
per eseguire queste due misurazioni, e quindi i corrispondenti costi, saranno diversi.
2.7 Valutazione delle incertezze di categoria A.
La valutazione dell’incertezza è sempre condotta in termini statistici e comporta la
determinazione di parametri sintetici (valor medio, varianza, scarto tipo). Esistono due approcci
distinti per pervenire alla stima dell’incertezza: nel primo approccio, la caratterizzazione statistica
deriva dall’analisi della dispersione dei risultati di misura evidenziata eseguendo un certo numero di
misurazioni ripetute; viceversa, nel secondo caso, la caratterizzazione statistica si fonda sulla
conoscenza, a priori, di alcune informazioni. Tali informazioni possono essere rese disponibili
consultando manuali e cataloghi a corredo degli strumenti di misura, possono essere apprese da
tabelle o da abachi, possono derivare dall’esperienza precedente maturata dall’operatore in casi
analoghi, etc.. La valutazione delle incertezze di categoria A fa riferimento al primo approccio.
Analogamente, la varianza sperimentale s2(q k ) della stessa popolazione è definita dalla (2.18):
1 n
s 2 (q k ) = ∑ (qk − q )
2
(2.18)
n − 1 k =1
Lo scarto quadratico medio (o scarto tipo) sperimentale s(q k ) è definito come la radice quadrata
positiva della varianza sperimentale (2.19):
1 n
s (qk ) = ∑
2
(qk − q) (2.19)
n − 1 k =1
Per concludere, in una misurazione a lettura ripetuta, si assume come risultato più probabile
della misura il valore della media sperimentale calcolata secondo la (2.17) e ad essa si associa,
come incertezza di misura, lo scarto tipo della media u( q ) (valutazione dell’incertezza di categoria
A).
Tale scarto, chiamato anche incertezza tipo, si valuta con l’espressione (2.20):
s(qk )
u (q ) = (2.20)
n
Da quanto detto si evince che, eseguendo misurazioni ripetute ed assumendo come risultato di
misura la stima della media data dalla (2.17), è possibile ridurre l’incertezza della misura di un
fattore pari alla radice quadrata del numero di misurazioni eseguite come risulta dalla (2.20).
ATTENZIONE: Un aspetto al quale non sempre si presta sufficiente attenzione è che, perché
siano valide le espressioni su riportate, è necessario che le osservazioni effettuate siano
statisticamente indipendenti. Se le osservazioni non sono indipendenti, gli stimatori espressi dalle
equazioni (2.17) e (2.20) non sono validi. Si tenga presente che non è semplice garantire
l’indipendenza di un insieme di osservazioni. Pertanto, ritenere che un aumento indefinito del
numero di osservazioni comporti una corrispondente diminuzione dell’incertezza tipo, come
farebbe intendere la (2.20), è un’utopia. Inoltre, si tenga presente che, aumentando il numero di
osservazioni, aumenta anche il tempo di osservazione e, perché i risultati mediati siano significativi
è necessario che, durante il tempo di misura, sia comunque verificata la stazionarietà di tutte le
grandezze coinvolte nelle misurazioni stesse (condizione sempre più difficile da garantire mano a
mano che il tempo di osservazione cresce).
Applicando i risultati cui siamo precedentemente pervenuti, risulta che la migliore stima del
parametro Q è la media delle 20 osservazioni q k , valutata usando la relazione (2.17):
1 n 399.999790
q= ∑
n k =1
qk =
20
= 19.999990 u (2.21)
1 n
s (qk ) = ∑
2
(q k − q ) = 0.000014u (2.22)
n − 1 k =1
u= (u 2
A + u12B + u 22B + .... + u nB
2
) (2.27)
in cui u2 A è la varianza di categoria A ed i termini u2 iB sono le varianze di categoria B. Tale
espressione viene definita incertezza globale.
2.11 L’incertezza estesa.
L’incertezza estesa si ottiene moltiplicando l’incertezza tipo u, ricavata con le modalità esposte
nelle precedenti lezioni, per un fattore di copertura k che può assumere i valori 2, 3, 4. In questo
modo allarghiamo rispettivamente di 2, 3, o 4 volte la fascia di incertezza ovvero l’intervallo di
valori in cui presumibilmente appartiene il misurando. Tale operazione viene fatta a scopo
prudenziale e il fattore di copertura k deve, in genere, essere scelto in funzione dell’uso che verrà
fatto della misura.
Infatti, il fattore di copertura, detto anche grado di fiducia, indica quale percentuale dei possibili
risultati cade all’interno della fascia di valori definita dall’incertezza estesa. Per capire meglio
questo importante concetto è utile ricordare l’interpretazione probabilistica della fascia di
incertezza. Si è detto che ogni risultato di misura, per la presenza dell’incertezza, non può essere
espresso da un unico numero ma deve essere espresso da una fascia di valori dispersi intorno ad un
valore centrale x 0 . Questo significa che, con una certa probabilità, il misurando può assumere valori
contenuti all’interno di tale fascia.
Come è stato precedentemente detto, la probabilità che la misura appartenga a fasce di valori di
ampiezza ∆x, può essere rappresentata graficamente attraverso l’istogramma delle frequenze
relative (figura 2.6).
In tale diagramma, la distribuzione è simmetrica rispetto ad un valore centrale x 0 ≡ x , nelle
vicinanze del quale si distribuiscono i risultati con maggiore probabilità di occorrenza: più ci si
allontana dal valore centrale x , più si riduce la probabilità di ottenere risultati di misura. Infatti, la
probabilità che il risultato di misura cada nel generico intervallo di valori, è data dall’area del
rettangolo corrispondente.
Se si riduce l’ampiezza di ∆x facendola tendere a zero, l’istogramma delle frequenze relative
degenera in una curva continua. Nel seguito faremo riferimento al caso, in pratica molto frequente,
in cui tale curva abbia un andamento a campana (nota come curva di Gauss) di espressione
analitica:
−
(x − x ) 2
f x (x ) =
1
⋅e 2σ 2
(2.28)
2π ⋅ σ
La curva di Gauss (gaussiana) è simmetrica intorno al valore x ed è caratterizzata, oltre che da x
stesso, dallo scarto tipo σ che ne determina la maggiore o minore “larghezza” ovvero la maggiore o
minore dispersione dei valori intorno al valore medio x (vedi figura 2.7).
1
Inoltre, nella sua definizione analitica, è presente il fattore di normalizzazione che
2π ⋅ σ
serve a rendere unitaria l’area sottoscritta dalla curva. Analiticamente questa condizione è descritta
dall’integrale (2.29):
+∞
∫ f X (x) dx = 1 (2.29)
−∞
Il fattore di normalizzazione viene introdotto per coerenza con la considerazione che la
probabilità che il risultato di misura appartenga all’intervallo di valori ( − ∞,+∞ ), coincide con la
probabilità di un evento certo. Si può dimostrare, per la distribuzione descritta da questa funzione,
che la probabilità che una generica misura cada nella fascia x ±σ è del 68.4%. Pertanto, assumendo
σ (o la sua valutazione sperimentale u eseguita su un numero limitato di misurazioni) come
ampiezza della fascia di incertezza (incertezza tipo), si attribuisce un grado di fiducia (probabilità)
del 68.4% al fatto che il valore del misurando cada all’interno della fascia x ±σ. Se, per la specifica
applicazione a cui è destinata la misura, tale grado di fiducia sembra inappropriato (troppo basso),
nel senso che vogliamo essere più sicuri di aver individuato l’intervallo di valori in cui cade il
valore del misurando, allora occorre aumentare l’ampiezza della fascia ricorrendo ad un fattore di
copertura maggiore di 1. In tal caso, valutando numericamente integrali del tipo:
x + kσ
∫ f (x )dx
x (2.30)
x − kσ
Per una distribuzione gaussiana, valgono le proprietà espresse nella seguente tabella:
Esempi numerici
1. Si considerino le seguenti misure:
V x = 23V e V x = 23.0 V (2.31)
Esse non sono equivalenti, infatti la prima presenta due cifre significative e una incertezza
dell’ordine di grandezza di 1V; la seconda invece è rappresentata con tre cifre significative e
corrisponde ad una incertezza dell’ordine di 0.1V.
2. Il risultato di misura di tensione scritto come segue:
V x = (23.106 ± 0.02) V (2.32)
non è corretto. Esso deve essere scritto nel modo seguente:
V x = (23.11 ± 0.02) V (2.33)
arrotondando, cioè, il risultato ai centesimi di volt in quanto i millesimi non sono significativi in
confronto ad una incertezza di 0.02 V (la cifra meno significativa del risultato di misura deve
corrispondere a quella affetta da incertezza; nell’esempio l’incertezza influenza i centesimi di volt,
quindi non ha senso indicare nel risultato il valore dei millesimi di volt).
Occorre infine osservare che, così come avviene per la misura, anche l’incertezza è sempre
ottenuta con una certa indeterminazione: anch’essa dovrebbe quindi essere rappresentata mediante
un intervallo, i cui estremi, però, sarebbero a loro volta affetti da una certa indeterminazione.
2.14 Modello deterministico, la tolleranza.
L’incertezza estesa, definita dal prodotto tra lo scarto tipo σ e il fattore di copertura k,
caratterizza la probabilità che ha una misura di cadere all’interno di una determinata fascia di valori.
Accanto a questo approccio di natura probabilistica, esiste un approccio alternativo di
definizione dell’incertezza che mira a definire la fascia di incertezza in termini deterministici. Esso,
facendo riferimento per motivi di natura prudenziale al caso più sfavorevole worst case, vuole
identificare quale sia la fascia a cui appartiene la misura nel caso in cui tutti i fattori di influenza
giochino combinandosi tra loro nel modo più sfavorevole possibile. Tale approccio vuole, quindi,
definire la fascia di ampiezza massima a cui può appartenere la misura.
Per venire incontro a questa esigenza, spesso, i costruttori riportano i dati dell’incertezza in
termini di tolleranza. La tolleranza definisce una fascia di valori di semiampiezza a in cui, con
probabilità del 100% e distribuzione uniforme, giace la misura m. In una distribuzione uniforme, la
funzione densità di probabilità è rappresentata da un rettangolo di base 2a ed altezza 1/2a. Infatti, la
base del rettangolo è rappresentata dall’intervallo dei valori che può assumere il misurando (-a ÷ +a
= 2a). Inoltre, l’area del rettangolo rappresenta la probabilità che un evento cada al suo interno e,
quindi, essa deve essere unitaria (probabilità del 100%). Pertanto, risulta che l’altezza del rettangolo
di base 2a ed area unitaria dovrà necessariamente risultare 1/2a. Dalla tolleranza (a) è possibile
risalire allo scarto tipo (σ) usando l’espressione:
a
σ= (2.34)
3
Non ha, invece, senso parlare di fattore di copertura, secondo quanto definito precedentemente.
2.15 Propagazione delle incertezze nelle misure indirette
Finora ci siamo occupati di definire e di valutare l’incertezza nel caso di misurazioni di tipo
diretto. Nelle misure indirette, il misurando viene valutato in base alle indicazioni fornite da un
certo numero di strumenti di misura ed alla relazione funzionale y=f(x 1 ,x 2 ,..,x n ), supposta nota, tra
la variabile dipendente y uscita e le variabili indipendenti x 1 , x 2 ,..,x n ingressi.
La legge di propagazione delle incertezze nelle misure indirette, intende determinare
l’incertezza associata ad una grandezza misurata indirettamente in funzione delle incertezze delle
singole grandezze di ingresso, e del legame funzionale tra l’uscita e gli ingressi. La valutazione
della propagazione delle incertezze nelle misure indirette dipende dal tipo di approccio
(probabilistico o deterministico) che si intende seguire.
Approccio probabilistico:
Indichiamo con u x1 , u x2 ,.., u xn le incertezze tipo delle variabili di ingresso supposte
statisticamente indipendenti.
In tale ipotesi, l’incertezza tipo dell’uscita u y risulta:
2
n
∂f 2
u y = ∑ u xi (2.35)
i =1 ∂xi
∂f
In questa espressione, le derivate parziali rappresentano coefficienti di sensibilità e u y
∂xi
l’incertezza tipo composta.
Esempio numerico
Si supponga di voler misurare la potenza elettrica P in un circuito elettrico in corrente continua
avendo effettuato un certo numero di rilievi sperimentali, tra loro statisticamente indipendenti, per
la misura di resistenza (R) e di corrente (I). La relazione funzionale che lega P a R ed I è:
2
P = R*I .
Si supponga ancora che la media sperimentale delle misure di resistenza e di corrente, risulti essere:
R = 48.4Ω; I = 4.6 A (2.36)
e che le incertezze di categoria A per R e I, siano rispettivamente:
u R = 0.5 Ω; u I = 0.1 A. (2.37)
Si valutino i coefficienti di sensibilità:
δP 2 δP
=I; = 2 R*I (2.38)
δR δI
utilizzando la relazione (2.35), l’incertezza composta risulta essere :
u P ≅ 46 W (2.39)
il risultato è quindi :
P = (1024 ± 46) W (2.40)
Per quanto detto precedentemente, dovendo l’incertezza essere rappresentata con una sola cifra
significativa, tale risultato deve essere espresso come segue:
P = (1.02 ± 0.05) kW (2.40a)
Approccio deterministico:
Indichiamo ancora con x 1 , x 2 , ... x n le grandezze di ingresso, con ∆x 1 ,∆x 2 , .., ∆x n le
corrispondenti tolleranze di tipo deterministico e con y=f(x 1 , x 2 , ..,x n ) il legame funzionale che lega
la grandezza di uscita y agli ingressi. Si supponga ancora che le grandezze di ingresso siano
statisticamente indipendenti. In tali ipotesi, l’incertezza massima ∆y, relativa al caso peggiore,
dell’uscita y si valuta con la (2.41):
n
∂f
∆y = ∑ ⋅ ∆xi (2.41)
i =1 ∂xi
Si sommano, cioè, i prodotti dei valori assoluti dei coefficienti di sensibilità e delle incertezze
massime delle relative grandezze di ingresso. L’adozione dei valori assoluti garantisce che,
indipendentemente dai segni assunti dalle varie grandezze, i contributi all’incertezza complessiva
vadano sempre a sommarsi, in modo da mettersi sempre nella condizione più sfavorevole, worst
case.
Esempio numerico
Consideriamo lo stesso esercizio dell’esempio precedente. Valutiamo le tolleranze
deterministiche ∆R e ∆I a partire dai valori degli scarti tipo u R e u I mediante la relazione 2.34:
∆R = u R ⋅ 3 (2.42)
∆I = u I ⋅ 3 (2.43)
Applicando la relazione (2.41) si ottiene allora:
∆y ≅ 95 W (2.44)
Da questo risultato si evince che: l’incertezza composta, valutata con l’approccio
deterministico, facendo riferimento al caso peggiore possibile, è sempre maggiore di quella
valutata con l’approccio probabilistico.
Per individuare l'incertezza della misura indiretta si può utilizzare lo sviluppo in serie della
funzione f sostituendo all'incremento della variabile indipendente il valore della sua incertezza
assoluta in maniera da ottenere:
df ( x ) 1 d 2 f (x )
∆y = ∆x + 2
(∆x )2 + .....
dx x = x0 2! dx x= x 0
y
∆x
y0 ∆y
y=f(x)
x0 x
Funzioni di due o più variabili
Se il legame fra l'incognita y e le grandezze x 1 e x 2 viene espresso dalla generica funzione f:
y=f(x 1 ,x 2 )
il valore del misurando y 0 si ottiene calcolando il valore della funzione in corrispondenza dei valori
misurati (indicati con il pedice 0) delle due grandezze x 1 e x 2 :
y0 = f (x1 , x2 ) x = x
1 10 , x2 = x20
Anche in questo caso, come per la funzione di singola variabile, si può individuare l'incertezza
attraverso lo sviluppo in serie della funzione. Le ipotesi restrittive sono le seguenti:
• le incertezze che si riferiscono ai valori di a e b agiscono in modo indipendente;
• le incertezze hanno valore talmente piccolo da poter essere trattate come infinitesimi.
L’incertezza assoluta può essere ricavata dallo sviluppo in serie della funzione f(x 1 ,x 2 )
nell'intorno del punto (x 10 , x 20 ) in cui gli incrementi delle variabili x 1 e x 2 vengono sostituiti dalle
rispettive incertezze assolute e tutti i termini vengono presi in valore assoluto:
∂f (x , x ) ∂f (x1 , x2 )
∆y = ± 1 2
∆x1 + ∆x2 +
∂x1 x1 = x10 , x2 = x20
∂ x 2 x1 = x10 , x2 = x20
1 ∂ 2 f ( x1 , x2 ) 1 ∂ 2 f ( x1 , x2 )
(∆x2 )2 + ∂ f (x1 , x2 )
2
+ (∆x1 )2 + (∆x1∆x2 )
2! ∂x12 x =x
2! ∂x22 ∂x1∂x2 x1 = x10 , x2 = x20
1 10 , x2 = x20 x =x
1 10 , x2 = x20
Se non si annullano le derivate parziali prime, e se l’espressione della incertezza può essere
troncata ai termini del primo ordine, la funzione si approssima con la sua forma linearizzata:
∂f (x , x ) ∂f ( x1 , x2 )
∆y = ± 1 2
∆x1 + ∆x2
∂x1 x1 = x10 , x2 = x20
∂x2 x1 = x10 , x2 = x20
∂ (R + R2 ) ∂ (R1 + R2 )
2 2
uy = 1 ⋅ u R1 +
2
⋅ u R 2 = u R1 + u R 2 =
2 2 2
(57.73)2 + (57.73)2 (2.51)
∂R1 ∂R2
u y = 81.65Ω (2.52)
L’incertezza u yr (espressa in valore relativo) è data da :
uy 81.65
u yr = = = 0.0027 (2.53)
REQ 30000
L’incertezza u y% (espressa in valore relativo percentuale) è data da :
u y % = u yr ⋅100 = 0.27% (2.54)
Esempio 2
In un circuito elettrico sono posti in parallelo i resistori R 1 , ed R 2 le cui specifiche sono:
R 1 = 10kΩ, ∆R 1 % = 1% (2.60)
R 2 = 20kΩ, ∆R 2 % = 0.5% (2.61)
Calcolare il valore della resistenza equivalente e dell’incertezza espressa in valore assoluto,
relativo e relativo percentuale. Si assuma che le tolleranze esprimano, in valore percentuale, i valori
entro cui può essere contenuto il valore di ciascuna resistenza con distribuzione di probabilità di
tipo uniforme.
Soluzione con il metodo probabilistico:
La resistenza equivalente R EQ di due resistori posti in parallelo è data dalla relazione:
R1 ⋅ R2 10000 ⋅ 20000
REQ = = = 6666. 6 Ω (2.62)
R1 + R2 10000 + 20000
Per calcolare l’incertezza u y , bisogna innanzitutto valutare gli scarti tipo u R1 ed u R2 dalle
tolleranze ∆R 1 % e ∆R 2 % :
R1 ⋅ ∆R1 % 10000 ⋅1
u R1 = = = 57.73Ω (2.63)
100 * 3 100 * 3
R2 ⋅ ∆R2 % 20000 ⋅ 0.5
uR2 = = = 57.73Ω (2.64)
100 * 3 100 * 3
L’incertezza u y risulta:
2 2
R1 ⋅ R2 R1 ⋅ R2
∂ ∂
R1 + R2 2 R1 + R2 2
2 2
R22 2 R12 2
uy = ⋅u + ⋅u = ⋅u + ⋅ u = 26.45Ω (2.65)
∂R1 R1 ∂R2 R 2 R1 + R2 R1 R1 + R2 R 2
L’incertezza u yr (espressa in valore relativo) è data da:
uy 26.45
u yr = = = 0.0039 (2.66)
REQ 6666. 6
L’incertezza u y% (espressa in valore relativo percentuale) è data da:
u r% = u yr *100 = 0.39% (2.67)
R ⋅R R ⋅R
∂ 1 2 ∂ 1 2
R + R2 R1 + R2 ⋅ ∆R = R22 R12
∆y = 1 ⋅ ∆R1 + ⋅ ∆R + ⋅ ∆R2
∂R1 ∂R2
2
(R1 + R2 )2 1
(R1 + R2 )2
∆y = 55.56Ω (2.69)
L’incertezza ∆y r (espressa in valore relativo) è data da:
∆y 55.56
∆y r = = = 0.0083 (2.70)
R EQ 6666.6
L’incertezza ∆y r% (espressa in valore relativo percentuale) è data da:
∆y r% =∆y r *100 = 0.83%. (2.71)
CAPITOLO 3
3.1 Sistemi di unità di misura.
Misurare una qualsiasi grandezza fisica significa confrontarla con un’altra, ad essa omogenea,
convenzionalmente assunta unitaria. Pertanto, la misura di una grandezza è costituita da una unità di
misura e da un numero che esprime quante volte detta unità è contenuta nella grandezza da
misurare. Quindi, per eseguire la misura di una qualsivoglia grandezza fisica, è necessario associare
ad essa un’opportuna unità di misura. A tal riguardo, si definisce sistema di unità di misura, un
qualsiasi insieme di grandezze, assunte convenzionalmente di valore unitario, attraverso le quali è
possibile rappresentare tutte le grandezze di interesse della fisica. La scelta di quali e quante unità
includere in un sistema di unità di misura è, almeno in linea di principio, arbitraria. Infatti, si
potrebbero definire tante unità di misura per quante sono le grandezze di interesse della fisiche.
Questo approccio era, appunto, quello seguito in alcuni sistemi metrici di vecchio tipo, dove, per
esempio, le unità di lunghezza, area e volume erano scelte indipendentemente l’una dall’altra.
All’estremo opposto, sarebbe possibile definire un’unica unità fondamentale, facendo derivare, da
questa, tutte le altre. Per esempio, assumendo il secondo come unità fondamentale di intervallo di
tempo:
- potremmo definire come unità di lunghezza, lo spazio che la luce percorre nel vuoto in un
secondo (la velocità della luce nel vuoto è una costante universale);
- avendo definito spazio e tempo, si potrebbero definire di conseguenza velocità e accelerazione;
- come unità di massa, si potrebbe definire quella che imprime l’accelerazione unitaria a una
massa uguale collocata alla distanza unitaria;
e così via. Con tale approccio, tutte le dimensioni si esprimerebbero in funzione del secondo.
Agli inizi del secolo XIX, si riteneva quasi dogmatico dover esprimere tutte le dimensioni in
funzione di tre fondamentali, da scegliersi nel campo meccanico, e quindi dovere assumere tre unità
meccaniche quali primitive e, da esse, far dipendere tutte le altre. Questo era d’accordo con l’idea
meccanicista che tutti i fenomeni fisici si dovessero spiegare per via cinetica. Ma già verso la fine
del XIX secolo, le teorie meccaniciste vennero abbandonate e si riconobbe la convenienza di
introdurre, per la descrizione dei fenomeni fisici, altre unità di misura fondamentali come la
temperatura, l’intensità luminosa, l’intensità di corrente elettrica, ecc.
3.2 Il Sistema Internazionale.
Il Sistema Internazionale adotta sette grandezze fondamentali e due supplementari con le
relative unità (Tabella 3.1) e varie grandezze derivate dalle precedenti, con le relative unità.
Esso fu definito dalla XI CGPM (Conferenza Generale Pesi e Misure) nel 1960, ed è stato
adottato da molti stati, tra cui l’Italia, allo scopo di superare gli inconvenienti propri dei molteplici
sistemi di unità di misura che si erano diffusi nel corso dei secoli.
Grandezze fondamentali con le rispettive unità e simboli:
Lunghezza Metro m
Massa Kilogrammo kg
Tempo Secondo s
Intensità di corrente elettrica Ampere A
Temperatura Grado kelvin °K
Quantità di sostanza Mole mol
Intensità luminosa Candela cd
Grandezze supplementari con le rispettive unità e simboli:
Angolo piano Radiante rad
Angolo solido Steradiante sr
Tabella 3.1
Infatti, un sistema di unità di misura, per essere efficace, deve rispondere ad una serie di
requisiti, tra i quali:
- universalità: deve essere accettato da tutti (diverse categorie di utenti, tutte le Nazioni, chiunque
deve poter accedere ai campioni, ecc.);
- precisione: deve dare la possibilità di esprimere il valore di una grandezza con tutta la precisione
che la specifica applicazione richiede;
- praticità: si deve prestare all’uso pratico senza creare eccessivi problemi di apprendimento e di
uso;
- uniformità: deve dare la possibilità di ricavare l’ampiezza di un intervallo di valori tramite due
letture lungo una scala (i cippi kilometrici lungo le strade sono un esempio di misurazione
uniforme);
- coerenza: deve dare la possibilità di esprimere qualsiasi grandezza del sistema in funzione delle
unità fondamentali, senza far ricorso a costanti o coefficienti. Una qualsiasi unità del SI deve,
quindi, poter essere espressa mediante un monomio del tipo:
unità SI = mα *kgβ * sγ * Aδ * Kε * cdη * molθ * radλ * srµ *
nel quale gli esponenti α, β, γ,..,µ possono avere il valore di un numero intero: positivo o negativo
o nullo.
Massa
U.d.m. della massa: kilogrammo. Si è convenzionalmente stabilito che un certo blocco di platino
iridio, chiamato "prototipo internazionale", conservato al BIPM di Sevres avesse massa unitaria. La
sua massa è quindi la u.d.m. della massa.
Campione di massa: Il campione di massa è un campione materiale. Il campione primario di massa
è costituito dal blocco di platino/iridio (una lega di platino al 10% di iridio) conservato al Pavillon
de Breteuil di Sevres. Esso ha, per come è definita la u.d.m., incertezza nulla. Le copie del
campione del BIPM costituiscono i campioni primari dei diversi Stati. Essi hanno incertezze non
nulle ( 1/109 ) in quanto le loro masse non possono essere perfettamente uguali a quella del
campione del BIPM.
Tempo
U.d.m. del tempo: secondo (Definizione del 1967). Il secondo è il tempo corrispondente a 9 192
631 770 periodi della radiazione corrispondente alla transizione iperfina da (F=4, MF=0) a (F=3,
MF=0) dell'atomo di cesio 133 non perturbata da campi esterni.
Campione di tempo: Il campione di tempo è un campione naturale. La reale implementazione del
campione richiede la costruzione di uno strumento entro il quale abbia luogo il fenomeno naturale
usato. Agilent Technologies costruisce un orologio atomico a cesio 133, il 5071A primary
frequency standard, con il quale è possibile ottenere un segnale la cui frequenza è quella citata nella
definizione del secondo. Il processo naturale utilizzato per definire la u.d.m. permette di realizzare
un campione con incertezza minore di 5/1013 ed una stabilità a lungo termine migliore di 1/1014 .
Lunghezza
U.d.m. della lunghezza: metro (Definizione del 1983). Il metro è la distanza percorsa, nel vuoto,
dalla luce in un intervallo di tempo pari a 1 / 299 792 458 secondi. E' da notare che la u.d.m. della
lunghezza non è definita in modo autonomo, ma sfrutta la u.d.m. del tempo e la velocità della luce
nel vuoto.
Campione di lunghezza: Il campione di tempo è un campione naturale. La reale implementazione
del campione richiede, in modo analogo a quanto riferito per il campione di tempo, la costruzione di
uno strumento entro il quale ha luogo il fenomeno naturale usato. Il BIPM costruisce questi
strumenti con un processo che permette di realizzare un campione con incertezza di circa 1/109
Intensità di corrente elettrica
U.d.m. della intensità di corrente elettrica: ampere. L'ampere è l'intensità di una corrente
elettrica costante che, in due conduttori paralleli, rettilinei, di lunghezza infinita, sezione circolare
trascurabile e posti ad 1 metro di distanza, nel vuoto, produrrebbe fra questi conduttori una forza
di 2*10-7 newton per metro di lunghezza.
Campione di intensità di corrente: Bilancia elettrodinamica con conduttori di forma tale da
permettere la determinazione matematica del legame "corrente - azione ponderomotrice". I
campioni realizzabili con l’impiego della bilancia elettrodinamica presentano incertezza maggiore
di quella che si può raggiungere facendo ricorso all’applicazione della legge di ohm con l'uso di
campioni di f.e.m. (basato sull’effetto Josephson) e di resistenza (basato sull’effetto Hall
quantistico).
Nel 1956 due ricercatori australiani, Lampard e Thompson, hanno dimostrato un teorema che
permette di costruire un dispositivo la cui capacità può essere calcolata mediante una sola misura
dimensionale. Il teorema di Lampard-Thompson è relativo a condensatori "in croce" costituiti da un
sistema di 4 conduttori cilindrici ad assi paralleli, sezione trasversale di forma qualsiasi e
dimensione assiale indefinita, immersi in un dielettrico isotropo ed omogeneo (ad esempio il vuoto)
ed accostati a distanza infinitesima in modo da formare un cilindro cavo completamente chiuso.
Facciamo riferimento alla figura sopra riportata: uno schermo tubolare (E) racchiude quattro
elettrodi cilindrici (il cui diametro non influisce sul valore di capacità che dovremo individuare) e
due ulteriori elettrodi cilindrici (F) e (G) che risultano allineati sullo stesso asse e separati da una
distanza pari ad a. Chiamiamo C 13 la capacità che si crea, per unità di lunghezza degli elettrodi, fra
gli elettrodi 1 e 3 quando gli elettrodi 2 e 4 sono collegati allo schermo E. Analogamente
chiamiamo C 24 quella che nasce, per unità di lunghezza degli elettrodi, fra gli elettrodi 2 e 4 quando
gli elettrodi 1 e 3 sono collegati allo schermo E. Le capacità C 13 e C 24 sono dette "capacità
incrociate specifiche" e per esse, nel vuoto, vale la relazione:
πC13 πC24
− −
ε0 ε0
e +e =1
Nel caso in cui le due capacità incrociate specifiche abbiano lo stesso valore questo risulta:
che, nel vuoto, vale circa 2 pF/m (il valore esatto risulta di 1,95354904 pF/m). Il valore di capacità
del condensatore calcolabile risulta infine dato dal prodotto di C per a. In realtà le inevitabili
imperfezioni costruttive portano ad un lieve scostamento della capacità effettiva da quella calcolata.
Tabella 3.2 – Prefissi usati per multipli e sottomultipli delle unità di misura nel SI