CAPITOLO 1 .......................................................................................................................................

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.

Misurando, Misura, Misurazione

Misurare una grandezza fisica, detta misurando, significa caratterizzarla dal punto di vista
quantitativo. Il valore numerico che definisce il misurando dal punto di vista quantitativo si chiama
misura. Il procedimento sperimentale che si usa per associare la misura al misurando si chiama
misurazione.
E’ comunque diffuso e, nella pratica anche tollerato, l’uso della parola misura anche per riferirsi
al procedimento sperimentale di misurazione, salvo poi a scegliere tra le due parole: misura e
misurazione, quando sia opportuno distinguere i due diversi significati.

Motivi per cui si esegue una misura

I motivi che impongono di effettuare operazioni di misurazione in ambito scientifico,
tecnologico, industriale, commerciale e, più in generale, nella vita di tutti i giorni, sono molteplici.
Ad esempio:
- Determinazione quantitativa della proprietà di un oggetto. Per esempio la misurazione delle
dimensioni geometriche o del peso di un oggetto ha interesse nelle contrattazioni
commerciali.
- Osservazione di un fenomeno fisico. Per esempio la misurazione di temperatura, pressione
atmosferica, umidità relativa ha interesse nelle previsioni meteorologiche.
- Controllo di un processo o di una operazione. Per esempio il termostato dello scaldabagno
misura la temperatura dell’acqua, confronta questo valore con una temperatura di riferimento
(la temperatura desiderata dell’acqua) e, di conseguenza, regola il flusso di energia fornita
allo scaldabagno.

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:

Grandezze misurabili, classificabili e misurabili solo per via indiretta

- Grandezze misurabili. Sono grandezze per le quali si può definire e realizzare fisicamente
l’operazione di somma ed eseguire il rapporto con una grandezza di riferimento. Per queste
grandezze, la misura si esegue applicando direttamente la definizione di misura
precedentemente data (rapporto tra il valore del misurando e unità di misura corrispondente). Ad
esempio il procedimento di misura della lunghezza (misurazione) di un segmento (misurando)
esprime quante volte l’unità di misura della lunghezza (il metro o un suo sottomultiplo) entra
all’interno del segmento e, pertanto la misurazione realizza proprio il rapporto tra lunghezza del
segmento (valore del misurando) e lunghezza del metro (unità di misura).
- Grandezze classificabili. Sono grandezze alle quali si possono applicare le relazioni di
uguaglianza e disuguaglianza ma, per le quali, non hanno senso le operazioni di somma,
differenza e rapporto (e.g. si può verificare se due corpi hanno la stessa temperatura ovvero
quale dei due ha temperatura maggiore ma non ha senso alcuno parlare di somma della
temperatura dei due corpi). Anche a queste grandezze può essere associato convenzionalmente
un numero, costruendo scale convenzionali ed estendendo il concetto di misura
precedentemente dato. In pratica, si fissa un insieme di grandezze fisiche (G 1 , G 2 ,....,G n ) che
rappresentano una scala di valori ordinati secondo le relazioni di uguaglianza e disuguaglianza,
e si associa a ciascuna di esse un numero progressivo (P 1 , P 2 ,…,P n ). La grandezza da misurare
viene confrontata (usando sempre le relazioni di uguaglianza e disuguaglianza) con i valori della
scala, in modo da determinare il valore P i cui è più prossima che si assume come misura della
grandezza.Ad esempio, consideriamo la scala delle durezze di Mohs dei minerali, definita in
modo tale che ciascuno dei dieci elementi (minerali) della scala, è in grado di scalfire l’elemento
che lo precede ed è scalfito dall’elemento che lo segue (abbiamo così definito 10 grandezze
fisiche G 1 , G 2 ,....,G 10 alle associamo i valori convenzionali di durezza 1, 2,…..10). In tal modo,
abbiamo specificato una procedura sperimentale che consente di ordinare tutti i minerali in base
alla loro durezza. Non è, però, possibile eseguire operazioni di somma o di rapporto tra i valori
numerici assegnati a ciascun elemento della scala e non ha senso affermare, per esempio, che un
minerale ha durezza doppia rispetto a quella di un altro ovvero che ha durezza 4.30 (si può solo
dire che la sua durezza è tale da scalfire il quarto elemento della scala ed essere scalfito dal
quinto e pertanto ha durezza compresa tra 4 e 5).
- Grandezze misurabili solo per via indiretta. Esistono, infine, grandezze fisiche che si
estrinsecano solo quando sono sottoposte a particolari stimoli (e.g. la resistenza elettrica di un
conduttore si estrinseca quando si fa circolare in esso una corrente elettrica). La misura di tali
grandezze viene ottenuta, indirettamente, a partire dalla misurazione di altre grandezze legate a
quella d’interesse tramite una legge fisica nota. Per esempio, la resistenza elettrica R di un
 V
conduttore può essere misurata facendo riferimento alla legge di Ohm  R =  . Si misura la
 I
caduta di tensione V ai capi del conduttore e la intensità di corrente I che la ha prodotta e si
esegue il rapporto delle due misure.
1.3 Strumenti di misura.
In base alle definizioni date nel paragrafo precedente, il principio di funzionamento di un
generico strumento di misura può essere ricondotto al confronto del misurando con una grandezza
ad esso omogenea (fornita da un campione di riferimento). Il risultato di questo confronto viene
restituito all’operatore addetto alla misura tramite un dispositivo di visualizzazione (e.g. la posizione
di un indice su una scala graduata).
Come vedremo in seguito, per effettuare una misurazione, occorre predisporre un opportuno
circuito di misura del quale fanno parte il misurando, lo strumento di misura ed, eventualmente,
altri dispositivi che dipendono dal metodo scelto per eseguire la misurazione. Va precisato subito
che l’interazione tra misurando, strumento di misura e tutti gli altri elementi del circuito di misura,
comporta degli scambi energetici che possono alterare, talvolta anche in modo significativo, il
risultato della misurazione.

Caratteristiche principali degli strumenti di misura

Dal punto di vista della sua utilizzazione, uno strumento di misura è caratterizzato dalle seguenti
grandezze, riportate nel manuale d’uso e, a volte, anche sull’involucro dello strumento stesso:
- il tipo di grandezza che lo strumento è capace di misurare;
- la portata o fondo scala che rappresenta l’intervallo comprendente tutti i valori delle misure che
lo strumento può assegnare;
- la accuratezza intrinseca dello strumento, come dichiarata dal costruttore nel manuale d’uso
dello strumento stesso;
- l’autoconsumo, che caratterizza il carico dello strumento e quindi l’influenza che esso ha sul
circuito di misura in cui è inserito;
- I limiti di impiego, che definiscono il campo di valori del misurando e delle grandezze
d’influenza entro cui lo strumento può operare conservando inalterate le sue prestazioni.
Superati tali limiti, lo strumento innanzitutto perde le sue caratteristiche di accuratezza e, inoltre
potrebbe essere anche permanentemente danneggiato. Come esempi si possono citare: limiti di
temperatura, la massima tensione di alimentazione, il massimo sovraccarico.
I segnali elettrici godono dell’interessante proprietà di poter essere elaborati a mezzo di circuiti
elettrici e/o elettronici. Ciò consente di poterli facilmente amplificare, memorizzare, elaborare.
Inoltre, con l’ausilio di opportuni dispositivi (trasduttori) è anche possibile convertire grandezze
fisiche NON elettriche in segnali elettrici di valore proporzionale a quello della grandezza presente
all'ingresso.

Grandezza fisica Segnale elettrico

Trasduttore

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.

Trattamento degli effetti sistematici e degli effetti aleatori

Queste due categorie di fattori di influenza sono di natura completamente diversa e risulta
impossibile studiare gli effetti che essi producono sulla misura usando una metodologia comune.
Pertanto, per valutare correttamente l’incertezza di misura, è necessario innanzitutto separare gli
effetti prodotti dai fattori di influenza sistematici da quelli aleatori.
La valutazione degli effetti sistematici va eseguita analizzando teoricamente i diversi fattori di
influenza e prevedendo gli effetti che essi possono avere sul risultato finale di misura. Un simile
approccio consente anche di apportare la dovuta correzione al risultato di misura che quindi, dopo
la correzione, risulta influenzato dai soli effetti aleatori.
La valutazione degli effetti aleatori viene eseguita facendo ricorso ai principi della teoria della
probabilità e della statistica. Le incertezze corrispondenti sono descritte in termini di valore medio
(nullo per definizione, dato che gli effetti sistematici sono stati tutti corretti) e di scarto quadratico
medio che viene usato per quantificare l’incertezza di misura.
 Come si vedrà in dettaglio nel seguito, la valutazione dell’incertezza è sempre condotta in
termini statistici anche se esistono due approcci distinti per pervenire alla sua stima. 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 disponibili su manuali e cataloghi a corredo degli strumenti di misura,
possono essere apprese da tabelle o da abachi, possono derivare dall’esperienza precedente maturata
in casi analoghi. Ecc..
Osservazione. Bisogna stare attenti nel compensare gli effetti sistematici che agiscono nelle
misurazioni; infatti, i fattori di influenza di tipo sistematico, spesso possono indurre anche effetti
secondari di tipo aleatorio. In particolare, dopo aver eseguito la correzione del risultato di misura a
cui si è fatto precedentemente cenno, bisogna ancora considerare gli eventuali effetti secondari, il
cui effetto sulla misura resta comunque imprevedibile, che vanno trattati insieme alle incertezze di
natura aleatoria.
A titolo di esempio, si faccia riferimento all’effetto di carico introdotto dall’inserimento di uno
strumento nel circuito di misura. Tale effetto tiene conto del fatto che lo strumento, per come è
realizzato, e per fornire l’indicazione della misura, assorbe una certa aliquota di energia dal circuito
nel quale è inserito. Dalla conoscenza delle caratteristiche dello strumento e dalla conoscenza del
misurando, le leggi della fisica consentono di stimare teoricamente l’effetto di carico strumentale e
quindi di prevedere la correzione da apportare alla misura. Evidentemente, questo è un esempio di
fattore di influenza di tipo sistematico. Si badi però che la correzione da apportare alla misura non
tiene conto delle influenze di natura aleatoria che affliggono le caratteristiche di funzionamento
dello strumento e la definizione del misurando. Queste contribuiscono a indurre effetti secondari di
tipo aleatorio sulla misura e quindi devono essere trattate come tali.
CAPITOLO 2
2.1 Misurazione come esperimento aleatorio.
I risultati di una misurazione sono, in genere, dei valori aleatori, nel senso che non si può
prevedere, prima di effettuare l’esperimento, quale di essi si verificherà, sia per la variabilità di
funzionamento propria dello strumento impiegato, sia per la variabilità della stessa grandezza che è
oggetto di misurazione.
Pertanto, si può dire che, in linea di principio, l’esecuzione di una misurazione non differisce da
altri esperimenti di natura aleatoria quali ad esempio potrebbero essere il lancio di una moneta; o di
un dado con sei facce numerate da uno a sei. In entrambi i casi, infatti, si possono stabilire a priori
quali siano i risultati possibili, ma non indicare quale sarà il risultato di un singolo esperimento, se
non in termini di probabilità.
Nel seguito si richiamano, con l’aiuto di numerosi esempi, i concetti fondamentali della teoria
della probabilità per vedere come questi si applicano ai risultati di una misurazione per ottenere, in
modo non ambiguo, la misura.

Spazio campione ed eventi

Consideriamo un esperimento aleatorio consistente nel lancio di un dado con sei facce
numerate, e annotiamo il valore riportato dalla faccia opposta a quella che si posa sul suolo.
Raccogliamo i possibili risultati di questo esperimento (che sono ovviamente i numeri 1, 2, 3, 4, 5 e
6) in un insieme S 1 che definiamo spazio campione:
S 1 = {1, 2, 3, 4, 5, 6}
Si definisce “spazio campione di un esperimento aleatorio” l’insieme che contiene tutti i possibili
risultati dell’esperimento.
Si osservi che uno stesso esperimento fisico può essere rappresentato, in termini probabilistici,
da più di uno spazio campione, a seconda di ciò che si assume come suo risultato. Infatti, se si
assumesse come risultato dell’esperimento sopra descritto la parità o disparità della faccia, lo spazio
campione diventerebbe l’insieme descritto dalla (2.1):
S 2 = {pari, dispari} (2.1)
La realizzazione di un esperimento si chiama prova.
Detto S 1 lo spazio campione del primo esperimento descritto, consideriamo un suo qualsiasi
sottoinsieme, ad esempio E = {1, 2, 3, 4} costituito dai risultati minori o uguali a 4. Detto s il
risultato di una prova, se esso è effettivamente minore o uguale a 4, allora si dice che in quella
prova si è verificato l’evento E, in quanto risulta s ∈ E.
In caso contrario, ovviamente, si verifica l’evento E = S 1 – E = {5, 6} (complemento di E
rispetto a S 1 ), costituito dagli elementi di S 1 che non appartengono ad E, ovvero il risultato è un
numero maggiore di quattro.
L’evento costituito dal singolo risultato s: {s} ⊂ S 1 , detto evento elementare, si verifica in tutte
e sole quelle prove il cui risultato è proprio s.
Poiché, qualunque sia il risultato s della prova, si ha sempre: s ∈ S 1 e s ∉ Φ (dove Φ è l’insieme
vuoto), l’evento S 1 si verifica sempre mentre Φ non si verifica mai. Per tale motivo S 1 è detto
evento certo e Φ evento impossibile.

Evento unione, evento intersezione ed eventi mutuamente esclusivi

Consideriamo ora alcuni dei possibili sottoinsiemi di S 1 :
 E 1 = {1, 3, 5} = “risultato dispari”
E 2 = {2, 4, 6} = “risultato pari”
E 3 = {1, 2, 3} = “risultato minore di quattro”
Evento unione E 1 + E 3 , è l’evento “risultato dispari o minore di quattro” e si verifica in tutte le
prove in cui si verificano E 1 , E 3 o entrambi ovvero quando il risultato dell’esperimento appartiene
all’insieme (2.2):
E 1 + E 3 = {1, 3, 5, 2} (2.2)
Evento intersezione E 1 * E 3 , è l’evento “risultato dispari e minore di quattro” e si verifica
quando si verificano sia E 1 che E 3 ovvero quando il risultato dell’esperimento appartiene
all’insieme (2.3):
E 1 * E 3 = {1, 3} (2.3)
Evidentemente E 1 * E 2 = Φ, quindi E 1 ed E 2 non possono verificarsi contemporaneamente e,
pertanto, si dicono mutuamente esclusivi.
Analogamente E 1 + E 2 = S 1 , quindi, qualunque sia il risultato s della prova, si avrà : s ∈ E 1 +
E 2 . Tale evento è allora un evento certo.
2.2 Definizione di frequenza statistica; probabilità di un evento.
Abbiamo detto che, nel metodo di misurazione a lettura ripetuta, occorre ripetere un certo
numero di volte la procedura di misurazione e occorre realizzare un’analisi statistica sull’insieme
dei risultati ottenuti. Per affrontare questo argomento è importante comprendere adeguatamente il
concetto di probabilità di un evento. Riferiamoci ancora una volta, come esperimento aleatorio, al
lancio di un dado. Ripetiamo tale lancio N volte e proponiamoci di valutare quantitativamente la
occorrenza di un determinato evento. Per esempio supponiamo che tale evento sia l’occorrenza
della faccia col numero 1.

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.

Eventi statisticamente indipendenti

Quando si verifica ciò, cioè quando P(A*B) = P(A)*P(B), si dice che gli eventi A e B sono
statisticamente indipendenti.
In termini intuitivi ciò significa che la occorrenza di uno dei due eventi non influisce
sull’occorrenza dell’altro, così come accade in questo esperimento in cui il risultato di un dado non
dipende da quello dell’altro.
2.4 Funzione di distribuzione e di densità di probabilità.
Per quanto finora detto, ogni misurazione può essere interpretata come un esperimento aleatorio
che, quindi, deve essere studiato facendo ricorso alla teoria della probabilità. Un risultato di misura
non può essere espresso da un unico numero ma deve necessariamente essere espresso da una fascia
di valori dispersi intorno ad un valore centrale x 0 . Questo significa che il misurando ha una certa
probabilità di assumere valori contenuti all’interno di tale fascia e che il risultato di ogni singola
prova può essere visto come il verificarsi di un particolare evento. In altri termini è possibile
considerare i risultati di N determinazioni sperimentali di una stessa grandezza come una variabile
aleatoria. Per caratterizzare, dal punto di vista statistico, i risultati degli esperimenti, si eseguono i
seguenti passi:
- Si individuano valore massimo (MAX) e minimo (MIN) degli N risultati di misura;
- Si suddivide l’intervallo dei risultati di misura (MAX-MIN) in m sottointervalli;
- Si indicano con x 1 , x 2, x 3 ……x m gli estremi dei sottointervalli;
- Si conta, per ciascun estremo x i , il numero di misure N i che hanno restituito un risultato di
valore inferiore ad x i ;
- Si riportano i conteggi ottenuti N i in termini relativi al numero di esperimenti N:
 N 
 ni = i  ; (2.12)
 N 
- Si costruisce il grafico n i in funzione di x i ;

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

2.5 Parametri sintetici di una variabile aleatoria.

Abbiamo visto che, attraverso le funzioni di distribuzione e di densità di probabilità, possiamo
quantificare la probabilità che i risultati di una misurazione cadano in una determinata fascia di
valori. Poiché nelle applicazioni pratiche di nostro interesse tali funzioni non sono note a priori, per
poter effettuare analisi statistiche, è necessario pervenire sperimentalmente ad una loro valutazione
empirica.
A tal fine si eseguono N misurazioni ripetute della grandezza x, facendo attenzione ad operare
sempre nelle stesse condizioni. Si indicano con x 1 , x 2 ,…,x N i valori misurati (non necessariamente
distinti) del misurando. Si interpretano le misure ottenute come una variabile aleatoria X definita
dalla (2.14):
X = {x1 , x2 ,..., x N } (2.14)
e, ad essa, si applica la procedura descritta nel precedente paragrafo per valutare le funzioni di
distribuzione e densità di probabilità. A tal fine, si suddivide l’intervallo dei possibili valori assunti
in sottointervalli di ampiezza ∆x e si indicano con N i il numero dei risultati di misura che cadono
nell’i-esimo sottointervallo.
Se il numero N delle misurazioni è sufficientemente elevato, si può affermare che la probabilità
di ottenere risultati di misura in un intervallo di valori di ampiezza ∆x è data dal numero di misure
N i che cadono nell’intervallo stesso diviso il numero totale di misure N. Tale probabilità è, infatti,
uguale alla frequenza relativa. In figura 2.4 si riporta un tipico istogramma delle frequenze relative
ottenuto operando secondo la procedura descritta.
 Si osserva che la distribuzione ottenuta è simmetrica rispetto ad un valore centrale x 0 , intorno al
quale si addensa il maggior numero di risultati; inoltre, più ci si allontana dal valore centrale, più si
riduce la probabilità di ottenere risultati di misura, come risulta dall’area del rettangolo
corrispondente che esprime, infatti, la probabilità che il risultato di misura cada in quell’intervallo.

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.

Varianza e scarto quadratico medio (scarto tipo)

Il valore medio, però, non basta a caratterizzare la campagna di misure dal punto di vista
statistico in quanto non fornisce alcuna informazione sulla dispersione dei risultati ottenuti
sperimentalmente. Quest’ultima indicazione è invece fornita da un altro parametro statistico: lo
scarto quadratico medio o scarto tipo. Per calcolare lo scarto tipo, bisogna prima valutare la
varianza σ x2 usando l’espressione (2.16):

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.

Media sperimentale, varianza sperimentale e scarto tipo sperimentale

La definizione statistica di valor medio, varianza e scarto tipo fa riferimento ad un numero di
osservazioni che sia statisticamente significativo (a rigore per valutare tali parametri il numero di
osservazioni dovrebbe essere infinito). Per rigore scientifico, i parametri sintetici ottenuti sui
risultati ottenuti in misurazioni ripetute (che quindi fanno riferimento ad un numero di osservazioni
necessariamente finito), vengono chiamati media sperimentale, varianza sperimentale e scarto tipo
sperimentale, che, naturalmente, approssimano tanto meglio quelli definiti dalla statistica, quanto
maggiore è il numero di osservazioni sperimentali su cui si basano.
In particolare, per un insieme di n misure ripetute q k di una grandezza q, la stima q della media
sperimentale della popolazione è definita tramite la (2.17)
1 n
q= ∑q
n k =1
(2.17)

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).

Esercizio: Valutazione dell’incertezza di categoria A.

Un operatore effettua le 20 osservazioni sotto riportate q k di un parametro fisico Q. L’unità di
misura è quella propria dello strumento utilizzato ed è qui indicata genericamente con il simbolo u.
q1 20.000015 u q 11 9.999965 u
q2 19.999990 u q 12 19.999995 u
q3 19.999985 u q 13 19.999990 u
q4 19.999990 u q 14 20.000005 u
q5 20.000005 u q 15 20.000000 u
q6 19.999995 u q 16 20.000005 u
q7 19.999995 u q 17 19.999965 u
q8 19.999980 u q 18 19.999965 u
q9 19.999985 u q 19 19.999970 u
q 10 19.999995 u q 20 19.999995 u

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)

Lo scarto tipo sperimentale si valuta usando la relazione (2.19) e fornisce:

1 n
s (qk ) = ∑
2
(q k − q ) = 0.000014u (2.22)
n − 1 k =1

e pertanto l’incertezza tipo di q ,applicando la (2.20), fornisce:

s(q k )
u( q )= = 0.000003 u (2.23)
n
2.8 Valutazione dell’incertezza di categoria B.
Abbiamo visto come si valuta l’incertezza quando si ha a disposizione un insieme di risultati di
misura ottenute da prove ripetute nelle stesse condizioni sperimentali: valutazione dell’incertezza di
categoria A.
Qualora siano già disponibili informazioni relative all’incertezza del sistema di misura (o di una
sua parte), è possibile descrivere il comportamento dello stesso usando un procedimento alternativo
di valutazione dell’incertezza, noto come valutazione dell’incertezza di categoria B.
L’operatore, in questo caso, utilizza le informazioni disponibili per descrivere l’incertezza del
sistema di misura, senza ricorrere a misurazioni ripetute. Le informazioni disponibili possono essere
della natura più disparata: esse possono provenire da dati acquisiti in misurazioni precedenti, da
caratteristiche metrologiche dichiarate dal costruttore degli strumenti di misura utilizzati, da
proprietà note dei materiali, dall’esperienza pregressa dell’operatore e così via.
2.9 Interpretazione delle specifiche strumentali dal manuale di uno strumento di
misura.
Il problema che si pone in questo paragrafo è quello di valutare l’incertezza introdotta
nell’impiego di uno strumento di misura, facendo uso delle specifiche dello strumento riportate nel
suo manuale d’uso (valutazione dell’incertezza di categoria B). Si faccia, ad esempio, riferimento al
multimetro della Hewlett&Packard modello HP 34401A. Il manuale d’uso, fornito a corredo dello
strumento, ne riporta l’incertezza intrinseca per mezzo di apposite tabelle denominate Accuracy
Specifications.
Il multimetro, come dice il suo nome, è uno strumento che consente la misura di varie grandezze
(misure di tensione e corrente in continua, misure di tensione e corrente in alternata, misure di
resistenza, misure di periodo e frequenza di segnali periodici). Come è ovvio immaginare,
l’incertezza di misura introdotta dal multimetro varia al variare del tipo di grandezza che si intende
misurare. Pertanto, il costruttore deve dichiarare il comportamento del multimetro in tutte le
condizioni operative previste. Infatti, nel manuale di utente esistono tante tabelle di Accuracy
Specifications per quante sono le grandezze che lo strumento è in grado di misurare.
Volendo, per esempio, effettuare la misura del valore efficace di una tensione alternata
sinusoidale, si farà riferimento alla tabella riportata in figura 2.5 che, come dichiarato nella prima
colonna, riguarda funzione “Function True RMS AC Voltage”.
 Per valutare l’incertezza di categoria B, bisogna imparare a leggere correttamente questa
tabella.
Per prima cosa, si individuano le condizioni in cui opera il multimetro: la portata (Range), la
frequenza del segnale su cui si esegue la misura (Frequency), il tempo trascorso dall’ultima
calibrazione del multimetro (24 Hour, 90 Day, 1 Year). Si verifica infine se la temperatura a cui si
esegue la misurazione sia interna o esterna alla fascia 23°C ± 5 °C.
Le condizioni operative dello strumento individuano, in tabella, una cella in cui sono contenuti
due coefficienti che definiscono l’incertezza come somma di due aliquote percentuali:
- Percentuale della lettura (% of reading);
- Percentuale del fondo scala (% of range).
La lettura dello strumento, il fondo scala utilizzato e i due coefficienti individuati in tabella
consentono di calcolare le due aliquote dell’incertezza che, sommate tra loro, forniscono la fascia di
incertezza del multimetro espressa nell’unità di misura del misurando (in questo caso volt).
Tale fascia di incertezza, non solo descrive la dispersione delle misure del multimetro qualora si
andassero a ripetere più misurazioni dello stesso misurando, ma tiene anche conto della dispersione
delle misure ottenibili da tutta la popolazione di multimetri HP 34401A usati nelle stesse condizioni
operative. Per chiarire meglio quanto sopra detto, segue un esempio numerico:
Si voglia valutare l’incertezza intrinseca introdotta da un multimetro nella misurazione di una
tensione alternativa di 5 V RMS , frequenza 30 kHz, alla temperatura di 25 °C, con un multimetro HP
34401A la cui calibrazione è stata eseguita da meno di 90 giorni.
Supponiamo di utilizzare la scala avente 10 V come valore di fondo scala. Si individua la cella
definita dalla colonna 90 day e dalla riga Range (1.000000 V to 750.000 V), Frequency (20 kHz -
50 kHz).
I coefficienti ricavati dalla tabella sono 0.11 e 0.05; pertanto la fascia di incertezza u, risulta
essere:
u = ±(5*0.11% +10*0.05%) = ±(0.0055 + 0.0050) ≅ ±0.011 [V] (2.24)
in cui 5V è la tensione letta sul multimetro, 10V è il valore di fondo scala dello strumento.
Se la temperatura a cui si è effettua la prova fosse stata esterna all’intervallo 23°C ± 5°C, le
aliquote di incertezza percentuali ricavate dalla tabella sarebbero state corrette con i coefficienti di
temperatura che, nell’ultima colonna, sono espressi in (coefficiente di correzione)/°C.
La correzione dei coefficienti 0.11 e 0.05 sarebbe, in tale evenienza, stata corretta moltiplicando
i coefficienti di correzione (0.011 e 0.005) per la differenza di temperatura ∆T valutata come:
- temperatura a cui si effettua la prova meno 28 (se la temperatura di prova fosse stata maggiore di
28°C);
- 18 meno temperatura a cui si effettua la prova ( se la temperatura di prova fosse stata minore di
18 °C).
Se per esempio la temperatura di prova fosse stata 15 °C, le aliquote percentuali 0.11 e 0.05
sarebbero state corrette usando i coefficienti di temperatura 0.011 e 0.005 moltiplicati per ∆T = (18-
15) = 3.
x 1 = 0.11 + 0.011* 3 = 0.11 + 0.033 = 0.143 (2.25)
x 2 = 0.05 + 0.005* 3 = 0.05 + 0.015 = 0.065 (2.25)
e quindi ne sarebbe risultata una fascia di incertezza maggiore:
u = ±(5 * 0.143% +10 * 0.065%) = ±(0.0072 + 0.0065) ≅ ±0.014[V] (2.26)
 ATTENZIONE E’ bene notare che, poiché la valutazione dell’incertezza di categoria B non si
basa su misurazioni ripetute, con una misurazione singola non si ha alcuna informazione in merito
alla esistenza di eventi esterni, di natura casuale, che possano indurre nella misura un contributo
aggiuntivo all’incertezza. Pertanto, l’incertezza valutata nell’esercizio precedente, tiene conto solo
del contributo introdotto dal multimetro.
2.10 Valutazione dell’incertezza globale.
Come abbiamo visto, le cause di incertezza in un sistema di misura possono essere svariate e
possono essere valutate in modo differente a seconda che si eseguano misure ripetute (valutazione
di categoria A) o che ci si affidi a conoscenze acquisite in vario modo (valutazione di categoria B).
In una misurazione è anche possibile valutare alcuni contributi di incertezza con misure ripetute ed
altri con valutazioni di categoria B.
L’esprimere, in ogni caso, le incertezze in forma omogenea di scarto tipo, consente di poter
combinare i vari contributi indipendentemente dalle modalità impiegate per valutarli. A tal riguardo,
le norme prescrivono di combinare quadraticamente le incertezze delle varie categorie con una
relazione del tipo:

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:

fattore di grado di Misurando

copertura k fiducia esterno a x 0 ±σ
2 95.4% 4.6%
3 99.7% 0.3%
4 99.994% 0.006%
Quindi, all’aumentare di k, aumenta la probabilità che il valore del misurando sia compreso
nella fascia di valori x ± kσ .
L’interesse per la distribuzione gaussiana deriva dal fatto che i fenomeni aleatori (e.g. rumore)
che affliggono i segnali presentano in genere tale andamento. A conferma di tale asserzione, la
distribuzione gaussiana è anche detta distribuzione normale. La motivazione per cui la distribuzione
normale è così frequente in natura è dimostrabile con il teorema del limite centrale che asserisce
che la somma di numeri random tende ad assumere una distribuzione normale al crescere del
numero degli addendi. Il teorema del limite centrale non richiede né che i numeri random siano
caratterizzati da una particolare distribuzione né che le distribuzioni degli stessi debbano essere
uguali. Da ciò si deduce che un fenomeno casuale prodotto e/o influenzato da un numero
sufficientemente elevato di componenti aleatorie, tende ad assumere una distribuzione di tipo
normale. In applicazione del teorema del limite centrale è possibile realizzare un generatore di
numeri random con distribuzione normale semplicemente sommando i numeri generati dalla
funzione RND (disponibile nella maggior parte dei linguaggi di programmazione) che genera
numeri random con distribuzione uniforme di valore medio 0.5 e deviazione standard 1 12 . La
distribuzione normale così prodotta sommando N numeri random ha valore medio N ⋅ 0.5 e
varianza N 12 .

2.12 Espressione dell’incertezza in valore assoluto o relativo.

L’incertezza associata ad una misura, sia essa di categoria A, di categoria B, incertezza globale
o incertezza estesa, è una quantità che può essere espressa:
- in valore assoluto: in tal caso essa corrisponde alla semiampiezza della fascia di valori in cui
riteniamo cadere il valore del misurando (con assegnata probabilità) ed ha le stesse dimensioni
del misurando;
- in valore relativo: in tal caso essa esprime il rapporto tra l’incertezza assoluta, definita sopra, e il
valore centrale della fascia. Essa è adimensionale e può anche essere espressa in valore
percentuale o in parti per milione;
- in valore relativo ad un valore convenzionale: in tal caso essa esprime il rapporto tra
l’incertezza assoluta e un valore convenzionale che solitamente coincide con il valore di fondo
scala dello strumento.
Per esempio, il risultato della misurazione di una tensione incognita x, può essere espresso nei
seguenti modi:
V x = (2.000 ± 0.006) V (incertezza in valore assoluto)
V x = 2.000 V ± 0.3% (incertezza in valore relativo)
V x = 2.000 V ± 0.2% FS (incertezza relativa al F.S. nella ipotesi di fondo
scala uguale a 3.000 V.
2.13 Le cifre significative
Talvolta il risultato di una misurazione è espresso soltanto mediante un numero, ossia,
apparentemente, senza fornire l’informazione dell’incertezza connessa con la misura. Ciò non è in
contraddizione con le modalità di rappresentazione della misura fin qui discusse a condizione che il
valore numerico riportato sia seguito (esplicitamente o implicitamente) dalla seguente affermazione:
l’incertezza della misura è tale da influenzare al più l’ultima cifra riportata.
In altre parole, può accadere che, invece di riportare esplicitamente il valore dell’incertezza di
misura, si adotti una notazione semplificata in cui nel risultato vengono riportate soltanto le cifre del
risultato che possono essere garantite e che quindi hanno significato; per tale motivo esse vengono
denominate cifre significative. È bene osservare che questo modo di rappresentazione delle misure
consente di specificare soltanto l’ordine di grandezza dell’incertezza di misura, ma non il suo
valore. Si consiglia, però. di riportare sempre esplicitamente il valore l’incertezza valutata e,
comunque, di usare un numero di cifre significative tale da evidenziare il numero di cifre
significative (in modo che l’incertezza influenzi soltanto la cifra meno significativa riportata nel
risultato).

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.

Interpretazione analitica e geometrica della propagazione delle incertezze

Funzioni di singola variabile
Se il legame fra l'incognita y ed il parametro misurato x viene espresso dalla generica funzione
f:
y=f(x)
il valore del misurando y 0 si ottiene calcolando il valore della funzione in corrispondenza del valore
misurato (indicato con il pedice 0) di x:
y0 = f ( x ) x = x0

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

Se, come avviene usualmente,

• la incertezza assoluta ha un valore talmente basso da poter trascurare il contributo dei termini di
ordine secondo e superiore
• il valore della derivata prima della f in x 0 non è nullo
allora si può approssimare l'espressione sopra riportata con la sua forma linearizzata:
df ( x )
∆y = ∆x
da x = x0

Graficamente ciò viene illustrato dalla seguente figura:

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 

2.16 Compatibilità delle misure.

La presenza dell’incertezza rende impossibile parlare di eguaglianza tra due misure. Questo
concetto è sostituito da quello della loro compatibilità. Con riferimento alla Figura 2.8, si verifica
compatibilità tra due o più misure quando le fasce di incertezza ad esse associate, effettuate in tempi
diversi, in luoghi diversi, da persone diverse, con metodi e strumenti diversi, ma nello stesso stato,
cioè nelle stesse condizioni, hanno intersezione non nulla.
 Si noti che il concetto di compatibilità non gode della proprietà transitiva: se a è compatibile con
b e b é compatibile con c, non necessariamente a è compatibile con c. Vengono definite mutuamente
compatibili le misure che hanno almeno un elemento in comune entro tutte le rispettive fasce di
incertezza.
2.17 Scrivere la misura come risultato di una misurazione.
Lo sperimentatore, per presentare correttamente il risultato di una misurazione, deve fornire
almeno le seguenti tre informazioni:
- la stima migliore del valore della grandezza oggetto di misurazione (che abbiamo visto essere
data dalla media sperimentale);
- l’intervallo all’interno del quale si stima sia compreso il predetto valore;
- il livello di fiducia, espresso in termini statistici, che si dà alla seconda informazione.
II livello di fiducia viene solitamente riferito ad un intervallo nel quale il valore “vero” abbia
una certa probabilità di trovarsi; questa probabilità viene solitamente espressa in maniera
percentuale.
Come abbiamo visto, se la distribuzione è normale (o Gaussiana), ad una percentuale di circa il
95% corrisponde una semiampiezza della fascia pari a 2σ, cioè due volte lo scarto quadratico
medio.
L’incertezza estesa, espressa come semilarghezza della fascia, qualunque sia la sua fiducia, che
comunque deve essere espressa, può essere indicata in maniera equivalente sia in senso assoluto, sia
esprimendola, tra parentesi, dopo l’ultima cifra significativa. Viene fornito un esempio esprimendo
nei due modi il valore di una resistenza:
-1
R = (812.8 ± 2*10 ) Ω = 812.8 (2) Ω (2.45)
2.18 Esempi di applicazione della teoria delle incertezze.
Esempio 1
In un circuito elettrico, sono posti in serie i resistori R 1 ed R 2 le cui specifiche, in termini di
valore nominale e tolleranza, sono:
R 1 = 10 kΩ, ∆R 1 % = l % (2.46)
R 2 = 20 kΩ, ∆R 2 % = 0.5 % (2.47)
Calcolare il valore della resistenza equivalente della serie e dell’incertezza espressa in valore
assoluto, relativo e relativo percentuale. Si assuma che le tolleranze esprimono, 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 serie è data dalla somma dei valori delle
singole resistenze:
R EQ = R 1 + R 2 = 30 kΩ (2.48)
Per calcolare l’incertezza composta u y bisogna innanzitutto valutare gli scarti tipo u r1 ed u r2 dei
due resistori, a partire dalle tolleranze percentuali ∆R 1 % e ∆R 2 %:
R1 ⋅ ∆R1 % 10000 ⋅1
u R1 = = = 57.73Ω (2.49)
100 ⋅ 3 100 ⋅ 3
 R2 ⋅ ∆R2 % 20000 ⋅ 0.5
uR2 = = = 57.73Ω (2.50)
100 ⋅ 3 100 ⋅ 3

 ∂ (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)

Soluzione con il metodo deterministico:

La resistenza equivalente R EQ di due resistori posti in serie è data dalla somma dei valori delle
singole resistenze:
R EQ = R 1 + R 2 = 30 kΩ (2.55)
L’incertezza massima, relativa al caso peggiore, dell’uscita ∆y,risulta:
∂ (R1 + R 2 ) ∂ (R1 + R 2 )
∆y = ⋅ ∆R1 + ⋅ ∆R2 = ∆R1 + ∆R2 (2.56)
∂R1 ∂R2
∆y = 10000 * 0.01 + 20000 * 0.005 = 200Ω (2.57)
L’incertezza ∆y r (espressa in valore relativo) è data da:
∆y 200
∆y r = = = 0.0067 (2.58)
REQ 30000

L’incertezza ∆y r% (espressa in valore relativo percentuale) è data da:

∆y r % = ∆y r ⋅100 = 0.67% (2.59)
Confrontando i risultati ottenuti con i due metodi si può verificare che la fascia di incertezza
fornita dal metodo deterministico è più ampia. Ciò è in accordo con quanto affermato prima e cioè
che l’approccio deterministico prende in esame la condizione più sfavorevole.

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)

Soluzione con il metodo deterministico:

La resistenza equivalente R EQ di due resistori posti in parallelo è data dalla relazione:
R1 ⋅ R2 10000 ⋅ 20000
REQ = = = 6666. 6 Ω (2.68)
R1 + R2 10000 + 20000
L’incertezza massima, relativa al caso peggiore, dell’uscita ∆ y risulta essere:

 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.

Definizione delle unità di misura fondamentali.

Lunghezza: Il metro (m) è la lunghezza del tragitto compiuto dalla luce nel vuoto in un
intervallo di tempo di 1/299.792.458 di secondo. Tale definizione vede l’unità di lunghezza come
un’unità dipendente dal tempo. In Italia il metro è attuato mediante i campioni dell’Istituto di
Metrologia Gustavo Colonnetti del CNR, a Torino.
Massa: Il kilogrammo (kg) è la massa del prototipo internazionale, costituito da un cilindro di
platino con altezza uguale al diametro, conservato al Pavillon de Breteuil (Sèvres). In Italia il
campione del kilogrammo è conservato presso il Ministero dell’Industria, del Commercio e
dell’Artigianato (Servizio Metrico), a Roma. Un altro campione è conservato presso l’Istituto di
Metrologia Gustavo Colonnetti del CNR, a Torino.
Tempo: Il secondo (s) è l’intervallo di tempo che contiene 9.192.631.770 periodi della
radiazione corrispondente alla transizione fra i due livelli iperfini dello stato fondamentale
dell’atomo di cesio 133. In Italia il secondo è attuato mediante il campione dell’Istituto
Elettrotecnico Nazionale Galileo Ferraris, a Torino.
Intensità di corrente elettrica:L’ampere (A) è l’intensità di corrente che, mantenuta costante in
due conduttori paralleli rettilinei, di lunghezza infinita, di sezione circolare trascurabile e posti alla
distanza di 1 m l’uno dall’altro nel vuoto, produrrebbe tra i due conduttori la forza di 2 ∗ 10-7 N su
ogni metro di lunghezza. In Italia l’ampere è attuato mediante il campione dell’Istituto
Elettrotecnico Nazionale Galileo Ferraris, a Torino.
Temperatura termodinamica: Il grado kelvin (K) è la frazione 1/273,16 della temperatura
termodinamica del punto triplo dell’acqua. In Italia la scala termodinamica della temperatura è
attuata mediante i campioni dell’Istituto di Metrologia Gustavo Colonnetti del CNR, a Torino.
Quantità di sostanza: La mole (mol) è la quantità di sostanza di un sistema che contiene un
numero di Avogadro di entità elementari (numero di atomi presenti in 0,012 kg di carbonio 12). Le
entità elementari devono essere specificate e possono essere atomi, molecole, ioni, elettroni, ecc.
ovvero gruppi specificati di tali particelle.
Intensità luminosa: La candela (cd) è l’intensità luminosa in una data direzione di una sorgente
che emette una radiazione monocromatica di frequenza 540 ∗ 1012 hertz e la cui intensità energetica
in quella direzione è 1/683 W/sr. Tale grandezza è, in genere, rappresentata da lampade campioni,
alimentate da un valore prefissato di corrente continua. In Italia la candela è attuata mediante il
campione dell’Istituto Elettrotecnico Nazionale Galileo Ferraris, a Torino.

Definizione delle unità di misura supplementari.

Angolo piano: Il radiante (rad) è l’angolo piano al centro di una circonferenza che intercetta su
di essa un arco di lunghezza uguale a quella del raggio.
Angolo solido: Lo steradiante (sr) è l’angolo solido al centro di una sfera che intercetta su di
essa una calotta di area uguale a quella del quadrato di lato uguale al raggio.
3.3 Campioni.
A ciascuna unità di misura del SI è associato un campione. I requisiti fondamentali richiesti ad
un campione sono:
• Stabilità nel tempo: la grandezza realizzata dal campione deve mantenere il più possibile
costante nel tempo il suo valore;
• Riproducibilità: il campione deve essere facilmente realizzabile in laboratorio;
• Non influenzabilità: il campione non deve essere perturbato dall’ambiente circostante;
• Confrontabilità: il campione deve essere facilmente comparabile con grandezze ad esso
omogenee.
I campioni possono essere classificati in:
• naturali, se riferiti ad un fenomeno fisico;
• artificiali, se basati su prototipi che materializzano la relativa grandezza.
La definizione delle unità di misura del sistema SI, spetta alla Conferenza Generale dei Pesi e
Misure (CGPM) il cui organo tecnico, il BIPM (Bureau International de Poids et Mesures) ha il
compito di conservare i campioni materiali delle unità del sistema SI, detti campioni primari, e di
curare il loro confronto con i campioni realizzati presso i vari laboratori metrologici nazionali, detti
campioni secondari.
In Italia, le funzioni di istituti metrologici, sono svolte dall’Istituto Metrologico "G. Colonnetti"
di Torino nel campo della meccanica e della termologia; dall’Istituto Elettrotecnico Nazionale "G.
Ferraris", sempre di Torino, per le misure di tempo, frequenza, per le grandezze elettriche, ottiche
ed acustiche. Infine l’ENEA si occupa delle misure nel campo delle radiazioni ionizzanti.
Questi istituti conservano i campioni nazionali delle varie grandezze e procedono,
periodicamente, al loro confronto con quelle di altre nazioni e del BIPM. Inoltre essi sono di
riferimento, in ambito nazionale, per tutto il settore scientifico ed industriale. Ad esempio, nel
settore della produzione industriale, è importantissimo e, spesso prescritto, il rispetto di Norme
specifiche del bene che si intende produrre. Per garantire tale requisito, le varie fasi della
lavorazione del prodotto devono prevedere apposite operazioni di misurazione a scopo di verifica e
collaudo e, gli strumenti di misura devono essere, a loro volta, controllati periodicamente presso un
istituto metrologico o in appositi centri autorizzati dagli istituti metrologici stessi.
In Italia, tale servizio è chiamato Servizio Italiano di Taratura (SIT) e i centri abilitati a
svolgere tale servizio si chiamano Centri SIT. L’operazione di verifica degli strumenti di misura da
parte dei centri SIT si chiama taratura. L’operazione di taratura intende valutare l’incertezza di
misura intrinseca dello strumento in prova mediante confronto con le indicazioni fornite da uno
strumento campione (di specifiche note e con incertezza di misura trascurabile rispetto a quella
dello strumento da tarare) . A valle di tale operazione, il centro SIT redige un certificato di
calibrazione in cui riporta, per più valori della grandezza di prova, gli scostamenti riscontrati tra le
indicazioni dello strumento da tarare e quelle dello strumento campione. Il certificato di
calibrazione consente di conoscere l’incertezza intrinseca dello strumento tarato e, qualora fossero
stati evidenziati contributi sistematici di incertezza, consente di apportare le opportune correzioni
alle letture dello strumento stesso.
I dati del certificato di taratura saranno tanto più attendibili quanto più recente è stata l’operazione di
taratura e quanto più le condizioni ambientali (temperatura, umidità, ecc.) sono prossime a quelle di
lavoro.

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).

Campione di forza elettromotrice basato sull’effetto Josephson

Una giunzione fra due metalli (niobio e piombo) ottenuta mediante l’interposizione di un
sottilissimo strato di ossido viene portata alla temperatura di pochi gradi kelvin (in ambiente
raffreddato con elio liquido). Con l’ausilio di un generatore ausiliario, si inietta in tale giunzione
una corrente continua.

In assenza di campi elettromagnetici esterni, la caratteristica "tensione/corrente" della giunzione è

quella indicata in blu nel diagramma sotto riportato:
• se l’intensità di corrente è, in modulo, inferiore al valore di soglia I c ,non si rileva alcuna
differenza di potenziale fra gli elettrodi di piombo e niobio,
• se l’intensità di corrente supera I c , sulla giunzione si instaura una caduta di potenziale pari a V g ,
• se si aumenta ulteriormente l’intensità di corrente, il dispositivo presenta un comportamento di
tipo resistivo.

Se in tali condizioni si fa incidere sulla giunzione un’onda elettromagnetica, la caratteristica

"tensione/corrente" si modifica ed assume l’andamento pressoché lineare disegnato in rosso. Se,
però, si studia più dettaglio tale andamento, espandendo la scala, si nota che in tale andamento sono
presenti dei tratti a tensione costante. La tensione ∆V che individua la distanza tali tratti è
proporzionale alla frequenza dell'onda incidente sulla giunzione e la costante di proporzionalità è
esprimibile attraverso costanti universali (la costante di Planck h e la carica dell'elettrone e). In
particolare, la tensione di Josephson V j corrispondente all' n-esimo tratto della caratteristica risulta
espressa dalla seguente relazione:
h
Vj = n f
2e
definendo la costante di Josephson K j :
2e
Kj =
h
si ottiene:
n
Vj = f
Kj
Dall’analisi dimensionale della precedente relazione si ricava che la costante di Josephson ha
dimensioni [Hz/V]. Il valore di K j , stimato nel 1990, è indicato con il simbolo K j90 :
K j90 = 483.597,9 GHz/V
Dalla caratteristica tensione/corrente, contando i tratti a tensione costante, è possibile misurare la
differenza di potenziale ai capi della giunzione per via indiretta, misurando la frequenza dell'onda
incidente. Poiché le misure di frequenza sono basate sull'uso di campioni di tempo, notoriamente
affetti da incertezze molto ridotte, la determinazione della f.e.m. è praticamente affetta dalla sola
incertezza con cui si conosce il valore della costante di Josephson.

Campione di resistenza basato sull’effetto Hall quantistico

Una lamina di materiale semiconduttore, dello spessore S di pochi nm, è mantenuta alla temperatura
termodinamica di circa 4 gradi kelvin.

Se si sottopone la superficie di tale semiconduttore ad un campo di induzione magnetica B (di

valore superiore a 10 T) e si inietta tra due facce laterali una corrente di intensità I nota, si riscontra
fra le rimanenti due facce la nascita di una tensione E H (tensione di Hall) che assume valori definiti
dalle costanti universali di Planck h e della carica dell’elettrone e tramite la formula:
h
EH = 2 I
ne
Da tale espressione si deduce che la tensione di Hall è quantizzata nel senso che può assumere
valori in corrispondenza dell’intero n. In particolare, ponendo:
h
RK = 2
e
si ricava che la tensione di Hall E H per n=1:
EH = RK I
in cui R K , valore della costante di proporzionalità in corrispondenza dello stato quantico n=1, è
detta costante di Von Klitzing. Come si nota, la costante di Von Klitzing è dimensionalmente
omogenea ad una resistenza in quanto coefficiente di proporzionalità fra una corrente ed una
tensione elettrica. Nel 1990 il valore della costante di Von Klitzing è stato assunto pari a R K90 =
25.812,807 ohm
Campione di capacità basato sulla realizzazione del condensatore calcolabile

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.

I campioni di riferimento nazionali

Sfruttare i soli campioni delle u.d.m. fondamentali per ricavare quelli di tutte le u.d.m. derivate
mediante le leggi di coordinamento richiede delle competenze ed uno sforzo tale che a questa
soluzione, pur se rigorosa, viene usualmente preferita quella che vede l'uso di un numero ridotto,
ma comunque ridondante, di campioni: in Italia si è scelto di realizzare 25 campioni. La tabella
seguente riporta l'elenco di tali campioni nazionali, il nominativo dell'Istituto responsabile della sua
conservazione, la incertezza relativa.
Istituto Incertezza relativa associata
Grandezza U.d.m. Simbolo
responsabile al valore o al campo di valori
Lunghezza metro m IMGC ± 3,4·10-10 a 1 m
Massa kilogrammo kg IMGC ± 8·10-9 a 1 kg
Tempo secondo s IEN ± 3·10-13 per tempi maggiori di 105 s
Intensità di corrente
ampere A IEN ± 1,5·10-6 da 100 µA a 1 A
elettrica
Temperatura kelvin K IMGC da ± 0,1 mK a ± 3,4 K (assoluta) da
 termodinamica 24,6 K a 2500 K
Intensità luminosa candela cd IEN ± 5·10-3 da 100 cd a 500 cd
Unità derivate
Angolo piano radiante rad IMGC ± 0,24 µrad (assoluta)
Massa volumica kilogrammo al metro -3
kg·m IMGC ± 7·10-7 a 2330 kg·m-3
(densità) cubo
Kilogrammo al
Portata in massa kg·s-1 IMGC ± 4·10-4 da 0,2 kg·s-1 a 5 kg·s-1
secondo
Forza newton N IMGC ± 2,5·10-5 da 2 N a 100 kN
da ± 5·10-6 a ± 5·10-4 da 100 Pa a 1
Pressione pascal Pa IMGC
GPa
Pressione sonora pascal Pa IEN ± 6·10-3 da 0,3 Pa a 1 Pa
± 2·10-6 da 1 V a 10 V e da 100 µA a
Potenza elettrica watt W IEN
1A
Tensione elettrica volt V IEN ± 5·10-7 da 1 V a 10 V
Intensità di -1
volt al metro V·m IEN ± 1,5·10-3 da 10 V/m a 60 kV/m
campo elettrico
Resistenza elettrica ohm IEN ± 3·10-7 da 1 a 10 k
Capacità elettrica farad F IEN ± 5·10-7 da 10 pF a 1 nF
Flusso di induzione
weber Wb IEN ± 1,5·10-3 da 1 µWb a 10 mWb
magnetica
Induzione magnetica tesla T IEN ± 3·10-3 da 1 mT a 25 mT
Induttanza henry H IEN ± 2·10-5 da 1 mH a 1 H
Flusso luminoso lumen lm IEN ± 6·10-3 da 2000 lm a 3000 lm
Attività (dei da ± 1·10-3 a ± 3·10-2 da 1 kBq a 20
becquerel Bq ENEA
radionuclidi) kBq
Dose assorbita gray Gy ENEA ± 5·10-3da 0,1 Gy a 30 Gy in grafite
Densità di flusso di neutroni al secondo al -1 -2
s ·m ENEA ± 3,7·10-3 per neutroni veloci
neutroni metro quadrato
da ± 5·10-3 a ± 1·10-2da 3·10-7 Gy·kg-1
Esposizione gray al kilogrammo Gy·kg-1 ENEA
a 0,4 Gy·kg-1

3.4 Normalizzazione internazionale e nazionale.

Possiamo dedurre, da quanto visto, che esiste un certo numero di raccomandazioni e di Norme a
cui bisogna attenersi scrupolosamente quando si opera nel settore delle misure. Tali Norme hanno
per oggetto i campioni di misura, le apparecchiature di misura e i metodi di misura. A tale
normalizzazione provvedono appositi organi nazionali ed internazionali. In campo elettrico, l’Ente
preposto alla normalizzazione internazionale è la Commissione Elettrotecnica Internazionale
(addetta alla pubblicazione delle Norme IEC) e, in sede nazionale, opera il Comitato Elettrotecnico
Italiano (addetto alla pubblicazione delle Norme CEI).
Le Norme IEC costituiscono norme generali, in materia di definizioni, modalità di prova, criteri
di collaudo, ecc, che formano la base delle norme nazionali. Alcune Norme CEI, di interesse
produttivo, sono trasferite a leggi di Stato. La rispondenza degli strumenti alle norme nazionali è, in
genere, indicata con un apposito contrassegno (marchio CEI).
E’ utile ricordare che le unità di misura elettriche, i cui nomi derivano da quelli di grandi fisici
del passato (e.g. Ampere, Joule, Volta, Henry, etc.), quando sono indicate per esteso, vanno usate
con l’iniziale minuscola e sono indeclinabili (e.g. in inglese non prendono la s al plurale).
Appendice.
Prefisso Prefisso
Multipli Sottomultipli
Nome Simbolo Nome Simbolo

1024 yotta Y 10-1 deci d

1021 zetta Z 10-2 centi c
1018 exa E
1015 peta P 10-3 milli m
10-6 micro µ
1012 tera T 10-9 nano n
109 giga G 10-12 pico p
106 mega M
103 kilo k 10-15 femto f
10-18 atto a
102 etto h 10-21 zepto z
101 deca D 10-24 yocto y

Tabella 3.2 – Prefissi usati per multipli e sottomultipli delle unità di misura nel SI

GRANDEZZA UNITA’ DI MISURA SIMBOLO

Resistenza Ohm Ω
Tensione Volt V
Potenza Watt W
Flusso Weber Wb
Induzione magnetica Tesla T
Induttanza Henry H
Quantità di carica Coulomb C
Capacità Farad F
Conduttanza Siemens S
Tabella 3.3 – Unità di misura elettriche derivate nel SI

COSTANTE FONDAMENTALE SIMBOLO VALORE Unità SI

Velocità della luce nel vuoto c 299792458 m s-1
Permeabilità del vuoto µ0 4 π 10-7 N A-2
C2 N-1 m-
Permittività del vuoto ε0 8.85418782 x 1012 2
-34
Costante di Plank H 6.626075 x 10 J Hz-1
Costante di Boltzmann K 1.380658 x 10-23 J K-1
Carica dell’elettrone e 1.6021773 x 10-19 C
Costante di Avogadro NA 6.0220943 x 10-23 mol-1
Tabella 3.4 – Costanti fisiche fondamentali