Fondamenti della Misurazione

Incertezza di misura

A.A. 2015/16
 Mezzi per garantire la riferibilità
• Un unico sistema di unità di misura (SI)

• Regole per rendere disponibili campioni

riferibili all’unico SI

• Metodi per la stima dell’incertezza

• Regole di scrittura dei risultati di misura

 Misurando e grandezze d’influenza
• In generale il misurando dipende da una serie di altre
grandezze
Y = f(X1, …, XN)
• La corrispondente relazione fra misure sarà:
y = f(x1,…, xN)+δ
• Grandezze di influenza = grandezze coinvolte nel
processo di misurazione che sono:
– diverse dal misurando
– la cui variazione altera in modo apprezzabile il
risultato della misurazione
 Scarti ed errori casuali
• Gli errori casuali sono errori, dovuti generalmente a varie
cause che agiscono contemporaneamente, che si presentano
in modo diverso fra una misurazione e la successiva.
• Nel Vocabolario Internazionale di Metrologia (VIM) sono
definiti come la differenza del risultato di una misurazione
meno la media che risulterebbe da un numero infinito di
misurazioni dello stesso misurando effettuate sotto condizioni
di ripetibilità.
• Volendo evitare le difficoltà concettuali insite nel termine
“errore”, tali variazioni aleatorie verranno chiamate effetti
casuali.
 Scarti ed errori sistematici
• Gli errori sistematici sono scostamenti dovuti a effetti
che si riproducono costantemente e in modo sempre
uguale durante il processo di misurazione.
• Nel VIM sono definiti come il valor medio che
risulterebbe da un numero infinito di misurazioni
dello stesso misurando, effettuate sotto condizioni di
ripetibilità, meno un valore vero del misurando.
• Le variazioni delle grandezze d’influenza che
producono errori sistematici nella misurazione
verranno d’ora innanzi chiamate effetti sistematici o
polarizzazioni (bias).
 Correzioni
• L’effetto di alcuni scostamenti è però modellabile
– conoscenze sul comportamento dei sistemi che
intervengono nella misurazione
– conoscenza dell’effetto delle grandezze di
influenza
• Per questi scostamenti si può correggere il risultato
sulla base del modello (se la componente di errore è
significativa)
– Esempio: “errori” di consumo degli strumenti
(carico strumentale)
 Correzioni

vogliamo sapere quanto tempo impiega un sasso per

giungere sul fondo di un pozzo in cui non possiamo
scendere

misuriamo l’intervallo di tempo tra l’istante in cui

lasciamo cadere il sasso e l’istante in cui sentiamo il
rumore del sasso che tocca il fondo.

L’intervallo misurato è in realtà quello che il

sasso impiega per cadere più quello
impiegato dal suono per giungere dal
fondo fino a noi.
 Correzioni
Nella misura dell’intervallo di tempo, c’è quindi un errore...

sistematico per eccesso

può essere eliminato?

stimando il tempo impiegato dal suono per

risalire il pozzo e correggendo il risultato
sottraendo ad esso la correzione così
calcolata.

Usando strumenti migliori e applicando al meglio le correzioni si possono ridurre,

ma non eliminare del tutto gli errori sistematici.
Non si può mai essere sicuri che una misura sia priva di errori sistematici perché
possono esservi effetti e perturbazioni che non conosciamo.
 Incertezza di misura
• Elaborando opportunamente i dati sperimentali
disponibili, (cioè le letture) si formulano i risultati in
termini di probabilità, fornendo una stima o
previsione del valore vero.
• Per esprimere questa dispersione di valori si
introduce l’incertezza, che può essere interpretata
come la fascia entro cui sono contenuti i valori del
misurando con una data probabilità.
• L’incertezza è un parametro, valutato con procedure
convenzionali, che esprime il nostro grado di non
conoscenza del misurando
 Incertezza e GUM
• JCGM 100 “Guide to the expression of uncertainty in
measurement” (GUM) (in Italia UNI CEI ENV 13005: Guida
all’espressione dell’incertezza di misura), fornisce le linee
guida da usare per valutare l’incertezza del risultato di
qualsiasi processo di misurazione.
• La parola "incertezza" significa dubbio, e pertanto "incertezza
di misura", nella sua accezione più ampia, significa dubbio
circa la validità del risultato di una misurazione (GUM).
• Incertezza di misura (GUM e VIM): parametro non negativo
che caratterizza la dispersione dei valori che sono attribuiti a
un misurando, sulla base delle informazioni utilizzate.
 Incertezza obiettivo
• Quanto più piccola deve essere l’incertezza
risultante, tanto più costosa è la misura!

• Incertezza obiettivo (VIM): incertezza di misura

specificata in forma di limite superiore e stabilita
sulla base dell’utilizzo previsto dei risultati di misura
 Incertezza di misura – modellazione

• 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
• 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, si può 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.
 Incertezza di misura – modellazione
• Per popolazione si intende la totalità dei valori che può
assumere la variabile aleatoria “misurando”,
• Si parla di campione quando le informazioni raccolte siano
relative soltanto ad una parte, un sottoinsieme, della
popolazione.
 I risultati dello studio dei gruppi (dati campionari),
non coincidono normalmente né tra loro, né con
quelli che si otterrebbero su tutta la popolazione;
 opportunamente elaborati con criteri statistici,
permettono di fare stime o previsioni dei dati
relativi a tutta la popolazione.
 Incertezza di misura – modellazione
• Si definisce l'intervallo y ± u (u - iniziale di uncertainty) al
quale bisogna associare la probabilità che il valore vero
convenzionale si trovi in questo intervallo (livello di
confidenza) e questa probabilità non è del 100% perché
consideriamo un parametro di dispersione del campione che
non garantisce più questa probabilità.

• Da ciò si deduce che è necessario determinare la funzione

densità di probabilità o, in altre parole, bisogna determinare
la natura statistica della popolazione.
 Incertezza di misura – modellazione
• Valore assoluto: semiampiezza della fascia di
valore centrata intorno al risultato della
misurazione = u
• Valore relativo: incertezza assoluta/risultato
della misurazione = u/y o (u/y)*100
• Valore ridotto: incertezza assoluta/valore
convenzionale = u/yFS o (u/yFS )*100
Spesso yFS è il valore di fondoscala (o portata)
dello strumento di misura
 Incertezza di misura – modellazione
• Secondo il modello statistico più largamente utilizzato, data
una popolazione di misure, la probabilità raggiungere il valore
atteso è più elevata in prossimità di esso che non altrove.
• La funzione di densità di probabilità di trovare il valore atteso
descrive un andamento gaussiano o normale.

( X − X )2
−
1 2σ 2
p( X ) = e
σ 2π
− ∞ < X < +∞
 Incertezza di misura – modellazione
• Per una popolazione distribuita secondo la legge gaussiana: il
valore più probabile o valore atteso è la media statistica µ:
+∞

µ=
−∞
∫ p(x)xdx
• la dispersione dei valori intorno alla media viene indicata con
la deviazione standard (o scarto quadratico medio) σ:
+∞
σ2 = ∫
−∞
p( x)( x − µ ) 2 dx

σ = σ2
Incertezza di misura – livello di fiducia
• La probabilità (livello di fiducia o livello di confidenza) che il
valore assunto dal misurando si trovi all’interno di un certo
intervallo di dispersione (intervallo di confidenza) si ottiene
integrando la funzione densità di probabilità fra gli estremi
dell’intervallo, quindi dipende dall’ampiezza dell’intervallo.
 Incertezza di misura – in pratica?

• Non si dispone dell’intera popolazione

• Non si possono calcolare gli integrali su
intervalli infiniti
• Non si è nemmeno certi che la
distribuzione della popolazione sia
gaussiana
Valutazione dell’incertezza, categorie A e B

• Nella GUM viene proposto di suddividere le componenti

dell’incertezza in due categorie, indicate dalle lettere A e
B, sulla base del metodo usato per stimare il loro valore:

• A. componenti il cui valore viene valutato applicando metodi

statistici ai dati di misura;

• B. componenti il cui valore viene valutato con metodi non

statistici, di norma basati su informazioni disponibili a priori
(precedenti dati di misura, specifiche della strumentazione,
certificati di taratura, esperienze e conoscenze pregresse, …).
 Valutazione dell’incertezza, categoria A
• La valutazione di categoria A prevede che le grandezze Xi che
influiscono sulla misura Y siano stimate applicando un qualche
metodo statistico ad osservazioni ripetute in condizioni di
ripetibilità (nelle stesse condizioni sperimentali).
• Disponendo di n osservazioni statisticamente indipendenti
della grandezza Xi (indicate con xi,k, k = 1, …, n), in molti casi la
miglior stima del valore atteso di Xi è data dalla media
aritmetica sperimentale, o media campionaria.

1
n
Xi =
n ∑x
k =1
i,k
Valutazione dell’incertezza, categoria A

In assenza di effetti sistematici la media statistica della popolazione coincide

con il valore incognito del misurando
 Valutazione dell’incertezza, categoria A

• Le singole osservazioni differiscono fra loro in modo casuale e

una misura della dispersione di tali valori intorno al valore
atteso è data dalla varianza sperimentale o varianza
campionaria.
1
n
2
s( X i ) = ∑
n − 1 k =1
( xi , k − X i ) 2

• La radice quadrata positiva indicata con s(Xi), è detta scarto

tipo sperimentale per la grandezza Xi.
 Media campionaria
• Il teorema centrale del limite afferma che la somma (o la
media) di un grande numero di variabili aleatorie
indipendenti ed identicamente distribuite (i.i.d.) è
approssimativamente normale indipendentemente dalla
distribuzione.
• Se la numerosità di un campione è sufficientemente grande
allora la distribuzione della media di n variabili aleatorie
i.i.d. è approssimativamente normale.
• Quindi la media del campione diventa nota (distrib.
normale) anche se non sappiamo nulla della forma della
distribuzione della popolazione.
 Riassunto
• I risultati di una misurazione sono aleatori
• Calcolo delle probabilità e inferenza statistica per
modellare l’incertezza
• Partire da campioni di dimensione finita
• La media aritmetica del campione è un ‘buon’
stimatore (stimatore corretto) del valore atteso
• La media del campione tende a comportarsi come
una gaussiana (ipotesi del teor. centrale)
• La gaussiana può essere caratterizzata usando solo μ
eσ
• Come stimo σ della distribuzione della media?
 Valutazione dell’incertezza, categoria A
• Prendendo come miglior stima della grandezza Xi la
media sperimentale delle n osservazioni, la varianza
della media sarà data da:
2
s (Xi ) =
s 2
( Xi )
n
• Lo scarto tipo sperimentale della media, detto
anche incertezza tipo di categoria A, sarà:
s( X i )
u ( X i ) = s( X i ) =
n

Dopo aver eliminato le polarizzazioni!

Incertezza di tipo A: esempio semplificato
 Incertezza di tipo A: considerazioni

• La valutazione dell’incertezza di tipo A richiede un

numero elevato di esperimenti statisticamente
indipendenti
• Un numero di esperimenti tale da garantire
ragionevolmente soddisfatta l’ipotesi di gaussianità
della media (in assenza di polarizzazioni) è 30
• Utilizzare lo scarto tipo sperimentale per stimare la
dispersione dei risultati intorno alla media avendo un
campione poco numeroso (n < 20-30) ed in assenza
di analisi statistiche su campione e popolazione è
errato.
 Incertezza di categoria B

• L’incertezza di tipo B viene valutata ricorrendo

a mezzi diversi rispetto a quelli statistici basati
su misure ripetute:
– dati di misurazioni precedenti;
– esperienza o conoscenza del comportamento e delle
proprietà dei materiali e degli strumenti usati;
– specifiche tecniche del costruttore;
– dati forniti in certificati di taratura o altro;
– incertezze assegnate a valori di riferimento presi da
manuali.
 Valutazione dell’incertezza di categoria B
• Si utilizzano distribuzioni di probabilità stabilite sulla base di:
• Analisi teorica del processo
• Conoscenze sperimentali delle caratteristiche e del
comportamento della strumentazione
• Specifiche tecniche di fabbrica
• Specifiche di taratura
• Ipotesi conservative
• In primo luogo si stimano i limiti della dispersione delle
misure (scarto massimo)
• In seguito si assume una certa distribuzione di probabilità
• Infine si calcola uno scarto tipo (così è omogenea
all’incertezza di categoria A)
 Valutazione dell’incertezza di tipo B

• Quando non è permesso fare alcuna stima diretta o ipotesi

ragionevole sulla distribuzione delle misurazioni ma si dispone
soltanto dello scarto massimo si utilizza il modello di variabile
aleatoria uniforme.
• L’ampiezza dello scarto massimo è fissata ipotizzando che il
misurando si trovi al suo interno con una probabilità del 100%

 1

p( X ) =  xi max − xi min
(xi min < X < xi max )
 0 ( X < xi min , xi max < X)
xi min xi + σ xi xi + σ xi max
 Valutazione dell’incertezza di tipo B

• In termini statistici per tale distribuzione si adotta

come valore della stima di Xi il valore medio
dell’intervallo (ximin, ximax)
xi max + xi min
xi = µ =
2

• e come stima dell’incertezza sul valore medio la

quantità
2
xi max − xi min xi max − xi min
u ( xi ) = u ( xi ) = σ =
2
=
12 2 3
Alternative: distribuzione uniforme

xi max − xi min
a=
2

u ( xi ) =
a
3
Alternative: distribuzione normale

xi max − xi min
a=
2

u ( xi ) = σ =
a
2
Alternative: distribuzione triangolare

xi max − xi min
a=
2

u ( xi ) =
a
6
 Alternative: distribuzione sinusoidale

 1
 (− a < X < a )
p( X ) = π a 2 − x 2
 0 ( X < − a, a < X )

u ( xi ) =
a
2
 Incertezza di tipo B: interpretazione

Esempio 1: specifiche del costruttore 3σ = 240 μg

Sottintesa distribuzione normale uB(xi) = σ = 80 μg

Esempio 2: limiti del tipo (ximin, ximax)

xi max − xi min
Sottintesa distribuzione uniforme u B (xi ) =
2 3
 Esempio: strumentazione di misura

• In questo caso è il produttore ad effettuare un’analisi statistica

su alcuni strumenti prima della vendita, redigendo delle
tabelle indicative caso per caso.
• Il manuale d’uso del multimetro Hewlett-Packard HP 34401A
riporta l’incertezza che lo strumento manifesta sulle varie
tipologie di misurazione mediante tabelle dette: Accuracy
Specifications
• L’aliquota percentuale di incertezza dipende oltre che dalla
scala utilizzata anche dalle condizioni di esercizio dello
strumento (tempo trascorso dall’ultima taratura, temperatura
alla quale è stata effettuata la misura).
Esempio: misura di tensione ac
 Esempio: misura di tensione ac
• Ad esempio se vogliamo effettuare una misura di una tensione
AC a 5 VRMS e 30 kHz alla temperatura ambiente di 23°C con uno
strumento tarato da meno di 90 giorni, dobbiamo:
• Individuare la scala di funzionamento 1.000.000 V to 750.000 V,
fascia 20-50 kHz, colonna 90 Day a 23 +/- 5°C.
 Esempio: misura di tensione ac
• Dalla tabella si ricavano i valori di 0,11+0,05 ovvero:
– Incertezza sulla lettura w = 0,11 5 = 0,0055V
100
R

– Incertezza sul fondo scala (usando come fondo scala 10 V)

0,05
wS = 10 = 0,0050 V
100
• Per cui l’incertezza complessiva di tipo B su una lettura di 5V
sarà: 5 10
w = 0,11 + 0,05 = 0,0105V
100 100
xi min = 5,0000 − 0,0105 = 4 ,9895V
xi max = 5,0000 + 0,0105 = 5,0105V
u ( xi ) = 0,006V
 Effetto della temperatura
• Se la temperatura a cui è stata fatta la misura fosse stata
differente dalla normale fascia di utilizzo deve essere aggiunto un
ulteriore coefficiente di correzione.
• Per lo strumento in analisi il normale campo di temperatura è 18 -
28°C.
• Ipotizzando Tutilizzo=15°C si userà il valore inferiore della
temperatura normale per Tnorm=18°C (28°C se Tutilizzo>Tnorm).

• Il gradiente di temperatura sarà: ∆T = |18-15|°C = 3°C

• In generale ∆T = Tnorm − Tutilizzo

• I coefficienti correttivi saranno: ∆wRT = ∆T ⋅ 0,011 = 0,033%
∆wST = ∆T ⋅ 0,005 = 0,015%
• e l’incertezza complessiva su una lettura di 5V a 15°C sarà:
5 10
w = (0,11 + 0,033) + (0,05 + 0,015) = 0,014 V
100 100
xi min = 5,0000 − 0,0105 = 4 ,986V
xi max = 5,0000 + 0,0105 = 5,014 V
u ( xi ) = 0,008 V
 Incertezza composta ed estesa
• L’incertezza composta si ottiene tenendo conto delle
diverse componenti di tipo A e B in media quadratica

u c (xi ) = u A (xi ) + u B1 (xi ) + ... + u Bm (xi )

2 2 2

• L’incertezza estesa si ottiene allargando la fascia di

valore fino ad ottenere un determinato livello di
confidenza
U (xi ) = ku c (xi )

• Il moltiplicatore k utilizzato si definisce fattore di

copertura
Distribuzioni e fattore di copertura
• Distrib. normale

• Distrib. uniforme
 Tolleranza ed incertezza

• E’ necessario individuare l’incertezza obiettivo che minimizza

la somma dei costi del sistema di misura e dei costi derivanti
dall’avere risultati nella zona di ambiguità
 Costi dell’incertezza

• costi derivanti dal dichiarare conformi pezzi non conformi

(rischio di accettare un pezzo non conforme);
• costi derivanti dal dichiarare non conformi pezzi conformi
(rischio di scartare un pezzo conforme).