Sei sulla pagina 1di 25

ELEMENTI DI TEORIA DELLA MISURAZIONE 1. CONSIDERAZIONI GENERALI in merito non consolidata o perch si vogliono verificare alcune nuove ipotesi).

. In questo caso si opera direttamente sul sistema e quindi si perviene a caratterizzarne leffettivo comportamento reale. Nei problemi pi complessi di misurazione, comunque sempre necessaria la considerazione di ambedue gli approcci. La convalida di una legge fisica viene generalmente effettuata dal fisico, il quale determina anche, allinterno di un sistema di unit di misura, i valori delle costanti fondamentali. Il compito dellingegnere pi frequentemente invece quello di ricavare, mediante misurazioni, i valori delle costanti sperimentali che sono necessarie per la corretta esecuzione di un progetto, come ad esempio la densit, la conducibilit elettrica, i coefficienti di dilatazione o di temperatura, la resistenza termica ed il potere fonoassorbente di un particolare materiale. La conoscenza e descrizione quantitativa delle grandezze dinteresse del fenomeno in esame, inserita in un modello prefissato, consente spesso di prevederne il comportamento, in condizioni in genere anche diverse da quelle osservate. L'ingegnere impegnato in attivit di progettazione, di realizzazione o di collaudo di una apparecchiatura o di una struttura, solitamente spinto dalle prime due motivazioni. La terza motivazione invece pi vicina all'ingegnere che opera in un laboratorio di ricerca. Lapproccio dellingegnere comunque quello di chi deve considerare le misure anche sotto laspetto legale, analizzando spesso anche laspetto teorico dei fenomeni in esame. Per lingegnere la misura ha essenzialmente fini pratici. Egli deve identificare un modello del processo in esame, adeguato al livello dincertezza richiesto, e deve eseguire la misurazione riducendo al minimo gli investimenti, sia in termini di tempo che di soldi. 1.2. Il costo delle misurazioni. In una societ industriale come la nostra lesecuzione delle misurazioni influenza ogni attivit ed a livelli spesso insospettabili. Ad esempio anche in un prodotto naturale come l'uovo, l'incidenza sul prezzo finale delle varie misurazioni che vengono attuate del 6%. Questa incidenza sale al 15-20 % per il cruscotto di una autovettura e supera il 50 % per un aereo militare. Per una nazione industrializzata come l'Italia, due stime indipendenti sull'incidenza del sistema delle misurazioni sul costo di un prodotto hanno indicato rispettivamente i valori di 4-6 % e di 5-7 % del prodotto industriale lordo. Dato che l'ordine di grandezza di detto prodotto dell'ordine di 3x1015 lire annue, assumendo per l'incidenza delle misure un valore medio del 5%, ne consegue che 1x1014 lire, ossia 100.000 miliardi, sono spesi per fare misurazioni, comprendendo in tale cifra il costo della strumentazione e del personale impegnato in tali attivit.

1.1. Perch si esegue una misurazione. La scienza della misurazione ha una notevole rilevanza nei diversi settori del mondo della ricerca, della tecnica e delleconomia. Tre sono i motivi fondamentali che ci spingono ad eseguire una misurazione. Determinazione quantitativa di una qualsiasi propriet di un oggetto, quale ad esempio la resistenza di un dispositivo, la tensione di una batteria, lintensit di un campo magnetico. Queste operazioni, che potrebbero sembrare banali, sono invece complesse sia a livello teorico, che sperimentale, a causa dei numerosi problemi di cui bisogna tener conto e che saranno considerati nel seguito. Da notare che spesso il risultato di una misurazione ha anche dei risvolti legali. Al risultato di una misurazione fa spesso riferimento il legislatore emanando alcune leggi, come pure il perito chiamato dal giudice che deve dirimere controversie legali, il tecnico interessato alla verifica delle specifiche di alcuni prodotti, per motivi commerciali (es. controllo della qualit). Controllo di un processo o dello stato di funzionamento di un dispositivo. Con la misurazione si determina il valore di una grandezza, utilizzata come ingresso del sistema di reazione che controlla un certo processo. Ad esempio il termostato dello scaldabagno domestico misura la temperatura dell'acqua, confronta questo valore con una temperatura prefissata e regola l'energia fornita al dispositivo. In alcuni ricevitori televisivi un sensore misura l'illuminazione dell'ambiente per poter regolare la luminosit dell'immagine. I moderni sistemi industriali di produzione o di trasporto utilizzano complessi sistemi di supervisione e controllo, che richiedono la misurazione di diverse grandezze. Ricerca e convalida di una legge fisica e dei valori delle costanti sperimentali. La verifica della legge che governa un certo fenomeno fisico richiede spesso delle misurazioni. In questo ambito, possono essere distinti due approcci operativi, un primo teorico ed un secondo sperimentale. Lapproccio teorico si basa sulla conoscenza a priori di un modello matematico del sistema misurato, che consente di predirne il comportamento e di applicare tecniche di misurazione indirette. Bisogna comunque tener conto del fatto che per ridurre la complessit del modello quasi sempre necessario fare ipotesi riduttive ed operare semplificazioni. I risultati forniti dellanalisi teorica sono comunque generalmente diversi dal comportamento reale e dipendono fortemente dalla bont del modello adottato. Lapproccio sperimentale, invece, non richiede un modello matematico (perch la conoscenza teorica

Cap_1_Fondamenti della Mi 1/25

1.3. Definizione di misura e misurazione. Il concetto di misura nasce dalla necessit di poter confrontare gli attributi di due diversi corpi o fenomeni fisici, come ad esempio il confronto tra la lunghezza di due oggetti. Nelleseguire tale confronto bisogna per tener conto che la considerazione delle sole relazioni di uguaglianza e disuguaglianza consente si di comparare due grandezze, ma non consente per la determinazione di una misura vera e propria, che nasce invece considerando relazioni di proporzionalit e di componibilit: ad esempio loggetto A ha una lunghezza doppia di quella di B. Deve essere cio possibile associare alla grandezza in esame (misurando), un numero (misura) che consenta di esprimere le relazioni tra grandezze omogenee mediante le relazioni tra i numeri associati. Dato un insieme di grandezze omogenee, il numero 1 viene associato come misura ad una di esse, che pu essere scelta anche ad arbitrio e che rappresenta lunit di misura per quella grandezza. La misura di una grandezza esprime quindi il rapporto tra la grandezza considerata e la corrispondente unit di misura. Il processo attraverso cui si determina il valore del misurando si chiama misurazione. Prima di affrontare lo studio degli strumenti e dei metodi utilizzati per eseguire la misurazione delle diverse grandezze, con particolare riferimento a quelle elettromagnetiche, sembrato opportuno premettere alcune considerazioni di carattere generale sul perch si eseguono le misurazioni e sullentit economica che tali operazioni implicano. 1.4. Indicazione del misurazione. risultato di una

Come esempi si possono indicare la resistenza elettrica di un dato conduttore o la durata di un impulso. Il termine specie di grandezza si utilizza per indicare linsieme delle grandezze valutabili con lo stesso metodo di misurazione o con metodi di misurazione omologhi. Grandezze della stessa specie si dicono omogenee e possono essere valutate in base alla stessa unit di misura. Lessere valutate usando unit di misura aventi lo stesso nome o dotate delle stesse dimensioni non per condizione sufficiente a che le grandezze siano della stessa specie. Considerando il modo di esprimere e collegare i valori assunti dalle grandezze, esse possono essere classificate in diversi tipi. Grandezze razionali. Sono grandezze i cui valori sono espressi da numeri razionali. Grandezze numeriche (o numerali). Sono grandezze concernenti la misurazione di oggetti o eventi individuati singolarmente, i cui valori sono espressi da numeri interi positivi. Lunit di misura il singolo oggetto o evento. Come esempio si pu citare il numero di abitanti di una certa regione. Da notare che il numero di abitanti per chilometro quadrato invece una grandezza razionale. Grandezze complesse. Sono grandezze il cui valore espresso mediante un insieme ordinato di numeri relativi, presupponendo un sistema di riferimento. I singoli elementi dellinsieme si dicono componenti. Lintero insieme costituisce, in senso generalizzato, un numero complesso. Come esempi si possono citare tutte le grandezze vettoriali o tensoriali. 1.6. Misurabilit di una grandezza. La definizione di misura non ha applicazione immediata a tutte le grandezze, le quali possono essere distinte in pi gruppi. Grandezze direttamente misurabili, per le quali si pu definire e realizzare fisicamente una operazione di somma ed applicare il concetto di rapporto con una grandezza di riferimento. Grandezze indirettamente misurabili, per le quali il valore della misura viene ottenuto a partire dalla misurazione di altre grandezze, legate a quella dinteresse da una legge fisica (es. misura della resistivit di un materiale a partire dal valore della resistenza e delle dimensioni geometriche del campione in esame). Grandezze classificabili alle quali si possono applicare uguaglianze e disuguaglianze, ma non possono essere eseguiti rapporti (es. temperatura 1 , durezza). Anche a queste viene associato un numero, considerando scale convenzionali, estendendo il concetto di misura precedentemente illustrato. In pratica si sceglie un insieme di grandezze fisiche
1 La temperatura una grandezza intensiva, contrariamente alle altre grandezze fondamentali, che sono estensive. Ad essa non applicabile loperazione di somma: portando a contatto due corpi posti a 70 C, la temperatura del sistema sempre di 70 C e non di 140 C. Quindi la temperatura non misurabile verificando direttamente quante volte in essa contenuto un intervallo di temperatura campione.

Il solo numero rappresentante la misura di una grandezza non pu da solo esaurire l'intero contenuto informativo deducibile dal procedimento di misurazione, ma indispensabile associare ad esso altre informazioni, quali: l'indicazione del misurando, che consente di specificare il tipo di modello rappresentativo del fenomeno o grandezza in esame che si adottato: ad es. se si assume come misurando il diametro di un pistone, si vuole indicare che per la grandezza in esame il modello adottato quello di un cilindro retto, descrivibile con la sola misura del diametro; l'unit di misura adottata, essenziale per comprendere il valore assunto dal misurando; lincertezza della misura, che consente di valutare il grado di indeterminazione con cui stato valutato il misurando. Possono poi essere aggiunte altre informazioni relative ad esempio alle condizioni ambientali o, in generale, a tutte le grandezze dinfluenza, al momento della prova. 1.5. Tipi di grandezza. Il termine grandezza viene usato per indicare ogni quantit, propriet, condizione usata per descrivere fenomeni e valutabile in termini di unit di misura.

Cap_1_Fondamenti della Mi 2/25

(G1, G2,.... Gn ) che rappresentano una scala di valori, associando ad esse un numero progressivo (P1, P2,.... Pn ). La grandezza da misurare viene confrontata con il principio delluguaglianza e disuguaglianza rispetto alla scala, in modo da determinare il valore Pi cui pi prossima. Alcune grandezze diventano misurabili considerando le loro variazioni ad intervalli (es. salti di temperatura). 1.7. Metodi di misurazione. Lesecuzione di una misurazione comporta diverse fasi: la prima fase quella dellimpostazione teorica, che richiede una conoscenza preventiva del fenomeno in esame, e che consente di determinare il principio di misurazione da adottare; il principio scelto viene quindi tradotto in una sequenza logica di operazioni (metodo di misurazione) ed eventualmente anche in una descrizione dettagliata delle operazioni da eseguire (procedura); segue infine la realizzazione sperimentale del metodo, utilizzando strumentazione opportunamente scelta ed assemblata. I metodi di misurazione possono essere classificati in diversi modi. Considerando come viene determinato il valore delle grandezze si hanno i seguenti metodi: misurazione col metodo diretto: la misura della grandezza ottenuta direttamente, senza misurare altre grandezze ad essa legate (con eccezione delle grandezze dinfluenza e di eventuali campioni utilizzati); es. misurazione di una tensione direttamente con un voltmetro; misurazione col metodo indiretto: la misura della grandezza ottenuta a partire dalla misurazione diretta di altre grandezze che sono legate ad essa mediante relazioni funzionali; es. misurazione indiretta di una resistenza, a partire dai valori ottenuti con la misurazione diretta della tensione e della corrente e dalla legge di Ohm. Se invece si considera il modo in cui avviene la misurazione si ha: misurazione fondamentale: in cui il valore misurato ottenuto dalla misurazione di una delle grandezze fondamentali del Sistema di Unit di Misura (es. massa, lunghezza, tempo,..); misurazione con il metodo del confronto: la misura ottenuta mediante confronto con una grandezza della stessa specie e di valore noto; ci sono diversi metodi di confronto: metodo differenziale: si esegue un confronto tra la grandezza in esame ed una grandezza della stessa specie e di valore prossimo ad essa e si determina solo la differenza tra le due; metodo di sostituzione: la grandezza in esame viene sostituita nel circuito di misura da una grandezza della stessa specie e dello stesso valore e viene verificato che lo strumento dia la stessa indicazione;

metodo di zero: la misurazione si esegue bilanciando una grandezza mediante la variazione di una o pi grandezze di valore noto, legate alla prima mediante relazioni matematiche note. La condizione di bilanciamento visualizzata dall'indicazione di zero di un appropriato strumento (es. bilanciamento dei ponti per la misurazione di resistenze o di impedenze, tecniche potenziometriche per la misurazione di tensioni). I metodi di misurazione sono anche classificati come: a lettura singola: la misura viene ottenuta effettuando ununica misurazione. a lettura ripetuta: la misura viene ottenuta effettuando unanalisi statistica sulla distribuzione dei dati ottenuti ripetendo la misurazione in condizioni nominalmente uguali.

1.8. Strumento per misurazione. Uno strumento per misurazione (o di misura) pu essere rappresentato mediante lo schema a blocchi di Fig.1-1.
Misurando Dispositivo di confronto

Visualizzatore

Campione di grandezza omogenea con il misurando

Fig.1-1 - Schema a blocchi funzionale di uno strumento per misurazione.

Da questa possiamo vedere che il misurando viene messo a confronto con una grandezza, ad esso omogenea, ottenuta tramite un campione di riferimento. Il risultato di questo confronto viene restituito tramite un visualizzatore. In Fig.1.2 invece rappresentato uno strumento, o meglio un sistema di misura, pi sofisticato, costituito da: un blocco che provvede alla misurazione di uno o pi misurandi; un blocco che provvede alla misurazione delle grandezze di influenza, allo scopo di eseguire correzioni per compensarne gli effetti; un sistema di gestione che provvede al controllo di tutte le fasi di misurazione ed al colloquio con loperatore, tramite una opportuna interfaccia. Va precisato che linterazione tra il sistema misurato, lo strumento e lambiente che si instaura per generare il segnale di misura, comporta degli scambi energetici che possono alterare sia lo stato del sistema misurato che quello dello strumento. Un cambiamento dello stato del sistema misurato potrebbe modificare il valore del misurando, anche se essa in alcuni casi pu essere valutata considerando il carico dello strumento e le caratteristiche del sistema misurato. Dal punto di vista della utilizzazione, uno strumento per misurazione caratterizzato dalle seguenti grandezze, riportate nel manuale duso ed a volte anche esternamente allo strumento stesso:

Cap_1_Fondamenti della Mi 3/25

natura del misurando; campo di misura (portata): lintervallo comprendente tutti i valori delle misure che lo strumento pu assegnare; precisione dello strumento; consumo: caratterizza il carico dello strumento e quindi linfluenza che esso ha sul circuito di misura in cui inserito; limiti di impiego: definiscono il campo di valori delle grandezze dinfluenza entro cui lo strumento pu operare conservando le sue prestazioni. Superati tali limiti lo strumento innanzitutto perde le sue caratteristiche di precisione, inoltre potrebbe essere anche permanentemente danneggiato. Come esempi si possono citare: i limiti di temperatura, la massima tensione di alimentazione, il massimo sovraccarico.
Grandezze di influenza Sistema di misura ausiliario Misurando Sistema di misura principale Sistema di gestione generale Sistema di colloquio con l'operatore

Fig.1-2 - Schema a blocchi di un sistema di misura.

Cap_1_Fondamenti della Mi 4/25

2.

QUALIT DI UNA MISURA

2.1. Incertezze di misura. Il misuratore deve confrontarsi continuamente con le problematiche del mondo reale: il sistema misurato, le grandezze ambientali esterne, gli strumenti utilizzati ed il suo stesso intervento potrebbero disturbare, anche sensibilmente, il processo di misurazione. In particolare come esempi si possono citare alcune delle cause che potrebbero alterare il risultato di una misurazione: 1. la banda passante dello strumento utilizzato non infinita e ci potrebbe introdurre una distorsione del segnale effettivamente misurato; 2. limpedenza di ingresso dello strumento non infinita e quindi esso potrebbe rappresentare un carico aggiuntivo per la sorgente del segnale in esame, tale da alterarne le condizioni di funzionamento; 3. la sonda utilizzata per addurre il segnale allo strumento non perfettamente compatibile con le caratteristiche dello strumento stesso; 4. lo strumento o alcuni dei dispositivi di misura usati sono al di fuori del campo di taratura; 5. la manopola di selezione della portata dello strumento si spostata sul suo asse indicando una scala diversa da quella effettiva; 6. loperatore commette un errore sistematico nella lettura di uno strumento analogico; 7. la temperatura ambiente variata, facendo spostare la posizione dello zero di uno strumento o variare la frequenza di funzionamento di un oscillatore; 8. la tensione di alimentazione dello strumento o del circuito di misurazione non costante; 9. lo strumento di tipo numerico e pertanto presente un errore di quantizzazione; 10. l'operatore stanco e di tanto in tanto commette un errore nel trascrivere una lettura; 11. i componenti dello stadio di ingresso dello strumento usato sono affetti da rumore; 12. la schermatura dei cavi non ben curata e si opera nei dintorni di un tubo fluorescente acceso, che emette disturbi elettromagnetici; 13. la resistenza di ingresso del circuito di misura di valore elevata e connette punti caldi del circuito. Nellelenco sono state riportate delle cause che potrebbero introdurre incertezza sul risultato della misurazione, ma molte altre potrebbero essere facilmente individuate. Alcuni effetti, come quelli prodotti dalle prime sei cause dell'elenco, possono essere valutati ed, entro certi limiti, ridotti mediante opportune correzioni. Altri, come quello prodotto dalla quinta, possono essere eliminati con opportune verifiche. Gli effetti causati dalle successive quattro cause possono essere eliminati, o ridotti, con opportuni provvedimenti; ad esempio, in riferimento agli esempi citati, usando un termostato, condizionando l'ambiente o operando entro una camera schermata. Altri infine, come quelli dovuti alle ultime cinque cause, possono essere stimati per via statistica,

ammesso che esista un modello delle perturbazioni introdotte e che sia possibile ripetere la misurazione pi volte. Scopo di questo capitolo quello di fornire una guida su come trattare questi tipi di incertezze, come esprimerle e combinarle e di fornire la nomenclatura e le notazioni da utilizzare. 2.2. Classificazione degli incertezze. errori e delle

Obiettivo di una misurazione, secondo la metrologia tradizionale, la determinazione del valore vero del misurando. Per valore vero, o valore ideale, si intende quel risultato ideale che si potrebbe ottenere mediante una misurazione perfetta. La deviazione della misura dal valore vero viene indicata come errore di misura. Gli errori sono generalmente classificati in: grossolani, sistematici e casuali. Errori grossolani: sono gli errori dovuti all'operatore, ad errate manovre o errata scelta degli strumenti, a banali errori di calcolo. Possono essere eliminati facendo ripetere la misura da un altro operatore o utilizzando altri strumenti. Errori sistematici: sono praticamente costanti in ampiezza e segno quando la misurazione della stessa grandezza viene ripetuta nelle stesse condizioni. In teoria essi possono essere compensati, anche se in pratica o bisogna conoscere il meccanismo che li genera, oppure bisogna rilevarli mediante un altro metodo di misura pi preciso. Come esempi di errori sistematici possiamo citare: gli errori di zero o di offset negli strumenti (ad es. un voltmetro indica una tensione costantemente inferiore di 1 mV a quella vera); lerrore di scala o di guadagno (ad es. errore nel valore di resistenza di un partitore di tensione in un voltmetro); lerrore di metodo dovuto alla mancata considerazione di tutte le grandezze note che influenzano la misura (ad es. non considerazione dell'effetto di carico di un voltmetro sul circuito cui applicato). Errori casuali: non si ripetono con la stessa ampiezza e segno in misurazioni ripetute nelle stesse condizioni. Sono dovuti al rumore sovrapposto al segnale, all'influenza delle grandezze ambientali, agli errori di arrotondamento (o di quantizzazione) risultanti dalla lettura di strumenti analogici (o digitali). Non possono essere corretti. Pu essere per ripetuta pi volte la misura (almeno 20), applicando metodi statistici per ottenere una approssimazione (stima) del valore vero della grandezza. Gli errori possono essere espressi come: errore assoluto:

(y) = yM - yV

(2-1)

Cap_1_Fondamenti della Mi 5/25

dove yM rappresenta il valore misurato ed yV quello vero; espresso nella stessa unit di misura del misurando 2 ; errore relativo:

(y) = (y) / yV
espresso anche in percento:

(2-2)

(y) = ((y) / yV) 100 %


o in parti per milione:

(2-3)

(y) = ((y) / yV) 106 p.p.m.

(2-4)

Lerrore relativo un numero adimensionale. Per semplificarne la determinazione, possibile utilizzare il valore misurato anzich quello vero, essendo i due valori assai prossimi (a meno dellerrore assoluto che si cerca di rendere il pi piccolo possibile). Quando le cause derrore sono note e lerrore pu essere determinato in ampiezza e segno, pu essere definita la correzione C(y) mediante la quale ottenere dal valore misurato il valore vero: yV = yM + C(y) (2-5) dove: C(y) = - (y) . Quando lerrore non pu essere determinato in ampiezza e segno, ma possono esserne definiti i limiti massimi di variazione, pu essere determinata una fascia di incertezza: yM - (y) yV yM + (y) yV = yM (y) (2-6)

Anche per lincertezza, come per lerrore, si usa spesso la rappresentazioni in modalit assoluta o relativa. necessario precisare che il concetto del valore vero, adottato dalla metrologia classica, frutto della cultura scientifica dellottocento, che riteneva il misurando dotato di uno specifico valore, teoricamente misurabile con lapprossimazione voluta. Secondo tali concetti, la componente sistematica dellerrore pu essere valutata e corretta tenendo conto di tutte le grandezze dinfluenza. La componente casuale viene invece analizzata e ridotta mediante tecniche statistiche: a partire dalle misure si identifica un modello statistico del sistema, da cui si ricava la stima migliore del misurando e dellincertezza, usando metodi ottimizzati per quel modello (teoria della stima). La misura finale rappresentata dalla stima migliore. A tali concetti hanno fatto riferimento per molto tempo i misuristi tanto da poterli ritenere come quelli pi diffusamente illustrati su molti libri del settore, anche di recente pubblicazione. Per questo motivo ad essi fanno ancora riferimento molti operatori e studiosi operanti nellambito della misurazione. La metrologia moderna mette in discussione leffettiva definibilit del misurando. Infatti spesso proprio lincertezza nella stabilit o nella definibilit del misurando il maggior limite allincertezza della misura.
2 Se il risultato di una misura V =222 V ed il valore vero M VV=220 V, lerrore assoluto vale: (V)= VM - VV = 222-220 = 2 V e lerrore relativo: (V)= (V) / VV 100 = 2 / 220 100 2%.

In tal senso si parla spesso di una incertezza intrinseca del misurando ed anche della sua variazione nel tempo 3 . In generale, non potendo descrivere completamente il misurando se non con un numero teoricamente infinito di informazioni, lincompleta definizione del misurando conduce ad una incertezza sulla misura che potrebbe essere o no significativa, a seconda dei casi. Poich ogni misurazione affetta da errori, anche quando tutte le componenti di errore siano state valutate e le relative correzioni introdotte, rimane ancora un dubbio sulla correttezza del risultato della misurazione, sul fatto cio che la misura rappresenti effettivamente la grandezza in esame 4 . Si conclude quindi che il valore vero di una grandezza non potr mai essere determinato, ma quello che sar ottenuto sar una sua stima, il valore pi probabile 5 . In generale il risultato di una misurazione solo una approssimazione o stima del valore del misurando ed esso completo solo quando accompagnato da una indicazione della qualit di tale stima. Senza tale indicazione, non possibile confrontare i risultati delle misure n tra loro n con i valori di riferimento. La grandezza generalmente utilizzata come indice di qualit del processo di misurazione lincertezza della misura. Il concetto di incertezza stato introdotto recentemente, anche se nella metrologia gli errori e l'analisi degli errori sono applicati da lungo tempo. Essa in un certo senso l'espressione di quanto non noto sull'errore e non deve essere confusa con quest'ultimo. In effetti il termine errore da molti considerato come superfluo e non pi applicabile, perch una volta che si valutato lerrore, questo pu essere corretto e quindi quello che rimane solo lincertezza 6 .
3 Nessuna grandezza pu essere misurata con una incertezza piccola a piacere, poich lincertezza della misura non dipende solo dal metodo usato, ma anche dalla definizione stessa del misurando. Esempio tipico la misura del diametro di un cilindro che, se misurato con uno strumento con piccola incertezza strumentale, potrebbe dar luogo a misure non compatibili tra loro, a seconda del punto lungo lasse del cilindro in cui si effettua la misurazione, a causa delle tolleranze di lavorazione e delle dilatazioni termiche. In questo caso si deve concludere che loggetto non un cilindro e non pu essere descritto in termini di un solo diametro. Se tuttavia il diametro lo si misura con uno strumento la cui incertezza non sia inferiore ad una certa soglia, le misure risultano tra loro ancora compatibili. Tale soglia rappresenta lincertezza intrinseca del misurando e pu essere determinata eseguendo misurazioni sempre di maggior livello qualitativo. Pu essere anche definita a priori, nel caso in esame a partire dal coefficiente di dilatazione lineare del materiale, dalle precisioni di lavorazione meccanica e dallincertezza nella determinazione della temperatura. 4 Alcune delle causa dincertezza in una misurazione sono: incompleta definizione del misurando; imperfetta realizzazione della definizione del misurando; conoscenza non adeguata delle variabili ambientali e dei loro effetti sul processo di misurazione; risoluzione degli strumenti impiegati; errori sui campioni; approssimazioni ed ipotesi relative al metodo adottato; variazioni del misurando durante lesecuzione di misure ripetute, in condizioni apparentemente identiche. 5 Alternativamente al termine valore vero, spesso si fa anche riferimento ad altri termini, quali valore convenzionalmente vero e valore accettato standard, tutti sconsigliati anche dalla normativa, non essendo possibile definirli operativamente. 6 I due termini errore ed incertezza, anche se spesso usati indifferentemente, si riferiscono in realt a due concetti

Cap_1_Fondamenti della Mi 6/25

In questo ambito possono essere fatte tre importanti osservazioni: solo le definizioni hanno incertezza nulla; l'incertezza introdotta da una misurazione non pu essere ridotta a piacimento: esistono dei limiti sia economici che fisici a questo processo; in numerosi casi le prestazioni della strumentazione e dei campioni sono esuberanti rispetto al requisiti necessari per la misura e quindi i compiti e le responsabilit dello sperimentatore risultano alleggeriti. Quando si esegue una misurazione necessario analizzare le cause d'errore che possono influenzarne il risultato, allo scopo sia di cercare di ridurne gli effetti che di determinare lincertezza con cui stato ottenuto il risultato finale. La riduzione dell'incertezza ha rilevante importanza in diversi settori: settore scientifico: consente la riduzione progressiva dell'incertezza del valore di alcune costanti fisiche fondamentali, e quindi una conoscenza pi approfondita dei fenomeni naturali (es. velocit della luce nel vuoto co = 1 / 0 0 = 299792 458 m / s ); settore tecnico: consente la realizzazione di applicazioni industriali pi evolute; settore economico: consente il miglioramento dei rapporti commerciali. Bisogna comunque tener conto che la qualit di una misura ha un costo: pi bassa l'incertezza e pi alto il costo. Non detto per che quando si esegue una misurazione debba essere adottato il criterio di ottenere la minor incertezza possibile, potrebbe essere adottato il criterio di eseguire la misurazione al minor costo possibile (es. misurazioni per la ricerca di un guasto in un impianto elettrico). In generale bisogna eseguire una misurazione con l'incertezza strettamente necessaria, senza cercare di ridurla di troppo, poich ci significherebbe sprecare risorse ed aumentare i costi. Anche la classica classificazione delle componenti derrore e dincertezza come sistematiche e random, a seconda della causa che le ha generate, viene fortemente messa in discussione. Secondo questa classificazione sono random le componenti che diminuiscono allaumentare del numero n di misurazioni e sistematiche quelle che non diminuiscono allaumentare di n. Infatti, ad esempio, una componente random dincertezza in una misurazione pu diventare una componente sistematica in unaltra che utilizza la prima come dato dingresso. Come altro esempio si

possono citare errori sistematici che possono modificarsi da una misura allaltra per effetto delle grandezze dinfluenza, assumendo propriet statistiche generalmente diverse da quelle di tipici errori casuali. La tendenza attuale quella di classificare i metodi di valutazione delle componenti dellincertezza piuttosto che le componenti stesse. A tale proposito in un paragrafo successivo sar introdotta la classificazione delle incertezze in tipo A e tipo B, come attualmente prescritto a livello normativo. Lapproccio classico mantiene comunque la sua validit quando lincertezza strumentale di origine casuale costituisce il limite maggiore alla misura, anche se laumento delle prestazioni della nuova strumentazione e luso di nuove tecniche di misura, anche basate sullelaborazione numerica, hanno fatto considerare come superato questo approccio. Come esempio si pu considerare la caratterizzazione metrologica di un certo dispositivo, eseguita per confronto con un campione di riferimento. Se lincertezza del campione e del dispositivo di comparazione si possono ritenere trascurabili, lo scopo della misura pu essere visto come quella di determinare lerrore del dispositivo in prova, essendo le incertezze talmente piccole da poterle trascurare. 2.3. Grandezze derivate e propagazione degli errori e delle incertezze. Il misurando viene frequentemente ricavato mediante un procedimento analitico a partire dalle misure di altre grandezze fisiche, ottenute mediante misurazioni separate, ognuna delle quali affetta da una propria incertezza. In questi casi sorge spontanea la necessit di determinare lincertezza della grandezza derivata, o meglio di determinare con quale legge le incertezze sulle singole grandezze si propagano nel determinare lincertezza risultante. Nel seguito si riportano alcune relazioni che consentono la valutazione dellincertezza della grandezza derivata. In considerazione di quanto illustrato al paragrafo precedente, va precisato che le stesse relazioni sono anche applicabili per la valutazione dellerrore della grandezza derivata, sostituendo le incertezze sulle singole grandezze con i corrispondenti errori. Ci assume una notevole rilevanza nella valutazione della propagazione degli errori sistematici per determinare cio in che modo essi modificano il risultato finale. Per semplicit viene qui adottato un modello deterministico che ha una sua validit in casi semplici e con un ridotto numero di cause di incertezza. Ove invece queste due condizioni non si verificassero o si dovesse emettere un certificato di misura avente valore legale, la Guida UNI-CEI prescrive ladozione di un modello statistico per tutte le operazioni di valutazione delle incertezze. Per questi casi si rinvia pertanto alla Guida citata. Inoltre, sempre per semplicit, si ammette che le singole cause di errore o le singole componenti dellincertezza, siano tutte indipendenti tra di loro. Per determinare il valore dellincertezza con cui si misura una grandezza derivata, si pu far riferimento ad un metodo semplificato di linearizzazione della

sostanzialmente diversi tra loro. Entrambi indicano che una data misura non coincide con il valore vero del misurando. La differenza tra la misura ed il valore vero del misurando costituisce lerrore, che pu essere quindi determinato solo dopo che stato stimato il valore vero. Fatta questa stima lerrore pu essere corretto. Con incertezza si intende lentit di ci che rimasto incerto, che non si riusciti a conoscere sul valore vero o sullentit degli errori commessi. Poich, come si precedentemente accennato, il valore vero di una grandezza non pu essere determinato con assoluta certezza, ma solo stimato a meno di una incertezza, gli errori non possono essere corretti meglio delle incertezze.

Cap_1_Fondamenti della Mi 7/25

funzione nellintorno del punto di misura, esprimendo le incertezze assolute come differenziali. Sia il misurando y dato dalla funzione: y = f (x1, x2, .... xn) che pu essere scritta in forma differenziale
dy =

( y )2 =

2 2 f f (( x ))2 + ( x1 ))2 + .... + ( n x1 xn

(2-7)
7:

f f f dx1 + dx2 + ... dx . x1 x2 xn n

(2-8)

Questa formula rappresenta lespansione di f nella serie di Taylor nellintorno del punto (x1, x2, .... xn), tralasciando le derivate di ordine superiore 8 . Pu essere anche interpretata come la relazione che lega lincertezza dy con cui si determina il misurando y alle incertezze dx1, dx2, .. dxn, con cui sono state determinate le grandezze x1, x2, .. xn, quando esse sono sufficientemente piccole e possono essere considerate come infinitesimi rispetto alle rispettive grandezze:

f f f f ( x1 )( x2 ) + ... + ( xi )( x j ) + ... + xi x j x1 x2 (2-11) A causa della natura random delle incertezze (xi), esiste una eguale probabilit che esse siano positive o negative. Inoltre i termini compresi nella seconda parentesi graffa sono trascurabili rispetto a quelli compresi nella prima. Si ottiene quindi 10 :

( y ) =
n

2 f 2 (( ))2 + .... + f (( ))2 = x1 xn xn x1 2

x1=dx1, x2=dx2,.... xn=dxn .


Lincertezza risultante quindi data da:

f (( ))2 = xi i =1 x i
(2-12) Nel determinare quindi come i singoli errori ed incertezze si propagano al risultato finale, bisogna tener conto delle seguenti osservazioni: quando si considera la propagazione degli errori, le grandezze dxi sono grandezze deterministiche, di valore e segno ben determinati; in questo caso lerrore risultante dato dalla (2-9); quando si considera la propagazione delle incertezze, le grandezze dxi sono grandezze statistiche; in questo caso la (2-9) non applicabile e lincertezza risultante data dalla (2-12), in cui le incertezze si sommano quadraticamente. Esempi

( y ) =

f f f ( x1 ) + ( x2 ) + ... ( xn ) . (2-9) x1 x2 xn

Nella (2-9) i diversi termini vanno sommati algebricamente considerando sia il segno della derivata parziale che quello dellincertezza (xn). Il caso peggiore si verifica quando le incertezze hanno tutte lo stesso segno, per cui bisogna considerare la somma di tutti i termini, secondo la seguente formula:

( y ) max =

f f f ( xn ) ( x2 ) + ... ( x1 ) + xn x2 x1
(2-10)

Va precisato che lincertezza data dalla (2-10) non rappresenta lincertezza pi probabile: generalmente le singole componenti non assumono sempre il valore massimo e comunque i segni non sono sempre tali da avere il caso peggiore. Essa rappresenta un valore che non impossibile che si possa verificare 9 . Nella (2-10) sono presenti i valori assoluti, la cui determinazione comporta delle complicazioni quando eseguita con un calcolatore. Pu essere ottenuta una espressione pi semplice elevando entrambi i membri al quadrato:

Somma
y = x1 + x2 y x1 = x1 x1 y = y x2 = x2 x2 Errori

y = x1 + x2

y x1+ x2
x1 + x2 =

y = x12 + x2 2

y
y

x12 + x2 2
( x1 + x2 ) 2

Incertezze

7 Questa formula pu essere ottenuta partendo da unaltra considerazione: data la (2-7), se x1, x2, ..xn sono variabili indipendenti, per piccole variazioni di x1, x2, ..xn dal valore medio, indicate con dx1, dx2, ..dxn la variazione risultante di y dal suo valore medio data dalla (2-8). 8Sono state omesse perch infinitesimi di ordine superiore. Nel caso in cui la f sia non lineare, questa ipotesi non pi valida e quindi bisogna considerare anche le derivate di ordine superiore. 9Le f / x sono le derivate parziali della (2-7). Queste grandezze, i dette coefficienti di sensibilit, rappresentano come la misura di y cambia al variare delle misure delle grandezze xi : a piccole variazioni xi, corrispondono variazioni (y)i= f / xi xi .

(2-13) L'errore assoluto y la somma degli errori assoluti degli addendi. L'errore relativo y/y la somma degli errori assoluti degli addendi, divisa per y. Lincertezza assoluta y si ottiene sommando quadraticamente le incertezze.

10 La relazione (2-10) si applica nel caso in cui le incertezze delle grandezze misurate in modo diretto siano scorrelate. In caso contrario lincertezza risultante potrebbe essere diversa (maggiore o minore), ma comunque sempre inferiore al valore ottenuto con la (2-10).

Cap_1_Fondamenti della Mi 8/25

Differenza
y = x1 x2 y x1 = x1 x1 y = y x2 = x2 x2 Errori + x2
2

Elevamento a potenza
y = x

y = x1 x2

y x1 x2
x1 x2 =

y = x 1x y = x 1x

y
y

x
x

Errori

(2-17)

y = x12 + x2 2

y
y

x12

( x1 x2 ) 2

Incertezze

(2-14) Nella differenza tra due grandezze, lerrore assoluto del risultato pari alla differenza degli errori tra minuendo e sottraendo. Lincertezza assoluta si ottiene sommando quadraticamente le incertezze. Lerrore (incertezza) relativo lerrore (incertezza) assoluta divisa per il valore y (il resto). Esso aumenta tanto pi quanto pi piccola la differenza. Si presti attenzione al fatto che ricavare una grandezza per sottrazione una prassi cui ricorrere unicamente in caso di necessit, nel senso che gli errori relativi assumono valori rilevanti non appena diminuisce il valore della differenza. Tuttavia, ci sono molti casi in cui viene sfruttata la compensazione degli errori al fine di ridurre o eliminare errori sistematici (metodi differenziali).

x = Incertezze y x Nell'elevamento a potenza, l'errore (o incertezza) relativo viene moltiplicato per la potenza.
1 y x j = j x j j xi i x j x j i j

Prodotto di potenze
y = xi i
i

y
y

= i
i

xi
xi

Errori Incertezze

(2-18)

y
y

= i
i

xi
xi

Nel prodotto di potenze, si sommano gli errori (incertezze) relativi, ognuno moltiplicato per il corrispondente esponente.

Rapporto

y=

Prodotto per costante y = x y x y = x = Errori y x

x1 x2

x y x1 = 1 x1 x2

x y x2 = 12 x2 x2 x2 Errori
2 2

y =
(2-15)

x1 x1 x2 x2 x2 2
2

x y x1 = 2 y x1 x2
2

y = x

= Incertezze y x Nel prodotto per costante, l'errore assoluto viene moltiplicato per il valore della costante. Lerrore relativo invece si conserva.
y x1 = x 2 x1 x1 y x 2 = x1x 2 x 2 Errori
2 2

x x y = 1 + 12 x2 2 x 2 x2

x x y = 1 + 2 x x y 1 2 Incertezze

Prodotto
y = x1 x 2

y = x 2 x1 + x1x 2 y =

y x1 x 2 = + y x1 x2 y = y

(2-19) Nel quoziente tra due grandezze l'errore relativo pari alla differenza tra gli errori relativi di dividendo e di divisore. Lincertezza relativa si ottiene sommando quadraticamente le incertezze relative. Il rapporto tra due grandezze pu essere determinato con un errore inferiore a quello con cui si determinano le singole grandezze.

x1 x 2 x + x 1 2 Incertezze (2-16) Nel prodotto tra pi grandezze, lerrore relativo della grandezza derivata la somma degli errori relativi delle singole grandezze. Lincertezza relativa si ottiene invece sommando quadraticamente le incertezze relative. x 2 2 x12 + x12 x 2 2

I casi pi comuni sono sintetizzati nella Tab.2-1.

Cap_1_Fondamenti della Mi 9/25

Tab. 2-1 Errori in alcune misurazioni indirette Funzione Errore assoluto y Errore relativo y/y Incertezza assoluta y
x1 2 + x 2 2 + x 3 2 + ....

Incertezza relativa y/y


x12 + x2 2 + x3 2 + ....
x1 + x2 + x3 + ....

y= f ( x1,x2 ,..,xn )

x1 + x2 + x3 + .... x1 x2 x3 .... x1 x 2 x3 .... x1 x 2 x3 .... x a xb xc ....

x1 + x 2 + x3 + .... x1 - x 2 - x3 - .... x1 x2 x3 .... + x1x2 x3 ... + x1 x2 x3 .. + ....


x2 x3 .... x x .... x1 + 1 3 x2 + ... xa xb xc .... xa xb xc ....

x1 + x2 + x3 + ....
x1 + x2 + x3 + ....

x1 - x2 - x3 - ....
x1 x2 x3 ....
x1
x1 +

x1 2 + x 2 2 + x 3 2 + ....

x1 2 + x 2 2 + x3 2 + ....
x1 x 2 x3 ....

x 2
x2

x3
x3

+ ...

y = x1 2 x 2 2 x 3 2 ... + x 2 2 x1 2 x 3 2 ... +

x x = 1 + 2 x x y 1 2
2

+ ...
2

x1
x1

x2
x2

x3
x3

+ ... ....

x 2 2 x 3 2 .... x a x b x c .... +
2 2 2

x1 2 +

x1 2 x 3 2 .... x a x b x c ....
2 2 2

x 2 2 + ... xb 2

y
y

x
x sin(x) cos(x) tg(x)

x1 x2 x3 ....
2 xa xb xc ....

xa -

x1 x2 x3 ....
2 xa xb xc ....

xb ...

xa
xa

xb
xb
x/x

xc
xc

x1 2 x 2 2 x 3 2 .... x a 4 xb 2 x c 2 ....

x a 2 -

x1 2 x 2 2 x 3 2 .... x a 2 x b 4 x c 2 ....

x1 x 2 x + x + ... 1 2 x a x a x + b x b
2

+ ...

x x-1x
cos(x) x -sin(x) x
1

|x|

x x

!x/x!

x/x
cot(x) x -tg(x) x 2 x sin 2 x

|x-1x|
|cos(x) x| |sin(x) x|
1

| x/x|
|cot(x) x| |tg(x) x|
2 x sin2 x

cos
cot(x)

x x

cos
1

x x
x x

sin

x x

2 x sin 2 x

sin

2 x sin 2 x

Cap_1_Fondamenti della Mi 10/25

3. ANALISI STATISTICA. Come precedentemente affermato, per effetto delle diverse cause dincertezza l'applicazione ripetuta dello stesso procedimento di misurazione alla medesima manifestazione di una grandezza fisica, conduce a valori numerici tra loro diversi, anche quando non vi ragione di supporre di essere in presenza di cambiamenti nel tempo del fenomeno o della propriet in esame. Lesecuzione delle misurazioni con lo stesso metodo, sullo stesso misurando, nello stesso laboratorio, dallo stesso operatore, utilizzando la stessa strumentazione ed in un intervallo di tempo breve, viene indicata con il termine in condizioni di ripetibilit e garantisce che le misure siano mutuamente indipendenti. La ripetibilit sar tanto pi elevata quanto pi concordi saranno i risultati ottenuti. Ogni misurazione caratterizzata da una certa distribuzione statistica di valori misurati. Il risultato di una misurazione dovrebbe quindi essere espresso mediante una distribuzione statistica di valori, ma ci sarebbe poco pratico e poco comprensibile dalla maggior parte degli utenti. Si quindi stabilito di utilizzare un unico valore y come stima del misurando Y, a cui viene associata una incertezza U (uncertainty):

misure, del grado di dispersione e della simmetria della loro distribuzione, al fine di definire la tecnica statistica pi opportuna, che dipende naturalmente anche dal tipo di grandezza in esame. Le grandezze misurate in generale possono essere classificate in due tipi: discrete e continue. 3.1. Rappresentazione grandezze discrete. delle misure di

Si dicono grandezze discrete quelle grandezze che si basano su eventi elementari che assumono valori distinti. Lesempio pi classico di questo tipo di grandezze, che viene frequentemente considerato, il risultato del lancio di un dado che potr assumere solamente uno dei valori discreti compresi da 1 a 6; non possibile invece che assuma valori intermedi come 4,67. Per tali grandezze si possono definire: la frequenza assoluta fi , pari al numero di volte che si verifica un determinato evento; la frequenza relativa f ri , pari al numero di volte che si verifica un determinato evento in rapporto al numero totale degli eventi:
f ri = fi
i =1

Y=yU

(2-20)

fi

(2-22)

e dove in generale la grandezza da misurare Y dipende da un certo numero di grandezze X1, X2,... Xn, a ciascuna delle quali associata una specifica incertezza che contribuisce al valore di U. Per semplificare la trattazione, si considerer la misura diretta della grandezza X, ottenuta dalla lettura di uno strumento la cui indicazione sar x. L'incertezza con cui si ottiene x viene indicata con u(x):

X = x u(x)

(2-21)

L'analisi statistica dei dati rilevati durante una misurazione, consente di determinare analiticamente l'incertezza del risultato finale. Infatti la u(x) pu essere determinata ripetendo la misura un numero n di volte in condizioni sperimentali invariate (in condizioni di ripetibilit). L'analisi statistica richiede generalmente un numero sufficientemente elevato di misure. Inoltre necessario che gli errori sistematici siano piccoli, in confronto con gli errori casuali, poich l'analisi statistica delle misure non pu eliminare un errore sistematico contenuto in tutte le misure 11 . Da un punto di vista molto semplificativo, lanalisi statistica pu essere praticamente vista anche come una tecnica per estrarre informazioni relative allincertezza di misura da un gruppo di misure. Prima di applicare le tecniche statistiche, che verranno illustrate nel seguito, generalmente si procede alla rappresentazione delle misure ottenute, opportunamente raggruppate in funzione della frequenza di occorrenza. Ci consente di ottenere una prima determinazione della tendenza centrale delle
11Pu essere ad esempio eseguita una taratura della strumentazione utilizzata per eliminare eventuali errori sistematici introdotti da essa.

la frequenza cumulata f c , che rappresenta la probabilit che un evento x sia minore di un valore fissato X (o che x > X). Il modo pi semplice di presentare tali dati di organizzarli in ordine crescente e disegnarli con un diagramma di frequenze assolute in cui, in ascissa si riporta la grandezza misurata e in ordinata la frequenza con cui essa si presenta. Alternativamente, lordinata del diagramma delle frequenze pu essere resa adimensionale dividendo la frequenza dellevento per il numero totale degli eventi. Questo diagramma detto diagramma delle frequenze relative. Esempio Consideriamo una coppia di dadi che viene lanciata 200 volte, ottenendo i seguenti risultati, raggruppati in funzione del valore N, variabile tra 2 e 12:

N
2 3 4 5 6 7 8 9 10 11 12

fi
6 10 16 22 28 38 30 24 14 8 4

f ri
0.03 0.05 0.08 0.11 0.14 0.19 0.15 0.12 0.07 0.04 0.02

Cap_1_Fondamenti della Mi 11/25

La frequenza cumulata pu essere visualizzata sul seguente grafico:

3.2. Rappresentazione delle misure grandezze distribuite con continuit.

di

Le grandezze distribuite con continuit sono quelle che possono assumere qualsiasi valore compreso tra due limiti. Per queste grandezze, comunque si fissino i due valori estremi, si pu affermare che sempre possibile avere un valore intermedio tra essi. Le misure di grandezze di questo tipo vengono generalmente rappresentate graficamente mediante istogrammi. Un istogramma una rappresentazione grafica di dati misurati in cui sulle ascisse sono indicate le misure ottenute e sulle ordinate le frequenza di occorrenza in un intervallo specifico di valori. Per una ottimale rappresentazione, importante suddividere le misure (osservazioni) in classi, scegliendo opportuni limiti. Per prima cosa, quindi, si determina lintervallo (range) di valori I(x) che dato da:
I ( x ) = ( xmax xmin )

cifre significative maggiore di quello con cui si effettuano le misure. Ci assicura che nessuno dei dati di misura coincide con gli estremi. Dopo di ci, i dati sperimentali vengono raggruppati nelle varie classi. Il numero delle misure che cade allinterno degli estremi di una particolare classe noto come la frequenza della classe. A questo punto possono essere disegnati gli istogrammi delle frequenze assolute e delle frequenze relative o frequenze percentuali.

(2-23)

Fig.1.3 Diagramma delle frequenze assolute di una grandezza distribuita con continuit

dove xmax il valore superiore e x min il valore inferiore dellintervallo, che risulta anche pari a:
I ( x ) = (numero di classi)

(ampiezza della classe).

Prima di decidere il numero di classi, la loro ampiezza e gli estremi delle classi, bisogna tenere conto delle seguenti considerazioni: gli intervalli delle classi devono essere tali da contenere tutti i dati di misura; un dato deve essere incluso in una ed una sola classe; conveniente avere almeno 6 classi ma non pi di 16. Se alcune classi sono vuote, vuol dire che si scelta una risoluzione troppo fine, che per non di alcuna utilit. In genere conviene scegliere un numero dispari di classi, in modo da avere una classe centrale che comprenda diversi parametri della distribuzione, come ad esempio la media. Per soddisfare i suddetti criteri, di solito si esegue la seguente procedura. Il valore di I(x) ottenuto dalla (223) viene diviso per un valore opportuno di ampiezza, in modo che il numero delle classi sia compreso tra 6 e 16. Se il numero ottenuto non intero, si prende il primo intero maggiore di tale numero per rappresentare il numero di classi. bene notare che non c alcuna regola che obblighi a mantenere uniforme lampiezza delle classi, anche se questo facilita il confronto della frequenza tra classi diverse. Dopo aver deciso lampiezza e il numero delle classi, i punti medi e gli estremi di ogni classe risultano automaticamente fissati. Nel determinare gli estremi delle classi occorre fare in modo che nessuna misura cada negli estremi cos che si pu determinare, senza difficolt, a quale classe appartiene una particolare osservazione. Per questo motivo, normalmente si fissa il valore di estremit della classe con un numero di

Nella pratica, tali distribuzioni di frequenze sono normalizzate rispetto allampiezza della classe e sono dunque rappresentate sotto forma di istogrammi normalizzati. Listogramma normalizzato utilizza come ordinata una particolare frequenza detta frequenza normalizzata. Essa si ricava considerando le misure raggruppate in m classi, dove x0 , x1 , .. xm sono gli estremi delle classi ed f1 , f 2 , f m le frequenze di occorrenza nelle varie classi. Il numero totale delle misure risulta pertanto pari a:

n=

i =1

fi

(2-24)

lampiezza delli-esima classe :


I i = xi xi 1

(2-25)

la frequenza relativa della classe i-esima :


f f ri = m i fi
i =1

(2-26)

e quindi la frequenza normalizzata delli-esima classe (che la frequenza relativa per un intervallo unitario) risulta:
Fni = f ri 1 = (xi xi 1 ) (xi xi 1 ) fi
i =1 m

(2-27)

fi

Nei casi richiamati finora non stato posto nessun vincolo sulla scelta dellampiezza delle classi. Eseguendo il rapporto tra la frequenza i-esima e

Cap_1_Fondamenti della Mi 12/25

lintervallo di classe i-esimo, si ottiene listogramma normalizzato un cui esempio riportato in Fig.1-4.

maggiore densit di frequenza. Si considera quindi la parte di istogramma contenente il rettangolo di frequenza maggiore insieme con le classi adiacenti. La moda uno dei valori interni a tale intervallo ed in particolare coincide con il valore medio se le frequenze delle due classi adiacenti sono uguali. invece maggiore o minore del valore medio, a seconda che la frequenza della classe successiva sia maggiore o minore di quella precedente. x Il valore della moda dato dalla seguente espressione:
d1 = L1 + x c d1 + d 2

(2-30)

Fig. 1.4 Istogramma normalizzato

Larea Ai sottesa da un generico rettangolo, data dalla seguente espressione:


Ai = Fni ( xi xi 1 ) =

(xi xi 1 )

f ri

(xi xi 1 ) =

f ri

(2-28) risulta uguale alla frequenza di occorrenza relativa fri degli eventi che cadono allinterno dellintervallo della classe i-esima. Nel caso in cui tutti gli intervalli delle classi sono uguali, lordinata di ogni intervallo di classe proporzionale alla frequenza relativa. Larea dellistogramma data da:
m m

dove: L1 = estremo inferiore della classe; d1 = differenza tra la frequenza modale e la frequenza della classe adiacente a frequenza minore; d2 = differenza tra la frequenza modale e la frequenza della classe adiacente a frequenza maggiore; c = ampiezza della classe modale; e pu essere ricavata anche in maniera grafica, come rappresentato in Fig.1-5. Infatti, si pu dimostrare la validit della seguente relazione: L1 d1 x = d1 + d 2 c
c d2

d1

i =1

Ai = f ri = i =1
i =1

fi
n =

n =1 n

(2-29)

x L2 L1 Fig.1-5 Moda di un gruppo di misure

Larea di un istogramma normalizzato dunque unitaria. Si pu dimostrare che anche larea di una distribuzione gaussiana unitaria. Perci, se i dati distribuiti con continuit devono essere comparati con una distribuzione gaussiana, allora risulta vantaggioso luso dellistogramma normalizzato. 3.3. TENDENZA CENTRALE DEI DATI La tendenza centrale dei valori assunti da un gruppo di misure rappresenta uno dei parametri pi importanti. Essa pu essere determinata in svariati modi, utilizzando i diversi indici di tendenza centrale come: la moda, la mediana, la media aritmetica. 3.3.1. Moda La moda rappresenta il valore che le misure assumono con la frequenza pi elevata. In un insieme di valori discreti, il valore modale pu essere determinato, con estrema facilit prendendo il valore che ha la frequenza massima. Nel caso di dati di misura distribuiti con continuit, il valore modale si trova nel gruppo di dati che hanno la
L1

c d2 d1

x L2

Fig. 1.6 Tecnica grafica per la determinazione della moda

3.3.2. Mediana La mediana definita come il valore centrale di un gruppo di misure raggruppate in ordine numerico crescente o decrescente. Quindi, la mediana separa la distribuzione in due met e approssimativamente ognuna ha una probabilit del 50 % della distribuzione. Supponiamo di avere n misure dei dati in ordine crescente (o decrescente) da 1 a n. Allora possiamo esprimere matematicamente il valore della mediana come: per n dispari mediana = {x} (n +1) 2 (2-31)

Cap_1_Fondamenti della Mi 13/25

mediana =

1 {x} n 2 + {x} (n 2)+1 2

per n pari.

x=

85 + 77 + 61 = 74 3

(2-32) La mediana non influenzata dai valori estremi delle misure. Geometricamente, il valore della mediana ottenuto dallintersezione dellascissa dellistogramma con una retta verticale che divide listogramma stesso in due parti aventi aree uguali. Comunque, si pu precisare che il valore ottenuto per la mediana pu non essere rappresentativo se i dati non si raggruppano al centro della distribuzione. 3.3.3. Media aritmetica Il pi comune ed usato dei parametri di tendenza centrale dei dati la media aritmetica x , espressa dalla relazione:

3.3.5. Migliore stima del valore vero di una misura Si sono descritti i tre parametri: moda, mediana e media aritmetica, che sono generalmente usati per descrivere la tendenza centrale dei dati di misura. Per curve che sono moderatamente asimmetriche, esiste una relazione empirica che lega questi parametri:

media - moda = 3 (media mediana).

(2-36)

La figura seguente mostra le posizioni relative di moda, mediana e media per curve di frequenza spostate a destra o a sinistra. Comunque, per curve simmetriche, moda, mediana, e media coincidono.

x + x + ...xn i =1 x= 1 2 = n n

xi
(2-33)

dove x1, x2, ..xn sono i valori assunti dalle n misure (n>1). Nel caso in cui le n misure sono suddivise in m classi, per la (2-24) la media aritmetica pu essere calcolata con la seguente espressione:

x=

i =1 m

fi xi
(2-34)
i =1

fi

La stessa espressione pu anche essere applicata per dati di misura distribuiti con continuit dove xi rappresenta il valore del punto medio della i-esima classe avente frequenza fi . 3.3.4. Media pesata A volte, alle misure x1 , x2 , , xn si associano dei particolari coefficienti p1 , p2 , ., pn , a seconda del significato o dellimportanza attribuita al singolo valore, detti pesi. In tal caso la media aritmetica pesata definita come:

Fig.1.7 Moda, mediana e media

xp =

i =1 n

pi xi
. (2-35)
i =1

pi

Nellanalisi di dati sperimentali, ci si trova usualmente di fronte al problema della determinazione della migliore stima del valore vero della misura. Supponendo che x1 , x2 , ., xn siamo misure di una quantit il cui valore vero x , la misura potrebbe avere i seguenti errori:

1 = x1 x ,

errore in x1 (2-37) errore in xn

Esempio Gli studenti a tre prove scritte ottengono 85, 71, 61 con pesi rispettivamente 5, 3, 2 determinare la media se si utilizza un voto unico. 5 85 + 3 77 + 2 61 xp = = 77 5+3+ 2

M M

n = xn x ,

Alcuni di questi errori potrebbero essere positivi mentre altri potrebbero essere negativi. Ora, se si da uguale importanza agli errori negativi e positivi, conviene elevare al quadrato tutti gli errori. Il criterio

Cap_1_Fondamenti della Mi 14/25

pi plausibile per la migliore scelta di x di cercare quel valore che rende minimi gli errori commessi nelle varie misure. Alternativamente si pu adottare il criterio di rendere minima la somma dei quadrati degli errori S , espressa dalla relazione:
S =

i =1

i 2 = ( xi x )2 .
i =1

(2-38)

Determiniamo ora xo cio quel particolare valore di x che rende minima S :


n dS = 2 ( xi x ) dx i =1

per ottenere 40, si ha bisogno di 21 dei 33 campioni della terza classe. Il valore mediano dovrebbe stare quindi ai 21/33 dellampiezza dellintervallo tra 99 e 101: 21 mediana = 99 (101 99 ) = 99 + 1,273 = 100 ,273 33 La moda risulta pari a : d1 moda = L1 + c d1 + d 2
L1 = 99 d1 = 33 15 = 18 d 2 = 33 21 = 12

dS =0 dx

xo =

i =1

xi
n = x . (2-39)

c = 101 99 = 2

In generale, quindi, la media aritmetica considerata la migliore stima (il valore pi probabile) del valore vero di un insieme di valori misurati, e quindi del misurando x 12 . Maggiore il numero di misure e migliore l'approssimazione che si ottiene 13 . Esempio. La tabella seguente mostra la distribuzione di frequenza delle misure della resistenza elettrica di un resistore: R( ) 93 95 96 98 99 101 102 104 105 107 frequenze 4 15 33 21 7

moda = 99 +

18 (101 99) = 100 ,2 18 + 12

3.4. MISURE DI DISPERSIONE

Le sole misure di tendenza centrale usualmente non forniscono unadeguata descrizione delle misure sperimentali, poich si dovrebbe prendere in considerazione anche la loro variabilit. Un altro importante parametro lindicazione dellentit della dispersione o del grado di compattezza delle misure. I principali indici di dispersione usualmente considerati sono: lintervallo o range, la deviazione media (average), la varianza, la deviazione standard.
3.4.1. Intervallo Il modo pi semplice di rappresentare la dispersione lintervallo, o range, di variazione (2-23). Il range ha lo svantaggio di essere basato esclusivamente sulla dispersione dei valori estremi, mentre non fornisce informazioni sulla compattezza, o meno, dei valori compresi tra gli estremi stessi. Per questo motivo un errore relativamente elevato, anche su pochi dati, produce un aumento di uno dei due estremi, e quindi dellintervallo di variazione. Quindi azzardato considerare il range come misura della dispersione, anche se, pu essere utilizzato per avere unidea approssimativa il campo di variabilit delle misure. 3.4.2. La deviazione assoluta media Per ottenere un miglioramento rispetto al range, il parametro indicativo della dispersione dei dati di misura dovrebbe tener conto di tutti i valori delle misure effettuate. Tale parametro pu essere ottenuto partendo dallo scostamento di ogni misura dalla media aritmetica, noto come deviazione dalla media:

Determinare: la media aritmetica, la mediana, la moda. Per trovare la media aritmetica, si pu supporre che 4 resistori hanno una resistenza di 94 , 15 di 97 , e cos via, quindi risulta:
x= 4 94 + 15 97 + 33 100 + 21 103 + 7 106 = 4 + 15 + 33 + 21 + 7 8036 = 100,45 80

Per definizione la mediana quel valore tale che la met della frequenza totale (80/2 = 40) si trova prima di esso e laltra met dopo. Ora la somma delle frequenze delle due prime classi 4 + 15 = 19. Cos,
12La media il valore pi probabile, nel senso che rende minima la somma dei quadrati delle deviazioni. Questo non significa che la media aritmetica ottenuta da un insieme limitato di campioni rappresenta il valore vero di una grandezza, ma solo che la media, sulla base dei dati disponibili, rappresenta il valore pi plausibile. 13 Per un celebre postulato, quando aumenta il numero n di dati, ipotizzando errori di piccola ampiezza e di segno positivo e negativo variabili in modo random, la media dei campioni tende a cancellare gli effetti di tali errori.

d1= x1- x , d2= x2- x , ..... dn= xn- x

(2-40)

che pu avere segno positivo o negativo. La determinazione di un unico parametro a partire dalle deviazioni dalla media presenta lo svantaggio che

Cap_1_Fondamenti della Mi 15/25

deviazioni positive e negative tendono a bilanciarsi. Si pu infatti dimostrare che la deviazione media (cio la media delle deviazioni dal valore medio) zero:
d = d1 + d 2 + ...d n = n
n n i =1

di
n =

(2-41)

1 1 nx (xi x ) = xi =xx =0 n i =1 n i =1 n

indipendente dalla tendenza centrale, cio dal valore medio, perch utilizza la deviazione dal valore medio; il calcolo risulta ragionevolmente semplice perch si evita di utilizzare i valori assoluti, in quanto i valori di ogni deviazione dalla media elevati al quadrato risultano positivi. Sviluppando la (2-44) si ottiene:

s 2 (xi ) = =

Per evitare questo inconveniente si pu considerare la media dei valori assoluti delle deviazioni, o deviazione assoluta media, che rappresenta la media degli scostamenti dei valori sperimentali rispetto al valore medio, in modulo:
___

1 n 2 xi 2 xi x + x 2 = n i =1
__ __

n 1 n 2 1 n xi 2 x xi + x 2 = x 2 2 x 2 + x 2 = x 2 x 2 n i =1 n n i =1

d =

i =1

xi x
n =

i =1

di
n

(2-45)
= xi x
______

(2-42)

dove di la deviazione dalla media della i-esima osservazione e x i x rappresenta il valore assoluto dello scostamento di xi dalla media. Se i valori x1 , x2 , ., xn si presentano con frequenza f1 , f 2 , , f n allora la deviazione assoluta media pu essere scritta come:
d = i =1 f i xi x fi
n n n

Quindi, la varianza si pu esprimere come la differenza tra la media dei quadrati delle misure meno il quadrato del valor medio. Essa fornisce una stima di quanto le singole osservazioni xi differiscano l'una dall'altra.
3.4.4. Deviazione standard Spesso viene utilizzata la radice quadrata della varianza, denotata con s(xi) e chiamata deviazione standard. La grandezza s, detta deviazione standard 15 (dev. std.), o scarto tipo, data dalla:

= i =1

fi di n

= f i xi x

(2-43)

i =1

dove n = f i
i =1

il numero totale delle misure

n (2-46) La dev. std. ha il vantaggio, rispetto alla varianza, di avere la stessa unit di misura del misurando. Nelleventualit di dati raggruppati si pu scrivere:
s ( xi ) =
n

(d1 ) + (d2 ) s(xi )= s 2 ( xi ) = n


2

+ ... d n

( )

= i =1

(di )
n

effettuate. Questultima equazione anche utile per dati raggruppati, dove xi rappresenta lidentificativo della classe e fi rappresenta la frequenza della classe corrispondente. Per evitare il problema della determinazione dei valori assoluti si preferisce spesso utilizzare altri parametri, come la varianza 14 o la deviazione standard.
3.4.3. Varianza La varianza sperimentale s2 data dallo scarto quadratico medio, intorno al valore medio. La varianza sperimentale s2 viene espressa come:

1 n f i ( xi x )2 (2-47) n i =1

dove fi = n il numero totale di osservazioni.


i =1

Per distribuzioni di frequenza moderatamente asimmetriche si pu utilizzare una relazione empirica tra la deviazione media e la deviazione standard data da:
15La dev. std. e la varianza, ottenute considerando le dispersioni rispetto al valore vero (valore medio di un insieme teoricamente infinito di valori) sono indicate con i simboli e 2, dove:

(d )2 + (d 2 )2 + ... (d n )2 = i1(d i ) = s 2 (x ) = 1
n i

(2-44)

( xi ) =

i =1

(xi )
n

(*)

La varianza sperimentale molto usata come indice della variabilit dei dati di misura, in quanto ha i seguenti vantaggi: impiega tutti i valori delle misure ed sensibile al cambiamento di uno qualunque di essi;
14La determinazione del valore assoluto comporta delle complicazioni, soprattutto quando deve essere fatta mediante un elaboratore elettronico.

Quando sono determinate sperimentalmente, considerando le dispersioni rispetto alla media x dellinsieme delle misure, cio se ne determina una loro stima, vengono indicate con s e s2:

_ 2 n xi x i =1 . s 2 ( xi ) =
n

(**)

Bisogna per precisare che questa distinzione non sempre viene applicata, indicando con 2 anche la varianza determinata con la (**).

Cap_1_Fondamenti della Mi 16/25

d =

4 s ( xi ) . 5

(2-48)

3.4.5. Fattore di dispersione Il fattore di dispersione un numero adimensionale che rappresenta il grado di dispersione dei dati di misura rispetto al valore medio. ottenuto come rapporto tra la deviazione standard e il valore medio: s( xi ) FD = (2-49) x Pi FD piccolo pi i dati sono raggruppati attorno al valore medio. Il fattore di dispersione generalmente espresso in percentuale ed chiamato anche fattore di dispersione percentuale. 3.4.6. Deviazione standard corretta

Ad esempio quando n=1 con la (2-46) si avrebbe s=0 e ci potrebbe indurre erroneamente a pensare che non c dispersione delle misure e quindi che non ci sono errori.
Esempio Se si hanno 10 misure possibile utilizzare questi valori per calcolare s ma solo 9 sono indipendenti in quanto la decima determinazione pu essere ottenuta dalle prime 9 e dal valore medio:
x10 = 10 x x1 x2 KKK x9 .

Quando il numero n di misure piccolo, la determinazione della s(xi) presenta il problema della polarizzazione (bias), che decresce progressivamente e diventa trascurabile per valori di n elevati. Con le formule introdotte si pu dimostrare che la varianza minima quando calcolata rispetto al valore medio x e quindi che s2(xi) pi piccolo del valore corretto 2(xi), il che non logico. Ad esempio, se si considera una sola misurazione di una grandezza fisica, il valore di s(xi) zero. Ci implica che la distribuzione non ha dispersione e non soggetta ad errori di misura ma, in realt, questo risultato indefinibile; assume valori realistici per n molto maggiore di 1 e laffidabilit di aumenta con laumentare del numero di misurazioni. Al fine di evitare questo problema, la somma dei quadrati delle deviazioni deve essere divisa per n-1 (i gradi di libert) anzich per n (il numero di misurazioni). I gradi di libert rappresentano il numero di informazioni indipendenti ottenute dai dati di misura. Esso pu essere determinato usando un ragionamento induttivo. Un caso semplice quello di 2 misure che forniscono un solo input utile rispetto alla dispersione, valutata intorno al valore medio. Le 2 misure sono utilizzate per determinare il valore medio x e quindi possono fornire una sola informazione indipendente riguardo la dispersione. Sempre ai fini della determinazione delle dispersioni, se ad esempio si hanno a disposizione n=20 misure, possono essere determinati 20 diversi valori di dispersione di. Tuttavia queste determinazioni sono ottenute considerando il valore medio x , ottenuto anchesso a partire dagli n dati di misura. Risulta quindi che solo 19 deviazioni sono indipendenti: infatti la 20a pu essere determinata considerando che la somma di tutte le dispersioni pari a 0. Il numero di gradi di libert quindi pari ad (n-1). In generale il numero di gradi di libert pari ad (n-m), dove m rappresenta il numero di costanti ottenute dai dati di misura, che vengono utilizzate per generare dei valori da cui determinare le deviazioni. Il numero dei gradi di libert dato dal numero di informazioni indipendenti fornite dai dati disponibili.

In generale un insieme di n misure fornisce n 1 osservazioni indipendenti con riferimento alla deviazione standard. Nel caso in cui m = 1 deve essere calcolata una sola costante, la media aritmetica. Si pu dimostrare che le espressioni cos ottenute rappresentano la migliore stima della std. dev. e della varianza:

(d 1) + (d 2) s 2 (x ) =
2 i

+ ... d n n 1
2

( )

= i =1 n 1

(d i )
n

s(x i ) = s 2 (x i ) =

(d 1) + (d 2)

+ ... d n n 1

( )

i =1

(d i )
n

n 1

(2-50) Confrontando le espressioni di s(xi) e (xi) si ottiene:


s( xi ) = ( xi ) n n 1

questa quantit chiamata fattore di correzione di Bessel. Allaumentare di n diminuisce la differenza tra s e . Quindi, se aumenta il numero di campioni la deviazione standard diventa una stima di precisione pi affidabile. In pratica, per n>25 il fattore di Bessel risulta tanto vicino allunit da poter essere trascurato e s = ( la correzione pu essere tralasciata). Il valore stimato della varianza e della dev. std. possono essere considerati come indici della bont con cui una qualsiasi delle n misure xM rappresenta la stima x del misurando. Si pu quindi scrivere:
x = xM s(xi).

(2-51)

Come si accennato in precedenza, x solo una (la migliore) stima del misurando, cio il valore pi plausibile. Pi che lerrore rispetto a questo valore medio, ci interessa lerrore rispetto al valore vero del misurando. Bisogna quindi valutare il grado di fiducia attribuibile al valore pi plausibile. Come indice della bont con cui x , la stima del valore sperato, si discosta dal valore vero, si considera la dev. std. del valor medio: X = x ( x ) = x u( x ). (2-52)

Cap_1_Fondamenti della Mi 17/25

Come si visto, allaumentare di n aumenta laffidabilit con cui il valor medio x si approssima al valore vero. Ci significa che allaumentare di n diminuir la dispersione delle misure. Si pu dimostrare 16 che l'incertezza della stima x data dalla deviazione standard della media 17 : (xi ) . (2-53) (x ) = n Questa relazione mostra che lincertezza pu essere ridotta aumentando il numero delle misure, anche se laumento varia con il fattore n . Ad esempio passando da 9 a 100 misure il miglioramento 18 dellincertezza passa solo da 3 a 10. Dalla (2-53) sembrerebbe sufficiente aumentare il numero di misurazioni per ridurre lincertezza di misura ad un valore piccolo quanto si vuole. Questo vero per solo quando le cause di variazione delle misure siano solo di tipo aleatorio. Altre cause derrore potrebbero essere presenti (ad es. errori di taratura) e quindi vanno valutate o corrette in modo diverso.
3.4.7. Valutazione della media e della deviazione standard mediante codifiche intermedie

per ottenere la media (135,20), risulta pi facile determinare la media considerando i valori 0,20 0,30 0,50 e 0,25 ottenendo 0,20 e poi sommare 135. In effetti, si considerano valori x' dove. In generale, si possono scrivere i valori xi assunti dalle misure nella seguente forma: (2-54) xi = xi' + xm dove xi sono i nuovi valori ed xm pari ad un valore costante. Effettuato questo cambio degli assi si possono calcolare: la media: 1 n (2-55) x = ( xi' + xm ) = x' + xm n i =1 la varianza: 1 n 1 n 2 (x ) = (xi x )2 = [(xi ' + xm ) (x' + xm )]2 = n i =1 n i =1
= 1 n (xi ' x' )2 = 2 (x' ) n i =1

(2-56)

la deviazione standard: (x) = (x).

(2-57)

Per la determinazione di parametri statistici, come la media e la deviazione standard, spesso bisogna operare con valori numerici rappresentabili mediante un numero elevato di cifre. Per semplificare le operazioni possibile applicare alcune tecniche dette di codifica intermedia, come quella del cambio dellorigine e del cambio di scala.
3.4.7.1. Metodo del cambio dellorigine

3.4.7.2. Metodo del cambio di scala

Questa tecnica si basa sullelaborazione delle misure, sulle quali si preventivamente operato un cambio dellorigine. Essa pu essere facilmente illustrata con un esempio. Si considerino 4 misure: 135,20 135,30 135,50 e 135,25 delle quali si vuole determinare la media. Invece di operare con i valori effettivi per il calcolo della somma (540,80) e quindi dividere per 4
16Si considerino m cicli di n misurazioni (mxn valori). La media dei campioni j nel generico ciclo i data da:

xij xi = n
1
j =1

e la varianza di questi valori medi data da:


m

Il cambio dellordine di grandezza delle misure, talvolta, facilita il calcolo riducendo il numero di cifre richiesto per le operazioni aritmetiche. Se, ad esempio, i valori di 4 misure sono 4000, 7000, 1000 e 5000 e si vuole determinare la loro media, si possono trascurare gli zeri e calcolare la media di 4, 7, 1 e 5 che pari a 4.25 e poi si moltiplica per 1000 il valore ottenuto. Il cambiamento di scala viene eseguito utilizzando un appropriato fattore di moltiplicazione per cui si possono scrivere le misure nella seguente forma: xi = a xi' dove a la costante moltiplicativa. A questo punto si possono calcolare: la media: 1 n (2-58) x = a xi ' = a xi ' n i =1 la varianza: 1 n 1 n 2 (x ) = (xi x )2 = (axi ' ax' )2 = n i =1 n i =1
= a 1 n (xi ' x' )2 = a 2 (x' ) n i =1

2 ( x ) = m d ij
i =1 n j =1

mn 2

i =1 j =1

1 2 d ij 2 d ij = mn i =1 j =1
m n m n

(2-59)

1 1 m n 2 (xi ) d ij = n mn i =1 j =1 n
2

2 ( x ) =

2 (xi ) .
n

la deviazione standard: (x) = a(x).


DISTRIBUZIONE NORMALE.

(2-60)

17Nel caso in cui le n misure sono correlate, ad esempio nel tempo, tali dati non possono essere trattati con queste formule, ma con dei metodi statistici particolari. Come esempio di applicazione si possono considerare le misure sui campioni di frequenza in cui si usa la varianza di Allan. 18Per ottenere miglioramenti significativi consigliabile utilizzare altre tecniche o altra strumentazione, anche perch quando il numero di misure, e quindi il tempo complessivamente impiegato, aumenta diventa difficile mantenere inalterate tutte le condizioni.

4.

Nei processi di misura generalmente la probabilit p(x) di ottenere una misura uguale o prossima ad un certo valore x, data da una curva di densit di probabilit del tipo di Fig.2-1 (detta anche curva a campana di Gauss) ed espressa dalla:

Cap_1_Fondamenti della Mi 18/25

p (x ) =

( x x )2
2 2

(2-61)

Questa distribuzione, detta gaussiana o normale, ha le seguenti caratteristiche: il 67% dei valori cade nell'intervallo x , il 95% nell'intervallo x 2 ed il 99% in x 3 ; il valore massimo si ha nel punto x= x ; i punti di flesso della curva si hanno per x= x ; la curva simmetrica rispetto al punto x= x ; larea tra la curva e lasse delle ascisse pari ad 1:

La curva normale viene spesso ricondotta ad un formato standard, ponendo lorigine delle coordinate in corrispondenza del valore medio e scegliendo come scala dellasse delle ascisse una funzione di . La variabile adottata z = (x- x )/, (variabile normale standardizzata) e la funzione densit di probabilit diventa: (2-62) e 2 . 2 Naturalmente allintegrale tra x1 ed x2 corrisponde lintegrale tra z1 e z2: x2 z2 (2-63) p( x )dx = p( z )dz . x1 z1 Il vantaggio che il calcolo dellintegrale non dipende pi da x e ( x =0, =1) e quindi pu essere riportato in una tabella ed utilizzato pi facilmente.
4.2. Test di significativit.
p (z ) = 1

p( x )dx = 1 ;

allaumentare della varianza la curva diventa pi piatta e si riduce il valore massimo; la probabilit che il valore medio x cada nellintervallo x1x2 data dallarea sottesa dalla curva tra le ascisse x1 e x2:
x2 x1
p(x) 1 2

p( x )dx .

x-

x+

Si sia eseguita una serie di misurazioni i cui risultati seguono la distribuzione normale ( x1 , 1). Si esegua una seconda serie di misurazioni, in condizioni diverse dalle precedenti, e si ottenga una seconda serie di dati il cui valor medio si discosti leggermente dal primo ( x 2 , 2). Ci si pone il problema se possibile assumere queste due serie di dati di misura come aventi la stessa distribuzione. A questo quesito si pu rispondere eseguendo il test di significativit basato sulla differenza tra le medie: R( x )= x1 - x2 determinando lerrore standard interno di R( x )
2 2 U1 2 + U2 19 : 2

Fig.2-1 - Distribuzione gaussiana.

Diverse sono le applicazioni misuristiche legate alla distribuzione normale: ipotizzando che i risultati ottenuti da un processo di misurazione seguano landamento normale, possibile calcolare quale la probabilit di ottenere un valore compreso in un certo intervallo (quando tale probabilit espressa in % si dice livello di fiducia (o di confidenza); alternativamente, dato uno specificato livello di confidenza, possibile determinare la dispersione ammissibile per uno specificato valor medio; le propriet della distribuzione normale sono utilizzate per confrontare tra loro serie di dati di misura distribuite in modo normale, usando test statistici detti test di significativit; possibile determinare il grado con cui una serie di dati sperimentali di misura approssima quelli attesi da una distribuzione normale, usando il criterio del test del 2 (chi quadro). Questo test in generale consente di verificare se un insieme di dati sperimentali si riferiscono ad una distribuzione qualsiasi, anche diversa dalla normale.
4.1. Curva normale standardizzata.

1 + 2 . U R( x ) = = ( n 1 ( n 1 1 2 (2-64) Se la differenza tra le due medie minore di 1,96 volte lerrore standard: R( x ) < 1,96U R( x )

le due serie di misure corrispondono alla stessa distribuzione, con un livello di fiducia del 95%.
4.3. Test del 2.

Questo uno dei test pi utilizzati per verificare se un insieme di dati sperimentali associabile ad una data distribuzione, che stata scelta dopo unanalisi teorica o dopo losservazione dei dati sperimentali. Spesso si fa riferimento alla distribuzione normale che quella generalmente ipotizzata nel caso di dati sperimentali. Per la determinazione del 2 si eseguono le seguenti operazioni: si calcola il valore medio e la dev. std. dei dati;
19Lerrore standard interno, o stima interna dellincertezza, di una serie di n campioni con dev. std. data da: U =

n 1

Cap_1_Fondamenti della Mi 19/25

si dividono i dati sperimentali in p classi, per eseguire il confronto nelle diverse sezioni della curva di distribuzione, e si determina la frequenza di osservazione in ciascuna di esse fo(i); si determinano i limiti inferiore zi e superiore zs della distribuzione normale standardizzata (o di quella in esame), per ogni classe; dalle tabelle si ricavano gli integrali di Gauss corrispondenti alle aree di probabilit sotto la curva normale standardizzata negli intervalli 0zi e 0zs ; la differenza tra questi valori consente di determinare la probabilit nellintervallo della classe zizs; moltiplicando la probabilit ottenuta per ogni classe (al passo precedente) per il numero totale di osservazioni, si determina la frequenza attesa fa(i) di ripetizione della variabile in ogni intervallo 20 ; si determina il 2 (chi quadro):
(2 p m ) =
[ f ( i ) f ( i )] 2 (2-65) o a fa( i ) i =1
p

dove: p il numero di classi; m il numero di costanti usati nel calcolo delle frequenze attese; p-m il numero di gradi di libert. Il 2 rappresenta il quadrato delle deviazioni tra le frequenze attese ed osservate nelle varie classi ed sempre >0. Analizzando il risultato ottenuto si possono fare le seguenti considerazioni: se il 2 associa una probabilit compresa tra 0,1 e 0,9, i dati sperimentali seguono la distribuzione assunta; se il 2 associa una probabilit maggiore di 0,9, i dati sperimentali sicuramente non seguono la distribuzione assunta; se il 2 associa una probabilit minore di 0,1, i dati sperimentali seguono talmente bene la distribuzione assunta da far supporre che ci siano dei problemi e quindi da far ritenere negativo il test.

20Sommando tutte le frequenze attese in ogni classe, possibile ottenere un numero diverso dal numero totale di osservazioni, a causa degli errori di arrotondamento presenti nella tabella. In questo caso va ricavato un opportuno fattore correttivo, che va moltiplicato per ogni frequenza attesa nella classe.

Cap_1_Fondamenti della Mi 20/25

5. ESPRESSIONE DELLINCERTEZZA SECONDO LA GUIDA ISO. Come generalmente noto, e come verr ricordato nel seguito, ormai consolidato su scala globale il sistema internazionale di unit di misura (SI). Al fine di rendere compatibili tra loro le misure della stessa grandezza, risulta necessario uniformare anche il modo in cui si valuta ed esprime la qualit di una misura, cio l'incertezza. Tale espressione deve essere non equivoca, onnicomprensiva ed universalmente accettata, al fine di semplificare le interazioni per motivi scientifici e/o commerciali. Una stessa espressione dellincertezza deve essere inoltre adottata nella normazione, nella taratura, nel riconoscimento ed accreditamento dei laboratori e nei servizi metrologici. L'accordo su come trattare ed esprimere le incertezze stato elaborato negli ultimi venti anni si concluso nel 1993. L'intesa stata raggiunta grazie all'azione congiunta di numerosi Enti internazionali di Normazione, di Enti Metrologici scientifici e legali, di organizzazioni di industrie e di ricercatori attivi in chimica, fisica e ingegneria. L'importanza della Guida risiede anche nel fatto che l'uso delle raccomandazioni ivi contenute sta entrando come prescrizione di legge da seguire, ad esempio, nelle transazioni commerciali tra due Paesi. Come precedentemente spiegato, la stima dellincertezza fa parte integrante della misura e deve essere resa nota dalloperatore. Secondo le norme l'incertezza nelle misurazioni generalmente costituita da diverse componenti, raggruppabili in due categorie in funzione del modo in cui i loro valori sono determinati: A per quelle incertezze ottenute applicando metodi statistici ad una serie di dati sperimentali 21 ; B per quelle incertezze non ottenute mediante osservazioni ripetute, ma che vengono descritte, valutate e limitate con altri metodi: lesperienza dell'operatore, i risultati di esperimenti collaterali, gli effetti noti delle grandezze di influenza, una scelta di strumenti di caratteristiche superiori, l'adozione di opportune condizioni ambientali, ecc.. Le incertezze di tipo B non possono essere ridotte con metodi statistici.
4.3.1. Incertezze di categoria A (Modello statistico)

sufficiente sia simmetrica), si calcola il valore medio x ed immediato ricavare la varianza sperimentale e lo scarto quadratico medio, chiamato scarto tipo u, con le relazioni precedentemente introdotte. La stima del valore sperato la media aritmetica delle osservazioni x . La miglior stima della varianza della media sperimentale x data da:
s 2 ( xi ) (2-66) n la sua radice quadrata chiamata scarto tipo sperimentale della media e rappresenta l'incertezza tipo u. s 2 (x ) =

u (x ) = s 2 (x ) =

s 2 (xi ) n

4.3.2. Incertezze di categoria B (Modello probabilistico)

Le incertezze di tipo A sono dovute alla presenza di processi di rumore casuale. Di esse possibile darne una descrizione statistica e quindi individuare un processo di stima per ridurne, o eliminarne, linfluenza. Si considerino n osservazioni indipendenti xi della grandezza x ottenute nelle stesse condizioni sperimentali. Introdotta una opportuna distribuzione di probabilit, solitamente ma non necessariamente gaussiana (
21Lincertezza di tipo A fa riferimento ad: x : stima del valore sperato del misurando; ( x ): stima della dev. std. della media.

Come gi indicato, con il nome di incertezze di categoria B vengono raggruppate le incertezze che vengono valutate non con lanalisi statistica, ma in qualsiasi altro modo. La stima delle incertezze di tipo B effettuata a priori, ed basata su informazioni non provenienti dall'esperimento in oggetto, ma precedenti ad esso. Tali informazioni possono provenire da: misurazioni effettuate da se o da altri durante prove precedenti ed indipendenti: certificati di taratura, relazioni di prova, registri di laboratorio, .. ; documentazione tecnica di strumentazione o impianti: manuali duso, relazioni di collaudo, .. ; letteratura tecnica: libri, manuali, elenchi di costanti, .. ; esperienza personale. Come gi detto, lincertezza di tipo sistematico prodotto dallinterazione di molteplici sorgenti di scarti di tipo sistematico. Se questi sono quantit note la misura pu essere corretta; se i vari scarti non sono noti (perch dovuti a molteplici fattori non quantificabili) la misura non pu essere corretta. In questo caso si deve ipotizzare unopportuna distribuzione di probabilit, per ognuna delle singole fonti di incertezza, per poter trattare assieme le incertezze dovute a cause diverse. Il passo successivo quello di combinare in una sola cifra tutte le stime delle incertezze di categoria B. Questa combinazione viene fatta solitamente, ma non sempre, adottando per ciascuna fonte di incertezza una distribuzione di probabilit di categoria rettangolare, con lipotesi, Fig. 1.1, che ragionevolmente il valore del misurando sia compreso entro una fascia di ampiezza 2a. Si mira solitamente per la scelta di a ad una valutazione realistica e non semplicemente prudenziale. Con queste ipotesi, la fascia dei valori pu essere indicata, a scelta delloperatore con i valori assoluti dei due estremi, (f = [3,035 3,043] MHz); il valore centrale e la semi ampiezza a, espressi in: valore assoluto, (f = [3,039 +/- 0,004] MHz);

Cap_1_Fondamenti della Mi 21/25

valore relativo, (f = 3,039 MHz +/- 1,3 10-3); valore ridotto o normalizzato rispetto ad un valore convenzionale.
fascia di valori a misura

valore centrale

Fig. 1.1 Tra parentesi sono stati presentati esempi numerici tra loro coerenti. Con le assunzioni ed i passi indicati nel seguito, che, si ripete, rappresenta solo un esempio, anche se molto comune, si perviene ad una stima della incertezza tipo che congloba in se tutte le incertezze di categoria B. Esempio L'incertezza dichiarata (nel certificato associato al dispositivo) come ampiezza della fascia di valori. Si ipotizza una distribuzione rettangolare. Il valore sperato stimato il valore centrale della fascia. La stima dell'incertezza tipo si ottiene come: a (2-67) u= 3 Esempio. Uno strumento abbia unincertezza dello 0,1%, valutata mediante taratura dello stesso. Nella valutazione dei risultati ottenuti bisogner considerare una incertezza di tipo B dello 0,1%. Sulle misurazioni reali incidono anche le variabili d'influenza; i loro effetti sono ancora valutabili con analisi statistiche, anche se queste assumono una elevata complessit. Queste componenti (di tipo B) dell'incertezza sono generalmente valutate dall'operatore e rappresentano le differenze che si potrebbero riscontrare eseguendo la misura in un altro laboratorio in condizioni diverse (riproducibilit). Si presti attenzione che questa classificazione in gruppi - basata sul modo di valutazione - non sostituisce affatto l'altra individuazione e classificazione in componenti aleatorie e sistematiche, che riguardano lorigine del fenomeno e non il modo di trattarlo. La classificazione in A e B utile per il trattamento analitico e per poter esprimere, come si vedr, con un solo numero, una valutazione globale della qualit di una misura; si ripete che su queste definizioni e convenzioni stato raggiunto un accordo internazionale. comunque opportuno, ai fini della uniformit ed universalit delle notazioni, tenere separati modo di valutare le incertezze e la loro origine fisica, anche poich a volte una componente aleatoria pu divenire una componente sistematica e viceversa.
4.3.3. Incertezza combinata e fattore di copertura. Pervenuti alle due separate stime, sotto forma di incertezza delle varie categorie, sia per le incertezze di

categoria A, sia per quelle di categoria B, si deve procedere alla loro combinazione in un unico valore u, sia pure a sua volta provvisto di stima della sua incertezza, che rappresenti la qualit globale della misura. Lanalisi statistica prevede che quando vi sono pi cause per la variazione di una grandezza, le relative varianze si sommano aritmeticamente, ottenendo la varianza combinata che individua lincertezza combinata associata alla stima della grandezza stessa. Poich una componente pu essere classificata come random o come sistematica a seconda del contesto in cui la corrispondente grandezza appare nel modello matematico che descrive il processo di misurazione, le norme prescrivono di trattare allo stesso modo tutte le componenti dincertezza. In particolare le incertezze delle varie categorie sono combinate quadraticamente,
2 2 con una relazione del tipo u 2 + u1B + ........ + unB , dove A uA lincertezza tipo dellincertezza di categoria A ed i termini unB sono le incertezze tipo delle n incertezze di categoria B. Questo numero, al solito, pu essere espresso in valore assoluto, relativo o ridotto. Nel caso di misurazione di una grandezza, bisogna considerare lincertezza combinata uc che si ottiene facendo la radice della somma dei quadrati delle dev. std. relative a tutte le possibili variazioni del misurando, prodotte da tutte le cause di variazione note:

u c ( x ) = i s 2 . xi

(2-68)

Le dev. std. si ottengono mediante lanalisi statistica, se sono state eseguite una serie di misure (tipo A). Quando invece si conoscono solo gli estremi di variazione superiore ed inferiore (tipo B), la dev. std. si calcola con la formula 22 : x xmin . (2-69) s x = max 2 3 Quando la grandezza ottenuta in via indiretta, alla determinazione dellincertezza combinata concorrono sicuramente tutte le grandezze misurate per via diretta 23 . In alcune applicazioni commerciali, industriali, e soprattutto quando in gioco la sicurezza delle persone, necessario determinare lincertezza di misura in modo tale che essa definisca un intervallo entro il quale si possa ritenere compreso, con una
22Essendo noto solo lintervallo di variazione, la sola ipotesi che si pu fare per gli xi che essi hanno la stessa probabilit di assumere un qualsiasi valore nellintervallo dato (distribuzione rettangolare o uniforme). Questa distribuzione caratterizzata da un valore atteso pari al punto centrale dellintervallo (xmax+xmin)/2 e da una funzione densit di probabilit pari a p(x)=1/[2(xmax-xmin)] in xminxmax e 0 altrove. La varianza risulta pari a: (x -x ) 1 . 2 2 (x ) = ( x x ) p( x )dx = max 2 min 3 23In generale le grandezze di cui bisogna determinare le dev. std., per valutare lincertezza combinata, sono: tutte quelle che derivano dal processo di misura, quelle riportate nei certificati di taratura dei campioni e degli strumenti impiegati e le grandezze dinfluenza (variabili ambientali).

Cap_1_Fondamenti della Mi 22/25

elevata probabilit, il valore vero del misurando. Lincertezza complessiva U associata alla misura di una determinata grandezza si ottiene quindi moltiplicando lincertezza combinata per un fattore di copertura k: U = k uc(x) , (2-70)

V u( i ) = R V
= 1 2R
2

V ( s( v ) 2 + sV 2 ) R + 2 R
2

( s R 2 + sT 2 ) = 2

( s ( v ) + sV 2 ) +

V2 ( s R 2 + sT 2 ) 2R 4

che rappresenta la fascia del valore. Il valore di k dipende anche dal tipo di distribuzione, che assunta generalmente come gaussiana. In questo caso si sceglie spesso k=2, che equivale ad un fattore di fiducia pari al 95%. Il valore del fattore k dipende dalla categoria di distribuzione dei dati di misura ed indica indirettamente quale percentuale dei valori, detta grado di fiducia, cade entro una determinata fascia dei valori. Questa nozione pu essere utile per rimuovere d'autorit, dopo un primo trattamento, i dati che sono frutto di errori vistosi o di condizioni anomale. La presenza di questi dati in metodi di regressione o di calcolo che sono basati sui quadrati dei dati o sui quadrati degli scarti dei singoli dati da un certo andamento, comporta problemi facilmente intuibili, ad esempio divergenze delle medie o valori di incertezza elevati, non giustificabili con la realt fisica. Con la distribuzione normale si hanno all'incirca le seguenti corrispondenze valore di k 2 3 Grado di fiducia 95% 99%

dove sotto radice c il fattore per tener conto che i due scarti (per V e per R) sono relativi alla stessa grandezza. 4.3.4. Compatibilit delle misure A causa dell'incertezza che va sempre associata alle misure, non possibile parlare di eguaglianza tra due misure, ma piuttosto di compatibilit tra di esse.
prova c b a misura a e b sono compatibili b e c sono compatibili a e c NON sono compatibili

Fig. 1.2 In Fig.1.2 sono rappresentate alcune misure con le rispettive fasce dincertezza. Con riferimento a tali figure, si verifica compatibilit quando le fasce delle misure effettuate in tempi diversi, in luoghi diversi, da persone diverse, con metodi e strumenti diversi, come misura di uno stesso parametro nello stesso stato, cio nelle stesse condizioni, hanno almeno un elemento in comune. Si noti che il concetto di compatibilit non gode della propriet transitiva; se a compatibile con b e b compatibile con c, non necessariamente a compatibile con c. Vengono definite mutuamente compatibili le misure che hanno almeno un elemento in comune entro tutte le rispettive fasce di incertezza. 4.3.5. 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 del misurando, l'intervallo all'interno del quale si stima sia compreso il predetto valore, il livello di fiducia, espresso in termini statistici, che si da alla seconda informazione. Il livello di fiducia viene solitamente riferito ad un intervallo nel quale il valore vero abbia una certa probabilit di trovarsi; questa probabilit viene solitamente espressa in maniera percentuale. Se la distribuzione normale (o Gaussiana), ad una percentuale di circa il 95% corrisponde una semiampiezza della fascia pari a 2, cio due volte lo scarto quadratico medio, detto anche scarto tipo.

Esempio. Determinazione dellincertezza nella misura indiretta di una corrente. Si voglia misurare la corrente che scorre in un circuito, tramite la misura della tensione ai capi di una resistenza R di valore noto I=V/R:
V I G

R C

Per la valutazione di V si eseguono n misure di tensione vi con un voltmetro, da cui si ricava la media aritmetica v , che fornisce la stima di V, e la dev. std. s( v ), che fornisce la componente di tipo A dellincertezza. Lerrore commesso dal voltmetro, fornito dal costruttore, rappresenta una incertezza di tipo B: v v min . sV = max 2 3 Il costruttore fornisce per la R la stima del suo valore r e la sua incertezza esprimibile come dev. std. sR. Le grandezze dinfluenza, come la temperatura ambiente, possono alterare il valore di R, dando luogo ad una ulteriore dev. std. sT. Si hanno quindi due dev. std. per la V e due per la R. Applicando la (2-10), si ottiene lincertezza complessiva per la I, data da:

Cap_1_Fondamenti della Mi 23/25

L'incertezza estesa, espressa come semi-larghezza della fascia, qualunque sia la sua fiducia - che comunque deve essere espressa - viene 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: R = (812,8 2x10-1 ) = 812,8 (2) 4.3.6. Terminologia in altre lingue utile conoscere la terminologia in altre lingue dei termini metrologici introdotti in questo capitolo e di alcuni altri che verranno considerati nel seguito.

Italiano Incertezza

Inglese

Francese

Accuracy exactitude Uncertainty incertitude Risoluzione Resolution Sensibilit Sensitivity Deriva Aging vieillisement (nel tempo) (drift) Stabilit Stability stabilit Ripetibilit Precision prcision Repeatability Le corrispondenze non sono rigorose, nel senso che esistono sfumature di significato o vere e proprie differenze nei vari contesti. In casi di dubbio si consiglia di consultare il Vocabolario Internazionale di Metrologia.

Nel caso di misurazioni a lettura singola, lincertezza da assegnare alla misura lincertezza dello strumento utilizzato, valutata in sede di taratura.
SIGNIFICATO DI TERMINI COMUNEMENTE USATI.

Si riporta nel seguito la definizione di alcuni dei termini che vengono comunemente usati nel settore delle misure, alcuni dei quali sono stati precedentemente introdotti mentre altri saranno definiti successivamente. Campione materiale. Dispositivo che riproduce, durante luso, uno o pi valori noti di una grandezza con unincertezza nota. Campo di misura. Intervallo comprendente tutti i valori delle misure che uno strumento pu assegnare o che un campione materiale pu riprodurre. Catena per misurazione. Insieme di apparecchi connessi tra loro mediante interfacce, in serie aperta o chiusa, che permettono di effettuare la misurazione di una grandezza. Compatibilit delle misure. Condizione per cui le fasce di valore assegnate alle singole misure dello stesso misurando abbiano almeno un punto in comune. Curva di taratura. Relazione biunivoca tra ogni valore fornito dal dispositivo di misurazione e il corrispondente valore da assegnare al misurando.

espresso in forma grafica, analitica o tabulare (tabella di taratura). Se la curva rettilinea, si esprime con un coefficiente (pendenza della retta) detto costante di taratura. Errore di misura. Deviazione della misura dal valore vero. Non essendo noto il valore vero, a rigore lerrore di misura non pu essere determinato. Viene generalmente considerata la deviazione rispetto al valore pi probabile. Grandezze dinfluenza. Grandezze diverse dal misurando che influenzano il fenomeno fisico oggetto della misurazione. Sono le grandezze legate alle condizioni ambientali (temperatura, umidit, campi magnetici esterni, ..) alle caratteristiche della rete elettrica di alimentazione, o ad altri fattori. Incertezza. Parametro associato con il risultato di una misurazione, che rappresenta ci che non si riusciti a conoscere sul misurando, cio ci che rimasto ancora incerto. Caratterizza la dispersione dei valori attribuiti ad un misurando. Incertezza strumentale. Incertezza associata alla misura fornita da un dispositivo o strumento, assegnata mediante la curva di taratura. Lincertezza strumentale, unitamente alla curva di taratura, consente il passaggio dal valore letto alla misura. Interfaccia. Mezzo, dispositivo o modalit di collegamento tra due sistemi, mediante il quale il segnale duscita delluno si traduce nel segnale dingresso dellaltro. Con interfaccia si possono anche intendere, per esempio, i fili conduttori che collegano un trasformatore di misura ad uno strumento. Interfaccia di misurazione. Interfaccia mediante cui un segnale duscita dal sistema misurato (eventualmente anche il misurando stesso) si traduce nel segnale dingresso per il sensore dello strumento. Metodo di misurazione. Descrizione in termini generici della sequenza logica di operazioni, da attuare durante lesecuzione di una misurazione, in accordo ad un dato principio. Il metodo di misurazione specifica in pratica le procedure per lapplicazione degli strumenti per misurazione al sistema misurato, le loro caratteristiche ed inoltre le modalit di elaborazione dei valori ottenuti. Metrologia. Termine usato per indicare la scienza e la metodologia del misurare. Misura. Valore del misurando, ottenuto mediante la misurazione. La misura una informazione costituita da un numero, unincertezza ed ununit di misura, assegnata a rappresentare un parametro in un determinato stato del sistema. In pratica per misura pi che un singolo valore da intendersi una fascia di valori, identificata mediante il valore centrale (numero) e lampiezza (incertezza). Misurando. Grandezza da misurare. Misurazione. Insieme delle azioni eseguite al fine di determinare il valore del misurando. Tali azioni sono da intendersi sia in termini di operazioni materiali da attuarsi mediante appositi strumenti e dispositivi posti in interazione con il sistema misurato, che di operazioni delaborazione da attuarsi sui valori ottenuti. Modello. Insieme organico di relazioni fra valori di parametri, descrivente le interazioni e le evoluzioni di

Cap_1_Fondamenti della Mi 24/25

un sistema. I modelli sono usati per: effettuare previsioni sul comportamento; verificare la compatibilit tra le misure dello stesso misurando effettuate con metodi di misurazione diversi; effettuare misurazioni con metodi indiretti. Un modello valido entro un certo campo di valori dei parametri e per un certo livello di qualit delle misure dei parametri in giuoco. Parametro. Grandezza relativa ad un sistema alla quale necessario assegnare valori per descrivere il sistema stesso, la sua evoluzione e/o le sue interazioni con altri sistemi o con lambiente. Come esempi possiamo citare la resistenza elettrica di un resistore, o la massa di un oggetto. Se in conseguenza al cambiamento di stato del sistema una parametro cambia valore, si dice che si modificato lo stato del parametro. Parametro dambiente. Grandezza relativa allambiente alla quale necessario assegnare un valore per descrivere le interazioni che con essa pu avere il sistema in esame. Portata. Limite superiore del campo di misura. Principio di misurazione. Base scientifica di un metodo di misura (es. effetto termoelettrico applicato per la misurazione della temperatura). Procedura di misurazione. Descrizione dettagliata dellinsieme di operazioni da attuare durante lesecuzione di una misurazione, in accordo ad uno specifico metodo. Ripetibilit. Grado con cui i risultati di misurazioni successive della stessa grandezza, nelle stesse condizioni, sono in accordo tra loro. Rappresenta laccordo tra un singolo valore, o un gruppo di valori, quando misurati con lo stesso strumento in un intervallo di tempo ristretto (short-term). Essa da mettere in relazione con le sole incertezze di origine casuale e non con quelle di origine sistematica. Riproducibilit. Grado con cui i risultati di misurazioni successive della stessa grandezza, in diverse condizioni, sono in accordo tra loro (es. misure eseguite da due laboratori diversi). Rappresenta laccordo tra un singolo valore, o un gruppo di valori, quando misurati con differenti apparati, o in un intervallo di tempo ampio (long-term) 24 . Risoluzione. Rappresenta la pi piccola variazione del misurando apprezzabile dallo strumento (che produce una modifica del valore di lettura di ampiezza pari allincertezza di lettura). Pu venire espressa come intervallo di (distanza tra due valori considerati diversi con una confidenza del 68%) o come distanza tra due valori che sono sicuramente diversi (come per i digit negli strumenti digitali). Rumore o disturbo. Variazione della grandezza costituente il supporto di un segnale non correlata allinformazione da esso trasmessa.

Segnale di misura. Segnale concernente al sensore dello strumento che convoglia linformazione relativa al misurando, che si modifica al variare del misurando stesso. Sensibilit. Ha significati diversi. Indica il rapporto tra il segnale d'uscita (risposta) di uno strumento e la variazione del misurando (ingresso). Indica pure la minima quantit apprezzabile intorno allo zero. espresso o in valore assoluto o in valore relativo. Perch uno strumento sia molto sensibile non necessario che esso sia n preciso, n stabile. Sensore. Particolare trasduttore che interagisce direttamente con il sistema misurato. Sistema. Oggetto o insieme di oggetti descritti in termini di grandezze ad esso inerenti. Sistema di unit di misura. Insieme organico di definizioni, tra di loro collegate, di unit di misura pertinenti a grandezze di specie diverse. Sistema misurato. Sistema su cui si effettua la misurazione. Stato del sistema. Insieme dei valori assunti contemporaneamente dai parametri del sistema. Un sistema pu cambiare stato per effetto della sua evoluzione interna e/o delle sue interazioni con altri sistemi o con lambiente. Strumento per misurazione. Apparecchio che, posto in interazione con il sistema misurato, fornisce una indicazione dipendente dal valore del misurando. Taratura. Procedimento per la determinazione del legame tra luscita di uno strumento ed il misurando. Procedimento per la determinazione del legame tra i valori nominali dei campioni materiali e le grandezze che riproducono. Unit di misura. Grandezza omogenea con il misurando, assunta come riferimento durante la misurazione. Trasduttore. Dispositivo che compie sul segnale dingresso una certa elaborazione, trasformandolo in segnale duscita. Valore o valore di misura. Numero, con associata unit di misura, assunto come rappresentativo della fascia di valori assegnata come misura di una grandezza. Valore vero. Termine usato nella metrologia classica per indicare il risultato ideale che si potrebbe ottenere mediante una misurazione perfetta. Nella pratica il valore vero di una grandezza non potr mai essere determinato, ma quello che sar ottenuto sar una stima del suo valore. Luso di questo termine sconsigliato.

24In particolare la riproducibilit si riferisce a misure condotte cambiando condizioni come: metodo di misurazione; operatore; strumentazione; luogo; tempo; condizioni di utilizzazione.

Cap_1_Fondamenti della Mi 25/25