a scorrimento e del calibro Palmer

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "a scorrimento e del calibro Palmer"

Transcript

1 Fig Prima Esercitazione di Laboratorio uso del calibro a scorrimento e del calibro Palmer Sono consigliate la determinazione del volume di un cilindretto metallico e la rnisura del diametro di sferette Determinazione del volume di un cilindretto metallico Dalla geometria elementare, il volume di un cilindro si ottiene moltiplicando l'area di base per l'altezza ( vedi figura 9 ). Sembrerebbe ahora che, per determinare D, basti posizionare R ~D~ Fig.9 h 1 il calibro, per esempio, a meta altezza, poi fare misure ripetute per ottenere valore medio e stima dell'errore della media ( amm sso che 1 fluttuazioni statistiche non siano somrn rse dall'errore di sensibilita ). Chi ci garantisce che ij cilindro sia veramente un eilindro e non sia ad esempio un troneo di cono 0 abbia la forma di un barilotto? E necessario ahara eitettuar almeno una misura di diametro a quote differenti e costrwre una tabella del ti po 8

2 1 D i (mm) n in cui la prima misura e effettuata a quota zero e l'ultima a quota h, per esempio. Se la successione delle misure mostra un carattere crescente ( 0 decrescente ) vuol dire che il cilindro e piuttosto un trone di cono. Pili in generale, bisogna controllare che il diametro del cilindro sia una grandezza gaussiana.nfatti, se il cilindro e veramente tale, ci aspettiamo che il diametro sia costante al variare dell'atezza, a mend degii errori di misura, e ehe quindi sia la stessa cosa, concettualmente, misurare ripetutamente il diametro ala stessa quota 0 misurarlo a quote diverse. n entrambi i casi, ci aspettiamo che e distribuzioni 'limite" coincidano con una gaussiana, centrata sui valore "vero" del diametro. Analogo discorso vale per l'altezza del cilindro. Quante misure bisogna effettuare? Se la distribuzione e gaussiana con media D e deviazione standard a, il 68% delle misure e compreso nell'intervallo, avente come estremi D - a e D + a. Un 16% e compreso fra -00 e D - a e l'altro 16% e compreso ra D +u e +00. Se il numero delle misure e la, il 16% di 10 e 1.6, che e molto prossimo a zero. C'e allora il concreto pericolo di errore, per effetto delle fiuttuazioni statistiche. n conclusione, il numero delle misure dovrebbe essere 2:: 20, per poter avere una ragionevole stima di a e ;::: 30, per stabilire se a distribuzione e gaussiana. Supponiamo che il cilindro sia "regolare", perche abbiamo ottenuto e seguenti misure, mostrate nella tabella 1 della pagina seguente: relativi istogrammi sono illustrati in figura 10. Dai dati raccolti, si ricava che :,f 8 f, N '8 6! it.., 2 t..4.~ 2 ~ -/ ~s,oo L.~,-iS..,2S.. 44,85 l.~.~s l)(rnvm) l...W h('1n1'fyl ') Fig.10 9

3 1 D i (rum) hi (mm) Tabella 1 CTD = 0.04 mm CT D = mm D = mm CTh = 0.04 mm CT; = mm h = mm La migliore stima V per il volume del cilindretto e data allora da con un errore relativo V = ~(D)2h Nel nostro caso V = mm e CT V = 31 mm. n questo modo peri> il risultato ha un numero eccessivo di cifre significative!! nfatti CT V va scritta con una sola cifra significativa e quindi CT V = 0.03 cm3, per cui V = cm 3. Ghe cosa succede, s, per stimare il valore del volume, uso la seguente espressione anziche V = ~(D)2h 4 10

4 Uso un procedimento che e in linea di principio sbagliato, anche se pub capitare di ottenere risultati praticamente identici. La grandezza gaussiana misurata e D e non D 2 : si puo dimostrare che anche D 2 e una grandezza gaussiana,purche Un «D. Per un discorso pili esauriente, vedi Oliva-Terrasi,pagine 48,57-58 e 5.7. Come si determina l'errore su volume del cilindro se ad esernpio l'errore su diametro e di tipo statistico e quello sull'alt zza di tipo massimo? Severi consiglia di rendere di tipo massimo l'errore su diametro, moltipecando per tre quello statistico, ossia ~D = 3u v e quindi ~~v = ~h + 2~D = ~h + 6(TD V h D h D Questa procedura non e sempre accettata, perche si perdono informazioru. Anche per il futuro, quando si incontreranno casi simie, conviene stimare separatamellte l'errore statistico e quello massimo V ± ~V ± (Tv dove ~V= V~h e (Tv = 2V D h D ~ ~ ~ (T e tenere conto, nelle applicazioni successive, di ambedue gli errori, a meno che uno dei due non sia trascurabile rispetto all 'altro Misura del diametro di sferette Sj possono effettuare almeno due tipi di misura : Si possono effettuare misure ripetute del diametro di una singola sferetta e controuare se la distribuzione e gaussiana. Si puo prendere un insieme dj sferette e misurare il diametro di ognuna di esse, COD. trouando se il campione eomogeneo oppure contiene sferette, il cui diametro differisce dalle altre per costruzione delle stesse e nod. per effetto statistico. 1.8 Esercitazione di laboratorio : determinazione del raggio di curvatura di una superficie sferica ( per esempio una lente ) con uno sferometro Le operazioni da fare sono e segu nti : 1. Determinare la precisione della strumento effettuando misure ripetute su un punto arbitrario del piano di riferimento e stimando la (T della distribuzione limite ( che dovrebbe essere ~ 211m). 2. Controllare quanto "ben levigato' sia il piano di riferimento e determinare 10 "zero" dello strumento. 11

5 3. misurare l'altezza della cal tta, individuata dai tre piedi dello strumento, n punti diversi della calotta stessa. Ai fini della prova di laboratorio, si possono ritenere privi di errore i valori di p ( per il tipo "Galilei", p e pari a 50 mm, mentre per il tipo "Leybold" ed e non p a valere sempre 50 mm). otare inoltre che il piano di riferimento ecostituito da una lastrina di vetro, avente solo una faccia lavorata otticamente dalla parte con gli angoli smussati. Per determinare 10 "zero" ho, si poggia 10 sferometro su piano di riferimento, si traccia su piano un reticolo immaginario ( in pratiea eonviene porre un Foglio di carta millimetrata sotto al piano) e, per ogni cella del reticolo, si effettua una misura. Eopportuno riportare, sempre sotto forma di retieolo, questi dati dapprima su "quaderno di bordo" dellaboratorio e poi su foglio di relazione, in modo tale ehe sia possibile individuare a presenza eventuale di deformazioni su piano stesso : 10 stesso diseorso del retieolo vale per e misure dell'altezza della ealotta. Supponiamo di avere effettuato 81 misure di ho e di aver ottenuto 'istogramma illustrato in figura 11. '10 2L. 29..n ~ l ~ 'LO 10 Fig.ll Se e misure COS! ottenute 8i distribuiseono in maniera gau siana intorno ala media con una stima di a praticamente uguale a quella ottenuta in 1) 1 alora possiamo concludere che il piano di riferimen 0 e;'veramente" un piano, lavorato al meglio dei 2 p,m. Se cia non avviene, vuol dire che il piano e rovinato e andrebbe s stituito. Per capire se la distribuzione e gaussiana, usiamo it test del X 2 ( vedi il cap.12 di Taylor). n valore medio delle 0 servazioni e fi o = 34 p,m mentre la stima della deviazione standard e aha = 2 pm. 12

6 Dall'istogramma si ricava che gli eventi osservati Ok sana ( seguendo la nota in calee alla pag. 86 del Taylor) 15.0 nell'intervallo tra -00 e ho - O"ho' ossia tra -00 e 32 J-Lm, 26.5 nell'intervallo tra ho - O"h o e ho, ossia tra 32 J-Lrn e 34 J-Lrn, 23.0 nell'intervallo tra h o e h o + O"ho, ossia tra 34 J-Lrn e 36 J-Lm, 16.5 nell'intervallo tra h o + O"h o e +00, ossia tra 36 J-Lm e +00. Se la distribuzione sperimentale e una gaussiana, ci aspettiamo che nei suddetti quattro intervalli vada a finire rispettivamente il 16%, il 34%, il 34% e il 16% degli eventi osservati, ossia che gli E k valgano rispettivamente 13.0, 27.5, 27.5 e x 2 ahara si scrive t 2 x 2 = (Ok; Ed = i=1 k ( )2 ( )2 ( )2 ( )2 --' ' = 2.02 n X 2 ridotto, X 2, ossia il X 2 diviso per il numero di gradi di liberta d, vale aneora 2.02 perche in questa caso il numero dei gradi di iberta vale 1. nfatti, usando la terminologia del Taylor, d = n - c, dove neil numero di intervalli ( nel nostro caso 4) e ceil numero dei vincoli ( nel nostro caso 3, perche h o e O"h o sono ottenuti dai dati sperirnentali e L Ok = N = 81, ossia il totale degli eventi osserva i). La probabilita P (X2 ~ 2.02) vale allora c::::' 16%. Da notare che il valore medio atteso di X 2 e nel nostro caso pari ad 1 e che valori di X 2» 1 sarebbero indice di ipotesi scadente 0 cia rigettare. Bisogna tenere in canto tuttavia che i valori di h o e O"h o sono stati ottenuti dalla totalita. dei dati sperirnentali e non dalla minimizzazione del X 2, scritto prima: questa comporta ( vedi Kendall e Stuart, "The Advanced Theory of Statistics, vol. 2, ) una certa riduzion del numero dei vincoli, che puo portare ad accettare valori di X 2 dell'ordine di 3, anziche di 1. Se non avessimo voluto dividere in due i "bin" dell'istogramma cbe appartengono a differenti Ok e far sl che, in ogni caso, cadano in ogni Ok non meno di 5 eventi, avremmo potuto scegliere per il test i seguenti intervalli, compresi tra : -00 e 33 J-Lm, ossia tra -00 e ho "h o con Ot =27, 33 J-Lffi e 35 J-Lm, ossia tra ho "h o e h o "h o con O 2 =29, 35}-lm e 37 p.m, ossia tra ho "h o e ho "h o con 0 3 =17, 37 p.rn e +00, ossia tra ho + ].50"h o e +00 con 04=8. 13

7 Per ricavare i corrispondenti E,., usiamo l'appendice B del Taylor. Se indichiamo con N il totale delle misue effettuate, E 1 = N x P(ho < 33) = N[l - P(ho 2: 33)] = = N[l - P(h o 2: h o ")] = N[l Q( -0.5)] = N[l Q(0.5)] = = N[0.5 - Q(0.5)] = 81( ) = 25.0 E 2 = N x P(33 -::; h o < 35) = N x P(h o " -::; h o < h o ") = = 2NQ(0.5) = 31.0 E 3 = N x P(35 -::; h o < 37) = N x P( h o " -::; h o -::; h o ") = = N[Q(1.5) - Q(0.5] = 19.6 E 4 = N x P(ho > 37) = N x P(ho > h o ") = = N[0.5 - Q(1.5)] = 5.4 Si ottiene COS! alia file un X 2 di 1.85, molto vicino al valore trovato precedentemente. ragionamento seguito per il piano di riferimento puo essere seguito anche per la misura dell'altezza H della calotta sferica ( non aneora sottratta della "zero"), compreso il test del X 2 nfatti, se la calotta e "sferica", ci aspettiamo che, spostando 10 sferometro, otteniamo sempre 10 stesso valore di H, a meno degli errori di misura e che, quindi, la distribuzione di H sia una gaussiana, con una 0" maggiore di 2 pm poiche la superficie non e lavorata otticamente COS! come il piano di riferimento. Ottenuti h o, fjh: e H, O"/f, si ricava che Da notare che la superficie in esame esferica solo nella parte centrale ( e piuttosto di forma "ovoidale") e che e lavorata con una precisione molto peggiore di quella dello strumento. Bisogna evitare inoltre di mescolare assieme misure prese da osservatori diversi, prima di essersi accertati dell'equivalenza degli operatori stessi. 14

Lezione 08. Sferometro Galileo

Lezione 08. Sferometro Galileo Lezione 08 Sferometro Galileo a) usa la vite micrometrica, come il calibro Palmer b) i piedi sono agli estremi di un triangolo equilatero c) N è un piano ben levigato di riferimento d) parallela alla vite

Dettagli

A. A Prof. V. Palladino Dr. O. Iorio Dr. P. Noli Dr. M. De Laurentis. Introduzione al laboratorio e alle prime misure di spessori

A. A Prof. V. Palladino Dr. O. Iorio Dr. P. Noli Dr. M. De Laurentis. Introduzione al laboratorio e alle prime misure di spessori A. A. 2016-17 Prof. V. Palladino Dr. O. Iorio Dr. P. Noli Dr. M. De Laurentis Introduzione al laboratorio e alle prime misure di spessori http://people.na.infn.it/palladin/lezioni2016-17/161013lezione07.pdf

Dettagli

Lezione 08. verso i millesimi di millimetro. Sferometro Galileo

Lezione 08. verso i millesimi di millimetro. Sferometro Galileo Lezione 08 verso i millesimi di millimetro Sferometro Galileo a) usa la vite micrometrica, come il calibro Palmer b) i piedi sono agli estremi di un triangolo equilatero c) N è un piano ben levigato di

Dettagli

Prof. V. Palladino Dr. O. Iorio Dr. M. Merola Dr. M. De Laurentis

Prof. V. Palladino Dr. O. Iorio Dr. M. Merola Dr. M. De Laurentis A. A. 2011-12 2015-16 Prof. V. Palladino Dr. O. Iorio Dr. M. Merola Dr. M. De Laurentis Introduzione al laboratorio e alle prime misure di spessori http://people.na.infn.it/palladin/lezioni2015-16/151013lezione07.pdf

Dettagli

Nona lezione : Risposta : 3 ; 5 ; 3 ; 3 ( vedi Severi, cap.ii, 6 )

Nona lezione : Risposta : 3 ; 5 ; 3 ; 3 ( vedi Severi, cap.ii, 6 ) Nona lezione : Il miglior modo di riprendere i concetti espressi al primo semestre è quello di esaminare e rispondere alle domande della prova intercorso 2012-2013. Esercizio 1 : Scrivere il numero di

Dettagli

BIN = 15 um l [um] Minimum um. Data_31misure_ l [um] Maximum Points 102, , um 1.3 um

BIN = 15 um l [um] Minimum um. Data_31misure_ l [um] Maximum Points 102, , um 1.3 um 1 2 Data_31misure_070318 BIN = 15 um Minimum 80 Maximum Sum 120 3176,7 Points Mean Median 31 102,47419 102,9 102.5 um RMS Std Deviation Variance Std Error 102,7225 7,2559846 52,649312 1,3032133 7.3 um

Dettagli

Note su esperienza di misura della densita di un solido

Note su esperienza di misura della densita di un solido Note su esperienza di misura della densita di un solido 1 Distribuzione di GAUSS Distribuzione Piatta D P(entro ± s G ) = 68% 2 Parallelepipedo Spigoli: a, b, c Volume = V = a b c Massa = M Densità = r

Dettagli

Analisi degli Errori di Misura. 08/04/2009 G.Sirri

Analisi degli Errori di Misura. 08/04/2009 G.Sirri Analisi degli Errori di Misura 08/04/2009 G.Sirri 1 Misure di grandezze fisiche La misura di una grandezza fisica è descrivibile tramite tre elementi: valore più probabile; incertezza (o errore ) ossia

Dettagli

3 - Esercizi: strumenti di misura, propagazione degli errori, media, deviazione standard, intervalli

3 - Esercizi: strumenti di misura, propagazione degli errori, media, deviazione standard, intervalli 3 - Esercizi: strumenti di misura, propagazione degli errori, media, deviazione standard, intervalli Esercizio 1: Si intende misurare la densità di un fluido tramite misure di massa e di volume. Lo si

Dettagli

Interferenza da doppia fenditura

Interferenza da doppia fenditura Corso di Fisica per Scienze Biologiche A.A. 2016-17 Esperienza di laboratorio: OTTICA - ESPERIMENTO DI YOUNG Interferenza da doppia fenditura Nomi degli studenti:......... Data:... Introduzione L'obiettivo

Dettagli

L istogramma dei nomi degli studenti presenti può essere descritto tranquillamente da un istogramma a barre. L istogramma dei voti riportati ad un

L istogramma dei nomi degli studenti presenti può essere descritto tranquillamente da un istogramma a barre. L istogramma dei voti riportati ad un Gli istogrammi L istogramma è una rappresentazione grafica di una distribuzione di frequenza di una certa grandezza, ossia di quante volte in un insieme di dati si ripete lo stesso valore. Esistono diversi

Dettagli

ISTOGRAMMI E DISTRIBUZIONI:

ISTOGRAMMI E DISTRIBUZIONI: ISTOGRAMMI E DISTRIBUZIONI: i 3 4 5 6 7 8 9 0 i 0. 8.5 3 0 9.5 7 9.8 8.6 8. bin (=.) 5-7. 7.-9.4 n k 3 n k 6 5 n=0 =. 9.4-.6 5 4.6-3.8 3 Numero di misure nell intervallo 0 0 4 6 8 0 4 6 8 30 ISTOGRAMMI

Dettagli

Facciamo 1 cicli di 25 misure da una popolazione per scatola di resistenze

Facciamo 1 cicli di 25 misure da una popolazione per scatola di resistenze Si supponga di voler verificare che due forniture di resistenze di valore nominale dichiarato (per esempio sia = 470 ) sia affidabile. Si supponga che ogni fornitura sia normalmente distribuita con deviazione

Dettagli

Distribuzione Gaussiana - Facciamo un riassunto -

Distribuzione Gaussiana - Facciamo un riassunto - Distribuzione Gaussiana - Facciamo un riassunto - Nell ipotesi che i dati si distribuiscano seguendo una curva Gaussiana è possibile dare un carattere predittivo alla deviazione standard La prossima misura

Dettagli

Interferenza da doppia fenditura

Interferenza da doppia fenditura Corso di Fisica per Scienze Biologiche A.A. 2017-18 Esperienza di laboratorio: OTTICA - ESPERIMENTO DI YOUNG Interferenza da doppia fenditura Introduzione Lo scopo di questa esperienza di laboratorio consiste

Dettagli

Esperimentazioni di Fisica 1. Prova d esame del 20 febbraio 2018 SOLUZIONI

Esperimentazioni di Fisica 1. Prova d esame del 20 febbraio 2018 SOLUZIONI Esperimentazioni di Fisica 1 Prova d esame del 20 febbraio 2018 SOLUZIONI Esp-1-Soluzioni - - Page 2 of 6 01/02/2018 1. (12 Punti) Quesito. In un esperimento è stata misurata la grandezza Y in funzione

Dettagli

Distribuzione Gaussiana

Distribuzione Gaussiana Nella maggioranza dei casi (ma non in tutti) facendo un istogramma delle misure acquisite si ottiene una curva a campana detta normale o Gaussiana. G,, G,, d 1 e 2 1 Distribuzione Gaussiana 1 2 = Valor

Dettagli

Corso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali. Esercitazione E

Corso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali. Esercitazione E Corso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali A.A 2009-2010 Esercitazione E Scopo dell esercitazione Applicazioni del teorema del limite centrale. Rappresentazione delle incertezze

Dettagli

MISURA DELLA DISTANZA FOCALE DI UNA LENTE CONVERGENTE

MISURA DELLA DISTANZA FOCALE DI UNA LENTE CONVERGENTE MISURA DELLA DISTANZA FOCALE DI UNA LENTE CONVERGENTE La distanza focale f di una lente convergente sottile è data dalla formula: da cui 1 f = 1 p + 1 q f = pq p + q dove p e q sono, rispettivamente, le

Dettagli

Intervalli di confidenza

Intervalli di confidenza Probabilità e Statistica Esercitazioni a.a. 2009/2010 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Intervalli di confidenza Ines Campa Probabilità e Statistica - Esercitazioni

Dettagli

Analisi statistica delle incertezze casuali. Dott. Claudio Verona

Analisi statistica delle incertezze casuali. Dott. Claudio Verona Analisi statistica delle incertezze casuali Dott. Claudio Verona Errori casuali Errori casuali e sistematici Un errore si dice casuale se viene commesso per semplice casualità (esso può essere trattato

Dettagli

Laboratorio di Chimica Fisica. Analisi Statistica

Laboratorio di Chimica Fisica. Analisi Statistica Università degli Studi di Bari Dipartimento di Chimica 9 giugno F.Mavelli- Laboratorio Chimica Fisica - a.a. 3-4 F.Mavelli Laboratorio di Chimica Fisica a.a. 3-4 Analisi Statistica dei Dati Analisi Statistica

Dettagli

APPLICAZIONE DELLA DEVIATA GAUSSIANA STANDARD

APPLICAZIONE DELLA DEVIATA GAUSSIANA STANDARD APPLICAZIONE DELLA DEVIATA GAUSSIANA STANDARD In una popolazione di ragazze di età inclusa tra i 18 e i 25 anni, la concentrazione di emoglobina nel sangue (x) approssima la distribuzione gaussiana con

Dettagli

Breve ripasso di statistica

Breve ripasso di statistica Breve ripasso di statistica D.C. Harris, Elementi di chimica analitica, Zanichelli, 1999 Capitolo 4 1 Il protocollo analitico Campionamento: 1. estrazione del campione dal lotto 2. conservazione e trasporto

Dettagli

17. LA DISTRIBUZIONE NORMALE E LA FUNZIONE DI GAUSS

17. LA DISTRIBUZIONE NORMALE E LA FUNZIONE DI GAUSS 17. LA DISTRIBUZIONE NORMALE E LA FUNZIONE DI GAUSS 17.1 LA DISTRIBUZIONE DEI DATI Nel trattare gli errori casuali abbiamo utilizzato il concetto di media aritmetica ed il concetto di deviazione standard

Dettagli

Distribuzione normale

Distribuzione normale Distribuzione normale istogramma delle frequenze di un insieme di misure relative a una grandezza che varia con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata

Dettagli

Definizione della variabile c 2 Distribuzione della variabile c 2

Definizione della variabile c 2 Distribuzione della variabile c 2 Definizione della variabile c Distribuzione della variabile c In queste definizioni ho N variabili indipendenti, nessun vincolo e quindi N coincide con i gradi di libertà In un sistema fisico dove il numero

Dettagli

Intervalli di confidenza

Intervalli di confidenza Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile

Dettagli

Significato probabilistico di σ: su 100 misure, 68.3 hanno probabilità di cadere nell intervallo x σ, x +σ, 95.5 nell intervallo

Significato probabilistico di σ: su 100 misure, 68.3 hanno probabilità di cadere nell intervallo x σ, x +σ, 95.5 nell intervallo Significato probabilistico di σ: su 1 misure, 68.3 hanno probabilità di cadere nell intervallo x σ, x +σ, 95.5 nell intervallo x σ, x + σ e 99.7 nell intervallo x 3 σ, x + 3 Se si considerano campioni

Dettagli

3 - La misura. Prof. Stefano SPEZIA

3 - La misura. Prof. Stefano SPEZIA 3 - La misura Prof. Stefano SPEZIA Errori nelle misure Il pendolo semplice Proviamo a misurare il periodo di un oscillazione! Errori casuali - Errori sistematici Ogni volta che si effettua una misura si

Dettagli

Errori sistematici e casuali

Errori sistematici e casuali Errori sistematici e casuali Errori Casuali Tempo di reazione nel far partire o fermare l orologio: Può essere sia in eccesso che in difetto (ad esempio partenza e arrivo), quindi l errore può avere segno

Dettagli

E S E R C I Z I T U T O R

E S E R C I Z I T U T O R E S E R C I Z I T U T O R ESERCIZIO Applicazione del Metodo Montecarlo per calcolare p. Si calcola il rapporto fra l area del cerchio di diametro r e l area del quadrato circoscritto, di lato r. Area del

Dettagli

FISICA. Elaborazione dei dati sperimentali. Autore: prof. Pappalardo Vincenzo docente di Matematica e Fisica

FISICA. Elaborazione dei dati sperimentali. Autore: prof. Pappalardo Vincenzo docente di Matematica e Fisica FISICA Elaborazione dei dati sperimentali Autore: prof. Pappalardo Vincenzo docente di Matematica e Fisica LA MISURA GLI STRUMENTI DI MISURA Gli strumenti di misura possono essere analogici o digitali.

Dettagli

Intervalli di confidenza

Intervalli di confidenza Probabilità e Statistica Esercitazioni a.a. 2017/2018 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Intervalli di confidenza Marco Pietro Longhi Probabilità e Statistica

Dettagli

Prova intercorso di laboratorio di Fisica I AA Matricole Pari 14 ott 16. Esercizi

Prova intercorso di laboratorio di Fisica I AA Matricole Pari 14 ott 16. Esercizi Prova intercorso di laboratorio di Fisica I AA 2016 2017 Matricole Pari 14 ott 16 Esercizi 1. Un nonio cinquantesimale, piu sensibile di quelli che incontreremo in laboratorio, scorre lungo una scala con

Dettagli

TEORIA DEGLI ERRORI DI MISURA, IL CALCOLO DELLE INCERTEZZE

TEORIA DEGLI ERRORI DI MISURA, IL CALCOLO DELLE INCERTEZZE TEORIA DEGLI ERRORI DI MISURA, IL CALCOLO DELLE INCERTEZZE Errore di misura è la differenza fra l indicazione fornita dallo strumento e la dimensione vera della grandezza. Supponendo che la grandezza vera

Dettagli

Distribuzione Normale

Distribuzione Normale Distribuzione Normale istogramma delle frequenze di un insieme di misure relative a una grandezza che può variare con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata

Dettagli

Ulteriori Conoscenze di Informatica e Statistica. Popolazione. Campione. I risultati di un esperimento sono variabili aleatorie.

Ulteriori Conoscenze di Informatica e Statistica. Popolazione. Campione. I risultati di un esperimento sono variabili aleatorie. Ulteriori Conoscenze di Informatica e Statistica Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 (I piano) tel.: 06 55 17 72 17 meneghini@fis.uniroma3.it I risultati di un esperimento

Dettagli

Capitolo 2 Le misure delle grandezze fisiche

Capitolo 2 Le misure delle grandezze fisiche Capitolo 2 Le misure delle grandezze fisiche Gli strumenti di misura Gli errori di misura Il risultato di una misura Errore relativo ed errore percentuale Propagazione degli errori Rappresentazione di

Dettagli

Teoria dei Fenomeni Aleatori AA 2012/13

Teoria dei Fenomeni Aleatori AA 2012/13 Introduzione alla Statistica Nella statistica, anziché predire la probabilità che si verifichino gli eventi di interesse (cioè passare dal modello alla realtà), si osserva un fenomeno se ne estraggono

Dettagli

Distribuzione Normale. Dott. Claudio Verona

Distribuzione Normale. Dott. Claudio Verona Distribuzione Normale Dott. Claudio Verona Rappresentazione di valori ottenuti da misure ripetute Il primo problema che si riscontra nelle misure ripetute più volte è trovare un metodo conveniente per

Dettagli

Corso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VII

Corso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VII Corso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VII Un breve richiamo sul test t-student Siano A exp (a 1, a 2.a n ) e B exp (b 1, b 2.b m ) due set di dati i cui

Dettagli

Metodologie informatiche per la chimica

Metodologie informatiche per la chimica Metodologie informatiche per la chimica Dr. Sergio Brutti Metodologie di analisi dei dati 2 Grandezze fisiche diverse Stima dell incertezza di misure indirette Misura diretta A Trattazione matematica Misura

Dettagli

o Si sceglie il modello che meglio si adatta alla realtà osservata, cioè quello per il quale risulta più probabile la realtà osservata.

o Si sceglie il modello che meglio si adatta alla realtà osservata, cioè quello per il quale risulta più probabile la realtà osservata. Introduzione alla Statistica Nella statistica, anziché predire la probabilità che si verifichino gli eventi di interesse (cioè passare dal modello alla realtà), si osserva un fenomeno se ne estraggono

Dettagli

Sperimentazioni di Fisica I mod. A Statistica - Lezione 2

Sperimentazioni di Fisica I mod. A Statistica - Lezione 2 Sperimentazioni di Fisica I mod. A Statistica - Lezione 2 A. Garfagnini M. Mazzocco C. Sada Dipartimento di Fisica G. Galilei, Università di Padova AA 2014/2015 Elementi di Statistica Lezione 2: 1. Istogrammi

Dettagli

Elaborazione statistica di dati

Elaborazione statistica di dati Elaborazione statistica di dati CONCETTI DI BASE DI STATISTICA ELEMENTARE Taratura strumenti di misura IPOTESI: grandezza da misurare identica da misura a misura Collaudo sistemi di produzione IPOTESI:

Dettagli

Elaborazione dei dati sperimentali. Problemi di Fisica

Elaborazione dei dati sperimentali. Problemi di Fisica Problemi di Fisica Elaborazione dei dati sperimentali Nella seguente tabella riportiamo alcune regole per esprimere ualunue numero mediante una potenza di 0: 00000000 = 0 9 456789 = 45,6789 0 4 3, = 0,3

Dettagli

Corso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VI

Corso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VI Corso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VI Test del χ 2 (il file Excel test_chi.xls mostra possibili sviluppi degli esercizi proposti) Esercizio 1a) un

Dettagli

Probabilità e Statistica

Probabilità e Statistica Probabilità e Statistica Intervalli di confidenza Marco Pietro Longhi C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica a.s. 2018/2019 Marco Pietro Longhi Prob. e Stat. 1

Dettagli

Scritto da Administrator Mercoledì 26 Ottobre :57 - Ultimo aggiornamento Domenica 08 Dicembre :43

Scritto da Administrator Mercoledì 26 Ottobre :57 - Ultimo aggiornamento Domenica 08 Dicembre :43 Per misurare una grandezza occorre eseguire una serie di operazioni, manuali e matematiche, il cui risultato finale è esprimibile con un numero e spesso con un'unità di misura. Questo procedimento che

Dettagli

University of Messina, Italy

University of Messina, Italy TRATTAMENTO E VALUTAZIONE DI DATI STATISTICI Applicazione della statistica alla valutazione dei dati Le applicazioni più comuni della statistica alla chimica analitica sono: Definire l intervallo numerico

Dettagli

Misura del la costante elastica di una molla sfruttando la legge di Hooke

Misura del la costante elastica di una molla sfruttando la legge di Hooke Misura del la costante elastica di una molla sfruttando la legge di Hooke Una molla di lunghezza l 0, se viene sospesa ad un estremo e all altro estremo viene appeso un corpo di massa m, si allunga fino

Dettagli

Metodologie informatiche per la chimica

Metodologie informatiche per la chimica Metodologie informatiche per la chimica Dr. Sergio Brutti Metodologie di analisi dei dati IV Intervallo massimo e semidispersione L uso del valore centrale dell intervallo massimo e della semidispersione

Dettagli

Laboratorio di Fisica I AA matricole pari

Laboratorio di Fisica I AA matricole pari Schermate del corso di Laboratorio di Fisica I AA 2014-2015 matricole pari Prof. V. Palladino Dr. O. Iorio Dr. M. Merola Grafici di misure Introduzione alla prova intercorso Lezione 5, scaricabile come

Dettagli

Stima dei parametri. I parametri di una pdf sono costanti che caratterizzano la sua forma. r.v. parameter. Assumiamo di avere un campione di valori

Stima dei parametri. I parametri di una pdf sono costanti che caratterizzano la sua forma. r.v. parameter. Assumiamo di avere un campione di valori Stima dei parametri I parametri di una pdf sono costanti che caratterizzano la sua forma r.v. parameter Assumiamo di avere un campione di valori Vogliamo una funzione dei dati che permette di stimare i

Dettagli

ESERCITAZIONE SU ANALISI DATI E STATISTICA

ESERCITAZIONE SU ANALISI DATI E STATISTICA ESERCITAZIONE SU ANALISI DATI E STATISTICA 1. ARROTONDAMENTO e CIFRE SIGNIFICATIVE Riportate le risposte nel google sheet creato per il vostro gruppo presente nella cartella: https://drive.google.com/open?id=1gzsciotewexmzpto5nbmprzuxccyotrn

Dettagli

Errore nella misura sperimentale

Errore nella misura sperimentale Introduzione al concetto errore di misura Introduzione concetto errore di misura Esempio di misura sperimentale Dispersione dei dati: Frequenza relative ed assolute vettoriale Errori sistematici ed errori

Dettagli

Statistica Inferenziale

Statistica Inferenziale Statistica Inferenziale a) L Intervallo di Confidenza b) La distribuzione t di Student c) La differenza delle medie d) L intervallo di confidenza della differenza Prof Paolo Chiodini Dalla Popolazione

Dettagli

Capitolo 5 Confidenza, significatività, test di Student e del χ 2

Capitolo 5 Confidenza, significatività, test di Student e del χ 2 Capitolo 5 Confidenza, significatività, test di Student e del χ 5.1 L inferenza Se conosciamo la legge di probabilità di un evento (a priori o a posteriori) possiamo fare delle previsioni su come l evento

Dettagli

Distribuzione Normale

Distribuzione Normale Distribuzione Normale istogramma delle frequenze di un insieme di misure di una grandezza che può variare con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata di

Dettagli

Distribuzioni di probabilità

Distribuzioni di probabilità Distribuzioni di probabilità Si sono diverse distribuzioni di probabilità: quelle di cui parleremo sono la distribuzione binomiale, quella di Poisson, quella uniforme, quella normale, quella del χ² e la

Dettagli

RELAZIONE DI LABORATORIO DI FISICA

RELAZIONE DI LABORATORIO DI FISICA RELAZIONE DI LABORATORIO DI FISICA ANNO ACCADEMICO 017/018 Esperienza di laboratorio n 1 0/11/17 Misura della densità di solidi omogenei di forma regolare GRUPPO N 10 Componenti del gruppo: Cirincione

Dettagli

Distribuzione Normale

Distribuzione Normale Distribuzione Normale istogramma delle frequenze di un insieme di misure di una grandezza che può variare con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata di

Dettagli

Uso della funzione FREQUENZA col foglio di calcolo CALC di OpenOffice 3.4

Uso della funzione FREQUENZA col foglio di calcolo CALC di OpenOffice 3.4 frequenza Uso della funzione FREQUENZA col foglio di calcolo CALC di OpenOffice 3.4 1) Si selezionano in una colonna ( per esempio A ) n celle, dove n è il numero dei dati sperimentali. Fare clic su Formato

Dettagli

CALCOLO DELL ERRORE E VALUTAZIONE DI UN METODO ANALITICO

CALCOLO DELL ERRORE E VALUTAZIONE DI UN METODO ANALITICO CALCOLO DELL ERRORE E VALUTAZIONE DI UN METODO ANALITICO In chimica analitica un settore importante riguarda il calcolo dell errore e la valutazione della significatività di una misura. Generalmente nell

Dettagli

MATEMATICA CORSO A I APPELLO 1 Giugno 2010 Soluzioni

MATEMATICA CORSO A I APPELLO 1 Giugno 2010 Soluzioni MATEMATICA CORSO A I APPELLO 1 Giugno 2010 Soluzioni 1. In un dato esperimento è noto che solo il 0% delle cavie disponibili verrà trattato con un farmaco A, tale percentuale è nota a meno di un errore

Dettagli

L analisi dei dati. Primi elementi. EEE- Cosmic Box proff.: M.Cottino, P.Porta

L analisi dei dati. Primi elementi. EEE- Cosmic Box proff.: M.Cottino, P.Porta L analisi dei dati Primi elementi Metodo dei minimi quadrati Negli esperimenti spesso si misurano parecchie volte due diverse variabili fisiche per investigare la relazione matematica tra le due variabili.

Dettagli

Elaborazione statistica di dati

Elaborazione statistica di dati Elaborazione statistica di dati 1 CONCETTI DI BASE DI STATISTICA ELEMENTARE 2 Taratura strumenti di misura IPOTESI: grandezza da misurare identica da misura a misura Per la presenza di errori casuali,

Dettagli

Distribuzione Normale. Dott. Claudio Verona

Distribuzione Normale. Dott. Claudio Verona Distribuzione Normale Dott. Claudio Verona Rappresentazione di valori ottenuti da misure ripetute Il primo problema che si riscontra nelle misure ripetute più volte è trovare un metodo conveniente per

Dettagli

Approssimazioni. π= Approssimazione per troncamento alla quarta cifra decimale del numero π π

Approssimazioni. π= Approssimazione per troncamento alla quarta cifra decimale del numero π π Approssimazioni π=3.14159265358979323846... Approssimazione per troncamento alla quarta cifra decimale del numero π π 3.1415 Approssimazione per arrotondamento alla quarta cifra decimale del numero π π

Dettagli

MISURE DI MASSA E VOLUME

MISURE DI MASSA E VOLUME MISURE DI MASSA E VOLUME QUALI STRUMENTI SI UTILIZZANO PER MISURARE MASSA E VOLUME? STRUMENTO DI MISURA: Bilancia digitale Grandezza da misurare MASSA Unità di misura della massa grammi Caratteristiche

Dettagli

Corso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione 4

Corso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione 4 Corso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione 4 Esercizio 1) Regressione lineare. Il file altezza_peso.dat è un file ASCII che contiene i dati di altezza, peso

Dettagli

Errori e loro propagazione

Errori e loro propagazione Errori e loro propagazione Introduzione al problema Quando effettuiamo delle misure è inevitabile incorrere in errori: non possiamo liberarcene peró possiamo controllarli. IMMAGINIAMO: un carpentiere che

Dettagli

2 Compito di Esonero del corso di Laboratorio di Meccanica A.A Canale A C (Prof. F. Meddi) 5/6/2012

2 Compito di Esonero del corso di Laboratorio di Meccanica A.A Canale A C (Prof. F. Meddi) 5/6/2012 ompito di Esonero del corso di Laboratorio di Meccanica.. 0 0 anale Prof. F. Meddi 5/6/0 Fila, esercizio N. : ssumere di avere misurato varie volte in maniera diretta le tre grandezze fisiche:, e, determinando

Dettagli

Analisi Statistica dei Dati Sperimentali. M. Trimarchi e P. La Rocca

Analisi Statistica dei Dati Sperimentali. M. Trimarchi e P. La Rocca Analisi Statistica dei Dati Sperimentali M. Trimarchi e P. La Rocca Misura delle Grandezze Fisiche Misure dirette Confronto con un campione dell unità di misura Lunghezze Metro Misure indirette Operazioni

Dettagli

STATISTICA INDUTTIVA: STIMA DI PARAMETRI STIMA PUNTUALE

STATISTICA INDUTTIVA: STIMA DI PARAMETRI STIMA PUNTUALE S.S.I.S TOSCANA F.I.M. -II anno STATISTICA INDUTTIVA: STIMA DI PARAMETRI STIMA PUNTUALE PROBLEMA 1 Vogliamo valutare la percentuale p di donne fumatrici tra le donne in età fertile. Procediamo all estrazione

Dettagli

CELLA 1 E 4 PER LA CORRENTE 2 E 3 PER LEGGERE LA 4 TERMINALI CILINDRO TENSIONE. Livello della soluzione. Laboratorio di Fisica (CdL Chimica)

CELLA 1 E 4 PER LA CORRENTE 2 E 3 PER LEGGERE LA 4 TERMINALI CILINDRO TENSIONE. Livello della soluzione. Laboratorio di Fisica (CdL Chimica) CELLA Livello della soluzione CILINDRO 4 TERMINALI 1 E 4 PER LA CORRENTE 2 E 3 PER LEGGERE LA TENSIONE 1 2 3 4 51 Diagramma I-V per la cella Usiamo un generatore di corrente in alternata. La corrente verso

Dettagli

9 - Esercizi su Test di Ipotesi e Media Pesata

9 - Esercizi su Test di Ipotesi e Media Pesata 9 - Esercizi su Test di Ipotesi e Media Pesata Esercizio 1: Prese due risme di fogli di carta, la misura della lunghezza di un campione di 10 fogli presi a caso da ciascuna delle due risme fornisce i seguenti

Dettagli

L errore percentuale di una misura è l errore relativo moltiplicato per 100 ed espresso in percentuale. Si indica con e p e risulta: e ( e 100)%

L errore percentuale di una misura è l errore relativo moltiplicato per 100 ed espresso in percentuale. Si indica con e p e risulta: e ( e 100)% UNITÀ L ELBORZIONE DEI DTI IN FISIC 1. Gli errori di misura.. Errori di sensibilità, errori casuali, errori sistematici. 3. La stima dell errore. 4. La media, la semidispersione e lo scarto quadratico

Dettagli

05. Errore campionario e numerosità campionaria

05. Errore campionario e numerosità campionaria Statistica per le ricerche di mercato A.A. 01/13 05. Errore campionario e numerosità campionaria Gli schemi di campionamento condividono lo stesso principio di fondo: rappresentare il più fedelmente possibile,

Dettagli

Costruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 7: Basi di statistica

Costruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 7: Basi di statistica Costruzione di macchine Modulo di: Progettazione probabilistica e affidabilità Marco Beghini Lezione 7: Basi di statistica Campione e Popolazione Estrazione da una popolazione (virtualmente infinita) di

Dettagli

IE FISICA Verifica 10 gennaio 2015 tutti gli esercizi e tutte le domande

IE FISICA Verifica 10 gennaio 2015 tutti gli esercizi e tutte le domande 1) Per ciascuno dei due casi determinare: portata e sensibilità dello strumento di misura; grandezza fisica misurata, valore della misura, errore assoluto, errore relativo ed errore percentuale; quindi

Dettagli

N.B. Per la risoluzione dei seguenti esercizi, si fa riferimento alle Tabelle riportate alla fine del documento.

N.B. Per la risoluzione dei seguenti esercizi, si fa riferimento alle Tabelle riportate alla fine del documento. N.B. Per la risoluzione dei seguenti esercizi, si fa riferimento alle abelle riportate alla fine del documento. Esercizio 1 La concentrazione media di sostanze inquinanti osservata nelle acque di un fiume

Dettagli

Acquisizione, rappresentazione e analisi di dati sperimentali

Acquisizione, rappresentazione e analisi di dati sperimentali Acquisizione, rappresentazione e analisi di dati sperimentali Aurelio Agliolo Gallitto Dipartimento di Fisica, Università di Palermo Introduzione Esperimenti illustrativi, per visualizzare un determinato

Dettagli

Aggiorniamo pag. 24 della presentazione

Aggiorniamo pag. 24 della presentazione Aggiorniamo pag. 24 della presentazione Il pendolo è un sistema che utilizzo per introdurre la teoria. Posso prevedere qual è il periodo di oscillazione del pendolo? T = 2π l g Prendo la legge e la verifico,

Dettagli

Matematica II: Calcolo delle Probabilità e Statistica Matematica

Matematica II: Calcolo delle Probabilità e Statistica Matematica Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docente: dott. F. Zucca Esercitazione # 6 1 Test ed intervalli di confidenza per una popolazione Esercizio n. 1 Il calore (in calorie

Dettagli

University of Messina, Italy

University of Messina, Italy ERRORI CASUALI NELL ANALISI CHIMICA 1 Errori casuali Gli errori casuali si incontrano tutte le volte che un sistema di misura viene usato al massimo della sua sensibilità. In queste circostanze i risultati

Dettagli

Propagazione delle varianze, conosciuta come propagazione degli errori.

Propagazione delle varianze, conosciuta come propagazione degli errori. Propagazione delle varianze, conosciuta come propagazione degli errori. Siano x 1, x 2, x n n variabili casuali e poniamo,, ) = y ( ) Supponiamo inoltre nota la matrice delle covarianze delle x e vogliamo

Dettagli

Equivalenze. Prof. A. Spagnolo IMS P. Villari - Napoli

Equivalenze. Prof. A. Spagnolo IMS P. Villari - Napoli Equivalenze 12dm 2...mm 2 ; 14037cm 2...m 2 ; 12kg...cg; 12hm 2...m 2 ; 3km/h...m/s; 12,8m/s...km/h; 5,5km/min...m/s; 6700m/h...m/s; 34m/s...m/h; 3,75m/s...km/min; 350kg/m 3...g/cm 3 ; 14,4g/cm 3...kg/m

Dettagli

DISTRIBUZIONI IN FREQUENZA E ISTOGRAMMI

DISTRIBUZIONI IN FREQUENZA E ISTOGRAMMI DISTRIBUZIONI IN FREQUENZA E ISTOGRAMMI Quando si hanno molti dati da trattare bisogna rappresentare i dati nella forma più efficace e utile. Infatti nel caso ci interessi conoscere il valore di una certa

Dettagli

Analisi statistica delle incertezze casuali. Dott. Claudio Verona

Analisi statistica delle incertezze casuali. Dott. Claudio Verona Analisi statistica delle incertezze casuali Dott. Claudio Verona Analisi statistica delle incertezza casuali Le misure ottenute con strumenti di misura, come detto, sono inevitabilmente affette da errori.

Dettagli

La fisica...le scienze... Metodo scientifico. Scopo della fisica è lo studio dei fenomeni naturali descrizione qualitativa e quantitativa

La fisica...le scienze... Metodo scientifico. Scopo della fisica è lo studio dei fenomeni naturali descrizione qualitativa e quantitativa La fisica...le scienze... Scopo della fisica è lo studio dei fenomeni naturali descrizione qualitativa e quantitativa Metodo scientifico Con Galileo Galilei (1564-1642) è stato introdotto il metodo sperimentale:

Dettagli

Con questi dati, effettuando una regressione lineare con il metodo dei minimi quadrati, otteniamo:

Con questi dati, effettuando una regressione lineare con il metodo dei minimi quadrati, otteniamo: ESPERIMENTAZIONI DI FISICA I - Appello d esame del 1/09/019 Quesito A (possibilità di svolgerlo con l ausilio di strumenti informatici) Si vuole fare una verifica sperimentale del valore numerico di π

Dettagli

Stima dell intervallo per un parametro

Stima dell intervallo per un parametro Stima dell intervallo per un parametro In aggiunta alla stima puntuale di un parametro dobbiamo dare l intervallo che rappresenta l incertezza statistica. Questo intervallo deve: comunicare in modo obbiettivo

Dettagli

Vedi: Probabilità e cenni di statistica

Vedi:  Probabilità e cenni di statistica Vedi: http://www.df.unipi.it/~andreozz/labcia.html Probabilità e cenni di statistica Funzione di distribuzione discreta Istogrammi e normalizzazione Distribuzioni continue Nel caso continuo la probabilità

Dettagli

Analisi Matematica I modulo Soluzioni prova scritta preliminare n. 2

Analisi Matematica I modulo Soluzioni prova scritta preliminare n. 2 Analisi Matematica I modulo Soluzioni prova scritta preinare n 2 Corso di laurea in Matematica, aa 2004-2005 22 dicembre 2004 1 (a) Calcolare il seguente ite A******* ( ) n 2 n 2 + n n 1 n + 2n 2 Soluzione

Dettagli

Lezione 1: Organizzare i dati in grafici e istogrammi

Lezione 1: Organizzare i dati in grafici e istogrammi Corso di Laboratorio I Laurea Specialistica Dott. Corrado Cicalò a.a. 2009/2010 Introduzione all'analisi dei dati sperimentali con il framework ROOT Università di Cagliari & INFN Università di Cagliari

Dettagli

Prova scritta di STATISTICA. CDL Biotecnologie. (Programma di Massimo Cristallo - A)

Prova scritta di STATISTICA. CDL Biotecnologie. (Programma di Massimo Cristallo - A) Prova scritta di STATISTICA CDL Biotecnologie (Programma di Massimo Cristallo - A) 1. Un associazione di consumatori, allo scopo di esaminare la qualità di tre diverse marche di batterie per automobili,

Dettagli