Note sulla stima dell incertezza sperimentale
|
|
- Enrico Manca
- 6 anni fa
- Visualizzazioni
Transcript
1 ote sulla stma dell ncertezza spermentale Quando s effettua una msura spermentale, essa è sempre defnta a meno d una ncertezza (errore) che dpende dale condzon n cu la msura vene eseguta. Il valore numerco d un dato spermentale deve qund essere presentato nella forma msura=mglor stma ±ncertezza= Esempo: se s msura la lunghezza d un gessetto con un doppo decmetro n cu sono rportate le tacche sa per cm che per mllmetr, è possble stmare tale lunghezza con un'ncertezza dell'ordne del mezzo mllmetro, dunque l rsultato della msura sarà cm Se, nvece del doppo decmetro, s usasse un calbro a nono sarebbe possble conoscere la lunghezza con una ncertezza che raggunge 0 μm cm S not però che la sensbltà dello strumento d msura (mnma varazone apprezzable) non è l unca varable da consderare nella stma dell ncertezza assocata ad una msurazone. Ad esempo, se l operatore s trovasse a msurare con un doppo decmetro ma n condzon sfavorevol (operatore astgmatco senza occhal, oggetto da msurare n movmento ) l ncertezza assocata alla msura potrebbe essere maggore. In sostanza, la stma dell ncertezza assocata ad una sngola msura rchede un gudzo da parte dello spermentatore. Confrontare valor spermental La stma dell ncertezza è essenzale per l confronto d valor spermental e qund per gudcare la rproducbltà d un rsultato scentfco. Due laborator stmano la concentrazone d sale su un campone d acqua marna ottenendo rsultat 35.86g/l e 35.98g/l, rspettvamente. I due rsultat sono dvers? La rsposta dpende dall ncertezza assocata alle determnazon spermental: (35.86±0.0)g/l e (35.98±0.0)g/l (35.86±0.08)g/l e (35.98±0.08)g/l Le msure sono dscrepant Le msure sono concord Se gl ntervall d confdenza defnt dalle ncertezze spermental s sovrappongono allora due valor s possono rtenere consstent. 1
2 Quante cfre sgnfcatve? Quando s specfca una quanttà msurata spermentalmente, l numero d cfre che s deve utlzzare dpende dall'ncertezza che caratterzza la msura. Il numero d cfre che s utlzza per specfcare sa l valore che la sua ncertezza s defnsce col termne d cfre sgnfcatve. -Gl zer n testa al numero non sono cfre sgnfcatve (l valore L=.31cm ha 3 cfre sgnfcatve così come L=0.031m). -Gl zer n coda sono cfre sgnfcatve, ess ndcano la precsone del valore. D regola le ncertezze (error) spermental dovrebbero essere arrotondate ad una sola cfra sgnfcatva, n quanto per loro natura sono nesatte. Occasonalmente s possono tenere due cfre sgnfcatve n partcolare se la prma cfra dell'ncertezza è 1 o la seconda è 5. Se ad esempo l'ncertezza fosse 0.14, arrotondarla a 0.1 mplcherebbe una notevole dmnuzone dell'errore stesso. (e cors d chmca analtca s suggersce d usare due cfre sgnfcatve per tenere conto d questa eventualtà). Una volta defnto l numero d cfre sgnfcatve per l'ncertezza, s può determnare l numero d cfre sgnfcatve della grandezza msurata, nfatt: L'ultma cfra sgnfcatva del rsultato spermentale deve essere dello stesso ordne d grandezza (stessa poszone decmale) dell'ncertezza Per esprmere l valore msurato con l numero corretto d cfre sgnfcatve è spesso necessaro arrotondarlo. Le tre regole per un corretto arrotondamento sono: -approssmare per eccesso se la cfra successva è maggore d 5 (3.41 dventa 3.4) -approssmare per dfetto se la cfra successva è mnore d 5 (3.471 dventa 3.5) -approssmare al numero par pù vcno se la cfra successva è 5 (3.55 dventa 3.6, così come 3.65) Errore assoluto ed errore relatvo L ncertezza assoluta è espressa nelle stesse untà d musura della grandezza msurata. Così se una lunghezza è msurata come cm, l dato c dce che la lunghezza effettva dell oggetto s colloca tra 1.30 cm e 1.40 cm. L' ncertezze relatva rel s esprme nvece come l rapporto tra l'ncertezza assoluta che caratterzza l dato msurato ed l suo valore numerco: rel Dunque l errore relatvo della msurazone d lunghezza d cu sopra è 0.05/1.35=0.04, ovvero un ncertezza relatva del 4%. L errore relatvo è mportante perché, n un certo senso, esprme la qualtà della msura d una grandezza: è evdente come un errore assoluto stmato n 1 cm assuma ben dverso sgnfcato se rferto alla msura d un tavolo o d una dstanza astronomca ed è appunto la dfferenza fra gl error relatv a suggerrc tale nterpretazone.
3 Dverse font d ncertezza La bontà d una msura spermentale è affetta da: 1. Errore d sensbltà dovuto allo strumento d msurazone: la nostra msura non può essere pù precsa d quanto permette la lettura dello strumento d msura.. Error sstematc: che non cambano da una msura all altra e non possono essere elmnat rpetendo pù volte la msura. Gl error sstematc non sono consderat nell ncertezza spermentale, ess devono essere dentfcat ed elmnat oppure nquneranno l rsultato della msura provocando una devazone del valore msurato dal valore effettvo della grandezza n esame. Esemp: dfett d funzonamento (un orologo marca pù velocemente del dovuto), errate condzon d mpego (una blanca a bracc ugual non poszonata su un pano orzzontale), nterazone tra lo strumento ed l sstema msurato (le gansce d un calbro serrate con forza eccessva tanto da deformare l oggetto msurato), presenza d un offset nella lettura dello strumento. 3. Error casual: dovut a nevtabl varazon aleatore della procedura d msurazone, cambament nell ambente crcostante, dervant da vare font d nose. L effetto degl error casual tende ad annulars nella procedura d meda, ecco perchè, quando è possble, l dato spermentale vene determnato da msure rpetute. In seguto vedremo come l trattamento statstco degl error casual permette d stmare l ncertezza spermentale. Precsone ed accuratezza Quando dsponamo d dvers valor msurat per la stessa quanttà fsca, possamo ntrodurre concett d precsone ed accuratezza della msura. Una msura precsa s ottene quando dvers valor sono sml fra d loro (pccolo errore casuale) attorno ad un valore medo che può essere o non essere una buona stma del valore effettvo della quanttà msurata. Una msura accurata s ottene quando la meda de valor ottenut è una buona stma del valore effettvo della quanttà msurata (pccolo errore sstematco) ndpendentemente dalla loro dspersone. Fgura 1 llustra grafcamente quattro stuazon possbl: Fgura 1: error casual (statstcal) e sstematc (systematc) 3
4 Il prmo esempo rporta una msura che è precsa (pccolo errore casuale) ma non accurata (grande errore sstematco). el secondo caso la msura è accurata ma non precsa. el terzo caso, l peggore d tutt, la msura non è né precsa né accurata. Infne l'ultmo caso rporta una msura che è sa precsa che accurata..b. e cors d chmca analtca l termne accuratezza vene defnto esattezza. Esempo: S voglono pesare 15. g d zucchero, dverse msurazon effettuate con due blance danno seguent valor: blanca 1: {14.9,15.3,15.1,14.7,15.} blanca : {17.9,18.,18.1,17.8,18.4} Dalle msure effettuate con la prma blanca l operatore stma come mglor valore la meda: 15.04g. L errore è legato a una msura della dspersone de dat raccolt, n questo caso l operatore xmax xmn / 0.3g (ved scegle d esprmere l errore come semdspersone massma paragrafo successvo). In defntva l dato rcavato dalla prma blanca è: m=(15.0 ± 0.3)g, l dato è affetto da un errore relatvo del %. Agendo nello stesso modo per la seconda blanca ottenamo per l peso dello zucchero la seguente stma: m=(18.1 ± 0.3)g. In questo caso l'errore relatvo è ancora del %, ma la blanca è affetta da un errore sstematco nella detremnazone del peso d.9 g. Per rvelare la presenza d error casual è suffcente rpetere pù volte la msura. el caso appena llustrato l'errore casuale porta ad un'ncertezza nella stma del peso del %. el prossmo paragrafo vedremo che aumentando l numero delle msurazon l errore casuale può essere rdotto. Rvelare la presenza d error sstematc n un espermento è pù dffclle. el caso sopra rportato la dscrepanza delle stme esegute con due blance dverse è un segnale che deve mettere n allerta l operatore. S dovrebbe dunque procedere ad una calbrazone degl strument con oggett d peso noto. Anche l processo d calbrazone, però deve essere fatto con molta attenzone, n quanto bsogna controllare le condzon (ad esempo temperatura, umdtà, nvecchamento, corrosone) che potrebbero nfluenzare lo standard d rfermento. Propagazone dell ncertezza La msura della grandezza fsca è accompagnata dalla stma dell errore ad essa assocato. Che cosa accade quando la grandezza fsca n esame è legata matematcamente ad una o pù altre grandezze, cascuna con l propro errore? S consder ad esempo l equazone del moto unforme: s vt Supponamo d voler determnare la veloctà msurando l tempo mpegato a compere un certo spostamento 4
5 s v t Entrambe le grandezze spostamento e tempo sono msurate con una certo errore s e t. Che errore v dovremo assocare alla veloctà? In che modo gl error delle grandezze convolte s rpercuotono sull errore della quanttà che voglamo determnare? Infatt n molt cas lo spermentatore utlzza un metodo d msura ndretto: l valore della grandezza fsca derva da msure d altre grandezze, msurate o drettamente o con strument tarat, legate ad essa da una qualche relazone funzonale. Se le ncertezze msurate per le varabl fsche che s combnano nel determnare l'osservable sono ndpendent e casual, allora è possble stmare l'errore combnando n manera opportuna gl error che caratterzzano le sngole msure spermental effettuate. el caso n cu le varabl msurate spermentalmente s combnno attraverso operazon d somma o sottrazone: Z A B... l'errore massmo d cu rsente Z, vene defnto dalla seguente somma:... Z A B se però le sngole msure sono state rpetute e s può ragonevolmente supporre che sano affette solo da error casual dstrbut n manera normale allora una mglor stma dell'errore per Z s ottene consderando che la ncertezza sa data dalla somma quadratca:... Z A B el caso n cu le varabl msurate spermentalmente s combnno attraverso operazon d prodotto o dvsone : AB Z C D l'errore massmo relatvo d cu rsente z, vene defnto dalla seguente somma degl error relatv: Z A B... Z A B se però le sngole msure sono state rpetute e s può ragonevolmente supporre che sano affette solo da error casual dstrbut n manera normale allora una mglor stma dell'errore per Z s ottene consderando che la sua ncertezza relatva sa data dalla somma quadratca: 5
6 Z A B... Z A B In generale la stma dell'errore massmo per una funzone f A, B... ottenuta msurando spermentalmente le varabl A, B etc. s ottene utlzzando questa formula: f f f A B... A B ma se le sngole msure sono state rpetute pù volte, come ne cas precedent, s può consderare l'errore come somma quadratca: f f f A B... A B Le formule precedent fornte per la somma/sottrazone e per l prodotto/dvsone non sono altro che una caso partcolare delle espresson general, la verfca è lascata come eserczo. Anals de dat spermental: Cenn d statstca descrttva S ndch con una quanttà fsca msurata drettamente con uno strumento d msura che assumamo ben calbrato. S effettuano dunque determnazon del valore d soggett solo ad error casual. S possono presentare seguent cas: A) Le msure effettuate danno lo stesso rsultato, oppure s esegue una sola msurazone. In questo caso l valore pù probable, ovvero la mglor stma d è l valore letto sullo strumento e l'ncertezza è suggerta dalla sensbltà dello strumento; s parla pertanto d errore d sensbltà. Questo caso s presenta quando la msura è fatta con uno strumento poco sensble. S pens alla msura della larghezza d un foglo eseguta con un rghello mllmetrato. Con tale strumento l errore d msura non è nferore a 0.5 mm, corrspondente alla mezza dvsone che l operatore può apprezzare. Evdentemente l errore d sensbltà è un errore massmo che assorbe tutt gl error casual. B) S eseguono alcune msure e queste danno valor che possono essere dvers tra d loro. Questo è l caso n cu la msura è eseguta con uno strumento sensble. S defnscono: La frequenza assoluta F come numero d volte che un valore o una classe d valor compare nelle msure effettuate. La somma d tutte le frequenze assolute corrsponde al numero complessvo d msure esegute. La frequenza relatva Fr è l rapporto tra la frequenza assoluta e l numero totale delle osservazon. Se l valore è stato msurato n volte, la corrspondente frequenza relatva è k Frk nk. La x k somma d tutte le frequenze relatve vale 1. 6
7 La frequenza percentuale F % è la Fr moltplcata per cento espressa n %. Spesso s suddvde l campo d varazone delle msure n un numero d ntervall d ampezza costante Δ e s raggruppano n class d valor le msure ottenute che cadono n uno stesso ntervallo. L esto d questa operazone s rappresenta con un stogramma della dstrbuzone delle msure, coè con de rettangol d base uguale alla larghezza dell'ntervallo e d altezza uguale alla frequenza delle msure che cadono n quell'ntervallo. Esempo: S supponga d msurare la lunghezza d una bacchetta d vetro (L) per =10 volte (set1) con un calbro a bassa precsone e d ottenere seguent dat (espress n mm): set1(l(mm))={ } Dato che le msure sono dstrbute, bsogna suddvderle n ntervall che contengano un certo numero d valor. La scelta delle dmenson dell'ntervallo dpende dalle fluttuazon che presentano le msure rpetute. In questo caso sceglamo un'ntervallo d 1 mm. S possono qund raggruppare le msure nel seguente modo: ntervallo (mm) F Fr In fgura relatv stogramm Fgura : stogramm della frequenza assoluta e relatva delle 10 msure raccolte n set1. (Istogramm generat con la funzone hstc d MATLAB) E mportante notare come la scelta delle dmenson dell'ntervallo sa crucale per ottenere un buon stogramma. Se gl ntervall sono troppo grand l'stogramma è formato da poche barre e s perde precsone nella determnazone della dstrbuzone. Se nvece gl ntervall sono troppo pccol, le altezze delle barre dell'stogramma tendono ad essere tutte ugual, perdendo l'nformazone sulle msure pù probabl. Esstono dvers tentatv d defnre la mglore ampezza 7
8 dell ntervallo su bas statstche (ved ad esempo regole d Sturges, Rce o Freedman Dacons) che funzonano bene solo n certe condzon. E dunque buona norma fare qualche prova per determnare l ampezza dell ntervallo che meglo s adatta al set d dat raccolt. Se s aumenta l numero d msure s può ottenere un stogramma va va pù dettaglato come mostrato nella Fgura 3. Come s può notare dalla Fgura 3 valor msurat tendono a collocars ntorno a quello che ragonevolmente è l valore pù probable. Dunque, quando s dspone d msurazon ndpendent d una stessa quanttà, la stma mglore del valore effettvo della quanttà msurata è la meda artmetca sul campone d msure x1, x,... x. 1 k k 1 k x x Fr x Propretà della meda -La somma degl scart x x è par a zero: x x 0 -La somma del quadrato degl scart delle x da un valore a è mnma per a x: x a x x -Propretà assocatva: S dvda l campone n K grupp ncompatbl (format da dverse msurazon) d numerosta rspettvamente 1,,, j,, K con ( K ) =. Denomnamo con 1 K x, x,... x le mede artmetche calcolate all nterno d ogn gruppo, dette anche mede parzal. Allora la meda totale s può calcolare come meda delle mede parzal de grupp ponderate per la numerosta de grupp. Incertezza delle sngole msure 1 1 K 1 j1 j x x x Una stma puttosto pessmstca dell'errore assoluto è la semdspersone defnta come l valore assoluto della semdfferenza tra l valore massmo e l valore mnmo fra quell ottenut: xmax xmn D regola l errore s stma come dspersone massma quando l numero d msurazon è esguo, tpcamente nferore a =5. Quando l campone è un po pù numeroso l errore può essere stmato come devazone standard, convenzonalmente ndcata come j x x 1 8
9 S può dmostrare (ved rfermento [1]) che l fattore -1 al dvsore (nvece d ) fornsce una stma mglore della devazone standard calcolata da un campone fnto. La devazone standard è un ndce dell ampezza della dstrbuzone de dat raccolt. Come gà vsto ne cors d analtca se l campone d msure non è numeroso, esstono metodologe per ottenere una stma mglore dell errore (come ad esempo la dstrbuzone della cosdetta t d Student); dunque è mportante specfcare sempre la metodologa scelta per la stma dell errore spermentale. Fgura 3: stogramm opportunamente normalzzat relatv a set d msure d dverese dmenson. S not che l ampezza degl ntervall nel caso =1000 è d 0.5mm. La frequenza relatva è dunque opportunamente scalata per conservare l area untara. e due set pù numeros (=100 e =1000) la curva ormale rcavata dal ft degl stogramm con una funzone gaussana è mostrata dalla lnea tratteggata. (Istogramm generat con la funzone hstc d MATLAB, ft ottenuto dalla funzone Gft scrtta n matlab e rportata n Appendce) C) Sono accessbl grand quanttà d dat. Quanto maggore è l numero d msure acquste tanto pù grande è l numero d ntervall n cu s può suddvdere l campo d varazone della, che raggunge un lmte mnmo determnato dalla rsoluzone del sstema d msurazone. L'stogramma delle msure tende allora ad appoggars ad una curva contnua d forma ben defnta chamata dstrbuzone lmte (ved fgura 3). 9
10 La dstrbuzone lmte è un rsultato teorco cu tende la dstrbuzone de valor spermental quando l numero d msurazon ndpendent tende all nfnto. Essa è utle perchè permette d descrvere le propreta general della dstrbuzone dell'errore casuale. La dstrbuzone lmte f( x ) su una quanttà contnua x è la dstrbuzone d probabltà sulla varable x. Il prodotto f x dx rappresenta la probabltà che una msurazone d x da un valore compreso tra x e x dx. La funzone f( x ) è defnta su tutto l'ntervallo delle x che va da,. L'ntegrale d f( x ) n un ntervallo [a,b] rappresenta la probabltà che una delle msure rpetute cada n quell'ntervallo. b Prob a x b f x dx a Pochè la probabltà d ottenere una qualunque msura su tutto l'ntervallo deve essere uguale a uno, allora l'ntegrale: f xdx 1 Ovvero la denstà d probabltà è sempre una funzone normalzzata a 1. Importante: La normalzzazone della denstà d probabltà mplca che per creare un stogramma corretto, ovvero che può essere nterpolato con una denstà d probabltà contnua, le frequenze relatve devono essere scalate n modo tale che l area dell stogramma sa untara. Dunque se c è l fattore d scala, l stogramma deve rportare la frequenza relatva scalata Fr c* Fr tale che k xk * Frk 1 Quanto vale c se, come nel nostro caso, gl ntervall k k x sono d ampezza costante? In assenza d error sstematc, se la msura è affetta solo da error casual ndpendent, la dstrbuzone lmte è la funzone ormale, ovvero una funzone Gaussan normalzzata a 1: dove x x ( x) dx x 1 exp x, è l valore medo e calcolo degl ntegral è lascato come eserczo, ved rfermento [1]). x x x x ( x) dx è la varanza (Il 10
11 La devazone standard è l parametro che defnsce la larghezza della dstrbuzone normale e qund è a sua volta legata alla probabltà che una msura rcada n un ben determnato ntervallo ntorno al valor medo. Se s consdera, nfatt un ntervallo t, t la probabltà che una msura rcada n questo ntervallo è data da: x t 1 Prob t x t exp dx t Cambando la varable con x z l'ntegrale dventa: t z t 1 exp dz erf( t) Questo ntegrale non è calcolable analtcamente, vene chamato funzone degl error. Un esempo dell'area d questo ntegrale rspetto alla dstrbuzone normale (gaussana) è dato n Fgura (5). Fgura 5 La Fgura (6) mostra come vara la probabltà che una msura rcada nell'ntervallo consderato all'aumentare del prametro t: Fgura 6 11
12 Perchè la dstrbuzone è spesso Gaussana? I teorem del lmte centrale Una domanda nteressante è: perchè la dstrbuzone d una grande quanttà d msurazon ndpendent tende così spesso ad una dstrbuzone d probabltà normale? Esstono nfatt altre dstrbuzon d probabltà (dstrbuzone bnomale, dstrbuzone d Posson...) che s realzzano quando l sstema msurato possede partcolar propretà statstche, tuttava n mancanza d nformazon specfche è ragonevole potzzare una dstrbuzone d probabltà normale. La rsposta s può trovare n una sere d teorem, dett del lmte centrale che, n termn semplfcat, provano che la somma d molte varabl casual ndpendent è dstrbuta n modo normale. L enuncazone pù semplce del teorema del lmte centrale è la seguente Sa 1 x la varable casuale che rsulta dalla somma d varabl casual r 1 ed dentcamente dstrbute con meda e varanza della varable Z (ovvero la varable tende ad una dstrbuzone normale 0,1. x ndpendent. S può dmostrare che la dstrbuzone standardzzata) Dunque se s consdera l rsultato della msura come l valore vero della quanttà consderata pù un contrbuto casuale rsultante dalla somma d molteplc fattor aleator ndpendent, l teorema del lmte centrale spega come ma la dstrbuzone Gaussana sa così mportante. Errore standard della meda Quando s rporta l rsultato d una sere d msure nella forma: x dove x è la meda e la devazone standard rcavata da dat, s ntende dre che la probabltà che, rpetendo una sngola msura, essa cada nell'ntervallo x, x è del 68,3%, oppure che l 68.3 % delle msure esegute cade n tale ntervallo. A rgore σ rappresenta qund non tanto l'ncertezza meda della dstrbuzone, ma quella delle sngole msure. Fra le msure effettuate l valore medo è quello pù affdable e la sua devazone dal valore vero è pù pccola d quella delle msure. S può dmostrare (derva drettamente dal teorema del lmte centrale) che l'ncertezza assocata al valore medo è volte pù pccola d quella delle sngole msure. Tale ncertezza è chamata devazone standard della meda e vale: x 1
13 Questo errore standard è una msura dell'ncertezza legata alla stma della meda. In altre parole, l'errore standard è una msura dell'errore d stma. In questo senso, l'errore standard è concettualmente molto dverso dalla devazone standard del campone, che rappresenta una varabltà naturale nelmnable. S not nfatt che la devazone standard del campone non dpende pratcamente dal numero d rpetzon della msurazone mentre l errore standard della meda dmnusce all'aumentare del numero delle rpetzon, annullandos quando questo tende ad nfnto. Bblografa [1] J. R. Taylor, "Introduzone all'anals degl error", Seconda Edzone, Zanchell [] P. R. Bevngton and D. K. Robnson, "Data Reducton and Error Analyss for the Physcal Scences", McGrow--Hl Appendce (funzone matlab per l fttng con una curva normale) functon [sgma, mu] = Gft( x, y ) % Fttng d una curva ormale de dat (x,y) con metodo LMS terattvo (teratve Least Mean Square algorthm) % La curva normale è scrtta come % y = 1/(sqrt(*p)*sgma)*exp( -(x - mu)^ / (*sgma^)) % OUTPUT: % sgma valore ottmzzato della devazone standard % mu valore ottmzzato della meda % % OTA % I dat devono essere scalat opportunamente. Ovvero l area sottesa crca uguale a 1 % ESEMPIO: % x = -10:1:10; % s = ; % m = 3; % y = 1/(sqrt(*p)* s ) * exp( - (x-m).^ / (*s^)) + 0.0*randn( 1, 1 ); % [sgma,mu] = gaussft( x, y ) % xp = -10:0.1:10; % yp = 1/(sqrt(*p)* sgma ) * exp( - (xp-mu).^ / (*sgma^)); % plot( x, y, 'o', xp, yp, '-' ); 13
14 % umero massmo d terazon max = 50; f( length( x ) ~= length( y )) fprntf( 'x and y should be of equal length\n\r' ); ext; end n = length( x ); x = reshape( x, n, 1 ); y = reshape( y, n, 1 ); %reordno dat = [x,y]; = sortrows( ); x = (:,1); y = (:,); %Controllo d normalzzazone dx = dff( x ); dy = 0.5*(y(1:length(y)-1) + y(:length(y))); s = sum( dx.* dy ); f( s > 1.5 s < 0.5 ) fprntf( 'Data s not normalzed! The pdf sums to: %f. ormalzng...\n\r', s ); y = y./ s; end = zeros( n, 3 ); (:,1) = 1; (:,) = x; (:,3) = (x.*x); % stma nzale della meda e devazone [ymax,ndex]=max(y); mu = x(ndex); sgma = 1/(sqrt(*p)*ymax); % terazon for =1:max dfdsgma = -1/(sqrt(*p)*sgma^)*exp(-((x-mu).^) / (*sgma^)); dfdsgma = dfdsgma + 1/(sqrt(*p)*sgma).*exp(-((x-mu).^) / (*sgma^)).*((xmu).^/sgma^3); 14
15 dfdmu = 1/(sqrt(*p)*sgma)*exp(-((x-mu).^)/(*sgma^)).*(x-mu)/(sgma^); F = [ dfdsgma dfdmu ]; a0 = [sgma;mu]; f0 = 1/(sqrt(*p)*sgma).*exp( -(x-mu).^ /(*sgma^)); a = (F'*F)^(-1)*F'*(y-f0) + a0; sgma = a(1); mu = a(); f( sgma < 0 ) sgma = abs( sgma ); fprntf( 'Instablty detected! Rerun wth ntal values sgma0 and mu0! \n\r' ); fprntf( 'Check f your data s properly scaled! p.d.f should approx. sum up to \n\r' ); ext; end end 15
16 Esperenza d Laboratoro Parte spermentale 1) Ogn studente deve preparare due soluzon pesando crca 15 mg d CuSO 4 e scoglendol n 5 ml d acqua acdfcata prelevata con una ppetta. Lo studente deve prendere nota delle pesate, della precsone d msura della blanca e della ppetta. ) S setta lo spettrofotometro d assorbmento UV Vsble a 750 nm e s azzera la sua lettura (baselne) utlzzando una cuvetta n plastca (cammno ottco l=1 cm) contenente acqua. 3) Usando le soluzon preparate al punto 1) s avvna una cuvetta (cammno ottco l=1 cm) due volte e po la s rempe con la soluzone e s effettua la msura dell assorbanza a 750 nm con lo spettrofotometro d assorbmento UV Vsble. Lo studente annota l valore letto d assorbanza A(λ = 750) per le due soluzon preparate e l ncertezza con cu s legge l assorbanza stessa. Con dat raccolt lo studente calcola la concentrazone C delle due soluzon e l valore del coeffcente d estnzone ɛ(λ = 750) a 750 nm del CuSO 4 usando la relazone d Lambert Beer: ɛ(750) = A(750) C l (1) Una volta calcolat coeffcent d estnzone, quest vengono dat al docente che provvede a raccoglere tutt dat ottenut dagl student. Quest dat verrano qund analzzat statstcamente per valutare la mglor stma d questa grandezza e l ncertezza che la caratterzza. Elaborazone de dat 1) Metodo d propagazone dell errore per una sngola msura S scegle una msura effettuata e s assoca ad ogn msura spermentale l errore dovuto alla precsone dello strmento utlzzato. S utlzza qund la formula d propagazone dell errore per valutare l ncertezza sul coeffcente d estnzone. ) Calcolo della mglor stma e dell ncertezza da un numero lmtato d msure S consderano due valor d ɛ(750) msurat dal sngolo studente e s calcola l valor medo e l errore massmo utlzzando la formula della sem dspersone massma. 1
17 3) Calcolo della mglor stma e dell ncertezza da un numero elevato d msure Usando tutte le msure d epslon raccolte da tutt gl student s procede alla realzzazone d un stogramma per osservare come sono dstrbut dat spermental. S procede qund al calcolo del valor medo, della devazone standard e della devazone standard della meda. Usando dat rportat nell stogramma e un programma d elaborazone dat, s applca la procedura d fttng per analzzare dat. Come funzone modello s usa la funzone gaussana. S valutano, tramte tale procedura, le stme de parametr µ e σ della funzone gaussana che meglo nterpolano dat dell stogramma. S confrontano valor med e la devazone standard ottenute con le due dverse procedure. Ogn studente dovrà effettuare l elaborazone de dat e consegnare la scheda pre complata fornta dal docente.
Precisione e Cifre Significative
Precsone e Cfre Sgnfcatve Un numero (una msura) è una nformazone! E necessaro conoscere la precsone e l accuratezza dell nformazone. La precsone d una msura è contenuta nel numero d cfre sgnfcatve fornte
DettagliLaboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica
Laboratoro B A.A. 01/013 Elaborazone Dat Lab B CdL Fsca Lab B CdL Fsca Elaborazone dat spermental Prncpo della massma verosmglanza Quando eseguamo una sere d msure relatve ad una data grandezza fsca, quanto
DettagliTeoria degli errori. La misura implica un giudizio sull uguaglianza tra la grandezza incognita e la grandezza campione. Misure indirette: velocita
Teora degl error Processo d msura defnsce una grandezza fsca. Sstema oggetto. Apparato d msura 3. Sstema d confronto La msura mplca un gudzo sull uguaglanza tra la grandezza ncognta e la grandezza campone
DettagliCorso di. Dott.ssa Donatella Cocca
Corso d Statstca medca e applcata 3 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone I concett prncpal che sono stat presentat sono: Mede forme o analtche (Meda artmetca semplce, Meda artmetca
DettagliGLI ERRORI SPERIMENTALI NELLE MISURE DI LABORATORIO
GLI ERRORI SPERIMETALI ELLE MISURE DI LABORATORIO MISURA DI UA GRADEZZA FISICA S defnsce grandezza fsca una propretà de corp sulla quale possa essere eseguta un operazone d msura. Msurare una grandezza
DettagliESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità:
ESERCIZIO. S consder una popolazone consstente delle quattro msurazon,, e descrtta dalla seguente dstrbuzone d probabltà: X P(X) ¼ ¼ ¼ ¼ S estrae casualmente usando uno schema d camponamento senza rpetzone
DettagliLezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo
UNIVERSITA DEGLI STUDI DI BASILICATA FACOLTA DI ECONOMIA Corso d laurea n Economa Azendale Lezon d Statstca (25 marzo 2013) Docente: Massmo Crstallo QUARTILI Dvdono la dstrbuzone n quattro part d uguale
DettagliCARATTERISTICHE DEI SEGNALI RANDOM
CARATTERISTICHE DEI SEGNALI RANDOM I segnal random o stocastc rvestono una notevole mportanza poché sono present, pù che segnal determnstc, nella maggor parte de process fsc real. Esempo d segnale random:
DettagliLaboratorio 2B A.A. 2013/2014. Elaborazione Dati. Lab 2B CdL Fisica
Laboratoro B A.A. 013/014 Elaborazone Dat Lab B CdL Fsca Elaborazone dat spermental Come rassumere un nseme d dat spermental? Una statstca è propro un numero calcolato a partre da dat stess. La Statstca
DettagliElementi di statistica
Element d statstca Popolazone statstca e campone casuale S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..) e
DettagliCORRETTA RAPPRESENTAZIONE DI UN RISULTATO: LE CIFRE SIGNIFICATIVE
CORRETT RPPREETZIOE DI U RIULTTO: LE CIFRE IGIFICTIVE Defnamo cfre sgnfcatve quelle cfre che esprmono realmente l rsultato d una msura, o del suo errore, coè che non sono completamente ncluse nell ntervallo
DettagliLA COMPATIBILITA tra due misure:
LA COMPATIBILITA tra due msure: 0.4 Due msure, supposte affette da error casual, s dcono tra loro compatbl quando la loro dfferenza può essere rcondotta ad una pura fluttuazone statstca attorno al valore
DettagliStrada B. Classe Velocità valore frequenza Frequ. ass Frequ. % hi Freq. Cum
Eserczo SINTESI S supponga d avere eseguto 70 msure della veloctà stantanea de vecol che transtano nelle sezon d due strade A e B. S supponga che tal msure sano state eseguta n corrspondenza d valor modest
DettagliLa t di Student. Per piccoli campioni si definisce la variabile casuale. = s N. detta t di Student.
Pccol campon I parametr della dstrbuzone d una popolazone sono n generale ncognt devono essere stmat dal campone de dat spermental per pccol campon (N N < 30) z = (x µ)/ )/σ non ha pù una dstrbuzone gaussana
DettagliScienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni
Scenze Geologche Corso d Probabltà e Statstca Prove d esame con soluzon 004-005 1 Corso d laurea n Scenze Geologche - Probabltà e Statstca Appello del 1 gugno 005 - Soluzon 1. (Punt 3) In una certa zona,
DettagliLezione 2 a - Statistica descrittiva per variabili quantitative
Lezone 2 a - Statstca descrttva per varabl quanttatve Esempo 5. Nella tabella seguente sono rportat valor del tasso glcemco rlevat su 10 pazent: Pazente Glcema (mg/100cc) 1 x 1 =103 2 x 2 =97 3 x 3 =90
DettagliVariabili statistiche - Sommario
Varabl statstche - Sommaro Defnzon prelmnar Statstca descrttva Msure della tendenza centrale e della dspersone d un campone Introduzone La varable statstca rappresenta rsultat d un anals effettuata su
DettagliLezione 2 le misure di sintesi: le medie
Lezone le msure d sntes: le mede Cattedra d Bostatstca Dpartmento d Scenze spermental e clnche, Unverstà degl Stud G. d Annunzo d Chet-Pescara Prof. Enzo Ballone Lezone a- Statstca descrttva per varabl
Dettagli= = = = = 0.16 NOTA: X P(X) Evento Acquisto PC Intel Acquisto PC Celeron P(X)
ESERCIZIO 3.1 Una dtta vende computer utlzzando on-lne, utlzzando sa processor Celeron che processor Intel. Dat storc mostrano che l 80% de clent preferscono acqustare un PC con processore Intel. a) Sa
Dettaglix 0 x 50 x 20 x 100 CASO 1 CASO 2 CASO 3 CASO 4 X n X n X n X n
Corso d Statstca docente: Domenco Vstocco La msura della varabltà per varabl qualtatve ordnal Lo studo della varabltà per varabl qualtatve ordnal può essere condotto servendos degl ndc d omogenetà/eterogenetà
DettagliNorma UNI CEI ENV 13005: Guida all'espressione dell'incertezza di misura
orma UI CEI EV 3005: Guda all'espressone dell'ncertezza d msura L obettvo d una msurazone è quello d determnare l valore del msurando, n altre parole della grandezza da msurare. In generale, però, l rsultato
Dettagliuna variabile casuale è continuase può assumere un qualunque valore in un intervallo
Varabl casual contnue Se samo nteressat alla temperatura massma gornaleraquesta è una varable casuale msurata n un ntervallo contnuoe qund è una v.c. contnua una varable casuale è contnuase può assumere
DettagliCapitolo 3. Cap. 3-1
Statstca Captolo 3 Descrzone Numerca de Dat Cap. 3-1 Obettv del Captolo Dopo aver completato l captolo, sarete n grado d: Calcolare ed nterpretare la meda, la medana e la moda d un set tdd dat Trovare
DettagliCAPITOLO 3 Incertezza di misura Pagina 26
CAPITOLO 3 Incertezza d msura Pagna 6 CAPITOLO 3 INCERTEZZA DI MISURA Le operazon d msurazone sono tutte nevtablmente affette da ncertezza e coè da un grado d ndetermnazone con l quale l processo d msurazone
DettagliLA CALIBRAZIONE NELL ANALISI STRUMENTALE
LA CALIBRAZIONE NELL ANALISI STRUMENTALE La maggor parte delle anals chmche sono ogg condotte medante metod strumental (spettrometra d assorbmento ed emssone a dverse λ, metod elettrochmc, spettrometra
DettagliFACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 17/09/2012
CdL n SCIENZE DELL ORGANIZZAZIONE ESAME d STATISTICA ESERCIZIO 1 (+.5+.5+3) La tabella seguente rporta la dstrbuzone d frequenza del peso X n gramm d una partta d mele provenent da un certo frutteto. X=peso
Dettagli* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *
* PROBABILITÀ - SCHEDA N. LE VARIABILI ALEATORIE *. Le varabl aleatore Nella scheda precedente abbamo defnto lo spazo camponaro come la totaltà degl est possbl d un espermento casuale; abbamo vsto che
DettagliAnalisi di mercurio in matrici solide mediante spettrometria di assorbimento atomico a vapori freddi
ESEMPIO N. Anals d mercuro n matrc solde medante spettrometra d assorbmento atomco a vapor fredd 0 Introduzone La determnazone del mercuro n matrc solde è effettuata medante trattamento termco del campone
DettagliCapitolo 3 Covarianza, correlazione, bestfit lineari e non lineari
Captolo 3 Covaranza, correlazone, bestft lnear e non lnear ) Covaranza e correlazone Ad un problema s assoca spesso pù d una varable quanttatva (es.: d una persona possamo determnare peso e altezza, oppure
Dettagli3 (solo esame 6 cfu) Elementi di Analisi Numerica, Probabilità e Statistica, modulo 2: Elementi di Probabilità e Statistica (3 cfu)
lement d Anals Numerca, Probabltà e Statstca, modulo 2: lement d Probabltà e Statstca ( cfu) Probabltà e Statstca (6 cfu) Scrtto del 06 febbrao 205. Secondo Appello Id: A Nome e Cognome: same da 6 cfu
DettagliLA VARIABILITA. IV lezione di Statistica Medica
LA VARIABILITA IV lezone d Statstca Medca Sntes della lezone Il concetto d varabltà Campo d varazone Dfferenza nterquartle La varanza La devazone standard Scostament med Il concetto d varabltà S defnsce
DettagliPropagazione degli errori statistici. Test del χ 2 per la bontà di adattamento. Metodo dei minimi quadrati.
Propagazone degl error statstc. Test del χ per la bontà d adattamento. Metodo de mnm quadrat. Eserctazone 14 gennao 004 1 Propagazone degl error casual Sano B 1,..., B delle varabl casual con valor attes
DettagliDIPARTIMENTO TEMATICO RADIAZIONI Struttura Semplice Radiazioni ionizzanti
DIPARTIMENTO TEMATICO RADIAZIONI Struttura Semplce 21.01 Radazon onzzant TITOLO Interconfronto Consorzo Eraclto Msure d rateo d dose gamma n campo - Cuncolo esploratvo de la Maddalena Allneamento msure
DettagliIL RUMORE NEGLI AMPLIFICATORI
IL RUMORE EGLI AMPLIICATORI Defnzon S defnsce rumore elettrco (electrcal nose) l'effetto delle fluttuazon d corrente e/o d tensone sempre present a termnal degl element crcutal e de dspostv elettronc.
DettagliRelazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione
1 La Regressone Lneare (Semplce) Relazone funzonale e statstca tra due varabl Modello d regressone lneare semplce Stma puntuale de coeffcent d regressone Decomposzone della varanza Coeffcente d determnazone
DettagliSERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete
SERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete Una sere storca o temporale è un nseme d dat costtut da una sequenza d osservazon su un fenomeno d nteresse X, effettuate n stant (per le
DettagliIl trattamento dei dati a fini descrittivi
Il trattamento de dat a fn descrttv Rappresentazone de dat: Dstrbuzon d frequenza Rappresentazon grafche Dstrbuzon doppe Sntes de dat Calcolo d ndc: poszone, varabltà, forma Studo delle relazon tra due
DettagliC.I. di Metodologia clinica
C.I. d Metodologa clnca I metod per la sntes e la comuncazone delle nformazon sulla salute Come possamo trarre concluson attendbl su parametr a partre dalle stme camponare? I metod per la produzone delle
DettagliModelli descrittivi, statistica e simulazione
Modell descrttv, statstca e smulazone Master per Smart Logstcs specalst Roberto Cordone (roberto.cordone@unm.t) Statstca descrttva Cernusco S.N., govedì 28 gennao 2016 (9.00/13.00) 1 / 15 Indc d poszone
DettagliMinistero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA
Mnstero della Salute D.G. della programmazone santara --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA La valutazone del coeffcente d varabltà dell mpatto economco consente d ndvduare gl ACC e DRG
DettagliSoluzioni 3.1. n(n 1) (n k + 1) z n k! k + 1 n k. lim k
(1) La sere bnomale è B n (z) = k=0 Con l metodo del rapporto s ottene R = lm k Soluzon 3.1 n(n 1) (n k + 1) z n k! c k c k+1 = lm k k + 1 n k lm k c k z k. k=0 1 + 1 k 1 n k = 1 (2) La multfunzone f(z)
DettagliRICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2
RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A La rappresentazone n Complemento a Due d un numero ntero relatvo (.-3,-,-1,0,+1,+,.) una volta stablta la precsone che s vuole ottenere (coè l numero d
DettagliRelazioni tra variabili: Correlazione e regressione lineare
Dott. Raffaele Casa - Dpartmento d Produzone Vegetale Modulo d Metodologa Spermentale Febbrao 003 Relazon tra varabl: Correlazone e regressone lneare Anals d relazon tra varabl 6 Produzone d granella (kg
DettagliCenni di Statistica. AA Corso di Laurea in Biologia Molecolare
AA 009-00 Corso d Laurea n Bologa Molecolare Cenn d Statstca Introduzone Descrvere dat (statstca descrttva) Meda artmetca Varanza Devazone standard Correlazone Dstrbuzon teorche La legge de grand numer
DettagliCorrelazione lineare
Correlazone lneare Varable dpendente Mortaltà per crros 50 45 40 35 30 5 0 15 10 5 0 0 5 10 15 0 5 30 Consumo d alcool Varable ndpendente Metodologa per l anals de dat spermental L anals d stud con varabl
DettagliMETODI DI MISURA LEZIONI DEL CORSO DI FISICA I E METODI DI MISURA. Enrico Ferrero
METODI DI MISURA LEZIOI DEL CORSO DI FISICA I E METODI DI MISURA Enrco Ferrero ITRODUZIOE Error come ncertezze: non sono sbagl, sono nevtabl e devono essere rdott l pù possble. Inevtabltà degl error nella
DettagliGli errori nelle misure
Appunt d Msure Elettrche Gl error nelle msure Classfcazone degl error... Error sstematc...4 Accuratezza e precsone...5 Errore stmato...7 Meda, devazone meda, devazone standard e varanza d un campone d
DettagliQuattro passi nella statistica per chimici
Quattro pass nella statstca per chmc Lo scopo dell anals statstca applcata a sere d dat spermental è quella d ottenere nformazon per valutare la valdtà d una procedura o la accettabltà d un dato analtco.
DettagliValutazione dei Benefici interni
Corso d Trasport Terrtoro prof. ng. Agostno Nuzzolo Valutazone de Benefc ntern Valutazone degl ntervent Indvduazone degl effett rlevant La defnzone degl effett rlevant per un ntervento sul sstema d trasporto
DettagliIntegrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1
Integrazone numerca dell equazone del moto per un sstema lneare vscoso a un grado d lbertà Prof. Adolfo Santn - Dnamca delle Strutture 1 Introduzone 1/2 L equazone del moto d un sstema vscoso a un grado
DettagliLE FREQUENZE CUMULATE
LE FREQUENZE CUMULATE Dott.ssa P. Vcard Introducamo questo argomento con l seguente Esempo: consderamo la seguente dstrbuzone d un campone d 70 sttut d credto numero flal present nel terrtoro del comune
DettagliChimica Fisica II Dispense di LABORATORIO
Dspense d Laboratoro Chmca Fsca II, A.A. 0-03 Unverstà degl stud d Padova Dpartmento d Scenze Chmche Corso d Laurea Trennale n Chmca Chmca Fsca II Dspense d LABORATORIO (Anno Accademco 0-03) A cura d:
DettagliEsame di Statistica tema A Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011
Esame d Statstca tema A Corso d Laurea n Economa Prof.ssa Gordano Appello del /07/0 Cognome Nome atr. Teora Dmostrare che la somma degl scart dalla meda artmetca è zero. Eserczo L accesso al credto è sempre
DettagliUNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II FACOLTÀ DI INGEGNERIA LAFIDIN
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II FACOLTÀ DI INGEGNERIA LAFIDIN LABORATORIO/FISICO/DIDATTICO/INGEGNERIA VIA CLAUDIO, 1 8015 NAPOLI WWW.LAFIDIN.UNINA.IT - TEL. 081/7683603- FAX 081/768360 Corso
DettagliRappresentazione dei numeri PH. 3.1, 3.2, 3.3
Rappresentazone de numer PH. 3.1, 3.2, 3.3 1 Tp d numer Numer nter, senza segno calcolo degl ndrzz numer che possono essere solo non negatv Numer con segno postv negatv Numer n vrgola moble calcol numerc
DettagliTITOLO: L INCERTEZZA DI TARATURA DELLE MACCHINE PROVA MATERIALI (MPM)
Identfcazone: SIT/Tec-012/05 Revsone: 0 Data 2005-06-06 Pagna 1 d 7 Annotazon: Il presente documento fornsce comment e lnee guda sull applcazone della ISO 7500-1 COPIA CONTROLLATA N CONSEGNATA A: COPIA
DettagliRappresentazione dei numeri
Rappresentazone de numer PH. 3.1, 3.2, 3.3 1 Tp d numer Numer nter, senza segno calcolo degl ndrzz numer che possono essere solo non negatv Numer con segno postv negatv Numer n vrgola moble calcol numerc
DettagliSommario. Obiettivo. Quando studiarla? La concentrazione. X: carattere quantitativo tra le unità statistiche. Quando studiarla?
Corso d Statstca a.a. 9- uando studarla? Obettvo Dagramma d Lorenz Rapporto d concentrazone rea d concentrazone Esemp Sommaro La concentrazone uando studarla? Obettvo X: carattere quanttatvo tra le untà
DettagliSTATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE
Matematca e statstca: da dat a modell alle scelte www.dma.unge/pls_statstca Responsabl scentfc M.P. Rogantn e E. Sasso (Dpartmento d Matematca Unverstà d Genova) STATISTICA DESCRITTIVA - SCHEDA N. REGRESSIONE
DettagliStatistica descrittiva
Statstca descrttva. Indc d poszone. Per ndc d poszone d un nseme d dat, ordnat secondo la loro randezza, s ntendono alcun valor che cadono all nterno dell nseme. Gl ndc pù usat sono: I. eda. II. edana.
DettagliLA VARIABILITA. Nella metodologia statistica si distinguono due aspetti della variabilità:
LA VARIABILITA LA VARIABILITA E L ATTITUDINE DEL FENOMENO QUANTITATIVO AD ASSUMERE DIVERSE MODALITA, O MEGLIO LA TENDENZA DI OGNI SINGOLA OSSERVAZIONE AD ASSUMERE VALORI DIFFERENTI RISPETTO AL VALORE MEDIO.
DettagliUniversità di Cassino. Esercitazione di Statistica 1 del 4 dicembre Dott.ssa Simona Balzano
Unverstà d Cassno Eserctazone d Statstca del 4 dcembre 6 Dott.ssa Smona Balzano Eserczo Sa la varable casuale che descrve l rsultato del lanco d dad, sulle cu facce v sono numer: 5, 5, 7, 7, 9, 9. a) Defnre
DettagliCorso AFFIDABILITÀ DELLE COSTRUZIONI MECCANICHE. Prof. Dario Amodio d.amodio@univpm.it. Ing. Gianluca Chiappini g.chiappini@univpm.
Corso AFFIDABILITÀ DELLE COSTRUZIONI MECCANICHE Prof. Daro Amodo d.amodo@unvpm.t Ing. Ganluca Chappn g.chappn@unvpm.t http://www.dpmec.unvpm.t/costruzone/home.htm (Ddattca/Dspense) Testo d rfermento: Stefano
DettagliPer calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite:
ESERCIZIO.1 Sa X la varable casuale che descrve l numero d teste ottenute nella prova lanco d tre monete truccate dove P(Croce)= x P(Testa). 1) Defnrne la dstrbuzone d probabltà ) Rappresentarla grafcamente
DettagliCorso di Tecniche elettromagnetiche per la localizzazione e il controllo ambientale. Test scritto del 08 / 09 / 2005
Corso d Tecnche elettromagnetche per la localzzazone e l controllo ambentale Test scrtto del 8 / 9 / 5 S rsponda alle seguent domande marcando con un segno le rsposte che s reputano corrette. S rsolva
DettagliPotenzialità degli impianti
Unverstà degl Stud d Treste a.a. 2009-2010 Impant ndustral Potenzaltà degl mpant Impant ndustral Potenzaltà degl mpant 1 Unverstà degl Stud d Treste a.a. 2009-2010 Impant ndustral Defnzone della potenzaltà
DettagliEsercizi sulle reti elettriche in corrente continua (parte 2)
Esercz sulle ret elettrche n corrente contnua (parte ) Eserczo 3: etermnare gl equvalent d Thevenn e d Norton del bpolo complementare al resstore R 5 nel crcuto n fgura e calcolare la corrente che crcola
DettagliEsame di Statistica tema B Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011
Esame d Statstca tema B Corso d Laurea n Economa Prof.ssa Gordano Appello del 15/07/011 Cognome Nome Matr. Teora Dmostrare la propretà assocatva della meda artmetca. Eserczo 1 L accesso al credto è sempre
DettagliUniversità degli Studi di Urbino Facoltà di Economia
Unverstà degl Stud d Urbno Facoltà d Economa Lezon d Statstca Descrttva svolte durante la prma parte del corso d corso d Statstca / Statstca I A.A. 004/05 a cura d: F. Bartolucc Lez. 8/0/04 Statstca descrttva
DettagliTutti gli strumenti vanno tarati
L'INCERTEZZA DI MISURA Anta Calcatell I.N.RI.M S eseguono e producono msure per prendere delle decson sulla base del rsultato ottenuto, come per esempo se bloccare l traffco n funzone d msure d lvello
DettagliRegressione lineare: definizione delle incertezze dei coefficienti (calibrazione e regressione generica)
Regressone lneare: defnzone delle ncertezze de coeffcent (calbrazone e regressone generca) Argoment: regressone lneare affetta da ncertezza; ncertezza del coeffcente angolare della retta d regressone;
DettagliRAPPRESENTAZIONE DI MISURE. carta millimetrata
carta mllmetrata carta mllmetrata non è necessaro rportare sul foglo la tabella (ma auta; l mportante è che sta da qualche parte) carta mllmetrata 8 7 6 5 4 3 smbolo della grandezza con untà d msura!!!
Dettagli,29 7. Distribuzioni di frequenza. x 1 n 1 n 1 n 1 /N n 1 /N*100 x 2 n 2 n 1 +n 2 n 2 /N n 2 /N*100
Dstrbuzon d frequenza Varable x Frequenze Frequenze Frequenze Frequenze % cumulate relatve x 1 n 1 n 1 n 1 / n 1 /*100 x n n 1 +n n / n /*100 x k n k n 1 +.+n k = n k / n k /*100 totale 1 100 Indc sntetc
DettagliREALTÀ E MODELLI SCHEDA DI LAVORO
REALTÀ E MODELLI SCHEDA DI LAVORO 1 Le tabelle d crescta Nella tabella sono rportat dat relatv alle altezze mede delle bambne dalla nascta fno a un anno d età. Stablsc se esste una relazone lneare tra
DettagliPredimensionamento reti chiuse
Predmensonamento ret chuse Rspetto ad una rete aperta, ogn magla aggunge un grado d lbertà (una nfntà d soluzon) nella determnazone delle portate Q,Q 1, e Q 2, utlzzando le sole equazon d contnutà. a dfferenza
DettagliPREVEDONO: Capitolo 17 del libro di testo. Copyright 2005 The McGraw-Hill Companies srl
Le Inferenze sul modello d regressone PREVEDONO: Assunzone d normaltà degl error e nferenza su parametr Anals della Varanza Inferenza per la rsposta meda e la prevsone Anals de resdu Valor anomal Captolo
DettagliSTATISTICA DESCRITTIVA CON EXCEL
STATISTICA DESCRITTIVA CON EXCEL Corso d CPS - II parte: Statstca Laurea n Informatca Sstem e Ret 2004-2005 1 Obettv della lezone Introduzone all uso d EXCEL Statstca descrttva Utlzzo dello strumento:
DettagliUniversità di Cassino. Esercitazioni di Statistica 1 del 19 Febbraio Dott. Mirko Bevilacqua
Unverstà d Cassno Eserctazon d Statstca del 9 Febbrao 00 Dott. Mro Bevlacqua DATASET STUDENTI N SESSO ALTEZZA PESO CORSO NUMERO COLORE COLORE (cm) (g) LAUREA SCARPA OCCHI CAPELLI M 79 65 INFORMAICA 43
DettagliLEZIONE 2. Riassumere le informazioni: LE MEDIE MEDIA ARITMETICA MEDIANA, MODA, QUANTILI. La media aritmetica = = N
LE MEDIE LEZIOE MEDIE ALGEBRICHE: calcolate con operazon algebrche su valor del carattere (meda artmetca) per varabl Rassumere le nformazon: MEDIA ARITMETICA MEDIAA, MODA, QUATILI MEDIE LASCHE: determnate
DettagliS O L U Z I O N I. 1. Effettua uno studio qualitativo della funzione. con particolare riferimento ai seguenti aspetti:
S O L U Z I O N I 1 Effettua uno studo qualtatvo della funzone con partcolare rfermento a seguent aspett: f ( ) ln( ) a) trova l domno della funzone b) ndca qual sono gl ntervall n cu f() rsulta postva
DettagliIntorduzione alla teoria delle Catene di Markov
Intorduzone alla teora delle Catene d Markov Mchele Ganfelce a.a. 2014/2015 Defnzone 1 Sa ( Ω, F, {F n } n 0, P uno spazo d probabltà fltrato. Una successone d v.a. {ξ n } n 0 defnta su ( Ω, F, {F n }
DettagliCapitolo 6 Risultati pag. 468. a) Osmannoro. b) Case Passerini c) Ponte di Maccione
Captolo 6 Rsultat pag. 468 a) Osmannoro b) Case Passern c) Ponte d Maccone Fgura 6.189. Confronto termovalorzzatore-sorgent dffuse per l PM 10. Il contrbuto del termovalorzzatore alle concentrazon d PM
DettagliTrigger di Schmitt. e +V t
CORSO DI LABORATORIO DI OTTICA ED ELETTRONICA Scopo dell esperenza è valutare l ampezza dell steres d un trgger d Schmtt al varare della frequenza e dell ampezza del segnale d ngresso e confrontarla con
DettagliLa soluzione delle equazioni differenziali con il metodo di Galerkin
Il metodo de resdu pesat per gl element fnt a soluzone delle equazon dfferenzal con l metodo d Galerkn Tra le procedure generalmente adottate per formulare e rsolvere le equazon dfferenzal con un metodo
DettagliModelli di variabili casuali
Modell d varabl casual Un modello d v.c. è una funzone f() che assoca ad ogn valore d una v.c. X la corrspondente probabltà. Obettvo: calcolo della probabltà per tutt valor che X può assumere Per le v.c.
DettagliMaterials Handling and Logistics Technology. Linea guida. Settembre 2010
Materals Handlng and Logstcs Technology Lnea guda Settembre 2010 2 PAVIMENTI PER L USO DI CARRELLI PER VNA 1 Scopo 3 2 Rferment 3 3 Defnzon 4 4 Requst 5 4.1 Pavment 5 4.1.1 Generaltà 5 4.1.2 Deflessone
DettagliArchitetture aritmetiche. Corso di Organizzazione dei Calcolatori Mariagiovanna Sami
Archtetture artmetche Corso d Organzzazone de Calcolator Maragovanna Sam 27-8 8 Sommator: : Full Adder s = x y c + x y c + x y c + x y c Full Adder x y c s x y c = x y + x c + + y c c + Full Adder c x
Dettagli6. Catene di Markov a tempo continuo (CMTC)
6. Catene d Markov a tempo contnuo (CMTC) Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto numerable. L nseme de
DettagliDefinizione di campione
Defnzone d campone S consder una popolazone fnta U = {1, 2,..., N}. Defnamo campone ordnato d dmensone n qualsas sequenza d n etchette della popolazone anche rpetute. s = ( 1, 2,..., n ), dove j è l etchetta
Dettagli* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1
APAT Agenza per la Protezone dell Ambente e per Servz Tecnc Dpartmento Dfesa del Suolo / Servzo Geologco D Itala Servzo Tecnologe del sto e St Contamnat * * * Nota nerente l calcolo della concentrazone
DettagliEttore Limoli. Lezioni di Matematica Prof. Ettore Limoli. Sommario. Calcoli di regressione
Sto Personale d Ettore Lmol Lezon d Matematca Prof. Ettore Lmol Sommaro Calcol d regressone... 1 Retta d regressone con Ecel... Uso della funzone d calcolo della tendenza... 4 Uso della funzone d regressone
DettagliIl campionamento casuale semplice
Il camponamento casuale semplce Metod d estrazone del campone. robabltà d nclusone. π = n N π j = n N n 1 N 1 Stmatore corretto del totale e della meda. Ŷ = Nȳ e ˆȲ = ȳ Varanza degl stmator corrett. V
Dettagli1 La domanda di moneta
La domanda d moneta Eserczo.4 (a) Keynes elenca tre motv per detenere moneta: Scopo transattvo Scopo precauzonale Scopo speculatvo Il modello d domanda d moneta a scopo speculatvo d Keynes consdera la
DettagliTaratura: serve a trovare il legame tra il valore letto sullo strumento e il valore della grandezza fisica misurata
Taratura: serve a trovare l legame tra l valore letto sullo strumento e l valore della grandezza fsca msurata Msure Meccanche e Termche Dsturb d trasduttor anello dnamometrco trasduttore d spostamento
DettagliNOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA
NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA IL PROBLEMA Supponamo d voler studare l effetto d 4 dverse dete su un campone casuale d 4
DettagliConcetti principale della lezione precedente
Corso d Statstca medca e applcata 6 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone precedente I concett prncpal che sono stat presentat sono: I fenomen probablstc RR OR ROC-curve Varabl
DettagliAdattamento di una relazione funzionale ai dati sperimentali
Adattamento d una relazone 1 funzonale a dat spermental Sno ad ora abbamo vsto come può essere stmato, con un certo lvello d confdenza, l valore vero d una grandezza fsca (dretta o dervata) con l suo ntervallo
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne
Metod e Modell per l Ottmzzazone Combnatora Progetto: Metodo d soluzone basato su generazone d colonne Lug De Govann Vene presentato un modello alternatvo per l problema della turnazone delle farmace che
DettagliQualità dell adattamento di una funzione y=f(x) ad un insieme di misure (y in funzione di x)
Qualtà ell aattamento una funzone y=f() a un nseme msure (y n funzone ) Date N msure coppe valor elle granezze e y, legate alla relazone y=f(;a,b), nell potes che le ncertezze sulle sano trascurabl e y
DettagliDESTINAZIONE ORIGINE A B C A B C Esercizio intersezioni a raso - pag. 1
ESERCIZIO Argomento: Intersezon a raso Data l ntersezone a raso a tre bracc rappresentata n fgura s vuole procedere al dmensonamento de suo element. I dat nzal necessar per la progettazone sono d seguto
Dettagli