1 La Media Aritmetica.
|
|
- Mariano Valenti
- 5 anni fa
- Visualizzazioni
Transcript
1 1 La Media Aritmetica. In questo paragrafo introduciamo uno dei concetti piu importanti della statistica e della teoria degli errori: quello della media aritmetica. Data una serie di N misure di una certa quantita che indicheremo col simbolo x: x 1,x 2,x 3,...x N la migliore stima del valore di questa quantita e data dalla media aritmetica, definita come: x = x 1 +x x Ni=1 N x i = N N Questo concetto e esemplificato nell animazione mostrata in figura 1. appletviewer figs/media.html Figure 1: Premendo Start si simula una misura. Premendolo ripetutamente si simulano diverse misure. Il pulsante Media calcola e visualizzata la media aritmetica. Il pulsante Clear azzera l istogramma. Qui viene sempre simulata la misura del periodo di oscillazione del pendolo. Le varie misure del periodo sono visualizzate numericamente e con un punto su una linea orizzontale. La distribuzione delle misure viene inoltre visualizzata con un istogramma. 1
2 Premendo Start si simula una misura. Effettuando diverse misure si osserva che esse tendono ad accumularsi intorno ad un certo valore. Premendo il pulsante Media viene calcolata e visualizzata la media aritmetica. Il pulsante Clear azzera l istogramma. 2 La Deviazione Standard. Come si pu osservare dalla simulazione delle varie misure del periodo di oscillazione del pendolo, i valori misurati si distribuiscono in un ampio intervallo attorno al valore della media. L accumulo maggiore avviene attorno al valore medio ma troviamo misure, sempre piu rare, anche a valori abbastanza lontani. Tutto cio dipende unicamente dalle leggi del caso agenti in questo tipo di misure. Vogliamo ora associare un valore alla precisione della misura, ovvero assegnare un errore alla misura effettuata. Definiamo ora una nuova quantita : la Deviazione Standard. Data la serie di N misure x 1,x 2,...,x N aventi come valor medio x, si definisce Varianza la seguente quantita : σ 2 = (x 1 x) 2 +(x 2 x) (x N x) 2 Ni=1 (x i x) 2 = N 1 N 1 Definiremo invece Deviazione Standard e la indicheremo col simbolo σ, la quantita σ = σ 2. Le deviazioni dei valori misurati dal volore medio x i x vengono definiti scarti. La deviazione standard al quadrato non e altro che la media degli scarti al quadrato. Notiamo che al denominatore compare N-1 invece che N in quanto per poter definire media e deviazione standard occorrono almeno due misure. Questo concetto e esemplificato nell animazione mostrata in figura 2. appletviewer figs/sigm.html Qui viene sempre simulata la misura del periodo di oscillazione del pendolo. Premendo Start si simula una misura. Premendo il pulsante Sigma viene calcolata e visualizzata la deviazione standard insisme alla media aritmetica. La deviazione standard e visualizzata con un segmento orizzontale da un lato e dall altro del valore medio. Il pulsante Clear azzera l istogramma. Nella figura e anche presente un cursore (d.s.) che permette di modificare il valore della deviazione standard. Premendo Clear e modificando il valore del cursore viene simulata una misura con una maggiore o minore deviazione standard. Si puo osservare come i dati si distribuiscano in modo diverso attorno al valore medio. Il concetto di deviazione standard e legato al concetto di errore sulla misura effettuata. Identifichiamo quindi come stima dell errore commesso sul valore medio di una serie di misure il valore della deviazione standard. La misura del periodo di oscillazione del pendolo si puo quindi esprimere nel seguente modo: 2
3 Figure 2: Premendo Start si simula una misura. Premendolo ripetutamente si simulano diverse misure. Il pulsante Media calcola e visualizzata la media aritmetica, il pulsante Sigma la deviazione standard. Il pulsante Clear azzera l istogramma. Il cursore s.d. modifica il valore della deviazione standard. Perche questa abbia effetto bisogna azzerare l istogramma. T = 35.5±5.4 Dove 35.5 e il valore medio di una certa serie di misure e 5.4 e il valore della deviazione standard. Aumentando o diminuendo il valore di σ aumenta o dimuisce l errore. Definiremo una misura piu accurata e lo strumento utilizzato per fare tale misura piu sensibile se l errore su tale misura e piu piccolo. Esempi di misure. sec 3
4 Figure 3: Esempi di misure bassa o alta sensibilita. Figure 4: Esempi di misure. Misura della lunghezza: 36 mm. Intervallo probabile: sa 35.5 a 36.5 mm. Misura di tensione: 5.3 volts. Intervallo possibile: da 5.2 a 5.4 volts. 4
5 3 Errore Massimo Una stima grossolana dellerrore la si puo ottenere utilizzando il concetto di errore massimo. Data una serie di misure x 1,x 2,...,x N Cerchiamo I valori minimo e massimo fra questi numeri: x min e x max Definiremo valore intermedio: x int = (x max +x min ) (1) 2 Definiremo errore massimo: dx = (x max x min ) (2) 2 Queste stime sono ovviamente molto grossolane e vengono utilizzate quando non si abbia la possibilita di effettuare calcoli complessi. 3.1 Esercizi. Istogrammi Figure 5: Esercizio 1. Un semplice istogramma. 5
6 Figure 6: Esercizio 2. Un semplice istogramma con piu dati. Calcolo della media e della deviazione standard. 6
7 3.2 Cifre significative Supponiamo di aver effettuato la seguente misura: g(misurato) = 9.82± m/sec 2 (3) Questa scrittura non ha senso, lerrore ha troppe cifre significative. Occorre scrivere: g = 9.82±0.02 m/sec 2 (4) Supponiamo di aver misurato la seguente velocita : V = ±30 m/sec (5) Le cifre 0.78 non hanno senso cosi come il 51. Scriveremo: V = 6050±30 m/sec (6) 7
Appunti di statistica ed analisi dei dati
Appunti di statistica ed analisi dei dati Indice generale Appunti di statistica ed analisi dei dati...1 Analisi dei dati...1 Calcolo della miglior stima di una serie di misure...3 Come si calcola μ...3
DettagliSCHEDA N 8 DEL LABORATORIO DI FISICA
SCHEDA N 1 IL PENDOLO SEMPLICE SCHEDA N 8 DEL LABORATORIO DI FISICA Scopo dell'esperimento. Determinare il periodo di oscillazione di un pendolo semplice. Applicare le nozioni sugli errori di una grandezza
DettagliFISICA. 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.
DettagliDistribuzione 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
DettagliErrori di misura Teoria
Errori di misura Teoria a misura operazione di misura di una grandezza fisica, anche se eseguita con uno strumento precisissimo e con tecniche e procedimenti accurati, è sempre affetta da errori. Gli errori
DettagliBIN = 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
DettagliSignificato 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
DettagliSTIME STATISTICHE. Consideriamo il caso della misura di una grandezza fisica che sia affetta da errori casuali. p. 2/2
p. 1/1 INFORMAZIONI Prossime lezioni Giorno Ora Dove 10/02 14:30 P50 11/02 14:30 Laboratorio (via Loredan) 17/02 14:30 P50 23/02 14:30 P50 25/02 14:30 Aula informatica (6-7 gruppi) 02/03 14:30 P50 04/03
DettagliDistribuzione 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
Dettaglip. 1/2 STIME STATISTICHE Consideriamo il caso della misura di una grandezza fisica che sia affetta da errori casuali.
p. 1/2 STIME STATISTICHE Consideriamo il caso della misura di una grandezza fisica che sia affetta da errori casuali. p. 1/2 STIME STATISTICHE Consideriamo il caso della misura di una grandezza fisica
DettagliLaboratorio 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
DettagliSperimentazioni 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
DettagliElaborazione 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
DettagliCorso 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
DettagliAnalisi 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.
DettagliElaborazione 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,
DettagliTOPOGRAFIA 2013/2014. Prof. Francesco-Gaspare Caputo
TOPOGRAFIA 2013/2014 L operazione di misura di una grandezza produce un numero reale che esprime il rapporto della grandezza stessa rispetto a un altra, a essa omogenea, assunta come unità di misura. L
DettagliUlteriori 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
DettagliOsservazioni e Misura. Teoria degli errori
Osservazioni e Misura ella misura di una grandezza fisica gli errori sono inevitabili. Una misura non ha significato se non viene stimato l errore. Teoria degli errori La teoria degli errori cerca di trovare
DettagliAnalisi 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
DettagliMatematica con elementi di Informatica
Statistica descrittiva ed inferenziale Matematica con elementi di Informatica Tiziano Vargiolu Dipartimento di Matematica vargiolu@math.unipd.it Corso di Laurea Magistrale in Chimica e Tecnologie Farmaceutiche
DettagliAnalisi 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
DettagliLa misura e le incertezze
1. Gli strumenti di misura Gli strumenti di misura vengono utilizzati per effettuare la misura di una grandezza fisica. Esistono due tipologie di strumenti di misura: 1. strumenti analogici, in cui la
DettagliProblemi pratici teorici-sperimentali
Problemi pratici teorici-sperimentali 1. Se viene fatta una sola misura come si estrae la deviazione standard? Risposta: per convenzione si prende come deviazione standard la metà della sensibilità dello
DettagliLA DISTRIBUZIONE NORMALE o DI GAUSS
p. 1/2 LA DISTRIBUZIONE NORMALE o DI GAUSS Osservando gli istogrammi delle misure e degli scarti, nel caso di osservazioni ripetute in identiche condizioni Gli istogrammi sono campanulari e simmetrici,
DettagliTeoria e tecniche dei test. Concetti di base
Teoria e tecniche dei test Lezione 2 2013/14 ALCUNE NOZIONI STATITICHE DI BASE Concetti di base Campione e popolazione (1) La popolazione è l insieme di individui o oggetti che si vogliono studiare. Questi
DettagliDISTRIBUZIONI DISTRIBUZIONE DI GAUSS
DISTRIBUZIONI ESPERIENZA a: DISTRIBUZIONE DI GAUSS SCOPO: Costruzione di una distribuzione di Gauss dai valori di una grandezza fisica ottenuti da una misura dominata da errori casuali. Studio dell influenza
DettagliIntervalli 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
DettagliPAROLE CHIAVE Accuratezza, Accuracy, Esattezza, PRECISIONE, Precision, Ripetibilità, Affidabilità, Reliability, Scarto quadratico medio (sqm), Errore
PAROLE CHIAVE Accuratezza, Accuracy, Esattezza, PRECISIONE, Precision, Ripetibilità, Affidabilità, Reliability, Scarto quadratico medio (sqm), Errore medio, Errore quadratico medio (eqm), Deviazione standard,
DettagliStatistica4-29/09/2015
Statistica4-29/09/2015 Raccogliere i dati con il maggior numero di cifre significative ed arrotondare eventualmente solo al momento dei calcoli (min. 3); nella grande maggioranza delle ricerche biologiche
DettagliAnalisi 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
DettagliTeorema del Limite Centrale
Teorema del Limite Centrale Problema. Determinare come la media campionaria x e la deviazione standard campionaria s misurano la media µ e la deviazione standard σ della popolazione. È data una popolazione
DettagliLa statistica. Elaborazione e rappresentazione dei dati Gli indicatori statistici. Prof. Giuseppe Carucci
La statistica Elaborazione e rappresentazione dei dati Gli indicatori statistici Introduzione La statistica raccoglie ed analizza gruppi di dati (su cose o persone) per trarne conclusioni e fare previsioni
DettagliL 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
DettagliIE 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
Dettagli3 - 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
DettagliMisura di grandezze fisiche Stima delle incertezze. Maria Luisa De Giorgi Dipartimento di Fisica UniSalento - Lecce
Misura di grandezze fisiche Stima delle incertezze Maria Luisa De Giorgi Dipartimento di Fisica UniSalento - Lecce 1 Scopo della lezione : esporre sinteticamente i metodi di elaborazione dei dati sperimentali
DettagliIntervalli 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
DettagliLa distribuzione delle frequenze. T 10 (s)
1 La distribuzione delle frequenze Si vuole misurare il periodo di oscillazione di un pendolo costituito da una sferetta metallica agganciata a un filo (fig. 1). A Figura 1 B Ricordiamo che il periodo
DettagliCALCOLO 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
Dettagli1 Fit di dati sperimentali: il χ 2. Il metodo dei minimi quadrati.
1 Fit di dati sperimentali: il χ 2. Il metodo dei minimi quadrati. Per comprendere dei fenomeni fisici, non basta raccogliere buoni dati sperimentali, occorre anche interpretarli. Molto spesso lo scopo
DettagliProbabilità 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
DettagliCorso di Fisica generale
Corso di Fisica generale Liceo Scientifico Righi, Cesena Anno Scolastico 2014/15 3B Appunti su Notazione Scientifica ed Incertezza della Misura Sperimentale Riccardo Fabbri Riccardo Fabbri 1 (Dispense
DettagliIntroduzione alla statistica
La statistica descrittiva Dicembre, 2016 Attilio Peloni, Istituto Alberti, Bormio 1 / 26 1 Introduzione Overview 2 La rappresentazione graca dei dati L'istogramma 3 La sintesi dei dati Media aritmetica
DettagliIntervalli 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
DettagliIl processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni
La statistica inferenziale Il processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni E necessario però anche aggiungere con
DettagliErrori 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
Dettagli05. 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,
DettagliIl Corso di Fisica per Scienze Biologiche
Il Corso di Fisica per Scienze Biologiche Ø Prof. Attilio Santocchia Ø Ufficio presso il Dipartimento di Fisica (Quinto Piano) Tel. 75-585 278 Ø E-mail: attilio.santocchia@pg.infn.it Ø Web: http://www.fisica.unipg.it/~attilio.santocchia/
DettagliCapitolo 10. La media pesata Calcolo della media pesata
Capitolo 0 La media pesata Supponiamo che una stessa grandezza sia stata misurata da osservatori differenti (es. velocità della luce) in laboratori con strumenti e metodi di misura differenti: Laboratorio
DettagliUNIVERSITÀ DEL SALENTO
UNIVERSITÀ DEL SALENTO FACOLTÀ DI SCIENZE MMFFNN Corso di Laurea in Fisica CORSO DI LABORATORIO I MISURA DEL PERIODO DI OSCILLAZIONE DI UN PENDOLO SEMPLICE E STIMA DEL VALORE DI g Scopo dell esperienza
DettagliMetodologie 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
DettagliRICHIAMI DI CALCOLO DELLE PROBABILITÀ
UNIVERSITA DEL SALENTO INGEGNERIA CIVILE RICHIAMI DI CALCOLO DELLE PROBABILITÀ ing. Marianovella LEONE INTRODUZIONE Per misurare la sicurezza di una struttura, ovvero la sua affidabilità, esistono due
DettagliProva 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
Dettagli12) Metodo dei minimi quadrati e linea di tendenza
12) Metodo dei minimi quadrati e linea di tendenza 43 Si supponga di avere una tabella di dati {y exp i} i=1,,n in funzione di altri dati {x i } i=1,,n che siano il risultato di una qualche misura sperimentale.
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Laurea Magistrale in Scienze della Nutrizione Umana Corso di Statistica Medica, anno 2015-16 P.Baldi Lista di esercizi 4, 11 febbraio 2016. Esercizio 1 Una v.a.
DettagliDistribuzioni campionarie
1 Inferenza Statistica Descrittiva Distribuzioni campionarie Statistica Inferenziale: affronta problemi di decisione in condizioni di incertezza basandosi sia su informazioni a priori sia sui dati campionari
DettagliVerifica delle ipotesi
Statistica inferenziale Stima dei parametri Verifica delle ipotesi Concetti fondamentali POPOLAZIONE o UNIVERSO Insieme degli elementi cui si rivolge il ricercatore per la sua indagine CAMPIONE Un sottoinsieme
DettagliDistribuzione 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
DettagliStudio delle oscillazioni del pendolo semplice e misura dell accelerazione di gravita g.
Studio delle oscillazioni del pendolo semplice e misura dell accelerazione di gravita g. Abstract (Descrivere brevemente lo scopo dell esperienza) In questa esperienza vengono studiate le proprieta del
DettagliDistribuzione 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
DettagliMetodi di Monte Carlo: un'applicazione
Metodi di Monte Carlo: un'applicazione Metodi di Monte Carlo: definizione Brevi richiami sui concetti base utilizzati Variabile casuale Valore di aspettazione Varianza Densità di probabilità Funzione cumulativa
DettagliÈ possibile trovare la popolazione di origine conoscendone un campione? o meglio. partendo dalla conoscenza di n, x e d.s.?
Statistica6-06/10/2015 È possibile trovare la popolazione di origine conoscendone un campione? o meglio. È possibile conoscere σ e μ partendo dalla conoscenza di n, x e d.s.? 1 A partire da un campione
DettagliGrandezze e Misure.
Grandezze e Misure www.fisicaxscuola.altervista.org Grandezze e Misure Introduzione Il Metodo Sperimentale Unità di Misura Grandezze Fondamentali e Derivate Massa e Densità Strumenti di misura Misure dirette
DettagliLa likelihood. , x 2. } sia prodotto a partire dal particolare valore di a: ; a... f x N. La probabilità che l'i ma misura sia compresa tra x i
La likelihood E' dato un set di misure {x 1, x 2, x 3,...x N } (ciascuna delle quali puo' essere multidimensionale) Supponiamo che la pdf (f) dipenda da un parametro a (anch'esso eventualmente multidimensionale)
DettagliUlteriori conoscenze di informatica Elementi di statistica Esercitazione3
Ulteriori conoscenze di informatica Elementi di statistica Esercitazione3 Sui PC a disposizione sono istallati diversi sistemi operativi. All accensione scegliere Windows. Immettere Nome utente b## (##
DettagliIL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA
Metodi per l Analisi dei Dati Sperimentali AA009/010 IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA Sommario Massima Verosimiglianza Introduzione La Massima Verosimiglianza Esempio 1: una sola misura sperimentale
DettagliElementi di Psicometria (con laboratorio software 1)
Elementi di Psicometria (con laboratorio software 1) 05-La verifica delle ipotesi con le medie dei campioni (v. 1.0, 15 aprile 2019) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,
DettagliESERCITAZIONE 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
DettagliUlteriori Conoscenze di Informatica e Statistica
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 Indici di forma Descrivono le
DettagliElementi di Probabilità e Statistica, A.A
Elementi di Probabilità e Statistica, A.A. 5-6 Prova scritta - febbraio 6 Problema. 3+3+3 punti) In un sistema di lettura automatica - da parte di un computer - di testi scritti a mano scannerizzati, le
DettagliDescrizione dell apparato sperimentale
Relazione di Fisica Cognome: Nome classe N. d ordine sul registro di classe: N. esperienza tipo(virtuale/reale) Iniziata il terminata il data di consegna prevista data di consegna effettiva TITOLO:MISURA
DettagliIl Corso di Fisica per Scienze Biologiche
Il Corso di Fisica per Scienze Biologiche Ø Prof. Attilio Santocchia Ø Ufficio presso il Dipartimento di Fisica (Quinto Piano) Tel. 075-585 2708 Ø E-mail: attilio.santocchia@pg.infn.it Ø Web: http://www.fisica.unipg.it/~attilio.santocchia/
DettagliTutta la scienza è fondata sulle misure (Helmholtz)
Tutta la scienza è fondata sulle misure (Helmholtz) L acquisizione di una osservazione come DATO SCIENTIFICO richiede che : osserviamo un fenomeno lo quantifichiamo correttamente lo confrontiamo con altri
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 4
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 4 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Stimatore media campionaria Il tempo in minuti necessario a un certo impiegato dell anagrafe
Dettagli1 Significanza statistica.
1 Significanza statistica. La figura 1 mostra degli istogrammi di una serie di esperimenti che hanno pubblicato risultati sull osservazione di particelle subnucleari denominate pentaquarks. E evidente
DettagliUniversità del Piemonte Orientale. Corso di Laurea Triennale di Infermieristica Pediatrica ed Ostetricia. Corso di Statistica Medica
Università del Piemonte Orientale Corso di Laurea Triennale di Infermieristica Pediatrica ed Ostetricia Corso di Statistica Medica Le distribuzioni teoriche di probabilità La distribuzione Normale (o di
DettagliUlteriori Conoscenze di Informatica e Statistica
ndici di forma Ulteriori Conoscenze di nformatica e Statistica Descrivono le asimmetrie della distribuzione Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 ( piano) tel.: 06 55 17 72 17
DettagliStima dei Parametri. Capitolo 8
Capitolo 8 Stima dei Parametri Lo scopo dello studio dei fenomeni fisici è quello di scoprire le leggi che legano le grandezze oggetto di indagine e di misurare il valore delle costanti che compaiono della
DettagliCapitolo 7: DISTRIBUZIONI DI FREQUENZA
Capitolo 7: DISTRIBUZIONI DI FREQUENZA 7.1 Frequenza assoluta e relativa Nel Capitolo precedente abbiamo introdotto la precisione di una misura e discusso la sua relazione con la sensibilità dello strumento
DettagliDato che i risultati ottenuti tramite campioni casuali ed esperimenti comparativi sono legati al caso, non possiamo essere certi che le nostre
Campione Dato che i risultati ottenuti tramite campioni casuali ed esperimenti comparativi sono legati al caso, non possiamo essere certi che le nostre conclusioni siano corrette. Quello che possiamo fare
DettagliMetodologie 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
DettagliLa distribuzione t. Federico Plazzi. 7 Novembre 2015
La distribuzione t Federico Plazzi 7 Novembre 2015 Popolazione e campioni Popolazione e campioni Definizioni ed assunzioni di partenza Campione: l insieme di individui che abbiamo potuto osservare. Popolazione
DettagliTEORIA 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
DettagliLa media e la mediana sono indicatori di centralità, che indicano un centro dei dati.
La media e la mediana sono indicatori di centralità, che indicano un centro dei dati. Un indicatore che sintetizza in un unico numero tutti i dati, nascondendo quindi la molteplicità dei dati. Per esempio,
DettagliVogliamo determinare una funzione lineare che meglio approssima i nostri dati sperimentali e poter decidere sulla bontà di questa approssimazione.
S.S.I.S. TOSCANA F.I.M. II anno FUNZIONI DI REGRESSIONE E METODO DEI MINIMI QUADRATI Supponiamo di star conducendo uno studio sulla crescita della radice di mais in funzione del contenuto di saccarosio
DettagliVariabili aleatorie continue
Variabili aleatorie continue Per descrivere la distribuzione di una variabile aleatoria continua, non si può più assegnare una probabilità positiva ad ogni valore possibile. Si assume allora di poter specificare
DettagliUniversity of Messina, Italy
ERRORI CASUALI ELL AALISI CHIMICA 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
DettagliLaboratorio di Calcolo Paola Gallo
Studio di una funzione Dopo aver calcolato limiti, massimi, minimi e flessi siamo in grado di stabilire noi quali estremi di variabilità e che passo dare alle mie x per poter visualizzare bene nel grafico
Dettaglitecniche e procedure per la descrizione sintetica delle informazioni fornite da insiemi di dati
Bibliografia: Doebelin, Strumenti e metodi di misura - MCGRAW-HILL - Ed008 pagg. 6-83 UI_CEI_EV_3005-000 Guida all espressione dell incertezza di misura JCGM 00:008 GUM-inglese/francese aggiornamento 008
Dettaglif è una combinazione convessa f con w 1
SIMULAZIONE Che cosa serve: - un sistema dinamico completamente definito - un orizzonte di simulazione (intervallo di tempo per il quale sono noti gli ingressi) - funzioni di ingresso definite per tutto
DettagliProbabilità e statistica
Probabilità e statistica The formulation of a problem is often more essential than its solution which may be merely a matter of mathematical or experimental skill. Albert Einstein Farsi la domanda giusta
Dettagli17. 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
DettagliMETODO DEI MINIMI QUADRATI
METODO DEI MINIMI QUADRATI Torniamo al problema della crescita della radice di mais in funzione del contenuto di saccarosio nel terreno di coltura. Ripetendo varie volte l esperimento con diverse quantità
DettagliPROBABILITA. Distribuzione di probabilità
DISTRIBUZIONI di PROBABILITA Distribuzione di probabilità Si definisce distribuzione di probabilità il valore delle probabilità associate a tutti gli eventi possibili connessi ad un certo numero di prove
DettagliStatistica descrittiva II
Probabilità e Statistica Esercitazioni a.a. 009/010 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Statistica descrittiva II Ines Campa Probabilità e Statistica - Esercitazioni
DettagliErrori di misura. 1 Espansione 0.1
1 Espansione 0.1 Errori di misura Il problema più antico di ogni scienziato, che deve operare la misurazione di grandezze scientifiche, è sapere a priori che, per quanto possa essere attento il suo operato,
DettagliStatistica Un Esempio
Statistica Un Esempio Un indagine sul peso, su un campione di n = 100 studenti, ha prodotto il seguente risultato. I pesi p sono espressi in Kg e sono stati raggruppati in cinque classi di peso. classe
Dettagli2 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
DettagliIndici di Dispersione
Indici di Dispersione Si cercano indici di dispersione che: utilizzino tutti i dati {x 1, x 2,..., x n } siano basati sulla nozione di scarto (distanza) dei dati rispetto a un centro d i = x i C ad esempio,
Dettagli