IL PALLINOMETRO SCOPO
|
|
- Brigida Marchese
- 5 anni fa
- Visualizzazioni
Transcript
1 IL PALLINOMETRO SCOPO Verifica del fatto che gli errori casuali nella misura di una grandezza fisica ripetuta molte volte nelle stesse condizioni sperimentali seguono la distribuzione normale di Gauss. APPARATO STRUMENTALE Pallinometro o generatore di numeri casuali. Due nonii lineari indipendenti (bianco e nero) permettono di misurare la lunghezza proporzionale a quella dello spazio vuoto tra la sommità della colonna di biglie e la sommità del cilindro. Sia l errore di sensibilità del nonio utilizzato. OPERAZIONI DI MISURA Scelto uno dei due nonii, effettuare n = 150 misure (+5 di sicurezza), mediante rotazioni consecutive del cilindro di 360 o (posizione verticale). 0-0
2 ELABORAZIONE DEI DATI Calcolare utilizzando le n = 150 misure: La media aritmetica: m = 1 n n i=1 m i Gli scarti delle misure: s i = m i m (arrotondati a ). Lo scarto quadratico medio: σ m = 1 n s 2 i n 1 significative). i=1 (arrotondato a 2 cifre Utilizzare il criterio del 3 σ per l eventuale rigetto di alcune misure anomale e la loro sostituzione con quelle di sicurezza. In caso di rigetto, ricalcolare media e scarto quadratico medio. Lo scarto quadratico medio della media: σ m = σ m / n (arrotondato a 2 cifre significative). 0-1
3 ISTOGRAMMA DEGLI SCARTI Si definiscono le classi di frequenza: si suddividono gli n scarti in gruppi tali che 2k 1 2 < s k < 2k+1 2, dove k = 0, ±1, ±2, e l errore di sensibilità del nonio. Calcolare la frequenza relativa di ciascuna classe ν k = n k n. Calcolare la densità di frequenza relativa di ciascuna classe: ν k / Produrre la tabella (k, n k, ν k, ν k /). Costruire l istogramma degli scarti, ponendo in ascissa k (unità: ) e 1 in ordinata ν k / (unità: ). La base di ogni colonna è pari a, n l altezza è pari a ν k /, per cui l area della singola colonna è ν k e l area totale dell istogramma è unitaria. 0-2
4 A questo punto l elaborazione dei dati è suddivisa in tre parti, ciascuna delle quali mira a verificare che la distribuzione degli scarti è buona approssimazione della distribuzione gaussiana degli errori. 0-3
5 PRIMA VERIFICA Si utilizzano le relazioni teoriche attese tra errore medio, errore probababile ed errore quadratico medio, e le si confrontano con le corrispondenti stime empiriche. Calcolare lo scarto medio: θ s = 1 n n s i i=1 Stimare lo scarto probabile ρ s = a, tale che metà delle misure abbia scarti compresi entro l intervallo [ a, +a]. La quantità a si deriva per via grafica. Nella pratica per ogni classe di frequenza k si calcolano: F int (k) somma aree degli scarti entro l intervallo [ k, k] F est (k) somma aree degli scarti esterni all intervallo [ k, k] La differenza delle aree F(k) = F int (k) F est (k) va graficata in funzione di k. Interpolando linearmente tra i due valori di F(k) (uno positivo e l altro negativo) che contengono lo zero, e imponendo la condizione F(a) = 0, si ottiene la stima dello scarto probabile ρ s = a. Attenzione: conviene conteggiare la colonne ±k sia in F int (k) che in F est (k). 0-4
6 Figure 1: Esempio grafico per il calcolo delle aree F int (k) (azzurro) e F est (k) (giallo) relativamente alla classe k = 2. I colori alternati (giallo/azzurro) delle colonne k = ±2 stanno ad indicare che le loro aree devono essere incluse sia in F int (k) che in F est (k). 0-5
7 È quindi possibile confrontare le relazioni teoriche θ/σ e ρ/σ con i rapporti delle corrispondenti stime empiriche. 0-6
8 SECONDA VERIFICA Ci si prefigge di verificare empiricamente la relazione teorica σ m = σ n. Nella pratica, suddividere le n = 150 misure in n gruppi con popolazione n 0, ovvero: 15 gruppi da 10 (n = 15, n 0 = 10), 10 gruppi da 15 (n = 10, n 0 = 15), 5 gruppi da 30 (n = 5, n 0 = 30), e 3 gruppi da 50 (n = 3, n 0 = 50). Per ciascuna suddivisione (n, n 0 ) calcolare: La media parziale aritmetica per ciascun gruppo j: m j = 1 n 0 n 0 m i,j (n valori). i=1 n La media aritmetica delle medie parziali m = 1 n Vericare in base ai dati che m = m (con le 150 misure). Lo scarto della media parziale dalla media delle medie s mj = m j m (n valori). j=1 0-7
9 Lo scarto quadratico medio della variabile media parziale: σ m0 = (4 valori). 1 n 1 Si dimostra che l errore di sensibilità relativo al metodo di misura che consiste nella determinazione della media aritmetica con n misure è m = n. Medie parziali e rispettive deviazioni sono arrotondate con un errore di sensibilità (1 sola cifra significativa) pesato sul numero di determinazioni usate 0 = n 0. Costruire il relativo istogramma degli scarti delle medie parziali per ciascuna suddivisione (n, n 0 ), assumendo come classi di frequenza in ascissa intervalli di ampiezza 0 = /n 0. In totale 4 istogrammi per ogni nonio. Attenzione alla costruzione delle classi di frequenza. Per ciascuna suddivisione produrre la tabella (k, n k, ν k, ν k / 0 ) n j=1 s 2 m j 0-8
10 A questo punto il materiale elaborato ci consente di verificare la relazione di partenza, e.g. σ m = σ n. Per ogni suddivione (n, n 0 ) si determini lo scarto massimo a max, ovvero la semiampiezza massima dell istogramma delle medie parziali. Da notare che le 150 misure possono essere riguardate anche come 150 gruppi da 1 elemento ciascuno. Si ottiene quindi una tabella del tipo: a max n n Consideriamo la famiglia biparametrica di curve a max = Bn C 0, che include quella che si vuole vericare (per C = 1/2). Passiamo ai logaritmi e otteniamo log a max = log B + C log n 0 L equazione definisce una retta del tipo y = mx + q, avente pendenza m = C e intercetta sull asse delle ordinate q = log B. I parametri B ec 0-9
11 sono incogniti e devono essere stimati dai dati. A tale scopo si utilizzino i due punti in tabella che sono statisticamente più significativi, ovvero quelli che corrispondono al maggior numero di elementi (medie parziali), nel caso specifico quelli per n = 150 e n = 15. Si grafica quindi la relazione empirica log a max vs log n 0 e si trova la retta (pendenza e intercetta) che passa per i due punti prescelti. 0-10
12 Prima verifica: stimata la pendenza C, la si confronta con il valore 1/2, che rappresenta la dipendenza dell errore quadratico medio della media dal numero di misure. Seconda verifica: stimata l intercetta log B, si controlla se è soddisfatta approssimativamente la relazione B 3σ m, dove σ m è lo scarto quadratico medio dell istrogramma più popolato, cioè quello con n = 150 e n 0 = 1. TERZA VERIFICA La curva di Gauss da riportare sopra all istogramma (relativo alle 150 misure) è data da f(s) = 1 1 exp 2 σ m 2π ( s ) 2 σ m (1) dove σ m è lo scarto quadratico medio delle misure. 0-11
13 Per valutare la bontà dell approssimazione dell istogramma degli scarti alla funzione normale degli errori, si consideri la generica colonna k corrispondente allo scarto k. La probabilità che tale scarto abbia luogo è dato da 0-12
14 P(s k ) = 2k+1 2 2k exp 2 σ m 2π ( s σ m ) 2 ds (2) ovvero: Si calcola l integrale con la regola dei trapezi, P ( s k ) base media altezza, ( sk ) 2 P(s k ) = 1 1 exp 2 σ m 2π σ m (3) ν k n k Consideriamo come variabile casuale la grandezza fisica in ordinata, ovvero la densità di frequenza relativa =, e valutiamone il valore di aspettazione e la n varianza. Qual è la distribuzione di probabilità da applicare a ν k /? Per rispondere a questa domanda si consideri il vericarsi dello scarto s k come un evento semplice di probabilita P(s k ). Il vericarsi di n k scarti s k su n prove (le misure) può essere considerato un evento complesso dovuto al concorso di n k eventi semplici. L evento contrario 0-13
15 E è dato dal vericarsi di tutti gli altri scarti. Queste considerazioni ci legittimano ad applicare la distribuzione binomiale (n k successi in n prove ripetute). E Il valore di aspettazione della variabile n k è E(n k ) = np(s k ), da cui segue ( νk ) = P(s k). L errore quadrarico medio della variabile n k è σ nk = np(s k )[1 P(s k )], da cui deriva la varianza σ 2 ν k σ ν k = 1 = ( 1 n) 2 σ 2 nk e quindi P(sk )[1 P(s k )] n Valore di aspettazione ed errore quadratico medio della variabile ν k vanno calcolati per ogni valore di k e riportati nel grafico. In particolare le barre di errore verticali sono centrate sui valori di aspettazione ed estese da a 3σ ν k a +3σ ν k evidenziando i sottomultipli di σ ν k Il confronto tra curva teorica e istogramma si ritiene soddisfatto se tutte le altezze 0-14
16 delle colonne sono comprese entro l intervallo [ 3σ ν k entro [ 2σ ν k, +2σ ν k ], e circa i 3/4 entro [ σ ν k, +σ ν k, +3σ ν k ], la maggior parte ]. 0-15
17 QUARTA PARTE Dare la soluzione al problema della misura, relativamente alla lunghezza dello spazio vuoto all interno del cilindro. Dal semplice esame visivo è apparso subito chiaro che le misure del nonio approssimano la lunghezza in esame a meno di un errore sistematico sist > 0, di entità incognita. Il risultato delle misura sarà dunque espresso come: m + sist ± σ m 0-16
LA 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,
DettagliUniversità del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia. Corso di Statistica Medica. La distribuzione Normale (o di Gauss)
Università del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in medicina e chirurgia - Corso di Statistica
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
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
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
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
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
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
Dettaglif (a)δa = C e (a a*)2 h 2 Δa
Distribuzione di Gauss Se la variabile non e` discreta ma puo` variare in modo continuo in un certo intervallo e ad ogni suo valore resta assegnata una probabilita` di verificarsi, dalla distribuzione
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
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
DettagliUniversity 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
DettagliL 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.
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
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
DettagliSCHEDA DIDATTICA N 7
FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA CIVILE CORSO DI IDROLOGIA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N 7 LA DISTRIBUZIONE NORMALE A.A. 01-13 La distribuzione NORMALE Uno dei più importanti
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
DettagliTecniche di sondaggio
SMID a.a. 2005/2006 Corso di Statistica per la Ricerca Sperimentale Tecniche di sondaggio 24/1/2006 Nomenclatura Indicheremo con P una popolazione, con N la sua numerosità, con k la sua etichetta e con
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,
DettagliElaborazione 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:
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
Dettaglitabelle grafici misure di
Statistica Descrittiva descrivere e riassumere un insieme di dati in maniera ordinata tabelle grafici misure di posizione dispersione associazione Misure di posizione Forniscono indicazioni sull ordine
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
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
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
DettagliValutazione incertezza di categoria B
Valutazione incertezza di categoria B La valutazione consiste nell assegnare alla grandezza x uno scarto tipo σ in base alle informazioni disponibili Le informazioni riguardano: ) Gli estremi dell intervallo
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
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,
DettagliEsercitazione: La distribuzione NORMALE
Esercitazione: La distribuzione NORMALE Uno dei più importanti esempi di distribuzione di probabilità continua è dato dalla distribuzione Normale (curva normale o distribuzione Gaussiana); è una delle
DettagliUniversità del Piemonte Orientale. Corsi di Laurea Triennale di Area Tecnica. Corso di Statistica Medica. Le distribuzioni teoriche di probabilità
Università del Piemonte Orientale Corsi di Laurea Triennale di Area Tecnica Corso di Statistica Medica Le distribuzioni teoriche di probabilità La distribuzione Normale (o di Gauss) CdL Area Tecnica -
DettagliOgni misura è composta di almeno tre dati: un numero, un'unità di misura, un'incertezza.
Ogni misura è composta di almeno tre dati: un numero, un'unità di misura, un'incertezza. Misure ripetute forniscono dati numerici distribuiti attorno ad un valore centrale indicabile con un indice (indice
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,
DettagliCORSO DI LAUREA IN INFERMIERISTICA. LEZIONI DI STATISTICA Parte II Elaborazione dei dati Variabilità
CORSO DI LAUREA IN INFERMIERISTICA LEZIONI DI STATISTICA Parte II Elaborazione dei dati Variabilità Lezioni di Statistica VARIABILITA Si definisce variabilità la proprietà di alcuni fenomeni di assumere
DettagliDISTRIBUZIONE NORMALE (1)
DISTRIBUZIONE NORMALE (1) Nella popolazione generale molte variabili presentano una distribuzione a forma di campana, bene caratterizzata da un punto di vista matematico, chiamata distribuzione normale
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
DettagliDistribuzioni e inferenza statistica
Distribuzioni e inferenza statistica Distribuzioni di probabilità L analisi statistica spesso studia i fenomeni collettivi confrontandoli con modelli teorici di riferimento. Tra di essi, vedremo: la distribuzione
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
DettagliUniversità del Piemonte Orientale Corsi di Laurea triennale di area tecnica. Corso di Statistica Medica. Le distribuzioni teoriche di probabilità
Università del Piemonte Orientale Corsi di Laurea triennale di area tecnica Corso di Statistica Medica Le distribuzioni teoriche di probabilità La distribuzione binomiale La distribuzione Normale (o di
DettagliNote sulla probabilità
Note sulla probabilità Maurizio Loreti Dipartimento di Fisica Università degli Studi di Padova Anno Accademico 2002 03 1 La distribuzione del χ 2 0.6 0.5 N=1 N=2 N=3 N=5 N=10 0.4 0.3 0.2 0.1 0 0 5 10 15
DettagliDISTRIBUZIONI DI PROBABILITA
DISTRIBUZIONI DI PROBABILITA Nell associare ai risultati di un esperimento un valore numerico si costruisce una variabile casuale (o aleatoria, o stocastica). Ogni variabile casuale ha una corrispondente
DettagliVARIABILI CASUALI CONTINUE
p. 1/1 VARIABILI CASUALI CONTINUE Una variabile casuale continua può assumere tutti gli infiniti valori appartenenti ad un intervallo di numeri reali. p. 1/1 VARIABILI CASUALI CONTINUE Una variabile casuale
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
DettagliDispensa di Statistica
Dispensa di Statistica 1 parziale 2012/2013 Diagrammi... 2 Indici di posizione... 4 Media... 4 Moda... 5 Mediana... 5 Indici di dispersione... 7 Varianza... 7 Scarto Quadratico Medio (SQM)... 7 La disuguaglianza
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
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
DettagliIL NONIO. Nelle misure di lunghezza non è possibile aumentare a piacere la sensibilità di un regolo, dato che una scala
Nelle misure di lunghezza non è possibile aumentare a piacere la sensibilità di un regolo, dato che una scala graduata troppo fitta non sarebbe leggibile. p. 2/4 IL NONIO Nelle misure di lunghezza non
DettagliScale Logaritmiche. Matematica con Elementi di Statistica a.a. 2015/16
Scale Logaritmiche Scala Logaritmica: sull asse prescelto (ad esempio, l asse x) si rappresenta il punto di ascissa = 0 0 nella direzione positiva si rappresentano, a distanze uguali fra di loro, i punti
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
Dettaglidistribuzione normale
distribuzione normale Si tratta della più importante distribuzione di variabili continue, in quanto: 1. si può assumere come comportamento di molti fenomeni casuali, tra cui gli errori accidentali; 2.
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
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
DettagliRELAZIONE DI LABORATORIO DI FISICA
RELAZIONE DI LABORATORIO DI FISICA ANNO ACCADEMICO 2017/2018 Esperienza di laboratorio n 3 20/11/17 Misura del periodo di oscillazione e della costante elastica della molla di un oscillatore armonico semplice
DettagliScale Logaritmiche. Matematica con Elementi di Statistica, Anna Torre a.a
Scale Logaritmiche SCALA LOGARITMICA: sull asse prescelto (ad esempio, l asse x) si rappresenta il punto di ascissa = 0 0 nella direzione positiva si rappresentano, a distanze uguali fra di loro, i punti
DettagliStatistica descrittiva in due variabili
Statistica descrittiva in due variabili Dott Nicola Pintus AA 2018-2019 Indichiamo con U la popolazione statistica e con u i le unità statistiche Ad ogni unità statistica associamo i caratteri osservati
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## (##
DettagliLABORATORIO DI FISICA I
UNIVERSITA DEGLI STUDI DI PALERMO CORSO DI LAUREA IN SCIENZE FISICHE A.A. 2018/2019 13 Dicembre 2018 LABORATORIO DI FISICA I RELAZIONE TERZA ESPERIENZA DI LABORATORIO GRUPPO 1 Nigrelli Giulia Valenti Giuseppe
DettagliQuesti appunti costituiscono soltanto una traccia sintetica del Corso di Laboratorio di Fisica, a prescindere dalle opportune spiegazioni e dai
Questi appunti costituiscono soltanto una traccia sintetica del Corso di Laboratorio di Fisica, a prescindere dalle opportune spiegazioni e dai necessari chiarimenti forniti a lezione. 1 MISURA DI UNA
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 funzione di distribuzione Gaussiana normale
La funzione di distribuzione Gaussiana normale Nicola Morganti 25 aprile 2004 Indice Proprietà fondamentali 2 Standard Normal Density Function 3 3 Esempio applicativo 5 Proprietà fondamentali L utilizzo
DettagliRegressione Lineare Semplice e Correlazione
Regressione Lineare Semplice e Correlazione 1 Introduzione La Regressione è una tecnica di analisi della relazione tra due variabili quantitative Questa tecnica è utilizzata per calcolare il valore (y)
DettagliLA DISTRIBUZIONE NORMALE
LA DISTRIBUZIONE NORMALE Italo Nofroni Statistica medica - Facoltà di Medicina Sapienza - Roma La più nota ed importante distribuzione di probabilità è, senza alcun dubbio, la Distribuzione normale, anche
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@gmail.com Università degli studi di Cassino () Statistica 1 / 24 Outline 1 2 3 4 5 () Statistica 2 / 24 Dipendenza lineare Lo studio della relazione tra caratteri
DettagliCHEMIOMETRIA. CONFRONTO CON VALORE ATTESO (test d ipotesi) CONFRONTO DI VALORI MISURATI (test d ipotesi) CONFRONTO DI RIPRODUCIBILITA (test d ipotesi)
CHEMIOMETRIA Applicazione di metodi matematici e statistici per estrarre (massima) informazione chimica (affidabile) da dati chimici INCERTEZZA DI MISURA (intervallo di confidenza/fiducia) CONFRONTO CON
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 33 Outline 1 2 3 4 5 6 () Statistica 2 / 33 Misura del legame Nel caso di variabili quantitative
DettagliL 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
DettagliLaboratorio di Fisica I Prima Esperienza Distribuzione Statistica delle Misure del Periodo di un Pendolo
Università degli Studi di Udine Corsi di Laurea in Ingegneria Laboratorio di Fisica I Prima Esperienza Distribuzione Statistica delle Misure del Periodo di un Pendolo 1 Introduzione Lo scopo principale
Dettagli( ) ( ) ( e la probabilità che si verifichi un evento compreso tra c e b a < c < b sarà data da:
e la probabilità che si verifichi un evento compreso tra c e b a < c < b sarà data da: p ( ) ( c < X < b) f ( x) LA VC NORMALE O GAUSSIANA Una vc si dice normale o gaussiana (da Gauss che la propose come
DettagliTutorato di Chimica Analitica 2016/2017
Tutorato di Chimica Analitica 2016/2017 Friendly reminder La notazione scientifica Modo per indicare un risultato con numerose cifre decimali come prodotto di una potenza di 10 esempio Cifre significative
DettagliRichiami di statistica e loro applicazione al trattamento di osservazioni topografiche e geodetiche
Richiami di statistica e loro applicazione al trattamento di osservazioni topografiche e geodetiche Ludovico Biagi Politecnico di Milano, DIIAR ludovico.biagi@polimi.it (materiale didattico preparato in
DettagliCapitolo 6. La distribuzione normale
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 6 La distribuzione normale Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università
DettagliMisura del periodo di oscillazione e della costante elastica della molla di un oscillatore armonico semplice.
Misura del periodo di oscillazione e della costante elastica della molla di un oscillatore armonico semplice. Esperienza n.3 13 Dicembre 2018 Gruppo 9: Gucciardo Gloria; Mazzola Luca Rosario; Nolfo Gloria;
DettagliCorso in Statistica Medica
Corso in Statistica Medica Introduzione alle tecniche statistiche di elaborazione dati Distribuzione Normale Dott. Angelo Menna Università degli Studi di Chieti G. d Annunziod Annunzio Anno Accademico
DettagliStatistica Applicata all edilizia: Stime e stimatori
Statistica Applicata all edilizia E-mail: orietta.nicolis@unibg.it 15 marzo 2011 Statistica Applicata all edilizia: Indice 1 2 Statistica Applicata all edilizia: Uno dei problemi principali della statistica
DettagliISTOGRAMMI 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
DettagliCapitolo 6 La distribuzione normale
Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 6 La distribuzione normale Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università
DettagliBLAND-ALTMAN PLOT. + X 2i 2 la differenza ( d ) tra le due misure per ognuno degli n campioni; d i. X i. = X 1i. X 2i
BLAND-ALTMAN PLOT Il metodo di J. M. Bland e D. G. Altman è finalizzato alla verifica se due tecniche di misura sono comparabili. Resta da comprendere cosa si intenda con il termine metodi comparabili
DettagliVedi: 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
DettagliVariabili aleatorie gaussiane
Variabili aleatorie gaussiane La distribuzione normale (riconoscibile dalla curva a forma di campana) è la più usata tra tutte le distribuzioni, perché molte distribuzioni che ricorrono naturalmente sono
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
DettagliEsperimentazioni 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
DettagliCorso Di CHIMICA ANALITICA II
Corso Di CHIMICA ANALITICA II CHIMICA ANALITICA QUANTITATIVA: determinazione di una specie chimica in funzione della sua concentrazione. CHIMICO ANALITICO: sviluppare nuovi metodi X analita (CAMPIONE):
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 5
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Approssimazione normale della Poisson (TLC) In un determinato tratto di strada il numero di incidenti
DettagliStatistica a breve termine: metodo delle onde apparenti
Esercitazione 1 Statistica a breve termine: metodo delle onde apparenti Si calcolino, applicando il metodo delle onde apparenti, le seguenti proprietà della registrazione ondametrica fornita nelle figure
DettagliUNIVERSITA DEGLI STUDI DI BRESCIA-FACOLTA DI MEDICINA E CHIRURGIA CORSO DI LAUREA IN INFERMIERISTICA SEDE DI DESENZANO dg STATISTICA MEDICA.
Lezione 4 DISTRIBUZIONE DI FREQUENZA 1 DISTRIBUZIONE DI PROBABILITA Una variabile i cui differenti valori seguono una distribuzione di probabilità si chiama variabile aleatoria. Es:il numero di figli maschi
DettagliLE DISTRIBUZIONI CAMPIONARIE
LE DISTRIBUZIONI CAMPIONARIE Argomenti Principi e metodi dell inferenza statistica Metodi di campionamento Campioni casuali Le distribuzioni campionarie notevoli: La distribuzione della media campionaria
DettagliMetodo dei Minimi Quadrati. Dott. Claudio Verona
Metodo dei Minimi Quadrati Dott. Claudio Verona E in generale interessante studiare l andamento di una variabile in funzione di un altra e capire se c è una funzione matematica che le lega. Viceversa è
DettagliTrasformazioni Logaritmiche
Trasformazioni Logaritmiche Una funzione y = f(x) può essere rappresentata in scala logaritmica ponendo Si noti che y = f(x) diventa ossia Quando mi conviene? X = log α x, Y = log α y. log α (x) = log
DettagliRAPPRESENTAZIONE GRAFICA DEI RISULTATI SPERIMENTALI INTERPOLAZIONE E CURVE DI REGRESSIONE
RAPPRESENTAZIONE GRAFICA DEI RISULTATI SPERIMENTALI INTERPOLAZIONE E CURVE DI REGRESSIONE Rappresentazione grafica Visione d insieme di una grandezza, in funzione del tempo o di un altro parametro Tipicamente
DettagliInsegnamento di Idrologia. Esercitazione n. 1. 1) che il tempo di ritorno della portata di progetto deve essere di 200 anni;
Insegnamento di Idrologia Esercitazione n. 1 Si vuole costruire un argine lungo l'adda, nei pressi di Fuentes, in provincia di Sondrio. Per l'analisi idrologica sono disponibili i massimi annuali della
DettagliClassi: QUINTE Disciplina: MATEMATICA Ore settimanali previste: 3
Classi: QUINTE Disciplina: MATEMATICA Ore settimanali previste: 3 Titolo Modulo Titolo unità didattiche in cui è diviso il modulo Ore previste per modulo Periodo mensile per modulo Competenze ripasso del
Dettagli1 Guida alle relazioni di laboratorio
1 Guida alle relazioni di laboratorio Un aspetto basilare dell attività di laboratorio è quello di imparare a registrare accuratamente tutti i dati sperimentali, così come sono stati misurati, in modo
DettagliLA DISTRIBUZIONE NORMALE o DI GAUSS
p. / LA DISTRIBUZIONE NORMALE o DI GAUSS È una delle più importanti distribuzioni di variabili casuali continue p. / LA DISTRIBUZIONE NORMALE o DI GAUSS È una delle più importanti distribuzioni di variabili
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.
DettagliL indagine campionaria Lezione 3
Anno accademico 2007/08 L indagine campionaria Lezione 3 Docente: prof. Maurizio Pisati Variabile casuale Una variabile casuale è una quantità discreta o continua il cui valore è determinato dal risultato
DettagliCorso in Statistica Medica
Corso in Statistica Medica Introduzione alle tecniche statistiche di elaborazione dati Regressione e correlazione Dott. Angelo Menna Università degli Studi di Chieti G. d Annunziod Annunzio Anno Accademico
DettagliDistribuzione 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