Lezione 6. Tabelle funzionali. Utilizziamo il nostro sistema a portata di mano e ben controllabile
|
|
- Cipriano Stella
- 5 anni fa
- Visualizzazioni
Transcript
1 Tabelle funzionali Riguardano dati in cui si vuole verificare una relazione tra più grandezze. Si organizzano le tabelle delle migliori stime delle coppie di grandezze e delle rispettive incertezze totali. Si dovrà decidere di organizzare le grandezze una come dipendente, y, che vari al variare di un altra (o più) detta indipendente (indipendenti) in generale x, etichette date da y=f(x)=y(x). La scelta della dipendente dipende dall incertezza relativa maggiore, la tabella all inizio si organizzerà senza le etichette y e x, che saranno date dopo lo studio delle incertezze relative. Lezione 6 Utilizziamo il nostro sistema a portata di mano e ben controllabile 1
2 La tabella funzionale è la parte conclusiva di un processo di raccolta dati e di propagazione e combinazione delle incertezze. Per avere maggiore precisione prendiamo più periodi, per un numero sufficiente di volte, almeno dieci per avere una buona stima del valore medio, qui si utilizzano sei per una migliore visualizzazione didattica e per fare un calcolo più immediato.
3 Usiamo media e deviazione standard del campione, e la propagazione delle incertezze Questo è solo l incertezza statistica, dovremmo tener conto anche di quella di lettura (ε 3T ), ε 3T = s, quindi ε T = che sommato a σ Τ dà per δt lo stesso valore numerico 3
4 Tabella funzionale adattata per un analisi più chiara: linearizzazione della legge. T = cost g l y = A + Bx dove y T e x l Possiamo verificare quale ipotesi è accettabile studiando la misura della costante. 4
5 Quello che studieremo è come minimizzare la distanza della curva (retta) Y=A+Bx ideale, che passi il più vicino possibile, in media, ai punti, nei limiti delle barre di incertezza. Come si osserva la presentazione grafica è di immediata comprensione ed analisi se si sceglie con variabile y quella con maggiore incertezza relativa. Si ottiene che, se ogni variabile è affetta da incertezze casuali, quindi segue una gaussiana, i parametri A e B che più verosimilmente (principio di massima verosimiglianza) descrivono i dati sono: y 4 4 dove la quantità al denominatore è di solito indicata semplicemente con Δ. 3 3 x
6 ESERCIZIO Fare l analisi dimensionale di coefficienti A e B. Se la grandezze x e y seguono delle gaussiana, a loro volta anche A e B seguiranno delle gaussiane. y Verificare l analisi dimensionale con la relazione Y=A+BX. Svolgimento alla x 350 6
7 La sta1s1ca perme5erà anche di dire y L incertezza statistica sulla legge si riduce a 4 N ( y Y ) 4 i i i=1 σ Y (ideale) = 3 N con N numero di coppie di dati. σy non è altro che la distanza media dei punti dalla retta Y=A+BX. Ma la migliore stima è 3 N x ( yi Yi ) 350 σ Y (stima) = i=1 N Considerazioni alla su valore ideale e stima σy, intuitivamente accettabile perché per due punti infatti si avrebbe σy= 0/0 - indeterminato 7
8 La statistica permetterà di abbattere anche in questo caso l incertezza casuale 8
9 La statistica permetterà di abbattere l incertezza casuale se Diversamente: δ (*) y i = σ Y +δ y i dove la legge non risulta appropriata ma possiamo comunque fornire una previsione, ovviamente con un incertezza maggiore. 9
10 Lezione 7 x l [m] δl [m] 0,440 0,0005 0,645 0,0005 0,885 0,0005 l [m 1/] δ l [m 1/] δ l / l 0,6633 1,7E-04,5E-04 0,8031,0E-04,5E-04 0,9407,4E-04,5E-04 y δx δy T [s] σ T (s) ε T (s) δt [s] δt/t 1,01 0,04 0,0017 0,04 0,04 1,4 0,01 0,0017 0,01 0,01 1,70 0,04 0,0017 0,04 0,0 1,97 0,03 0,0017 0,03 0,0 1,95 T [s] 1,75 1,55 1,35 1,15 0,95 Verifica di una legge Prima di tutto scelta della variabile dipendente T in funzione l 0,4 0,6 0,8 1,0 l [m 1/ ] Nell approccio brutale fornito per l introduzione, si utilizza l espediente della retta di massima a minima pendenza 10
11 La sta1s1ca perme5e di dire,0 T [s] 1,8 T in funzione l che la migliore stima della curva, in questo caso una retta, è data dai parametri stimati per la retta Y = A+ B X secondo le seguenti formule 1,6 1,4 1, 1,0 y =,15E+00x - 3,5E-0 0,4 0,6 0,8 1,0 l [m 1/ ] Per ora possiamo utilizzare i coefficienti, che otteniamo da fogli elettronici 11
12 Per ora u1lizziamo le formule senza derivarle Come esercizio possiamo verificare che excel faccia le operazioni giuste u1lizzando le varie Σ. Per le incertezze dobbiamo essere noi a prendere una decisione, sulla base del fa5o se sia o non sia appropriato il modello-ipotesi, in questo caso Y=A+BX
13 Organizzatevi i da1 in modo da o5enere i prodok, e notate che in alcuni casi guadagnate cifre significa1ve Σx Σy ΣxΣxy A= Δ NΣxy ΣxΣy B= Δ Δ = NΣx ( Σx ) Fare prima l analisi dimensionale delle formule sopra, per verificare se ci sono errori eppoi svolgere (calcoli con chiarimen1 alla lavagna ) 13
14 Svolgimento con chiarimenti ulteriori alla Y T Y T δy = σ + ε δy = σ + δ? Come mai?? Come mai? 14
15 T [s] 1,95 1,75 T in funzione l? Come mai? Le tre coppie di dati con l maggiore sembrano allineati meglio. 1,55 Non bastano le misure, ma si dovrebbe conoscere come sono state condoke. 1,35 1,15 0,95 0,40 0,50 0,60 0,70 0,80 0,90 l [m 1/ 1,00 ] l [m 1/ ] La legge vale per le piccole oscillazioni, nel prendere i dati, gli studenti hanno ritenuto la misura a varie lunghezze affidabile, partendo dalla stessa distanza dalla posizione a riposo, per il dato a l minore, l angolo risulta considerevole. 15
16 ,0 T in funzione l T [s] 1,9 1,8 1,7 1,6 1,5 1,4 1,3 y = 1,99E+00x + 9,61E-0 0,6 0,7 0,8 0,9 1,0 G(z) Fiducia del 95 %, significatività per il rigetto 5 % z=+.58 z = ( x X) /σ z=+1.96 l [m 1/ ] Fiducia del 99 %, significatività per il rigetto 1 % 16
17 Verificata la legge, quanto risulta g? B = π g g = 4π B δg g = δb B 17
18 L incertezza di accuratezza si può determinare mediante la verifica di leggi fisiche. Nelle misure effettuate avevamo un incertezza sulla posizione del centro di massa, che la regressione, in questo caso lineare, ci permette di isolare, nonché di stimare. T = π l g Abbiamo dimostrato che la legge può essere accettata per i nostri dati, ma dall osservazione dell esperienza, e, vedi metodo scientifico, ci accorgiamo che in realtà l contiene una parte di indeterminaziona perché non sappiamo dove sia precisamente il baricentro. l l Possiamo considerare quindi l= l + l? Y= T X= l T = π l'+ l? g T = 4π l'+ l? g Y = = 4π g l'+ 4π l? g = B x + A l? 18
19 Possiamo verificare anche la legge, scritta in questo modo, e fornire g e l?. T = 4π g l'+ 4π l? g Y = A + BX y= T [s ] 5,7 5, 4,7 4, 3,7 B = 4π g Possiamo considerare quindi l= l + l? Misuro indirettamente l? 3,,7, A = 4π l? g l? = A B 1, x= l [mm] 19
20 Esercizio prendere i dati in classe, verificare direttamente la legge T =T (l ) T = 4π g l'+ 4π l? g Y = A + BX y= T [s ] 5,7 5, 4,7 4, 3,7 B = 4π g 3, Fornire la misura di g e la misura di l?.,7, A = 4π l? g 1, x= l [mm] 0
Scappatoie. Indicherò le scappatoie per le scuole superiori, con l intestazione scappatoie in sfondo celestino. Consideriamo la regressione lineare
Scappatoie Indicherò le scappatoie per le scuole superiori, con l intestazione scappatoie in sfondo celestino. e rigore. Segnalerò con e rigore a sfondo rosso la trattazione corretta. E indicherò le parti
DettagliProgramma della parte introduttiva: Lezione 5
Programma della parte introduttiva: Lezione 5 Cap. 3 Presentazione e confronto tra misure Cap. 4 Propagazione delle incertezze Cap 5 Misure ripetute e stimatori Cap.6 Organizzazione e presentazione dei
DettagliRuota: analisi dei da.
Ruota: analisi dei da. n σ ε δ 1,00 1,41 1,73 2,00 2,24 1,71 2,41 2,88 3,31 3,70 0,06 0,11 0,06 0,12 0,13 0,005 0,005 0,005 0,005 0,005 0,07 0,12 0,07 0,13 0,14 Nelle scuole superiori u.lizziamo la somma
DettagliAggiorniamo pag. 24 della presentazione
Aggiorniamo pag. 24 della presentazione Il pendolo è un sistema che utilizzo per introdurre la teoria. Posso prevedere qual è il periodo di oscillazione del pendolo? T = 2π l g Prendo la legge e la verifico,
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
DettagliRappresentazione grafica di coppie di variabili (x i,y i ) correlate e non. E indicato il valore del coefficiente di correlazione lineare r
1 Rappresentazione grafica di coppie di variabili (x i,y i ) correlate e non. E indicato il valore del coefficiente di correlazione lineare r Ovviamente tra le coppie (x i,y i ) può sussistere una correlazione
DettagliUso del chi-quadro per la verifica di una legge :
Uso del chi-quadro per la verifica di una legge : La densità di probabilità del chi-quadro (χ ) si ottiene matematicamente, per variabili y i che seguano, tutte, Gauss di valore centrale Y i =Y(x i ) d
DettagliLa misura fornisce un numero ed una unità di misura. Questione dell unità di misura: analisi dimensionale
Presentazione dei calcoli e delle misure La fisica studia i fenomeni naturali, con osservazioni sceintifiche, misure di grandezze e verifiche di leggi. La misura fornisce un numero ed una unità di misura.
DettagliMa anche presso le scuole
Ma anche presso le scuole 1 h h = t = t δ = δh h + δt t h misurato come differenza tra due punti, con scala raduata di risoluzione 1 mm t misurato sul display come 0.000 s, risoluzione 0.001 s. δ = 0.
DettagliMETODO DEI MINIMI QUADRATI
Vogliamo determinare una funzione lineare che meglio approssima i nostri dati sperimentali e poter decidere sulla bontà di questa approssimazione. Sia f(x) = mx + q, la coppia di dati (x i, y i ) appartiene
DettagliNel modello omoschedastico la varianza dell errore non dipende da i ed è quindi pari a σ 0.
Regressione [] el modello di regressione lineare si assume una relazione di tipo lineare tra il valore medio della variabile dipendente Y e quello della variabile indipendente X per cui Il modello si scrive
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
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 Crisafulli Paride Curseri Federica Raia Salvatore Torregrossa M. Roberto Valerio Alessia Zarcone
DettagliLABORATORIO DI FISICA Ⅰ ESPERIENZA N 3 13 DICEMBRE 2018
LABORATORIO DI FISICA Ⅰ ESPERIENZA N 3 13 DICEMBRE 018 Gruppo N 5: Salvatore Mantia, Rosario Lo Varco, Antonio Lo Varco, Silvia Tomasi, Alfredo Scelsa, Gianluca Pusateri, Alessandro Sanseverino. MISURA
DettagliTest delle Ipotesi Parte I
Test delle Ipotesi Parte I Test delle Ipotesi sulla media Introduzione Definizioni basilari Teoria per il caso di varianza nota Rischi nel test delle ipotesi Teoria per il caso di varianza non nota Test
DettagliProgramma della parte introdu0va: Lezione 5
Programma della parte introdu0va: Lezione 5 Cap. 3 Presentazione e confronto tra misure Cap. 4 Propagazione delle incertezze Cap 5 Misure ripetute e stimatori Cap.6 Organizzazione e presentazione dei dati
Dettagli0.6 Moto rotazionale intorno ad un asse fisso
0.6.0. Moto rotazionale intorno ad un asse fisso 25 0.6 Moto rotazionale intorno ad un asse fisso Premessa Questa esperienza riguarda lo studio del comportamento di un corpo (volano) libero di ruotare
DettagliEsperimentazioni di Fisica 1. Prova in itinere del 12 giugno 2018
Esperimentazioni di Fisica 1 Prova in itinere del 1 giugno 018 Esp-1 Prova in Itinere n. - - Page of 6 1/06/018 1. (1 Punti) Quesito L incertezza da associare alle misurazioni eseguite con un certo strumento
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
DettagliLa fisica come scienza della misura
La fisica come scienza della misura Riprendiamo l approccio al laboratorio con la verifica di una legge: Rigore: non posso evitarvelo. Semplificazioni e conseguenze (sbrodolamento). Esempi: g con sistema
DettagliDal coefficiente di Correlazione lineare tra due grandezze x, y alla covarianza.
1 Dal coefficiente di Correlazione lineare tra due grandezze x, y alla covarianza. La seguente nota è dedicata ad una riorganizzazione del capitolo 9 del Taylor. Si fà notare che viene invertito l ordine,
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
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
DettagliEsercizi di statistica
Esercizi di statistica Test a scelta multipla (la risposta corretta è la prima) [1] Il seguente campione è stato estratto da una popolazione distribuita normalmente: -.4, 5.5,, -.5, 1.1, 7.4, -1.8, -..
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
DettagliLa verifica del χ 2 : sulle distribuzioni
La verifica del χ 2 : sulle distribuzioni Siamo interessa. a verificare se la gaussiana s5mata con la media aritme5ca e la deviazione standard del campione sia appropriata per tu5 i da.. Quindi dovremmo
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
DettagliLaboratorio di Fisica I Anno Accademico
Laboratorio di Fisica I Anno Accademico 018-019 Relazione terza esperienza di Laboratorio Giorgio Campione Misura del periodo di oscillazione e della costante elastica della molla di un oscillatore armonico
DettagliUNIVERSITÀ DEL SALENTO
UNIVERSITÀ DEL SALENTO FACOLTÀ DI SCIENZE MMFFNN Corso di Laurea in Fisica CORSO DI LABORATORIO I MISURA DELLA COSTANTE ELASTICA DI UNA MOLLA E VERIFICA DELLA LEGGE DI HOOKE Scopo dell esperienza Misura
DettagliSTATISTICA. Regressione-3 L inferenza per il modello lineare semplice
STATISTICA Regressione-3 L inferenza per il modello lineare semplice Regressione lineare: GRAFICO DI DISPERSIONE & & analisi residui A. Valutazione preliminare se una retta possa essere una buona approssimazione
Dettagli5 cilindri cavi omogenei di dimensioni differenti e dello stesso materiale.
RELAZIONE DI LABORATORIO DI FISICA ANNO ACCADEMICO 018/019 Esperienza di laboratorio n 1 19/11/18 Misura della densità di solidi omogenei di forma regolare GRUPPO N 1 Componenti del gruppo: Cirincione
DettagliQuesto calcolo richiede che si conoscano media e deviazione standard della popolazione.
Università del Piemonte Orientale Corso di laurea in biotecnologie Corso di Statistica Medica La distribuzione t - student 1 Abbiamo visto nelle lezioni precedenti come il calcolo del valore Z, riferito
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
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
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
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. La distribuzione t - student
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica La distribuzione t - student 1 Abbiamo visto nelle lezioni precedenti come il calcolo del valore Z,
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
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/
DettagliSTATISTICA INDUTTIVA: STIMA DI PARAMETRI STIMA PUNTUALE
S.S.I.S TOSCANA F.I.M. -II anno STATISTICA INDUTTIVA: STIMA DI PARAMETRI STIMA PUNTUALE PROBLEMA 1 Vogliamo valutare la percentuale p di donne fumatrici tra le donne in età fertile. Procediamo all estrazione
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 di Fisica generale
Corso di Fisica generale Liceo Scientifico Righi, Cesena Anno Scolastico 014/15 3B Appunti sulla Rappresentazione grafica ed Elaborazione dei Dati Sperimentali Riccardo Fabbri 1 (Dispense ed esercizi su
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
DettagliDipartimento di Sociologia e Ricerca Sociale. Corso di Laurea in Sociologia. Insegnamento di Statistica (a.a ) dott.ssa Gaia Bertarelli
Dipartimento di Sociologia e Ricerca Sociale Corso di Laurea in Sociologia Insegnamento di Statistica (a.a. 2018-2019) dott.ssa Gaia Bertarelli Esercitazione n. 6 1. Si consideri un campione di 69 persone
DettagliProgramma della parte introdu0va: Lezione 3. Cap. 3 Presentazione e confronto tra misure
Programma della parte introdu0va: Lezione 3 Cap. 3 Presentazione e confronto tra misure Uniformità tra cifre meno significa
DettagliLaboratorio di Fisica I - A.A. 2017/2018. Relazione dell esperienza N. 3
Laboratorio di Fisica I - A.A. 2017/2018 Relazione dell esperienza N. 3 Titolo Misura del periodo di oscillazione e della costante elastica della molla di un oscillatore armonico semplice Gruppo 9 Faddetta
DettagliSTATISTICA A K (60 ore)
STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it Richiami sulla regressione Marco Riani, Univ. di Parma 1 MODELLO DI REGRESSIONE y i = a + bx i + e i dove: i = 1,, n a + bx i rappresenta
DettagliPropagazione delle incertezze statistiche. Dott. Claudio Verona
Propagazione delle incertezze statistiche Dott. Claudio Verona Propagazione delle incertezze La maggior parte delle grandezze fisiche di solito non possono essere misurate da una misura diretta, ma viene
DettagliIl metodo dei minimi quadrati. Molto spesso due grandezze fisiche x e y, misurabili direttamente, sono legate tra loro da una legge del tipo:
Il metodo dei minimi quadrati Molto spesso due grandezze fisiche x e y, misurabili direttamente, sono legate tra loro da una legge del tipo: Dove A e B sono costanti y = A + Bx (ad esempio in un moto uniformemente
DettagliLa curva di regressione è il luogo dei punti aventi come ordinate le medie condizionate
Correlazione e regressione Correlazione: le due variabili casuali sono considerate in modo per così dire simmetrico. Regressione: una delle due variabili dipende dall'altra, che per così dire la precede
DettagliMISURA DEL PERIODO DI OSCILLAZIONE E DELLA COSTANTE ELASTICA DELLA MOLLA DI UN OSCILLATORE ARMONICO SEMPLICE PRIMA PARTE
Esperienza n.3 MISURA DEL PERIODO DI OSCILLAZIONE E DELLA COSTANTE ELASTICA DELLA MOLLA DI UN OSCILLATORE ARMONICO SEMPLICE PRIMA PARTE Gruppo 4: Vittoria Ciraulo, Carlotta Miceli, Federico Billeci, Anna
DettagliLaboratorio di Fisica I- Modulo I Anno Accademico 2018/2019 Esperienza di laboratorio n 3
Laboratorio di Fisica I- Modulo I Anno Accademico 018/019 Esperienza di laboratorio n 3 Misura del periodo di oscillazione e della costante elastica della molla di un oscillatore armonico semplice GRUPPO
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)
DettagliCorrelazione tra due variabili
Correlazione tra due variabili Federico Plazzi 26 Novembre 2015 Correlazione tra due variabili Correlazione tra due variabili Variabili dipendenti e variabili indipendenti La variabile indipendente è quella
DettagliLezione 11 Funzioni sinusoidali e onde
Lezione 11 Funzioni sinusoidali e onde 1/18 Proprietà delle funzioni seno e coseno sono funzioni periodiche di periodo 2π sin(α + 2π) = sin α cos α + 2π = cos α a Sin a Cos a a a 2/18 Funzione seno con
DettagliLaboratorio di Fisica I - Anno Accademico Relazione esperienza n 1
Laboratorio di Fisica I - Anno Accademico 018-019 Relazione esperienza n 1 Mario Lauriano, Francesco Giosuè, Flavio Magliozzo, Chiara Coppola, Valeria Principato 19 Novembre 018 Sommario L esperienza svolta,
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.
DettagliCONFRONTO TRA LA MEDIE DI DUE CAMPIONI INDIPENDENTI
CONFRONTO TRA LA MEDIE DI DUE CAMPIONI INDIPENDENTI ipotesi sul confronto tra le medie di due campioni indipendenti Obiettivo: decidere, attraverso il confronto tra le medie dei due campioni indipendenti,
Dettaglig= 2 t Propagazione delle incertezze l g indirettamente Posso misurare g, indirettamente
Propagazione delle incertezze 1 h = gt Posso misurare g, indirettamente h g= t Devo propagare le incertezza su h e t. Posso misurare g, indirettamente l T = π g l g = 4π T Propagare le incertezze su l
DettagliCOGNOME.NOME...MATR..
STATISTICA 29.01.15 - PROVA GENERALE (CHALLENGE) Modalità A (A) ai fini della valutazione verranno considerate solo le risposte riportate dallo studente negli appositi riquadri bianchi: in caso di necessità
DettagliTeoria dei Fenomeni Aleatori AA 2012/13
Introduzione alla Statistica Nella statistica, anziché predire la probabilità che si verifichino gli eventi di interesse (cioè passare dal modello alla realtà), si osserva un fenomeno se ne estraggono
DettagliComputazione per l interazione naturale: Regressione probabilistica
Computazione per l interazione naturale: Regressione probabilistica Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2016.html
DettagliINTRODUZIONE ALLA STATISTICA PER LA RICERCA IN SANITA
INTRODUZIONE ALLA STATISTICA PER LA RICERCA IN SANITA IRCBG 19027 Modulo Dal campione alla popolazione: l'inferenza e l'intervallo di confidenza IRCCS Burlo Garofolo Formazione, Aula A via dell Istria
DettagliCapitolo 11. minimi quadrati Il metodo dei minimi quadrati
Capitolo 11 I minimi quadrati Il problema con cui abbiamo a che fare adesso consiste nel determinare con buona approssimazione una curva (funzione) che descriva il fenomeno a cui i dati appartengono. Lo
DettagliR - Esercitazione 6. Andrea Fasulo Venerdì 22 Dicembre Università Roma Tre
R - Esercitazione 6 Andrea Fasulo fasulo.andrea@yahoo.it Università Roma Tre Venerdì 22 Dicembre 2017 Il modello di regressione lineare semplice (I) Esempi tratti da: Stock, Watson Introduzione all econometria
DettagliRegressione Mario Guarracino Laboratorio di Sistemi Informativi Aziendali a.a. 2006/2007
Regressione Esempio Un azienda manifatturiera vuole analizzare il legame che intercorre tra il costo mensile Y di produzione e il corrispondente volume produttivo X per uno dei propri stabilimenti. Volume
DettagliTest per la correlazione lineare
10 Test per la correlazione lineare Istituzioni di Matematica e Statistica 2015/16 E. Priola 1 Introduzione alla correlazione lineare Problema: In base ai dati che abbiamo possiamo dire che c è una qualche
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,
DettagliElementi. di Statistica. Stages Estivi - Frascati 19/6/2009. Marco Dreucci. Elementi di statistica
Elementi di Statistica 1... diamo un senso cosa e la Fisica delle Particelle Elementari? Spiega il complesso mediante il semplice nel mondo dell infinitamente piccolo all attacco!!! applicando la ben nota
DettagliLaboratorio di Fisica I A.A. 2018/ /12/2018
Laboratorio di Fisica I A.A. 2018/2019 13/12/2018 Esperienza N.3 Misura del periodo di oscillazione e della costante elastica della molla di un oscillatore armonico semplice Gruppo n.2 Bozzotta Riccardo
DettagliFacciamo 1 cicli di 25 misure da una popolazione per scatola di resistenze
Si supponga di voler verificare che due forniture di resistenze di valore nominale dichiarato (per esempio sia = 470 ) sia affidabile. Si supponga che ogni fornitura sia normalmente distribuita con deviazione
DettagliStatistica descrittiva: analisi di regressione
Statistica descrittiva: analisi di regressione L analisi di regressione permette di esplorare le relazioni tra due insiemi di valori (p.e. i valori di due attributi di un campione) alla ricerca di associazioni.
DettagliCiò significa che uno strumento molto sensibile riesce a percepire piccole variazioni della grandezza presa in esame.
P a g i n a 1 Taratura di una bilancia dinamometrica Esperienza n, svolta giorno 7/11/017 Gruppo 7: Alessandro Catalano, Gabriele Lo Cascio, Dario Panfalone, Filippo Modica, Santi Macaluso, Gabriel Ingrassia.
DettagliAnalisi della disponibilità d acqua. Valutazione dell impianto attraverso il calcolo di un indice economico (criterio)
Analisi della disponibilità d acqua Valutazione dell impianto attraverso il calcolo di un indice economico (criterio) Approccio diverso a seconda del criterio di valutazione Nel caso di criterio statistico
DettagliElementi di. Statistica
Elementi di Statistica 1... diamo un senso cosa e la Fisica delle Particelle Elementari? Spiega il complesso mediante il semplice nel mondo dell infinitamente piccolo all attacco!!! applicando la ben nota
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.
DettagliCapitolo 8. Intervalli di confidenza. Statistica. Levine, Krehbiel, Berenson. Casa editrice: Pearson. Insegnamento: Statistica
Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 8 Intervalli di confidenza Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università
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
DettagliElementi. Statistica. Masterclass - Frascati 27/2/2013 Elementi di statistica Marco Dreucci
Elementi di Statistica 1 Fisica Alte Energie : di cosa si occupa? 2 Variabili aleatorie e distribuzioni 3 Fit ai dati sperimentali 4 Tre esempi completi 1 Fisica Alte Energie Di cosa si occupa? Spiega
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
DettagliTeoria dei Fenomeni Aleatori AA 2012/13. Il Concetto di Distribuzione Condizionata ( )
Il Concetto di Distribuzione Condizionata Se B è un evento, la probabilità di un evento A condizionata a B vale: ponendo: P A B = ( ) P A B P B A = { x} si giunge al concetto di distribuzione condizionata
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
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
DettagliGruppo 13 ~INDICE~ Di Benedetto Enrico, Franzella Elia, Guttilla Mattia, Nicoletti Gabriele, Tumbiolo Emanuele
RELAZIONE LABORATORIO ESPERIENZA III ~MISURA DEL PERIODO DI OSCILLAZIONE E DELLA COSTANTE ELASTICA DELLA MOLLA DI UN OSCILLATORE ARMONICO SEMPLICE~ ANNO ACCADEMICO 2018-2019 Gruppo 13 Di Benedetto Enrico,
DettagliRELAZIONE DI LABORATORIO DI FISICA
RELAZIONE DI LABORATORIO DI FISICA ANNO ACCADEMICO 017/018 Esperienza di laboratorio n 1 0/11/17 Misura della densità di solidi omogenei di forma regolare GRUPPO N 10 Componenti del gruppo: Cirincione
DettagliCapitolo 2 Le misure delle grandezze fisiche
Capitolo 2 Le misure delle grandezze fisiche Gli strumenti di misura Gli errori di misura Il risultato di una misura Errore relativo ed errore percentuale Propagazione degli errori Rappresentazione di
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
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
DettagliSTATISTICA. Regressione-2
STATISTICA Regressione-2 Fare sempre il grafico! Fig. 5.12 pg 178, Statistica di S. Iacus Fare sempre il grafico! y 0 2 4 6 8 10 =-1 =+0.79 outlier o dato influente 0 2 4 6 8 10 x Inferenza Il modello
DettagliPsicometria con Laboratorio di SPSS 2
Psicometria con Laboratorio di SPSS 2 Regressione lineare semplice (vers. 1.2, 20 marzo 2018) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2017-18
Dettaglio Si sceglie il modello che meglio si adatta alla realtà osservata, cioè quello per il quale risulta più probabile la realtà osservata.
Introduzione alla Statistica Nella statistica, anziché predire la probabilità che si verifichino gli eventi di interesse (cioè passare dal modello alla realtà), si osserva un fenomeno se ne estraggono
DettagliCorrelazione e regressione
Correlazione e regressione Correlazione 1 Come posso determinare il legame tra due o più variabili? Correlazione COEFFICIENTE DI CORRELAZIONE (r di Pearson) massimo consumo di ossigeno e prestazione nelle
DettagliComputazione per l interazione naturale: Regressione probabilistica
Computazione per l interazione naturale: Regressione probabilistica Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2018.html
DettagliMicroeconometria Day # 3 L. Cembalo. Regressione con due variabili e metodo dei minimi quadrati
Microeconometria Day # 3 L. Cembalo Regressione con due variabili e metodo dei minimi quadrati SRF: sample regression function Il passaggio dalla regressione sulla popolazione a quella sul campione è cruciale
DettagliC.I. di Metodologia clinica
C.I. di Metodologia clinica Modulo 5. I metodi per la sintesi e la comunicazione delle informazioni sulla salute Quali errori influenzano le stime? L errore casuale I metodi per la produzione delle informazioni
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,
DettagliFacoltà di Psicologia Università di Padova Anno Accademico Corso di Psicometria - Modulo B
Facoltà di Psicologia Università di Padova Anno Accademico 2010-2011 Corso di Psicometria - Modulo B Dott. Marco Vicentini marco.vicentini@unipd.it Rev. 27/12/2010 Regressione lineare Modello geometrico
DettagliLa regressione lineare semplice
La regressione lineare semplice Il modello di regressione lineare semplice - 1 y = β 0 + βx + ε 10 8 Una retta nel piano Variabile Y 6 4 2 0 0 1 2 3 4 Variabile X 1 Il modello di regressione lineare semplice
Dettagli