Fisica Generale I Misure di grandezze fisiche e incertezze di misura Lezione 3 Facoltà di Ingegneria Livio Lanceri

Documenti analoghi
Fisica Generale I Misure di grandezze fisiche e incertezze di misura Lezione 3 Facoltà di Ingegneria Livio Lanceri

Analisi degli errori. Introduzione J. R. Taylor, Introduzione all analisi degli errori, Zanichelli, Bo 1986

Teoria degli errori. La misura implica un giudizio sull uguaglianza tra la grandezza incognita e la grandezza campione. Misure indirette: velocita

ANALISI STATISTICA DELLE INCERTEZZE CASUALI

Precisione e Cifre Significative

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica

Misure indipendenti della stessa grandezza, ciascuna con una diversa precisione.

Analisi statistica degli errori casuali

LA COMPATIBILITA tra due misure:

Statistica Descrittiva

Misure Ripetute ed Indipendenti

Ad esempio, potremmo voler verificare la legge di caduta dei gravi che dice che un corpo cade con velocità uniformemente accellerata: v = v 0 + g t

Capitolo 3. Cap. 3-1

Corso di. Dott.ssa Donatella Cocca

La t di Student. Per piccoli campioni si definisce la variabile casuale. = s N. detta t di Student.

Modelli descrittivi, statistica e simulazione

Correlazione lineare

CORRETTA RAPPRESENTAZIONE DI UN RISULTATO: LE CIFRE SIGNIFICATIVE

Elementi di statistica

si utilizzano per confrontare le distribuzioni

Propagazione degli errori

Propagazione degli errori

L ANALISI MONOVARIATA: Variabilità e mutabilità. Prof. Maria Carella

La likelihood. , x 3. , x 2. ,...x N

Principio di massima verosimiglianza

Principio di massima verosimiglianza

Incertezza di sensibilità < fluttuazione intrinseca delle misure.

ELEMENTI DI STATISTICA

3 CAMPIONAMENTO DI BERNOULLI E DI POISSON

L ANALISI MONOVARIATA: Variabilità e mutabilità. Prof. Maria Carella

Strada B. Classe Velocità valore frequenza Frequ. ass Frequ. % hi Freq. Cum

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo

una variabile casuale è continuase può assumere un qualunque valore in un intervallo

Laboratorio 2B A.A. 2013/2014. Elaborazione Dati. Lab 2B CdL Fisica

Università di Cassino. Esercitazione di Statistica 1 del 4 dicembre Dott.ssa Simona Balzano

Campo di applicazione

Sistemi Intelligenti Stimatori e sistemi lineari - III

LA CALIBRAZIONE NELL ANALISI STRUMENTALE

Variabili statistiche - Sommario

Laboratorio di Fisica per Scienze Naturali 1 - Elementi di Statistica e di teoria degli errori

Lezione 2 le misure di sintesi: le medie

1) Le medie e le varianze calcolate su n osservazioni relative alle variabili quantitative X ed Y sono tali che. σ x

Misure dirette utilizzate per il calcolo della misura indiretta X:

S O L U Z I O N I. 1. Effettua uno studio qualitativo della funzione. con particolare riferimento ai seguenti aspetti:

y. E' semplicemente la media calcolata mettendo

PRIMA PROVA INTERMEDIA DI STATISTICA (COD /6045/5047/4038/371/377) 26 ottobre 2015 COMPITO D

Definizione di campione

STATISTICA PSICOMETRICA a.a. 2004/2005 Corsi di laurea. Scienze e tecniche neuropsicologiche Modulo 3 Statistica Inferenziale

a) Individuare l intervallo di confidenza al 90% per la media di popolazione;

Lezione 2 a - Statistica descrittiva per variabili quantitative

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA

Qualità dell adattamento di una funzione y=f(x) ad un insieme di misure (y in funzione di x)

Analisi della Varianza

Propagazione delle incertezze

CARATTERISTICHE DEI SEGNALI RANDOM

UNIVERSITÀ DEGLI STUDI DI TORINO CORSO DI LAUREA IN CHIMICA Dispense ad esclusivo uso introduttivo per il modulo di Fisica C

IL LEGAME TRA DUE VARIABILI I METODI DELLA CORRELAZIONE

Regressione lineare con un singolo regressore

Scienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni

Appunti di Teoria dell Informazione

FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 17/09/2012

REGRESSIONE LINEARE. È caratterizzata da semplicità: i modelli utilizzati sono basati essenzialmente su funzioni lineari

STATISTICA A K (63 ore) Marco Riani

INDICI STATISTICI MEDIA, MODA, MEDIANA, VARIANZA

C.I. di Metodologia clinica

STATISTICA DESCRITTIVA CON EXCEL

materiale didattico I incontro

Concetti principale della lezione precedente

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1

Test delle Ipotesi e Analisi della Varianza (ANalysis Of VAriance: ANOVA)

CORSO DI FISICA TECNICA 2 AA 2013/14 ACUSTICA. Lezione n 2:

1 La domanda di moneta

Corso di Teoria dei Campioni Facoltà di Economia Corso di Laurea SIGI

Esercitazione 1 del corso di Statistica 2

Indici di variabilità

Pattern Recognition. Bayes decision theory

LA VARIABILITA. Nella metodologia statistica si distinguono due aspetti della variabilità:

LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE

Lezione 2 a - Statistica descrittiva per variabili quantitative

Corsi di Laurea in Farmacia e CTF Prova di Matematica

Il pendolo di torsione

Corso di PROGRAMMAZIONE I. Guida di Laboratorio Anno Accademico

Regressione lineare: definizione delle incertezze dei coefficienti (calibrazione e regressione generica)

ESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità:

Metodologie informatiche per la chimica

Relazioni tra variabili: Correlazione e regressione lineare

26/08/2010. segnali deterministici. segnali casuali o random. stazionario. periodico. Non stazionario. transitorio

Adattamento di una relazione funzionale ai dati sperimentali

TECNICHE DI ANALISI DEI DATI MODELLI LINEARI

Statistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill

Contenuti: o Specificazione del modello. o Ipotesi del modello classico. o Stima dei parametri. Regressione semplice Roberta Siciliano 2

METODI DI MISURA LEZIONI DEL CORSO DI FISICA I E METODI DI MISURA. Enrico Ferrero

ANALISI ESPLORATIVA DI SERIE DI OSSERVAZIONI

SERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete

Cenni di Statistica. AA Corso di Laurea in Biologia Molecolare

CPM: Calcolo del Cammino Critico

Stima dei Parametri: Metodo di Massima Verosimiglianza

Istogrammi e confronto con la distribuzione normale

Transcript:

Fsca Generale I Msure d grandezze fsche e ncertezze d msura Lezone 3 Facoltà d Ingegnera Lvo Lancer

Indce Abbamo mparato: Orgne e classfcazone delle ncertezze (error) d msura Rappresentazone delle ncertezze Stma delle ncertezze n msure drette non rpetute propagazone degl error n msure ndrette non rpetute Adesso: passamo alla descrzone delle msure drette rpetute Meda e devazone standard Devazone standard della meda all nterpretazone de rsultat n termn probablstc (prossma lezone) Probablta` e dstrbuzone d probablta` La dstrbuzone normale (Gauss) Intervall d confdenza e alle msure ndrette rpetute propagazone degl error rveduta e corretta

Msure drette rpetute La statstca c auta anals statstca degl error accdental

A proposto: statstca? I metod statstc Sono stat svluppat per descrvere dat emprc e sono usat da tutte le scenze (e tecnche) spermental Fanno uso d var strument matematc (anals, calcolo delle probablta`) Affrontano dvers problem: La descrzone sntetca de dat emprc dstrbuzon, mede, dsperson, correlazon Il confronto tra dat e teora o tra dvers nsem d dat Determnazone d parametr Test d potes ( decson), su parametr o dstrbuzon L nterpretazone probablstca de rsultat (dvers approcc: frequentsta, bayesano, ) o c lmteremo a consderazon molto semplc su alcun aspett descrttv (Mede e devazon standard, dstrb.gaussana, ntervall d confdenza) 4

Una msura fatta durante la lezone - Msure drette rpetute della lunghezza d un banco A. Usando fotocope d un rghello Campo d msura cm Costante d lettura c mm B. Con un regolo metallco Campo d msura cm Costante d lettura c mm metodo Indce operatore (cm) A SS 7.6 A SS 7.5 A 3 LL 7. A 4 LL 7.7 A 5 SD 7.3 A 6 SD 7.6 A 7 GS.4 A 8 GM 7. A 9 LB 7.8 A LB 7.6 A LL 7.8 A LB. A 3 GS 7.6 A 4 LL 7.6 A 5 LL 7.8 B 69.8 B 69.8 B 3 69.8 B 4 69.8 B 5 69.8 B 6 69.8 B 7 69.8 B 8 69.8 B 9 69.8 B 69.8 5

Msura: comment - Istogramma (a barre): Scala orzzontale: nclude tutt valor msurat (p.es.da 69. a. cm Intervall ( bn ): abbamo scelto cascuno. cm, estremo nferore ncluso Scala vertcale: per ogn bn, barra proporzonale al numero d msure nell ntervallo corrspondente 8 6 4 Errore sstematco Metodo B outler??? Error accdental Metodo A 69 69. 69.4 69.6 69.8 7 7. 7.4 7.6 7.8..4.6.8 7 7. 7.4 7.6 7.8..4.6.8 More 6

Msura: comment - Metodo A: Error accdental, maggor della costante d lettura del regolo: le operazon rudmental d msura con l regolo fotocopa, corto, ntroducono ad ogn passo pccole varazon casual: e l tpco caso n cu le msure rsultano avere una dstrbuzone gaussana (come vedremo) ; Errore sstematco: le msure dfferscono sensblmente da quelle esegute col regolo metallco (metodo B); una prma stma della dfferenza percentuale e` crca: (7.7 69.8)/69.8.7%, compatble con un problema d calbrazone dello strumento fotocopato (n effett: la fotocopa era stata eseguta con fattore d rduzone 98% ): non bsogna aspettars che uno strumento qualsas sa ga` perfettamente calbrato! outler : la msura numero 7 (operatore GS) e` sensblmente dstante dalle altre: possamo escluderla solo su questa base? La rsposta, n lnea generale, e` O. Commenteremo ulterormente possbl eccezon e crter d esclusone accettabl. In questo caso, data la dfferenza d crca 4 mm, e` probable che l operatore GS abba usato n un pao d occason l estremta` del regolo nvece dello zero : se questo fosse confermato, sarebbe preferble escludere entrambe le msure d GS. Metodo B: Tutt valor msurat sono ugual, entro la costante d lettura d mm, essendo l metodo pu` semplce e rproducble. 7

Meda e devazone standard Meda Varanza {,,,..., } Devazone Standard msure d 3 V ( ) ( ) Esempo operatore Indce (cm) -m(cm) (-m)^ -m'(cm) (-m')^ SS 7.6.93.87.5. SS 7.5 -.7. -.85.7 LL 3 7. -.37.94 -.385.479 LL 4 7.7.93.374.5.33 SD 5 7.3 -.7.47 -.85.8 SD 6 7.6.93.87.5. GS 7.4 -.7.47 GM 8 7. -.47.654 -.485.349 LB 9 7.8.93.86.5.464 LB 7.6.93.87.5. LL 7.8.93.86.5.464 LB..493.434.45.75 GS 3 7.6.93.87 LL 4 7.6.93.87.5. LL 5 7.8.93.86.5.464 5 587.6..93 m 7.5..46 Var().4 sgma.4 V ( ) ( ) not(gs) 3 43.6..7969 m' 7.58..63 Var().6 sgma'.5 8

9 Meda e devazone standard Perche usare la meda? E` quel partcolare numero che mnmzza la somma quadratca degl scart ( Prncpo de mnm quadrat ) Un modo alternatvo per calcolare n un solo cclo varanza e devazone standard: verfcare come eserczo che: (usato p.es per calcolare ncrementalmente la varanza durante una sequenza d presa dat: le due sommatore vengono accumulate evento per evento e sottratte alla fne) tale che : trovamo ),... ( msure date X ( ) ( ) ( )( ) X X X X X dx d X mnmo ( ) ) ( Var

Ancora devazone standard Attenzone: c sono motv teorc per modfcare la defnzone d devazone standard sosttuendo con (-): ( ) Le due defnzon sono equvalent per suffcentemente grande grande, ma la prma defnzone tende a sottostmare l ncertezza per pccolo. el nostro esempo (3) la dfferenza e` ga` poco rlevante (crca 4%): Prma def.:.7969.476.5mm 3 Seconda def.:.7969.577.6 mm

Devazone standard della meda Aumentando l numero d msure, la devazone standard calcolata da dat raccolt rmane stable, fluttuando attorno ad un valore che descrve la dspersone delle sngole msure n modo sempre pu` precso costante Invece: la devazone standard della meda, che descrve la (mnore!) dspersone delle mede, dmnusce all aumentare d ( ) ( ) Verfchamolo su sequenze d dat (smulat con un generatore d numer casual) corrspondent a msure rpetute con crescente:

campon d msure: Campone n.: Campone n.6: Etc : rgettare msure sulla base della devazone standard d poche msure e` percoloso! Verfca: stogramm delle mede e delle dev.standard Ved prossma pagna 3.5 3.5.5.5 3.5 3.5.5.5..4.6.8 7 7. 7.4 7.6 7.8..4.6.8 More..4.6.8 7 7. 7.4 7.6 7.8..4.6.8..4.6.8 7 7. 7.4 7.6 7.8..4.6.8 More..4.6.8 7 7. 7.4 7.6 7.8..4.6.8 7.59 cm.9 cm 7.75 cm.3 cm.3 cm.4 cm Campone n. mm mm.5.5.5.5.5.5 Campone n.6 mm mm

(mede e devaz. standard) campon d msure cascuno: Calcolamo volte la Meda e la Devazone Standard (per cascun campone) stogrammamo Meda Standard devaton 4.5.5 4 3.5 3.5.5.5.5.5..4.6.8 7 7. 7.4 7.6 7.8..4.6.8...3.4.5 La meda fluttua meno delle sngole msure:. 8cm 3. 5cm Dev.Standard: ma fluttua pareccho da un campone all altro! 3

,, campon d msure: Campone n.: Campone n.: 35 3 5 5 35 3 5 5 Etc mede, dev.standard: Prossma trasparenza 4..4.6.8 7 7. 7.4 7.6 7.8..4.6.8 More..4.6.8 7 7. 7.4 7.6 7.8..4.6.8..4.6.8 7 7. 7.4 7.6 7.8..4.6.8 More..4.6.8 7 7. 7.4 7.6 7.8..4.6.8 7.594 cm.7 cm 7.588 cm.5 cm.7 cm.5 cm Campone n. mm mm 8 6 4 8 6 4 8 6 4 5 8 6 4 5 Campone n. mm mm

(mede e devaz. standard) campon d msure cascuno: Calcolamo volte la Meda e la Devazone Standard (per cascun campone) stogrammamo Meda Devazone Standard 8 3.5 7 3 6 5 4.5 3.5.5..4.6.8 7 7. 7.4 7.6 7.8..4.6.8...3.4.5 La meda fluttua meno delle sngole msure:. 5cm. 5cm Dev.Standard: Adesso fluttua d meno da un campone all altro! 5

7 6 5 4 3 Meda (. cm bn) 6 7.5 7.5 7.5 7.53 7.54 7.55 7.56 7.57 7.58 7.59 7.6 7.6 7.6 7.63 7.64 7.65 7.66 7.67 7.68 7.69 7.7 More..4.6.8 7 7. 7.4 7.6 7.8..4.6.8 35 3 5 5 5 4 bn. cm 6 5 3 Meda (. cm bn) 9 8 7 6 5 4 3 Devazone Standard...3.4.5..4.6.8 7 7. 7.4 7.6 7.8..4.6.8 More..4.6.8 7 7. 7.4 7.6 7.8..4.6.8,, campon d msure: Campone n.: 7.597 cm.8 cm Etc mede, dev.standard:.5 cm Campone n. mm mm 8 6 4 8 6 4 Scala orzz. Allargata: 7. 6cm 7. 6cm. 5cm

Conclusone In sntes: all aumentare d, nel nostro esempo (smulazone con valor ver not): 7.6cm.5cm.5cm la dspersone del valore medo dmnusce anche negl esperment real, Ma: attenzone agl error sstematc! Inutle aumentare ulterormente l numero d msure n un espermento, se gl error sstematc non possono essere rdott ad un lvello nferore! 7

In grafco: : Scala vertcale lneare 7.6cm. 5cm Scala vertcale logartmca 8. 6 4. 8. 6 4..5 7 7.5.5 (cm)..5 7 7.5.5 (cm) 8