AVVISO! - TIM e Telecom in un unico portale | TIM 1... · commentandone la simmetria e...
Transcript of AVVISO! - TIM e Telecom in un unico portale | TIM 1... · commentandone la simmetria e...
2
AVVISO!Le regole di laboratorio, come pure le schede di
laboratorio, si trovano sul sito del !
Dott. Diego Cauz !
all’indirizzo !http://www.fisica.uniud.it/~cauz/laboratorio_ingegneria.htm!
Leggere con attenzione!
Cenni alla teoria della misura ed all’analisi di un campione di dati
Università degli Studi di Udine e Pordenone!Facoltà di Ingegneria!
!
Laboratorio di Fisica I
www.webalice.it/isidoro.sciarratta
ING UNIUD - LabFisica is
OGGETTO DELLA PROVA
7
Misura del periodo di oscillazione di un pendolo semplice: determinazione della distribuzione degli!errori di misura allo scopo di verificarne l’andamento secondo la legge normale di Gauss.!Nell’esperienza si dovranno effettuare tre serie di misure del periodo - con numero di dati crescenti N = 30, 100, 300 - sulla base delle quali determinare: ! 1. le medie, ! 2. le distribuzioni e ! 3. i parametri statistici richiesti.
ING UNIUD - LabFisica is
CENNI TEORICI
8
Descrivere, sinteticamente (in poche righe), le modalità con le quali si sono effettuate le misure. In particolare:! ➢ indicare il valore scelto per l’angolo massimo delle oscillazioni del pendolo;! ➢ il metodo con il quale si è verificato che l’ampiezza di oscillazione rispettasse l’angolo!suddetto.
ING UNIUD - LabFisica is
Per ogni serie di misura riportare
9
il valore medio della misura, <x> ovvero;!lo scarto quadratico medio della serie di misure ;!la moda della distribuzione (valore più frequente);!l’eventuale numero di eventi fuori dell’intervallo !!e, nel caso esso sia diverso da zero:!
la nuova determinazione del valor medio della misura;!la nuova stima dello scarto quadratico medio (sempre se diverso dal precedente);!
errore quadratico medio della media ;!istogramma dei dati con sovrapposta la funzione di Gauss opportunamente normalizzata;!breve commento sulla simmetria dell’istogramma e sugli eventuali discostamenti dalla distribuzione normale.
< x > − 3σ ,< x > + 3σ[ ]
σ x
σ <x>
ING UNIUD - LabFisica is
A completamento della relazione riportare un breve commento finale sui risultati
ottenuti. In particolare:
10
fare un confronto tra gli istogrammi delle tre serie di misure commentandone la simmetria e l’andamento all’aumentare del numero di dati;!dare una valutazione (propria del gruppo) sul successo o meno del la ver i f ica del l ’ andamento normale del la distribuzione degli errori;!commentare i vari problemi e/o gli eventuali risultati negativi ottenuti e darne una possibile giustificazione fisica.
ING UNIUD - LabFisica is
Valore “vero” e valore più probabile
Sia gli errori sistematici che quelli casuali sono impliciti nelle operazioni e nel metodo scelto per eseguire la misura. Si può concludere, pertanto,
che non ha senso chiedersi qual'è il valore vero da associare alla misura di una grandezza, bensì
qual'è il valore che più verosimilmente si avvicina al valore vero, ossia qual'è il valore più probabile.
12
ING UNIUD - LabFisica is
legenda
N = numero totale dei dati del Campione!M = numero totale delle determinazioni distinte!xi, xj = misure!nj = frequenza assoluta!Nj = frequenza cumulata assoluta!fj = frequenza relativa!Fj = frequenza cumulativa relativa!E = viene usato per indicare un valore atteso
13
ING UNIUD - LabFisica is
valore più probabile
Il valore più probabile è ovviamente quello la cui frequenza è maggiore. Esperienza e teoria provano che il valore di maggior frequenza coincide con la media aritmetica dei valori misurati.
14
m = m1 +m2 + ...+mN
N=
mii=1
N
∑N
m = m1 ⋅n1 +m2 ⋅n2 + ...+mM ⋅nMN
=mj ⋅nj
j=1
M
∑N
oppure
ING UNIUD - LabFisica is
Errore assolutoIl valore medio, per risultare più attendibile, prima di venire associato come misura più probabile, dovrà essere affiancato da un'informazione che indichi il suo grado di affidabilità come misura della grandezza, ovvero che indichi lo scarto presumibile del valore medio dalla misura reale. Questo indice viene chiamato errore assoluto di misura e di solito viene indicato con ∆m. Pertanto la misura m di una grandezza va indicata con una scrittura del tipo
m = m ± Δm( )dove l’errore assoluto ∆m serve ad individuare l’intervallo di fiducia o di confidenza entro cui cade, con buona probabilità, la misura “vera”.
15
ING UNIUD - LabFisica is
intervalli di confidenza a confronto
L’ampiezza dell’intervallo dipende da come viene stimato ∆m. !A riguardo vi sono molti modi. La loro scelta dipende dalla sensibilità degli strumenti usati, dal numero di misure che compongono il campione, dalle condizioni sperimentali, ecc.
16
m-b
frequenze
misurem
f3
f2
f1
m+bm+am-a
ING UNIUD - LabFisica is
alcuni!metodi!per il!
calcolo!di !Δm
19
risoluzione dello strumento
semidispersione
media degli scarti
scarto quadratico medio o Deviazione Standard
non dipende dal numero N di misure eseguite
scarto quadratico medio della media
dipende dal numero N di misure eseguite!
Vi si fa ricorso finché non diventa inferiore alla risoluzione strumentale!
η
Δm = mmax −mmin
2
δ =mi −m
i=1
N
∑N
=di
i=1
N
∑N
σ =di2
i=1
N
∑N −1
σ X =σN
=di2
i=1
N
∑N ⋅ N −1( )
ING UNIUD - LabFisica is
errore relativo
20
Accanto all'errore assoluto è necessario definire l'errore relativo. Esso è dato dal rapporto fra l'errore assoluto ed il valore medio della grandezza misurata. Pertanto risulta adimensionale. Inoltre, di solito, esso viene espresso in percentuale.
ε =Δmm
L'errore relativo risulta utile per:!1. giudicare la precisione della misura eseguita e la bontà del metodo di misura;!2. confrontare due successioni di dati non omogenei, cioè due insiemi di valori di differenti grandezze.!3. per assegnare l'errore assoluto alle grandezze derivate
ING UNIUD - LabFisica is
Riepilogo sulla propagazione dell’errore
21
Per propagazione dell’errore si intende la teoria che consente di assegnare l’incertezza alle misure delle grandezze calcolate, perciò indirette, tramite quelle misurate direttamente.
operazioni errore assoluto
A=B+C
A=B-C
A=k B
A=B·C
A=B/C
A=B
A=B
A=B
A=(B C)/D
A=(B+C)/D
A=(B C
ΔAA
= ΔBB
+ ΔCC
ΔAA
= ΔBB
+ ΔCC
ΔAA
= n ΔBB
ΔAA
= 1n⋅ ΔBB
ΔAA
= mn⋅ ΔBB
ΔAA
= ΔBB
+ ΔCC
+ ΔDD
ΔAA
= ΔBB
+ 2 ΔCC
+ 3ΔDD
ΔAA
= ΔB + ΔCB +C
+ ΔDD
ΔA = k ⋅ ΔB
ΔA = ΔB + ΔC
ΔA = ΔB + ΔC
ING UNIUD - LabFisica is
Dalla misura diretta alla misura indiretta, cifre significative
22
Dalla teoria degli errori discende la seguente definizione che indica le cifre significative che descrivono la misura di una grandezza. !Dicesi "gruppo di cifre significative quello che inizia da sinistra con la prima cifra non nulla e termina a destra con l'ultima cifra nota, fosse anche uno zero".!In una operazione di misurazione si definiscono cifre significative le cifre note con certezza più la prima cifra incerta.
numero cifre significative
21,3 321,30 40,213 310,213 5
4,5 2
ING UNIUD - LabFisica is
Cifre significative per le grandezze derivate
23
Una volta deciso il numero di cifre significative delle grandezze direttamente misurate o assegnate, si pone il problema di stabilire quali sono le cifre significative delle grandezze derivate. Si hanno i seguenti casi:!La somma (o la differenza) di due misure note presenta lo stesso numero di cifre dopo la virgola della misura meno precisa (ovvero quella che presenta errore relativo maggiore). !Analogamente "il prodotto (il quoziente) di una misura per un numero adimensionale conserva lo stesso livello di precisione (stesso numero di cifre dopo la virgola) rispetto alla misura di partenza.!“Le cifre significative del prodotto come quelle del quoziente fra due misure note, invece, non devono mai superare quelle della misura che presenta l’errore relativo maggiore”.
ING UNIUD - LabFisica is
Esercizio da svolgere
24
Determinare il perimetro e l’area della superficie del quadrilatero ABCD di figura dopo aver misurato i lati in cm mediante un regolo avente la sensibilità del mm
ING UNIUD - LabFisica is25
Esempio 7 - La base e l'altezza di un rettangolo misurano rispettivamente: b = (2,150±0,003)m ed h = (4,25±0,02)m. Determinare sia il perimetro che l'area della superficie. Si ha:!! ! 2 p = 2(b + h) = 2[(2,150 + 4,25) ± 0,023] = (12,80 ± 0,05) m! ! !! ! A = b·h = (2,150±0,003)·(4,25±0,02) = (9,14±...) m2 !Si osservi che !! ! ΔA/A = (Δ b)/b + (Δ h)/h = (0,003/2,150) + (0,02/4,25) = !! ! ! = 0,0014 + 0,085 = 8,6 %!Segue, pertanto che l'errore assoluto della superficie ΔA = 0,81. Di conseguenza si può concludere che !! ! A = (9,14±0,81) m2.
ING UNIUD - LabFisica is
Popolazione e campioni di datiDue concetti fondamentali della statistica sono quelli di campione e di popolazione.!Dicesi popolazione, ad esempio, l’insieme di tutte le misure che si possono fare in merito ad una grandezza: esse sono sicuramente infinite.!Quando eseguiamo un certo numero di misure, ovviamente finito, in tal caso realizziamo un campione. Ovvero estraiamo un campione dalla popolazione delle misure.!Scopo della statistica è quello di raccogliere informazioni sulla popolazione attraverso lo studio dei campioni.!Nello spirito di questa premessa introdurremo i seguenti concetti di media, varianza e scarto quadratico medio.
26
ING UNIUD - LabFisica is
elaborazione dei dati di un campione empirico di 80 misure
eseguite rigorosamente nelle stesse condizioni
27
ING UNIUD - LabFisica is
1,99 1,88 1,99 1,93 1,94 1,99 2,01 1,99 2,00 1,96
1,91 2,00 2,01 2,00 1,99 2,04 2,02 2,00 2,02 1,99
1,94 1,95 2,00 2,00 1,96 1,97 2,00 1,98 1,98 2,00
1,99 1,99 1,99 1,99 1,98 2,03 2,03 1,99 1,95 1,90
1,99 2,04 2,02 1,97 2,00 1,98 1,98 2,02 2,02 2,01
2,00 2,01 2,01 2,00 1,98 2,02 2,01 2,01 2,04 1,93
1,90 2,06 1,96 1,95 1,99 2,00 2,00 1,98 1,95 1,99
2,02 2,01 1,97 1,94 1,93 1,97 1,94 2,02 2,06 2,01
28
ING UNIUD - LabFisica is
x n f
1,85 0 0,00
1,86 0 0,00
1,87 0 0,00
1,88 1 1,25
1,89 0 0,00
1,90 2 2,50
1,91 1 1,25
1,92 0 0,00
1,93 3 3,75
1,94 4 5,00
1,95 4 5,00
1,96 3 3,75
x n f
1,97 4 5,00
1,98 7 8,75
1,99 14 17,50
2,00 13 16,30
2,01 9 11,30
2,02 8 10,00
2,03 2 2,50
2,04 3 3,75
2,05 0 0,00
2,06 2 2,50
2,07 0 0,00
2,08 0 0,00
80 100%
29
ING UNIUD - LabFisica is30
Grafico 3
0,00
3,50
7,00
10,50
14,00
1,85 1,86 1,87 1,88 1,89 1,90 1,91 1,92 1,93 1,94 1,95 1,96 1,97 1,98 1,99 2,00 2,01 2,02 2,03 2,04 2,05 2,06 2,07 2,08
ING UNIUD - LabFisica is
Media e Varianzadi un campionedella popolazione
x = E(x) = 1N⋅ x j ⋅j=1
M
∑ nj = x j ⋅j=1
M
∑ f j = µµ = E(x) = xi ⋅
i=1
n
∑ pi
µ = E(x) = xdP =∫ xdPdx
dx =∫ x ⋅ g(x)dx∫VAR = s2 =
1N⋅ (xi − x )
2
i=1
N
∑ = (x j − x )2 ⋅ f j
J =1
M
∑σ 2 = (x j − µ)
2 ⋅ pjJ =1
M
∑
σ 2 = (x − µ)2 dP∫ = (x − µ)2 dPdx∫ dx = (x − µ)2g(x)∫ dx
E(x) = µ
σ 2 = E(sN −12 ) = N
N −1⋅ s2 =
1N −1
⋅ (xi − x )2
i=1
N
∑31
estimatori&corretti
ING UNIUD - LabFisica is32
i xi ni fi xi*fi Ass(di)*fi di^2*fi Gauss xi Gauss/N fi
1 1,85 0 0,00 0,00 0,0000 0,00000 0,01 1,85 0,00 0,00
2 1,86 0 0,00 0,00 0,0000 0,00000 0,02 1,86 0,00 0,00
3 1,87 0 0,00 0,00 0,0000 0,00000 0,05 1,87 0,00 0,00
4 1,88 1 0,01 0,02 0,0013 0,01148 0,11 1,88 0,00 0,01
5 1,89 0 0,00 0,00 0,0000 0,00000 0,26 1,89 0,00 0,00
6 1,9 2 0,03 0,05 0,0022 0,01518 0,54 1,90 0,01 0,03
7 1,91 1 0,01 0,02 0,0010 0,00595 1,05 1,91 0,01 0,01
8 1,92 0 0,00 0,00 0,0000 0,00000 1,86 1,92 0,02 0,00
9 1,93 3 0,04 0,07 0,0021 0,00979 3,06 1,93 0,03 0,04
10 1,94 4 0,05 0,10 0,0024 0,00888 4,64 1,94 0,05 0,05
11 1,95 4 0,05 0,10 0,0019 0,00551 6,50 1,95 0,07 0,05
12 1,96 3 0,04 0,07 0,0010 0,00221 8,41 1,96 0,08 0,04
13 1,97 4 0,05 0,10 0,0009 0,00117 10,03 1,97 0,10 0,05
14 1,98 7 0,09 0,17 0,0006 0,00036 11,05 1,98 0,11 0,09
15 1,99 14 0,18 0,35 0,0005 0,00012 11,24 1,99 0,11 0,18
16 2 13 0,16 0,33 0,0021 0,00215 10,56 2,00 0,11 0,16
17 2,01 9 0,11 0,23 0,0026 0,00471 9,15 2,01 0,09 0,11
18 2,02 8 0,10 0,20 0,0033 0,00865 7,32 2,02 0,07 0,10
19 2,03 2 0,03 0,05 0,0011 0,00368 5,41 2,03 0,05 0,03
20 2,04 3 0,04 0,08 0,0020 0,00839 3,69 2,04 0,04 0,04
21 2,05 0 0,00 0,00 0,0000 0,00000 2,32 2,05 0,02 0,00
22 2,06 2 0,03 0,05 0,0018 0,01062 1,35 2,06 0,01 0,03
23 2,07 0 0,00 0,00 0,0000 0,00000 0,72 2,07 0,01 0,00
24 2,08 0 0,00 0,00 0,0000 0,00000 0,36 2,08 0,00 0,00
80 1,00 1,99 0,0267 0,09884 99,72 1,00 1,00
x medio = 1,99 semidifferenza 0,09
ms = 0,03
sqm = 0,0353712230170448
sqmm = 0,00395462295567087
ING UNIUD - LabFisica is
parametri valori misura corrispondente
<m> = µ = 1,99
sensibilità dello strumento 0,01 m = (1,99±0,01) u.m.
semidifferenza 0,09 m = (1,99±0,09) u.m.
media degli scarti 0,03 m = (1,99±0,03) u.m.
scarto quadratico medio 0,04 m = (1,99±0,04) u.m.
scarto quadratico medio della media 0,004 m = (1,99±0,01) u.m.
33
ING UNIUD - LabFisica is
andamento frequenza cumulativa
0,00
0,25
0,50
0,75
1,00
1,851,861,871,881,891,901,911,921,931,941,951,961,971,981,992,002,012,022,032,042,052,062,072,08
Un altro concetto importante è quello della frequenza cumulata assoluta Nj che indica il numero di volte che il risultato della misura è stato minore o uguale a xj
N j = nkk=1
j
∑ Fj =N j
N=
nkNk=1
j
∑ = fkk=1
j
∑
35
ING UNIUD - LabFisica is
Distribuzione normale o di GaussLa funzione densità di probabilità gaussiana è definita come:
dPdx
= g(x) = C ⋅ e−x−a( )2
2b2
essa dipende da tre parametri, ma solo due sono realmente indipendenti. Infatti la costante C è una costante di normalizzazione e va calcolata in modo da soddisfare la richiesta di normalizzazione a 1 della distribuzione di probabilità.
37
ING UNIUD - LabFisica is
In praticadPdx
dx =∫ C ⋅ e−x−a( )2
2b2∫ dx = C ⋅ e−x−a( )2
2b2∫ dx = 1
operando il cambiamento di variabile:
u =x − a2b
⇒ du =12bdx
C ⋅ e−x−a( )2
2b2∫ dx = C ⋅ 2b e−u2
∫ du = C ⋅ 2b ⋅ π = 1
C =12πb
da cui si evince che il significato del parametro C dipende da b e non da a
-4 -2 2 4
0.2
0.4
0.6
0.8
1.0
38
ING UNIUD - LabFisica is
Il significato del parametro a si ottiene considerando l’espressione della media
µ = x ⋅dPdx
dx =∫ x ⋅12πb
⋅ e−x−a( )2
2b2∫ dx
operando il cambiamento di variabile:
u =x − a2b
⇒ du =12bdx
µ = 12πb
⋅ ( 2bu + a)e−u2
∫ ⋅ 2bdu =
=2b2πb
⋅ 2b ue−u2
∫ du + a e−u2
∫ du⎡⎣
⎤⎦ =
=1π⋅a π = a
-4 -2 2 4
-0.4
-0.2
0.2
0.4
39
ING UNIUD - LabFisica is
Il significato del parametro b si ottiene considerando l’espressione della varianza:
σ 2 = (x − µ)2 ⋅ dPdx
dx =∫ (x − µ)2 ⋅ 12πb
⋅ e−x−a( )2
2b2∫ dx
operando sempre lo stesso cambiamento di variabile questa volta si ottiene:
u =x − µ2b
⇒ du =12bdx ⇒ (x − µ) = 2bu
σ 2 =2b2u2
2πb⋅ e−u
2
⋅ 2bdu =∫
=2πb2 u2 ⋅ e−u
2
du =∫2πb2 ⋅ π
2= b2
-4 -2 2 4
0.2
0.4
0.6
0.8
1.0
40
ING UNIUD - LabFisica is
segue: b2 = σ 2
g(x) = 1σ 2π
⋅ e−x−µ( )2
2σ 2ed in definitiva
-2 2 4 6
0.1
0.2
0.3
0.4
41
ING UNIUD - LabFisica is
g(x) = 1sN −1 ⋅ 2π
⋅ e−x−µ( )2
2sN−12
Poiché µ e σ sono due parametri della popolazione (infinita), questi non sono noti a priori. E’ però possibile stimarli attraverso un campione di misure in quanto risulta che
per questa ragione segue che:
µ→ x
σ 2 → sN −12
42
ING UNIUD - LabFisica is
Interpretazione probabilistica dell’integrale di g(x)
Dalla definizione di g(x) segue che
rappresenta la probabilità che effettuando una misura, si ottenga un valore di x contenuto in tale intervallo.
x x+$x1.85 1.90 1.95 2.00 2.05 2.10 2.15
2
4
6
8
10
g(x)dxx
x+∆ x
∫
43
ING UNIUD - LabFisica is
In particolare:
g(x)dxµ−σ
µ+σ
∫
g(x)dxµ−2σ
µ+2σ
∫
g(x)dxµ−3σ
µ+3σ
∫
rappresenta il 68% di probabilità
rappresenta il 95% di probabilità
rappresenta il 99,7% di probabilità
44
ING UNIUD - LabFisica is
1.85 1.90 1.95 2.00 2.05 2.10 2.15
0.2
0.4
0.6
0.8
1.0
Funzione di ripartizione
45
Si osservi lo stretto legame che c’è fra &la funzione di ripartizione e la Frequenza cumulata
ING UNIUD - LabFisica is46
frequ
enze
0,00
0,05
0,09
0,14
0,18
misure1,85 1,86 1,87 1,88 1,89 1,9 1,91 1,92 1,93 1,94 1,95 1,96 1,97 1,98 1,99 2 2,01 2,02 2,03 2,04 2,05 2,06 2,07 2,08
47
• l’istogramma va normalizzato nel caso in cui si vuol fare un confronto con la curva Normale della distribuzione di probabilità di Gauss.&
• L’ampiezza dell’intervallo deve risultare pari alla risoluzione dello strumento. In ogni caso il numero degli intervalli non deve superare la radice del numero totale di misure eseguite N.
Suggerimenti per la costruzione di un istogramma
ING UNIUD - LabFisica is
Confronto fra i dati empirici e le rispettive funzioni densità di
probabilità di quattro campioni di dati al variare del
loro numero
48
ING UNIUD - LabFisica is
1.94 1.96 1.98 2.00 2.02 2.04 2.06
10
20
30
40
50
1.90 1.95 2.00 2.05 2.10
2
4
6
8
10
12
1.90 1.95 2.00 2.05 2.10
2
4
6
8
10
1.85 1.90 1.95 2.00 2.05 2.10
2
4
6
8
10
campione di 30 misure campione di 300 misure
campione di 3.000 misure campione di 10.000 misure49
ING UNIUD - LabFisica is
1.85 1.90 1.95 2.00 2.05 2.10
2
4
6
8
10
in questa situazione è legittimo riconoscere che dati empirici e curva teorica concordano
pienamente50
ING UNIUD - LabFisica is
Regressione lineareApplicando il criterio dei minimi quadrati all’equazione
si ottiene il seguente sistema di equazioni normali, la cui soluzione porta ad individuare i coefficienti a e b. Si ha
y = a + b ⋅ x
retta di regressione di y rispetto a x
a =yi
i=1
n
∑⎛⎝⎜⎞⎠⎟
xi2
i=1
n
∑⎛⎝⎜⎞⎠⎟− xi
i=1
n
∑⎛⎝⎜⎞⎠⎟
xiyii=1
n
∑⎛⎝⎜⎞⎠⎟
n xi2 − xi
i=1
n
∑⎛⎝⎜⎞⎠⎟
2
i=1
n
∑
b =n xiyii=1
n
∑ − xii=1
n
∑⎛⎝⎜⎞⎠⎟
yii=1
n
∑⎛⎝⎜⎞⎠⎟
n xi2 − xi
i=1
n
∑⎛⎝⎜⎞⎠⎟
2
i=1
n
∑
yii=1
n
∑ = an + b xii=1
n
∑
xiyii=1
n
∑ = a xii=1
n
∑ + b xi2
i=1
n
∑
⎧
⎨⎪⎪
⎩⎪⎪
52
ING UNIUD - LabFisica is
regressione lineareÉ utile poter stabilire quanto bene una curva interpolante si adatti ad una serie di punti sperimentali. Ciò suggerisce di valutare una incertezza standard della stima di y in x. Tale stima è così definita:
dove&• yi = ordinate punti sperimentali&• Yi = ordinate dei corrispondenti punti sulla curva teorica&• n = numero totale di dati sperimentali&• c = numero di parametri calcolati
Sy= f (x ) =(yi −Yi )
2
i=1
n
∑n − c
53
ING UNIUD - LabFisica is
Indice di correlazioneUn secondo modo di valutare la bontà dell’adattamento di una curva ad una serie di punti sperimentali consiste nel calcolare un numero puro R, che può assumere valori compresi tra -1 ed 1. Esso è detto coefficiente di correlazione. &R è calcolato come rapporto tra la covarianza, ovvero la dipendenza fra le due variabili ed il prodotto delle loro deviazioni standard
54
R = ρxy =σ xy
σ xσ y
=xi − µx( ) yi − µy( )
i=1
n
∑
xi − µx( )2i=1
n
∑ yi − µy( )2i=1
n
∑
isING uniud - Lab Fisica
Indice di correlazione di Bravais-Pearson
55
−1≤ R ≤1Se:&R > 0, le variabili x e y si dicono direttamente correlate, oppure correlate positivamente;R = 0, le variabili x e y si dicono incorrelate; R < 0, le variabili x e y si dicono inversamente correlate, oppure correlate negativamente.
Per la correlazione diretta si distingue inoltre:&0 < R < 0.3 : correlazione debole; 0.3 < R < 0.7 : correlazione moderata;R > 0.7 : correlazione forte.
isING uniud - Lab Fisica
Indice di correlazione di Bravais-Pearson
56
Esempi di insiemi di punti (x, y) con relativo coefficiente di correlazioneCortesia Wikipedia - Correlazione statistica
isING uniud - Lab Fisica
Indice di determinazione R2
57
In statistica, il coefficiente di determinazione, (più comunemente R2), è una proporzione tra la variabilità dei dati e la correttezza del modello statistico utilizzato.&Esso varia tra 0 ed 1: &• quando vale 0 il modello utilizzato non spiega per nulla i
dati; &• quando vale 1 il modello spiega perfettamente i dati.
ING UNIUD - LabFisica is
regressione parabolica
y = a + b ⋅ x + c ⋅ x2
parabola di regressione di y rispetto a x
Applicando il criterio dei minimi quadrati all’equazione
si ottiene il seguente sistema di equazioni normali, la cui soluzione porta ad individuare i coefficienti a, b e c. Si ha
yii=1
n
∑ = an + b xi + c xi2
i=1
n
∑i=1
n
∑
xiyii=1
n
∑ = a xii=1
n
∑ + b xi2 + c xi
3
i=1
n
∑i=1
n
∑
xi2yi
i=1
n
∑ = a xi2
i=1
n
∑ + b xi3 + c xi
4
i=1
n
∑i=1
n
∑
⎧
⎨
⎪⎪⎪
⎩
⎪⎪⎪
58
ING UNIUD - LabFisica is
regressione parabolica
a =xi3
i=1
n
∑⎛⎝⎜⎞⎠⎟
2
yii=1
n
∑⎛⎝⎜⎞⎠⎟− xi
2
i=1
n
∑⎛⎝⎜⎞⎠⎟
xi4
i=1
n
∑⎛⎝⎜⎞⎠⎟
yii=1
n
∑⎛⎝⎜⎞⎠⎟+ xi
i=1
n
∑⎛⎝⎜⎞⎠⎟
xi4
i=1
n
∑⎛⎝⎜⎞⎠⎟
xiyii=1
n
∑⎛⎝⎜⎞⎠⎟+ xi
2
i=1
n
∑⎛⎝⎜⎞⎠⎟
2
xi2yi
i=1
n
∑⎛⎝⎜⎞⎠⎟− xi
3
i=1
n
∑ xi2
i=1
n
∑⎛⎝⎜⎞⎠⎟
xiyii=1
n
∑⎛⎝⎜⎞⎠⎟+ xi
i=1
n
∑⎛⎝⎜⎞⎠⎟
xi2yi
i=1
n
∑⎛⎝⎜⎞⎠⎟
⎡
⎣⎢
⎤
⎦⎥
xi2
i=1
n
∑⎛⎝⎜⎞⎠⎟
3
+ n xi3
i=1
n
∑⎛⎝⎜⎞⎠⎟
2
+ xii=1
n
∑⎛⎝⎜⎞⎠⎟
2
xi4
i=1
n
∑⎛⎝⎜⎞⎠⎟− xi
2
i=1
n
∑⎛⎝⎜⎞⎠⎟2 xi
i=1
n
∑⎛⎝⎜⎞⎠⎟
xi3
i=1
n
∑⎛⎝⎜⎞⎠⎟+ n xi
4
i=1
n
∑⎛⎝⎜⎞⎠⎟
⎡
⎣⎢
⎤
⎦⎥
A titolo di curiosità esprimiamo qui le soluzioni simboliche del precedente sistema. Ovvio che non conviene ricordare le seguenti formule: sarà sufficiente di volta in volta risolvere direttamente il sistema delle equazioni normali.
b =xi
i=1
n
∑⎛⎝⎜⎞⎠⎟
xi4
i=1
n
∑⎛⎝⎜⎞⎠⎟
yii=1
n
∑⎛⎝⎜⎞⎠⎟+ xi
2
i=1
n
∑⎛⎝⎜⎞⎠⎟
2
xiyii=1
n
∑⎛⎝⎜⎞⎠⎟− n xi
4
i=1
n
∑⎛⎝⎜⎞⎠⎟
xiyii=1
n
∑⎛⎝⎜⎞⎠⎟+ n xi
3
i=1
n
∑⎛⎝⎜⎞⎠⎟
2
xi2yi
i=1
n
∑⎛⎝⎜⎞⎠⎟− xi
2
i=1
n
∑ xi3
i=1
n
∑⎛⎝⎜⎞⎠⎟
xiyii=1
n
∑⎛⎝⎜⎞⎠⎟+ xi
i=1
n
∑⎛⎝⎜⎞⎠⎟
xi2yi
i=1
n
∑⎛⎝⎜⎞⎠⎟
⎡
⎣⎢
⎤
⎦⎥
xi2
i=1
n
∑⎛⎝⎜⎞⎠⎟
3
+ n xi3
i=1
n
∑⎛⎝⎜⎞⎠⎟
2
+ xii=1
n
∑⎛⎝⎜⎞⎠⎟
2
xi4
i=1
n
∑⎛⎝⎜⎞⎠⎟− xi
2
i=1
n
∑⎛⎝⎜⎞⎠⎟2 xi
i=1
n
∑⎛⎝⎜⎞⎠⎟
xi3
i=1
n
∑⎛⎝⎜⎞⎠⎟+ n xi
4
i=1
n
∑⎛⎝⎜⎞⎠⎟
⎡
⎣⎢
⎤
⎦⎥
c =xi2
i=1
n
∑⎛⎝⎜⎞⎠⎟
2
yii=1
n
∑⎛⎝⎜⎞⎠⎟− xi
i=1
n
∑⎛⎝⎜⎞⎠⎟
xi3
i=1
n
∑⎛⎝⎜⎞⎠⎟
xiyii=1
n
∑⎛⎝⎜⎞⎠⎟+ n xi
3
i=1
n
∑⎛⎝⎜⎞⎠⎟
xiyii=1
n
∑⎛⎝⎜⎞⎠⎟+ xi
i=1
n
∑⎛⎝⎜⎞⎠⎟
2
xi2yi
i=1
n
∑⎛⎝⎜⎞⎠⎟− xi
2
i=1
n
∑ xii=1
n
∑⎛⎝⎜⎞⎠⎟
xiyii=1
n
∑⎛⎝⎜⎞⎠⎟+ n xi
2yii=1
n
∑⎛⎝⎜⎞⎠⎟
⎡
⎣⎢
⎤
⎦⎥
xi2
i=1
n
∑⎛⎝⎜⎞⎠⎟
3
+ n xi3
i=1
n
∑⎛⎝⎜⎞⎠⎟
2
+ xii=1
n
∑⎛⎝⎜⎞⎠⎟
2
xi4
i=1
n
∑⎛⎝⎜⎞⎠⎟− xi
2
i=1
n
∑⎛⎝⎜⎞⎠⎟2 xi
i=1
n
∑⎛⎝⎜⎞⎠⎟
xi3
i=1
n
∑⎛⎝⎜⎞⎠⎟+ n xi
4
i=1
n
∑⎛⎝⎜⎞⎠⎟
⎡
⎣⎢
⎤
⎦⎥
parabola di regressione di y rispetto a x59
ING UNIUD - LabFisica is
regressione esponenziale
y = a ⋅ ebxUna funzione molto importante in fisica è la funzione esponenziale
ln y = lna + bxe quindi si può applicare il metodo dei minimi quadrati a questa relazione lineare
Passando ai logaritmi si ottiene:
60