ELEMENTI DI TEORIA DEGLI ERRORI DI MISURAgibin/teoriaErrori_I.pdf · una stima dell'errore...
Transcript of ELEMENTI DI TEORIA DEGLI ERRORI DI MISURAgibin/teoriaErrori_I.pdf · una stima dell'errore...
ELEMENTI DI TEORIA DEGLI ERRORI DI MISURA
Misura: processo che associa ad ogni grandezza fisica uno (scalare) o piu` (vettore) numeri che la quantifica rispetto ad una opportunaunita` di misura.
Procedimento empirico soggetto a limitazioni di varia natura che ne determinano la precisionep
Gli errori di misura sono inevitabili
Una misura non ha nessun significato se non viene accompagnata da una stima dell'errore associato
Ad es. Se uso una riga millimetrata ho una sensibilita` di 1 mm: se per confronto vedo che la larghezza di un foglio e` compresa tra le graduazioni 215 e 216 mm posso scrivere:
0.215 m ≤ l ≤ 0.216 m ovvero l = (0.2155±0.0005) m
●Risultato sempre scritto con: 1) valore, 2) errore, 3) unità di misura es. L = 12.34 ± 0.01 m
●Non ha senso spingere la valutazione del risultato al di là della precisione sperimentale
se ad es. l’errore per la misura di una lunghezza indica incertezza sulla cifra dei centimetri, è un errore dare nel risultato la cifra dei decimi di millimetro!
Cifre significative ed arrotondamenti
REGOLA:➢nei risultati e calcoli intermedi tutte le cifre che vogliamo➢giunti al risultato finale, dopo il calcolo dell'errore, bisogna troncare il risultato al livello dell’errore stimato ed arrotondarlo (generalmente 1 o max 2 cifre significative sull'errore)
esempio lunghezza L: risultati intermedi arrotondamento12.34567 ± 0.231 m 12.3 ± 0.2 m o 12.34 ± 0.23 m12.34567 ± 0.00789 m 12.346 ± 0.008 m o 12.3457 ± 0.0079 m
●Misure dirette: si ottengono per confronto diretto con una unita` di misura omogenea o per mezzo di uno strumento calibrato
➢es. la misura di una lunghezza con una riga graduata, di un intervallo di tempo con un cronometro etc)
●Misure indirette: attraverso la misura di una o piu` grandezze diverse legate attraverso una legge fisica, espressa attraverso una equazione matematica
➢es. misura di una distanza con un segnale di cui conosciamo la velocita` di propagazione v: ∆x=∆t v ,
➢es. misura di velocita` media v a partire da una misura di lunghezza (distanza percorsa ∆x) e di un intervallo di tempo ∆t :
v= ∆x/∆t
CLASSIFICAZIONE DELLE MISURE
Metodo di misura● parte integrante del processo di misura e non possiamo astrarre da
esso per analizzare la misura stessa.
● Per la stessa grandezza fisica dipende dall'ordine di grandezza: es. lunghezza ➢L O(m) confronto diretto con regolo graduato➢L O(µm) misura interferometrica ➢L O(km) triangolazione➢L O(105 km) misura laser (e.g. distanza Terra-Luna)
Strumento di misura●Sensibilita`: minima variazione apprezzabile (e.g. 0.5 mm per regolo) ●Precisione: legata alla riproducibilita` dei risultati ●Accuratezza: capacita` di fornire valori realmente corrispondenti al
valore vero della grandezza in esame ●Intervallo d'uso: condizioni di lavoro (e.g. Intervallo di temp.) e di
valori misurabili
MISURAZIONE
Errori sistematici Agiscono sempre nello stesso verso (sottostima o sovrastima)
es. difetti costruttivi dello strumento, deterioramento, uso in condizionierrate, errori dello sperimentatore, perturbazioni esterne non controllate,uso di formule approssimate etc.
➢Se ad es. uso un regolo di lunghezza 999 mm anziche` 1m tutte le lunghezze saranno sovrastimate dell' 1‰
➢Se ad es. misuro la profondita` di un fiume con uno scandaglio, la presenza della corrente devia lo scandaglio e tende a far sovrastimarela profondita`
☹insidiosi perche` non immediatamente identificabili: richiedono una minuziosa analisi critica dello strumento e del metodo di misura Possono essere evidenziati misurando con strumenti/metodi diversi
☺Se scoperti, possono essere Se scoperti, possono essere (in linea di principio)(in linea di principio) eliminati o ridotti eliminati o ridotti
Errori Sistematici
Errori casualiErrori casuali
Se la sensibilita` dello strumento e` sufficientemente piccola visibili in
➢ facilmente evidenziabili se lo strumento e` sensibile➢ possono essere ridotti (migliorando la misura) ma mai eliminati ➢ Possiedono proprieta` statistiche che consentono di stimarli a
partire dai dati stessi
Misure ripetute }
Errori Casuali
Aleatori ed imprevedibili
sia positivi che negativi☹non possono essere eliminati
☺possono essere stimati
Esempi:- giochi meccanici ed attriti (es. Calibro o micrometro...)- condizioni ambientali variabili e non del tutto controllabili (Temp., press.,etc)- valutazioni-azioni dello sperimentatore (e.g. lettura di una scala, start-stop di un cronometro...), - imperfetta definizione della grandezza (e.g. diametro di una sfera fisica...) - etc. etc.
Valore medio
Rappresentazione dei dati
larghezza
Misurando ripetutamente (n volten volte) la stessa grandezza x si ottengono valori differenti x
i. Come rappresentare i dati?
11 Con una tabella (sequenza delle misure): ☺ tutta l'informazione
☹ nessuna sintesi22 Con un ideogramma: : in ascissa il numero d'ordine i della misura, in ordinata la misura x
i . Visibili: valore medio, errore, eventuali
variazioni sistematiche
a) Media fissa
b) Media variabile nel tempo
Variazione sistematica del valore di ∆t
raffigura simultaneamente sia il valore medio x che la larghezza della distribuzione che forniranno una stima del valore vero e dell`errore associato a ciascuna misura
3. istogrammaistogramma: l'ascissa rappresenta i valori di x ed e` suddivisa in intervallini di larghezza ∆xx in corrispondenza a ciascuno dei
quali si costruisce un rettangolo di altezza proporzionale al numero di misure che cadono in quell'intervallo si puo` studiare come si si puo` studiare come si distribuiscono le misuredistribuiscono le misure
xx
larghezzalarghezza
Rappresentazione dei dati: Istogramma
erroreerrore
valore valore verovero
x*x* Valore vero incognito
xx (o anche <x>) (o anche <x>) Valore medio misurato
xxii
Misura i-ma
εεii=x=x
ii-x*-x* Errore i-ma misura incognito
zzii=x=x
ii--xx scarto i-ma misura misurato
εε==xx-x*-x* Errore della mediaErrore della media incognitoincognito
Alcune definizioni
Proprieta`:
➢tutti i dati trattati allo stesso modo indipendentemente da ordine
➢mediamente lo scarto tra xx e valore vero x*x* e` inferiore in valore assoluto che per le singole misure (gli scarti possono essere siapositivi che negativi e nella somma si compensano) (vedi prossimatrasp.)
➢rende minima la somma dei quadrati degli scarti
Il valore piu' comunemente usato per la stima del valore vero x* valore vero x* incognitoincognito e` la media aritmeticala media aritmetica x=
∑i=1
n
x i
n
Stima del valore vero
Da qui la parziale cancellazione degli errori quando si calcola la media: nell'ultima somma gli errori positivi compensano gli errori negativi
Come si vede l'errore della media
La media aritmetica di tutte le misure e` una stima La media aritmetica di tutte le misure e` una stima migliore rispetto a ciascuna singola misura del valore migliore rispetto a ciascuna singola misura del valore vero x*vero x*
Errore della media
Dalla definizione di media e di errore:
e` la media degli errori
Lo scarto medio dalla mediascarto medio dalla media non e` idoneo a stimare la larghezza della distribuzione dei dati infatti per definizione vale 0 per definizione vale 0 (gli scarti positivi compensano esattamente gli scarti negativi)(gli scarti positivi compensano esattamente gli scarti negativi)
Per avere una stima della larghezza della distribuzione si ricorre ai quadrati degli scarti:
S VarianzaVarianza S S (o media del quadrato degli scarti)
Stima della larghezza della distribuzione dei dati
scarto quadratico medioscarto quadratico medio (o rmsrms root mean square) µµ
μ2=⟨(x−⟨ x ⟩)2⟩
NN numero delle prove (e.g. Numero delle volte in cui si lancia un dado o il numero totale delle misure)nn
ii il numero delle volte in cui si verifica l'evento ii (ad esempio esce 1 o il
numero delle volte in cui le misure cadono nell'intervallino i-mo di un istogramma)
(sperimentale)(sperimentale) (e.g. 10/100 per l'uscita di 1)
Nel limite per N->∞ le fluttuazioni statistiche della frequenza divengono trascurabili
Probabilita` dell'evento i pi
(valore medio di Fi per grandi N)
Frequenza dell'evento i
(teorica)(teorica) (e.g. 1/6 nel caso di dado ideale)
F i=ni
N
Variabili casuali
Distribuzione normale degli errori casuali
L'istogramma delle misure ha fluttuazioni statistiche che diminuiscono diminuiscono al crescere del numero delle misureal crescere del numero delle misure. Ad es una lunghezza x
DISTRIBUZIONE UNIVERSALE DISTRIBUZIONE UNIVERSALE DESCRITTA DALLA FUNZIONE DESCRITTA DALLA FUNZIONE DI GAUSS (o distribuzione DI GAUSS (o distribuzione normale)normale)
Per N->Per N->∞∞ F (x)=1
σ√2πe−
(x−x*)
2
2σ2
1) Massima in corrispondenza al valore vero x*1) Massima in corrispondenza al valore vero x* 2) simmetrica rispetto al valore vero 2) simmetrica rispetto al valore vero 3) si annulla asintoticamente per x->+- 3) si annulla asintoticamente per x->+- ∞∞ 4) 4) la larghezza e' proporzionale a la larghezza e' proporzionale a σσ che ha le dimensioni di x che ha le dimensioni di x
xx=x*=x* σσ 22=<(x- <x>)=<(x- <x>)22>>
xx e` una stima di x* e e` una stima di x* e µµ una stima di una stima di σσ
Per la distribuzione di GaussPer la distribuzione di Gauss
Distribuzione normale o di GAUSS
x*x*
2σ2σF (x)=1
σ√2πe−
(x−x*)
2
2σ2
Probabilita` P(a<x<b) che Probabilita` P(a<x<b) che x sia compreso tra a e bx sia compreso tra a e b
aa bb xx
F(x)F(x)
P (a<x<b)=∫a
b
F (x)dx
Ha il significato di una densita` di probabilita`: Ha il significato di una densita` di probabilita`: probabilita` che la misura cada in [x,x+dx]: dp= F(x) dx
{
a ( (σσ ))P(-a<x<+a)P(-a<x<+a)
11 0.68270.6827
22 0.95450.9545
33 0.99730.9973
Entro +- 3 Entro +- 3 σσ oltre il oltre il 99.7% delle misure 99.7% delle misure oltre questo valore oltre questo valore i dati vengono i dati vengono esclusi errori esclusi errori grossolanigrossolani
Probabilita` che x sia entro a dal valore medioProbabilita` che x sia entro a dal valore medio
Distribuzione normale o di GAUSS (2)
1-P δ0.3173 1 σ
4.55 x 10-2 2 σ2.7 x 10-3 3 σ6.3 x 10-5 4 σ5.7 x 10-7 5 σ
Se si combinano piu` misure diverse (INDIPENDENTIINDIPENDENTI) come si propagano i relativi errori?
Ad es. Consideriamo la somma F di x e y
la media di F e` la somma delle medie di x ed y
Gli scarti sono la somma degli scarti
i
Per le varianze
S
Propagazione degli errori: somma di due grandezze
(INDIPENDENTIINDIPENDENTI)
ES. somma di due misure INDIPENDENTIINDIPENDENTI i
mediamedia F F = = xx + + yy
Scarto quadratico medioScarto quadratico medioGli rms si sommano Gli rms si sommano quadraticamentequadraticamente
varianzavarianza SSFF= S= S
xx + S + S
yy
µµ 22
FF= = µµ 22
xx + + µµ 22
yy
Propagazione degli errori: somma di due grandezze
Formula generale di Propagazione degli errori perMisure indipendenti
CASO GENERALE: F funzione CASO GENERALE: F funzione arbitraria di n misure INDIPENDENTI xarbitraria di n misure INDIPENDENTI x
ii
MediaMedia
Scarto quadratico medioScarto quadratico medio
errori piccoli errori piccoli →→ sviluppo in serie attorno al valore medio) sviluppo in serie attorno al valore medio)
F=F (x1 , x2 , x3 , ... , xn)+∑i=1
n∂ F∂ xi
(xi−x1)
Se le misure sono indipendenti si sommano quadraticamente i contributi allo scarto quadratico medio di ciascuna misura
F=F (x1 , x2 , x3 , ... , xn)
μF2=∑
i=1
n
(∂F∂ xi
)2
μi2
F=F (x1 , x2 , x3 , ... , xn)
Formula di propagazione dell'errore
F= x̄=∑i=1
n
xi
nSi ottiene
E poiche` tutte le misure hanno lo stesso errore µ
Propagazione dell'errore applicata alla media
μF2=∑
i=1
n
(∂F∂ xi
)2
μi2
Per la funzione “media”
μx2=∑
i=1
n1
n2μx i
2 μx i
2 =μ2
μx2=∑
i=1
n1
n2μ2
μx=μ
√n
Si riduce l'errore sulle singole misure con 1/√n
E dalla formula generale si ottiene la formula di propagazione degli errori relativi
Funzione omogenea y di n variabili x
1...x
n y=x1c1 . x2
c2 . ... . xncn
Es. energia cinetica
Ek=½ m v2
µµmm
mm ( )( )22= = ((
))22+ (2 )+ (2 )22µµ
EkEkEE
kk
µµvv
vv
Propagazione degli errori relativi
∂ y∂ x i
=ci xic i−1∏i≠ j
x jc j ∂ y
∂ x i
=ci x i−1 y
μ y2=∑
i=1
n
(ci
μx i
x i
)
2
y2 μ y2
y2 =∑i=1
n
(ci
μx i
x i
)
2
Studio della dipendenza di y da un'altra grandezza x (verifica di una legge fisica, misura dei parametri di un sistema, etc. )
La dipendenza viene studiata per punti misurando n coppie (xi, y
i)
delle due variabili
Supponiamo che:
➢Le misure delle grandezze xi ed y
i siano affette da
errori indipendenti tra loro
➢L'errore sulla variabile x sia trascurabile
➢la variabile y e` distribuita con errore casuale gaussiano σy
uguale in tutti i punti.
Metodo dei minimi quadrati (1)
La dipendenza di y da x e` in generale definita da un certo numero di parametri.
Ad esempio per una dipendenza lineare si hanno 2 parametri a e b y=a+bx
Es. Moto rettilineo uniforme in cui y e` la posizione ed x il tempo: a e` la posizione al tempo t=0 e b la velocita` nel moto
Si definiscono gli scarti δyi
tra valore misurato di yi e
valore atteso da xi:
δyi=y
i-(a+bx
i)
I δyi sono rappresentati dai
segmentini verticali in figura
Metodo dei minimi quadrati (2)
Nel metodo dei minimi quadrati si determinano i parametri che governano la dipendenza imponendo che essi rendano minima Q
Si introduce la somma quadratica Q degli scarti δyi di tutte le misure y
i
dal valore predetto dalla dipendenza teorica da xi
Q=Σ (δyi )2
Metodo dei minimi quadrati (3)
Ad esempio nel caso lineare y=a+bx Q=∑
i=1
n
(δ y i)2=∑
i=1
n
( y i−a−bxi)2
Imponendo Q minima si ottiene
a=∑i=1
n
xi2∑
i=1
n
y i−∑i=1
n
x i∑i=1
n
x i yi
n∑i=1
n
x i2−(∑
i=1
n
xi)2
b=n∑
i=1
n
xi yi−∑i=1
n
xi∑i=1
n
yi
∑i=1
n
xi2−(∑
i=1
n
xi)2
Metodo minimi quadrati (4): stima errori parametri
Il metodo consente la stima degli errori dei parametriPrendiamo come esempio il caso lineare y=a+bx
Nel caso σy non sia noto, puo` essere stimato dai dati stessi
a partire dai residui δyi del fit
σa2=σ y
2∑i=1
n
x i2
n∑i=1
n
xi2−(∑
i=1
n
xi)2
σb2=σ y
2 n
n∑i=1
n
xi2−(∑
i=1
n
xi)2
σ y=√ Qn−2
=√∑i=1
n
(δ y i)2
n−2
δyi=y
i-(a+bx
i)
n misure xi della stessa grandezza x con diversa precisione
(ad es. Ottenute con diversi metodi di misura) ➢non e` corretto usare la media (che tratta tutte le misure allo stesso modo)➢si deve invece dare maggiore importanza alle misure piu` precise
x=
∑i=1
n x i
i2
∑i=1
n1
i2
x2=
1
∑i=1
n1
i2
L'errore σx sulla media e` calcolato con la
formula di propagazione degli errori e risulta naturalmente piu` piccolo di ciascun σ
i
Si dimostra che la stima del valore vero che rende minimo l'errore e` data dalla media pesata:
se ciascuna xi e` gaussiana con larghezza σ
i il peso
e` pari a 1/σi
2 (pesano di piu` le misure piu` precise)
N.B. Se tutte le misure hanno la stessa precisione la media pesata coincide con la media aritmetica
Media Pesata
Si inizia con una guidovia a cuscino d'aria equipaggiata con 1)un sensore di posizione
2)una interfaccia per la acquisizione dati (Vernier LabPro®)
3)Computer di acquisizione (MacBook) che utilizza la applicazione LoggerPro (Vernier) per la gestione dei dati, creazione di grafici, interpolazione ed analisi statistica
Misura di laboratorio
misura sonar (riflessione di un pacchetto di ultrasuoni di frequenza ~50 kHz)
x=1/2 vs(θ) *t
Misura di posizione
Emettitore- Microfono
➢Emette in un cono di apertura α∼200 attorno ad un asse che deve coincidere con l'asse di movimento ➢la velocita` del suono v
s dipende dalla temperatura di esercizio θ (+1.8‰/0C)
➢Precisione circa 1 mm➢Intervallo di misura: [15 cm:6m]➢Frequenza di campionamento dipende da Lmax (@1.5 m 30 Hz)➢Possibile calcolare numericamente le derivate I e II della posizione
xv
s
vs