Scappatoie e …rigoreciullo/PLS_2015/2015_PLS_approf.pdf · 2015. 3. 20. · gaussiana, dalla...
Transcript of Scappatoie e …rigoreciullo/PLS_2015/2015_PLS_approf.pdf · 2015. 3. 20. · gaussiana, dalla...
-
e …rigore.Scappatoie
Indicherò le scappatoie per le scuole superiori,con l’intestazione scappatoie in sfondo celestino.
Consideriamo la regressione lineare
Segnalerò con e … rigore a sfondo rosso la trattazione corretta.E indicherò le parti dove è possibile reperire indicazioni più rigorose dal testo Ciullo G. «Introduzione al Laboratorio di fisica (Springer Verlag, 2014, Milano).
-
La verifica di una legge fisica risulta di maggiore interesse e applicabile nelle scuole. Inoltre è un ottimo strumento didattico, per estendere tale verifica (che prenderà il nome di chi-quadro), anche alle distribuzioni di dati o comunque a istogrammi.
La verifica di una legge fisica
-
Quindi |Yi - yi| < δyiScappatoie
12
≤
−
i
ii
y
Yy
δ
−∑
2
mini
ii
y
Yy
δ
Ny
Yy
i
ii ≤
−∑
2
δ
-
e …rigore.Ciullo G. Introduzione al laboratorio di Fisica
Pg 142
−∑
2
mini
ii Yy
σ( )∑∑ =
−= 22
2i
i
ii Yy χσ
χ
( )2i2 y varianza δσ ≡=i
-
Scappatoie
y = 2,244x - 0,2868
y = 1,8538x + 0,1892
1,2
1,7
2,2
2,7
3,2
3,7
0,50 0,70 0,90 1,10 1,30 1,50 1,70 1,90
Pe
rio
do
di o
scill
azio
ne
de
l pe
nd
olo
T [
s]
massa [g]
Pendenza massima dai i punti estremipunteggiata ymax =A’+ Bmax xsu y1 - δy1 e yN + δyNe pendenza minimaRetta tratteggiata ymin =A’’+ Bmin xSu y1 + δy1 e yN - δyN
Bms dal valore centraleδB dalla semidispersione
Ams dal valore centraleδA dalla semidispersione
-
e …rigore.
Dalla minimizzazione del χ2 si ottengono le migliori stime dei parametro A e B, avendo assunto che i dati seguano una relazione lineare del tipo Y=A+Bx.
⇒
−∑
2
mini
ii Yy
σ
Fogli di calcolo forniscono tali valori
-
e …rigore.
Programmi di analisi dati tali valori:propagazione.
Considero A e B, funzioni delle yi (xi non affette da errore o propagato su y) dalla propagazione delle incertezze
Per il teorema del limite centrale A è gaussiana con varianza σΑ
-
e …
rigo
re.
-
È utile considerare l’enunciato
e …
rigo
re.
-
Scappatoie
Distanza media (/N numero di punti – coppie di dati)Statistica (/d – gradi di libertà = numero di dati – vincoli statistici)
( )d
Yy iiY
∑ −=2
σ
σY cos’è invece?
( )d
YyN
iii
Y
∑ −=
2
σ
vincoli statistici- parametri utilizzati per la stima che si ottengono utilizzando i dati,osservare la formula per il numero di dati
-
e …rigore.σY cos’è invece?
P per N yi che seguono una lagaussiana di parametri Y, σY)
P per n xiseguono G X, σ(x)
-
e …rigore.
-
PAUSA di meditazione
• Gauss: misure ripetute• X (valore centrale)
stimato da xmedia• σ (punti di flesso)
stimati da σx• se gaussiana per il
teorema del limite centrale
• Regressione: relazioni funzionali
• Y (valore centrale) stimato da A e B se retta
• Se tutte le yigaussiane
-
Conseguenze per gaussiane• Migliore stima di x, assunta la variabile
gaussiana, dalla media aritmetica
• Incertezza statistica, comunque per più di trenta dati, assunta la gaussiana, σx.
• Incertezza totale δ somma in quadratura di εx e σx ed eventuale accuratezza + o –ηx (vedi calibrazioni).
• Nocciolo duro per le scuole: se x gaussiana, incertezza statistica, teorema del limite centrale.
-
Conseguenze per regressioni• Migliore stima dei parametri, con formule o
«scappatoie».
• Incertezze totale δΑ e δΒ, sia da formule (propagazione delle incertezze) che da valori centrali e semidispersione.
• Eventuale accuratezza (vedi calibrazioni) con leggi fisiche (esempi: caduta del grave e calorimetro).
-
Come possiamo verificare le ipotesi
−∑
2
mini
ii Yy
σ
( )∑∑ =
−= 22
2i
i
ii Yy χσ
χ
• Partiamo dalla regressione: abbiamo ottenuto le stime dei parametri minimizzando il χ2
( )∑∑ =
−= 22
2i
i
ii
y
Yy χδ
χo meglio
-
La verifica del χ2222
-
Scappatoia
Considero δyi uguali per tutte le i o il valore medio se cambiano.
( )d
Yy iiY
∑ −=2
σ
( ) Ny
Yyi
i
ii ≤=
−= ∑∑ 22
2 χδ
χ
( )∑ −= 22 iiY YyNσ( ) N
Yy
yii ≤
−= ∑2
22
1
1
δχ
( ) ( ) ( )222
22 1 yNN
yYY δσσδ
χ ≤≡≤=
( )N
Yy iiY
∑ −≈2
σ
-
Scappatoia per la verifica del χ2222
yY δσ ≤ SeLa legge è
appropriata per i dati:
una buona stima dell’incertezza statistica è σσσσY
( )( ) 222
222 di Invece
Yiy
iyiy
i
i
y
y
σεδ
σεδ
+=
+= ( )( ) 222
222 a Scorciatoi
Yy
y
δY
δY y
σε
σε
+=
+=
-
Scappatoie yY δσ ≤ SePossiamo abbattere
l’incertezza statitisca e quindi
ricalcolare le incertezze su A e B
Sconto per le superiori buone le stime e buona la legge niente ricalcolo
-
Stima sull’interpolazione
Incertezza sulla y
dedotta dalla legge
(interpolazione).
Per esempio
calibriamo un
Sistema, ed usiamo
il valore y dedotto
da y=A+BxCi permette di
capire cosavogliamo dire
-
Se possiamo accettare la legge?
yY δσ ≤ Se
6,35
6,55
6,75
6,95
7,15
7,35
7,55
7,75
7,95
8,15
1,60 2,10 2,60 3,10
t[s]
√√√√n
22yYY εσδ +=
Tratteggio rosso rette Y+δY e Y-δY previsione al 68 % incluse le incertezza
-
Se non possiamo accettare la legge?
6,00
6,50
7,00
7,50
8,00
8,50
1,50 2,00 2,50 3,00 3,50
t[s]
√√√√n
yY δσ > Se
( )22 yY Y δσδ +=
Non accettiamo la legge
Forniamo comunque una stima per Y+δY e Y-δY al 68 % incluse le incertezze
-
e …rigore.
-
e …rigore.
-
e …rigore.
Per d > 100
χ2 = d
Deviazione Standard = = ( 2d )1/2
-
e …rigore.
Coda destra
Verifica di significatività
1 %
Ipotesi da
rigettare
Legge non appropriata
Altrimenti tabella della probabilità di ottenereUn chi-quadro ridotto (χ2 /d) > di quello osservato
-
e …rigore.
Coda sinistra
Verifica di significatività
1 %
Incertezze elevate
O anche tabella della probabilità di ottenereUn chi-quadro ridotto (χ2 /d) < di quello osservato
-
Estensione della verifica del χχχχ2222
• Per le distribuzioni di tipo istogramma:
• Organizzo per classi e confronto quante– occorrenze ho ottenuto in
una classe
con
– le aspettative calcolate per una gaussiana
-
Ogni gaussiana riconducile a G0,1(z)
σXx
z−=
-
Integrale normale tra zero e z (Tab)
-
Teorema della somma di Pearson
• Quante classi dobbiamo scegliere?
• Q tende alla funzione χ2, se in ogni classe si aspettano Ek = nPk >10
-
Verifica sui conteggi
0
5
10
15
20
25
30
35
40
45
51263,06 51450,25 51637,44 51824,63 52011,82 52199,01 52386,20
Istogrammi di Ok ed Ek
x [s]
occ
orr
en
zeO
k
Sconto per le
superiori
χ2 / nclassi < 1 gaussianaχ2 / nclassi > 1 non gaussiana
Non gaussiana
-
0
5
10
15
20
25
30
35
40
45
51263,06 51450,25 51637,44 51824,63 52011,82 52199,01 52386,20
Istogrammi di Ok ed Ek
x [s]
occ
orr
en
zeO
k
Sconto per le
superiori
χ2 / nclassi < 1 gaussianaχ2 / nclassi > 1 non gaussiana
Non gaussiana
Verifica sul pendolo
-
Conclusioni
• L’obiettivo di un’esperienza del laboratorio, è fornire una misura, in ogni caso.
• La verifica di una legge fisica sicuramente risulta più diretta ed interessante.
• La verifica di una variabile gaussiana, un po’ artificiosa. Ma da quanto visto usare la deviazione standard del campione è conservativo.
• Per dati maggiori di trenta comunque se non si può verificare che sia gaussiana, comunque l’incertezza statistica è stimabile con la deviazione Standarda del campione.