1
1.500
2.000
2.500
3.000
3.500
4.000
4.500
5.000
0 5 10 15
Data_Neq7_120318
T [°C]
t [s]
0.000
1.000
2.000
3.000
4.000
5.000
0 5 10 15
Data_Neq7_120318
T [°C]
t [s]
Per una analisi puramente grafica,fare attenzione alle scale e alle due origini delle scale....
sigma_y = (err_T ) / 3
1.500
2.000
2.500
3.000
3.500
4.000
4.500
5.000
0 5 10 15
Data_Neq7_120318
T [°C]
t [s]
0.000
1.000
2.000
3.000
4.000
5.000
0 2 4 6 8 10 12 14
Data_Neq7_120318
T [°C]
t [s]
3
Per una analisi puramente grafica,fare attenzione alle scale e alle due origini delle scale....
1.500
2.000
2.500
3.000
3.500
4.000
4.500
5.000
0 5 10 15
Data_Neq7_120318
T [°C]
t [s]
0.000
1.000
2.000
3.000
4.000
5.000
0 2 4 6 8 10 12 14
Data_Neq7_120318
T [°C]
t [s]
4
Per una analisi puramente grafica,fare attenzione alle scale e alle due origini delle scale....
1.500
2.000
2.500
3.000
3.500
4.000
4.500
5.000
0 5 10 15
Data_Neq7_120318
T [°C]
t [s]
0.000
1.000
2.000
3.000
4.000
5.000
0 2 4 6 8 10 12 14
Data_Neq7_120318
T [°C]
t [s]
6
Per una analisi puramente grafica,fare attenzione alle scale e alle due origini delle scale....
7
Utilizzando un processo diminimizzazione della distanza al quadrato
tra migliore retta e punti misurati....Ed ssumendo costante
l’incertezza a priori sui punti misurati‘’Fit non pesato’’
Ni
i
i
Ni
i
ii residuobxayba1
2
1
2expexp,
1.500
2.000
2.500
3.000
3.500
4.000
4.500
5.000
0 5 10 15
Data_Neq7_120318
T [°C]
t [s]
y = m1 + m2 * M0
ErrorValue
0.13310991.510061740224618m1
0.01368150.2252372659728591m2
NA0.1160858163659668Chisq
NA0.990901535032629R
m1 = (1,51 ± 0,13)°C 8,6%
m2 = (0,225 ± 0,014) °C/s 6,2%
sfit = (0,1160858/(7-2))1/2 = 0,15 °C
R = 0,9909015 con N = 7 punti
8
Utilizzando un processo diminimizzazione della distanza al quadrato
tra migliore retta e punti misurati....Assumendo di NON conoscere
l’incertezza a priori sui punti misurati‘’Fit non pesato’’
...Utilizzando il S/W Kaleidagraph v. 3.51
È necessario:
1) Comprendere ciò che fornisce a fine elaborazione.
2) Sistemare il numero delle cifre significative
9
Stima dell’incertezza statistica (s) , sapendo solo l’incertezza massima (D)....s ~ 0,34 x D
33.03
DD
s
68.018.13
DD
sP(entro ± 1.18 x s) = 68 %
10
1.500
2.000
2.500
3.000
3.500
4.000
4.500
5.000
0 5 10 15
Data_Neq7_120318
T [°C]
t [s]
y = m1 + m2 * M0
ErrorValue
0.1392931.497473337984537m1
0.012355420.2268454615983215m2
NA6.192654904440463Chisq
NA0.990939182697728R
m1 = (1,50 ± 0,14)°C 9,3%
m2 = (0,227 ± 0,012) °C/s 5,3%
sfit = (6,1926549/(7-2))1/2 = 1,1°C
R = 0,9909392 con N = 7
Utilizzando un processo diminimizzazione della distanza al quadrato
tra migliore retta e punti misurati....assumendo di conoscere
l’incertezza a priori sui punti misurati‘’Fit pesato’’
33.03
DD
s
11
Caso di andamento NON lineare tra x ed y misurati
0.000
20.00
40.00
60.00
80.00
100.0
120.0
0 5 10 15 20 25
Data_semilog_120318
y
x
2.500
3.000
3.500
4.000
4.500
5.000
-5 0 5 10 15 20 25
Data_semilog_120318
ln(y)
x
10.00
100.0
1000
0 5 10 15 20 25
Data_semilog_120318
y
x
Le scale x ed y SONO LINEARIRiporto in ordinata il logaritmo di y
La scala delle ordinate è logaritmicaRiporto sul grafico i valori x,y misurati
Le scale sugli assi sono LINEARI Le scale sugli assi sono LINEARI
Le scale di x ed y SONO LINEARIRiporto sul grafico i valori x,y misurati
12
0.000
20.00
40.00
60.00
80.00
100.0
120.0
0 5 10 15 20 25
Data_semilog_120318
y
x
y = m1*exp(m2*x)
ErrorValue
0.2770853109.634728735014m1
0.0004744275-0.07415352009772215m2
NA0.4941336323634271Chisq
NA0.9999553483736857R
m1*exp(m2*x); m1 = 110; m2 = -0.07
m1 = (109.63 ± 0,28) 0.26%
m2 = -(0,07415 ± 0,00047) 0,63%
Utilizzando un processo diminimizzazione della distanza al quadrato
tra migliore retta e punti misurati....Assumendo di NON conoscere
l’incertezza a priori sui punti misurati‘’Fit non pesato’’
13
2.500
3.000
3.500
4.000
4.500
5.000
0 5 10 15 20 25
Data_semilog_120318
ln(y)
x
y = m1 + m2 * M0
ErrorValue
0.0025737414.696197298670054m1
0.0002221165-0.07395175407647495m2
NA7.140657335141519e-05Chisq
NA0.9999819580738162R
Utilizzando un processo diminimizzazione della distanza al quadrato
tra migliore retta e punti misurati....Assumendo di NON conoscere
l’incertezza a priori sui punti misurati‘’Fit non pesato’’
y = Aexp(lx) ln(y) = ln(A) + lx = m1 + m2x
m1 = (4,6962 ± 0,0026)
m2 = -(0,07395 ± 0,00022)
A = exp(m1) =109,53 s(A) = 0,28
l = m2 s(l) = s(m2)
)1()()1(1
)()()( 1
21
1 memm
eeA m
mm ssss
14
1.000
10.00
-5 0 5 10 15 20 25
Data_semilog_120318
ln(y)
x
y = m1 + m2 * M0
ErrorValue
0.0025737414.696197298670054m1
0.0002221165-0.07395175407647495m2
NA7.140657335141519e-05Chisq
NA0.9999819580738162R
ln(y) = ln(A) + lx = m1 + m2x
m1 = (4,6962 ± 0,0026)
m2 = - (0,07395 ± 0,00022)
A = exp(m1) =109,53 s(A) = 0,28
l = m2 s(l) = s(m2)
)1()()1(1
)()()( 1
21
1 memm
eeA m
mm ssss
Utilizzando un processo diminimizzazione della distanza al quadrato
tra migliore retta e punti misurati....Assumendo di NON conoscere
l’incertezza a priori sui punti misurati‘’Fit non pesato’’
Top Related