Studio della funzione f(x)
Si verifica facilmente che :
la funzione f(x) di Gauss e’ continua e derivabile tra - ……..+.
ha valore massimo 1/s2 in x=X ha punti di flesso in x=X-s e in X+s
e le tangenti nei punti di flesso intersecano l’asse delle x nei punti x=X-2s e in X+2s
e' normalizzata : mostreremo che
1 )
(
dx x
f
Esempi di curve di Gauss
Limite di confidenza del 68% : se una
misura si colloca nell’intervallo indicato si dice che e’
confidente al 68%
Limite di confidenza del 95% : se una misura si colloca
nell’intervallo indicato si dice che e’ confidente al 95%
Metodo della massima verosimiglianza :
giustificazione del valor medio Σxi/N ( come miglior valore di X vero X
best= Σxi/N (5.5 Taylor e 9.3 Carnelli)
Siano dati i valori delle n misure x
1, …., x
nripetute e indipendenti della stessa grandezza fisica . Si suppone che la distribuzione di probabilita’ sia gaussiana i cui parametri X
veroe non sono noti a priori . Poiche’ le misure sono indipendenti la probabilita’ di aver
osservato queste n misure e’ dato dal prodotto delle singole probabilita’
P
X,
σ(x
1, ..,x
N) = P
X,
σ(x
1)· P
X,
σ(x
2) ·..
P
X,
σ(x
N) =
=1/((2)
n1/(σ
n))· e
−Σ(xi−X)2
/2 σ
2Le miglior stime dei parametri X e σ si possono ottenere utilizzando un principio variazionale della statistica noto come l principio di
Massima verosimiglianza.
Questo plausibile principio afferma che i miglior valori dei parametri sono quelli che rendono massima la funzione di
probabilita'
P
X,
σ(x
1, ..,x
N) che dipende dai parametri X=X
veroe s=s
veraLa P
X,
σ(x
1, ..,x
N),che si indica con F(X, s )
F(X, σ) = 1/σ N · e −Σ(xi−X)2 /2 σ 2 = σ− N · e −Σ(xi−X)2 /2 σ 2
e’ detta funzione di massima verosimiglianza
La funzione e’ a due variabili e la condizione che si deve imporre per trovare i massimi e’ che siano nulle le derivate
parziali
dF/dX =0 e dF/dσ =0
Valor medio come miglior valore di X
dF/dX = σ−
n(e
−Σ(xi−X)2/2 σ
2) · d(−Σ(x
i−X)
2/ 2 σ
2) / dX = = σ−
n· (e
−Σ(xi−X)2/2 σ
2) ·(−2Σ(x
i−X) / 2 σ
2) = 0
da cui Σ(x
i−X) = 0 X
best= Σx
i/n
ovvero:
X best ,ovvero il miglior valore di X ,(secondo il principio di massima
verosimiglianza ) è il valore medio Σxi/n
Miglior valore della varianza σ
2best=Σ(x
i−X)
2/n
dF/dσ = −n σ −n−1 e −Σ(xi−X)2 /2 σ 2 + σ− n (e −Σ(xi−X)2 /2 σ 2 ) ·
d(−Σ(xi−X) 2 / 2 σ 2 )/ds=
= −n σ −n−1 e −Σ(xi−X)2 /2 σ 2 + σ− n (e −Σ(xi−X)2 /2 σ 2 ) · (−Σ(xi−X) 2 ) (- 2σ− 3 / 2) =
= -n σ −n−1 e −Σ(xi−X)2 / 2 σ 2 + σ− n e −Σ(xi−X)2 / 2 σ 2 ) · (−Σ(xi−X) 2 ) (−σ− 3 )=
= σ −n ·e −Σ(xi−X)2 / 2 σ 2 ( −n σ −1 + Σ(x i −X) 2 σ −3 ) = 0 da cui (−ns −1 + Σ(xi−X) 2 σ −3 ) = 0 ovvero
σ
2best= Σ(xi−X)
2/n
Giustificazione della deviazione standard
σ x = Σ(x
i−X
medio)
2/(n−1) come miglior valore di s
(vedi anche 9.4 Carnelli)
Dimostrazione della relazione Σ(x
i−X)
2/ n = Σ(x
i−X
medio)
2/(n−1)
σ
2best= Σ(xi−X)
2/ n = Σ(xi− X
medio+ X
medio−X)
2/ n = in cui ho aggiunto e tolto X
medio= Σx
i/n
= Σ(xi− X
medio)
2/ n + Σ(X
medio−X)
2/ n + 2 Σ(xi− X
medio)(X
medio−X) / n =
= Σ(xi− X
medio)
2/ n + n(X
medio−X)
2/ n + 2(X
medio–X) Σ(xi− X
medio)/ n =
Poiche' Σ (xi− X
medio)/n= Σ(xi)/n- X
medio=0 l'ultimo termine e' nullo e quindi si ha
σ
2best= Σ(xi−X)
2/ n = Σ(xi− X
medio)
2/ n +( X
medio−X)
2=Σ(xi− X
medio)
2/ n + (Σx
i/n − X)
2=
in cui ho sostituito X
mediocon Σx
i/ n
●
la relazione puo' essere riscritta
●
σ
2best= = Σ(xi−X)
2/ n= Σ(xi− X
medio)
2/ n + (Σx
i−nX)
2/ n
2=
●
= Σ(xi− X
medio)
2/ n + (Σx
i−ΣX)
2/ n
2=
●
= Σ(xi− X
medio)
2/ n + (Σ(x
i−X))
2/ n
2●
l’ultimo termine puo’ essere riscritto come Σ
i(x
i−X) ·Σ
j(x
j−X) / n
2e riscriviamo di seguito σ
2bestseparando i termini diagonali del prodotto delle due
sommatorie dai termini non diagonali
●
si ottiene la relazione
●
σ
2best= Σ(x
i−X)
2/ n= Σ(xi− X
medio)
2/ n + Σ(x
i−X)
2/ n
2+ Σ
i(x
i−X) · Σ
j≠i(x
j−X) / n
2●