Trattamento e Analisi statistica dei dati sperimentali
Modulo III : Inferenza Statistica
L2. L'incertezza nei dati sperimentali-B
Prof. Carlo Meneghini
Incertezza e errore standard
Perchè la deviazione standard?
1. Il teorema di Čebyšëv fornisce la massima probabilità che
l'errore di una misura sia maggiore di nσ (n>1) (valutazione del rischio)
1. Il teorema di Čebyšëv fornisce la massima probabilità che
l'errore di una misura sia maggiore di nσ (n>1) (valutazione del rischio)
2. Criteri quantitativi (es.: Il criterio di Chauvenet) forniscono un metodo quantitativo per definire gli outlayers
3. La legge (matematica) per la propagazione delle incertezze nelle misure indirette (grandezze derivate) richiede la Varianza
La diseguaglianza di Čebyšëv
La Diseguaglianza di Čebyšëv La Diseguaglianza di Čebyšëv
La probabilità che il risultato di una osservazione (X) si discosti dal valore vero (µ) più di n-volte la deviazione
standard (σ) è minore di 1/n
22
) 1
( x n n
P − µ ≥ σ ≤
•Stima il rischio di errore
La diseguaglianza di Čebyšëv
Stima del rischio
Es: la probabilità di ottenere un risultato distante più di 4σ da µ (ovvero il rischio di sbagliare più di 4σ) è minore o uguale a:
1/16 ~ 6%
n2
) 1 n X
(
P − µ ≥ σ ≤
Nota: generalmente conosciamo la stima campionaria della varianza s2 , pertanto anche essa è affetta da incertezza.
Čebyšëv
Incertezza e errore standard
Perchè la deviazione standard?
1. Il teorema di Čebyšëv fornisce la massima probabilità che
l'errore di una misura sia maggiore di nσ (n>1) (valutazione del rischio)
3. La legge (matematica) per la propagazione delle incertezze nelle misure indirette (grandezze derivate) richiede la Varianza 2. Criteri quantitativi (es.: il criterio di Chauvenet) forniscono un
metodo quantitativo per definire gli outlayers
2. Criteri quantitativi (es.: il criterio di Chauvenet) forniscono un metodo quantitativo per definire gli outlayers
Il criterio di Chauvenet
Criterio di Chauvenet (wikipedia)
Dato un insieme di N valori, nell'ipotesi che i dati seguano una distribuzione Normale con valore atteso x e dev.st s, scelgo un intervallo tale che racchiuda N-1/2 valori:
2
− 1 Nin = N
dx sx
Nout
4 1 4
1 2
1 = +
=
Pin N
2 1 − 1
=
Pout N 2
= 1
εmax
Pb. di essere nell'intervallo
Pb. di non essere nell'intervallo
Il criterio di Chauvenet
Criterio di Chauvenet (wikipedia)
p=P(z>z
max)=1/4N z
max=INV.NORM.ST(p)
ε
max= s z
max=s INV.NORM.ST(p)
εmax
Criterio di Chauvenet
Critiche al criterio di Chauvenet:
• Assume un modello Normale (Gauss) per la distribuzione dei dati
• Anche se i dati seguissero un modello Normale (Gauss) si rischia di escludere dati "buoni"
ε
max= s z
max= s | INV.NORM.ST(1/4N) |
Nota: In figura la distribuzione dei valori è calcolata usando un modello
Criterio di Chauvenet
In caso di pochi dati (N~10
1):
• Usare un modello t-Student
• Evitare di rimuovere gli outlayers!
ε
max= s z
max= s | INV.NORM.ST(1/4N) |
Incertezza e errore standard
Perchè la deviazione standard?
1. Il teorema di Čebyšëv fornisce la massima probabilità che
l'errore di una misura sia maggiore di nσ (n>1) (valutazione del rischio)
2. Criteri quantitativi (es.: il criterio di Chauvenet) forniscono un metodo quantitativo per definire gli outlayers
3. La legge (matematica) per la propagazione delle incertezze nelle misure indirette (grandezze derivate) richiede la Varianza 3. La legge (matematica) per la propagazione delle incertezze
nelle misure indirette (grandezze derivate) richiede la Varianza
Incertezze di tipo A
Misure ripetute
∑
=
=
Ntot
1 i
i tot
N x X 1
N s
X =
σ Incertezza (errore standard) sulla
media campionaria Media campionaria
X N σ = σ
deviazione standard
campionaria Deviazione standard nota
X ± σ
Valutazione delle Incertezze di misura
Grandezze derivate: propagazione delle incertezze
) ,...
,
( x
1x
2x
Nf
y =
N N
x x
x x x
σ σ σ
, ...
, ,
2 1
2 1
= ?
σ
Valutazione delle Incertezze di misura
Propagazione degli errori Propagazione degli errori
Massimi
Grandezze derivate: propagazione delle incertezze
) ,...
,
( x
1x
2x
Nf
y = σ
y= ?
Valutazione delle Incertezze di misura
Grandezze derivate: propagazione delle incertezze )
,...
,
( x
1x
2x
Ny = f σ
Y2Ax1
y =
2 ...
1 ± ±
= Ax Bx
y
Axn
y = 1
x
2
1 x
x y = ⋅
2 1 2 2
x
y A σ
σ =
...
2 .
2 2 2
1 2
2 = x + x +
y A σ B σ
σ
( )
211 2 1 2
x n
y A nx σ
σ = −
2 2 2
σ σ σ
2
2 2 2
1 1 2
+
=
x x
y
x
y σ x σ
σ
Valutazione empirica delle incertezze
Il metodo Montecarlo
) ,...
,
( x
1x
2x
Ny = f
Il metodo Montecarlo simula l'effetto di una distribuzione statistica e permette di valutare velocemente gli errori in modo empirico
1. per ognuna delle variabili Xi si costruisce una distribuzione di valori opportuna con valore atteso μi=xi e deviazione standard σi
2. Si calcolano possibili valori della Y prendendo casualmente i valori delle variabili dalle distribuzioni:
Foglio di calcolo
Il foglio di calcolo è protetto.
Può essere sbloccato usando la pass. ma conviene copiarne il contenuto in un foglio adiacente per
evitare di modificare le impostazioni.
Il foglio di calcolo è protetto.
Può essere sbloccato usando la pass. ma conviene copiarne il contenuto in un foglio adiacente per
evitare di modificare le impostazioni.