La distribuzione di Gauss
Metodo della massima verosimiglianza :
giustificazione del valor medio xmedio come miglior valore di X vero
Xbest = Σxi/N (5.5 Taylor)
Siano dati i valori delle n misure x1, …., xn ripetute e indipendenti della stessa grandezza fisica. Si suppone che la distribuzione di probabilità sia gaussiana i cui parametri Xvero e σ non sono noti a priori.
Poichè le misure sono indipendenti la probabilità di aver osservato queste n misure è dato dal prodotto delle singole probabilità
PX,σ(x1, ..,xN) = PX,σ(x1)· PX,σ(x2) ·.. PX,σ(xN) =
=1/((2)n 1/(σn))· e −Σ(xi−X)2/2 σ2
Le miglior stime dei parametri X e σ si possono ottenere utilizzando un principio variazionale della statistica noto come
il principio di massima verosimiglianza.
Questo plausibile principio afferma che i miglior valori dei parametri sono quelli che rendono massima la funzione di probabilità PX,σ(x1, ..,xN) che dipende dai parametri Xvero e σ e si indica con F(X, σ ).
La funzione è a due variabili e per trovare i massimi si calcolano le derivate parziali della funzione
F(X, σ) = 1/σN· e −Σ(xi−X)2/2 σ2 = σ−N· e −Σ(xi−X)2/2 σ2
rispetto ai parametri X e
ovvero quei valori per cui le 2 derivate parziali dF/dX e dF/dσ sono = 0.
Giustificazione del valor medio xmedio come miglior valore di X vero
Xbest = Σxi/n (5.5 Taylor)
Calcolo la dF/dX e impongo che sia = 0
dF/dX = σ−n (e −Σ(xi−X)2 /2 σ2) · d(−Σ(xi−X)2 / 2 σ2)/ dX = = σ−n· (e −Σ(xi−X)2 /2 σ2) ·(−2Σ(xi−X) / 2 σ2) = 0
da cui Σ(xi−X) = 0 Xbest = Σxi/n
ovvero:
il miglior valore di X (secondo il principio di massima verosimiglianza) è il valore medio Σxi/n
e si indica con Xbest
Giustificazione della deviazione standard σx come il miglior valore di σ
σ2best=Σ(xi−xmedio)2/(n−1)
dF/dσ = -n σ−n−1e−Σ(xi−X)2 / 2 σ2 + σ-n(e−Σ(xi−X)2 /2 σ2) · d(-Σ(xi-X)2 / 2 σ2)/d =
= -n σ−n−1e−Σ(xi−X)2 /2 σ2 + σ-n(e−Σ(xi−X)2/2 σ2) · (-Σ(xi-X)2) (-2σ-3 / 2) =
= -n σ−n−1e−Σ(xi−X)2 / 2 σ2 + σ-ne−Σ(xi−X)2 / 2 σ2) · (-Σ(xi-X)2) (-σ-3) =
= σ−n ·e−Σ(xi−X)2 / 2 σ2 (-n σ−1 + Σ(xi-X)2 σ−3) = 0 da cui
(-n−1 +Σ(xi-X)2 σ−3) = 0 ovvero
σ2best = Σ(xi-X)2/n
Dimostrazione della formula
Σ(xi−X)2 / n = Σ(xi−Xmedio)2/(n−1)
Dimostrazione:
σ2best = Σ(xi−X)2 / n = Σ(xi− Xmedio+ Xmedio−X)2 / n = in cui ho aggiunto e tolto Xmedio
= Σ(xi− Xmedio)2 / n + Σ(Xmedio−X)2 / n + 2 Σ(xi− Xmedio)(Xmedio−X) / n =
Poiché Σ(xi− Xmedio)/n = 0 l'ultimo termine è nullo
= Σ(xi− Xmedio)2 / n + n( Xmedio −X)2 / n = Σ(xi− Xmedio)2 / n + (Σxi /n − X)2 in cui ho sostituito Xmedio con Σxi / n
●
la relazione diventa
σ2best = Σ(xi−X)2 / n = Σ(xi− Xmedio)2 / n + (Σxi −nX)2 / n2 = = Σ(xi− Xmedio)2 / n + (Σxi −ΣX)2 / n2 = = Σ(xi− Xmedio)2 / n + (Σ(xi −X))2 / n2
l’ultimo termine può essere riscritto come Σi(xi −X) ·Σj(xj−X) / n2 e riscriviamo di seguito σ2best separando i termini diagonali del prodotto delle due sommatorie dai termini non diagonali
si ottiene la relazione
σ2best = Σ(xi −X)2 / n = Σ(xi− Xmedio)2 / n + Σ(xi −X)2 / n2 + Σi(xi −X) · Σ j≠i(xj−X) / n2
Il termine diagonale Σ(xi −X)2 / n2 è sempre positivo, mentre il termine non diagonale Σi(xi −X) · Σ j≠i(xj−X) / n2 non ha segno definito e per n molto grande si può trascurare rispetto al termine diagonale.
Con questa approssimazione la relazione risulta
σ2best = Σ(xi −X)2 / n = Σ(xi− Xmedio)2 / n + Σ(xi −X)2 / n2 da cui si può scrivere che
Σ(xi −X)2 / n = Σ(xi− Xmedio)2 / n + Σ(xi −X)2 / n2
Σ(xi −X)2 / n - Σ(xi −X)2 / n2 = Σ(xi− Xmedio)2 / n
Risolvendo rispetto a Σ(xi −X)2 / n si ha
Σ(xi −X)2 / n = Σ(xi− Xmedio)2 / (n-1)
Resta così giustificata la formula della deviazione standard σx come il miglior valore di σ
σ2best=Σ(xi−xmedio)2/(n−1)