1
C.I. - statistica, informatica e analisi dei dati sperimentali
1
Dr Carlo Meneghini
Dip. di Fisica “E. Amaldi”
via della Vasca Navale 84
[email protected]http://webusers.fis.uniroma3.it/~meneghini
Confronto dati sperimentali e distribuzioni teoriche di probabilità Corso
Corso Integrato Integrato di di Statistica Statistica Informatica Informatica e e Analisi
Analisi dei dei dati dati
C.I. - statistica, informatica e analisi dei dati sperimentali
2
Principali distribuzioni di probabilità discrete Binomiale
C.I. - statistica, informatica e analisi dei dati sperimentali
3
Principali distribuzioni di probabilità discrete Poisson
C.I. - statistica, informatica e analisi dei dati sperimentali
4
Distribuzioni di probabilità continue
F(x) = funzione di distribuzione di probabilità
p(x) = funzione di densità di probabilità Probabilità di osservare un valore della variabile X tra x
ae x
bp(x)dx = probabilità di osservare un valore della variabile X compreso tra x e x+dx
dx
C.I. - statistica, informatica e analisi dei dati sperimentali
5
Principali distribuzioni di probabilità continue Uniforme
C.I. - statistica, informatica e analisi dei dati sperimentali
6
Principali distribuzioni di probabilità continue Gauss (Normale)
µ−σ µ µ+σ
2
C.I. - statistica, informatica e analisi dei dati sperimentali
7
Principali distribuzioni di probabilità continue Gauss (Normale)
C.I. - statistica, informatica e analisi dei dati sperimentali
8 Right-click
Istogramma:
L’area del rettangolo rappresenta la frequenza
di una classe, l’altezza la densità di frequenza.
Il centro della base rappresenta il valore di
riferimento.
C.I. - statistica, informatica e analisi dei dati sperimentali
9
incertezza di misura
La funzione di distribuzione binomiale è la funzione di distribuzione da cui provengono le frequenze di un istogramma costruito a partire dalle misure sperimentali.
In questo caso Il numero totale di prove: NT= 30
Consideriamo successo il fatto di osservare un valore nella classe 5 e insuccesso qualunque altro valore Il numero di volte che abbiamo osservato il valore 5 è 3 quindi, in base ai dati sperimentali la probabilità di successo è:
p5=3/NT= 0.1
C.I. - statistica, informatica e analisi dei dati sperimentali
10
incertezza di misura
La funzione di distribuzione binomiale è la funzione di distribuzione da cui provengono le frequenze di un istogramma costruito a partire dalle misure sperimentali.
In base ai dati sperimentali il numero di volte che è lecito aspettarsi di trovare 5 fagioli neri pescando NTfagioli è (valore atteso)
µ= N p5 L’incertezza è:
σ2= N p5(1-p5)
µ E' lecito aspettarsi che, ripetendo l'esperimento, le
osservazioni sperimentali siano distribuite intorno al valore vero e che queste siano più frequenti nell'intervalloµ−σ, µ+σ
La deviazione standard σè l'incertezza standard sul valore osservato.
C.I. - statistica, informatica e analisi dei dati sperimentali
11 Dati
sperimentali Riepilogo
Statistiche Istogramma di frequenze
N
iL'incertezza standard sul numero di sul valore osservato in una data classe è
σiC.I. - statistica, informatica e analisi dei dati sperimentali
12
incertezza di misura
Right-click
L'incertezza standard sul numero di sul valore osservato in una data classe èσi
3
C.I. - statistica, informatica e analisi dei dati sperimentali
13
Confronto dati sperimentali e distribuzioni teoriche
Distribuzioni discrete Problema
:Confrontare la distribuzione sperimentale (N dati con distribuzione di frequenze assolute Ni) con la distribuzione teorica di probabilità P(x). Una volta costruito l'istogramma di
frequenze sperimentali:
A
Calcolare la distribuzione delle frequenze relative fexp
Calcolare l'incertezza sulle frequenze assolute:
Calcolare l'incertezza sulle frequenze relative
Riportare sul grafico P(x) e fexpcon le incertezze di misura
B
Calcolare l'incertezza sulle frequenze assolute:
Calcolare le frequenze assolute teoriche:
NTh=piNT
Riportare sul grafico NThe Nicon le incertezze di misura
C.I. - statistica, informatica e analisi dei dati sperimentali
14
Confronto dati sperimentali e distribuzioni teoriche
C.I. - statistica, informatica e analisi dei dati sperimentali
15
Confronto dati sperimentali e distribuzioni teoriche:
classi con più di un carattere (valore)
Dati
sperimentali Riepilogo Statistiche
Per una la classe i-esima la funzione FREQUENZA di Excel calcola
F(i) - F(i-1) = Ni-Ni-1
Questo valore deve essere confrontato con la Pb di osservare
il valore i-esimo oppure i-1 esimo
Vedere l'esempio nel file: confronto2.xls C.I. - statistica, informatica e analisi
dei dati sperimentali
16
Confronto dati sperimentali e distribuzioni teoriche:
distribuzioni continue
Per una distribuzione continua la probabilità associata ad un intervallo di valori (classe) si calcola a partire
dalla distribuzione integrata:
P(xa<X<xb) = F(xb) - F(xa)
Vedere l'esempio nel file: confronto3.xls
