• Non ci sono risultati.

Propagazione degli errori

N/A
N/A
Protected

Academic year: 2021

Condividi "Propagazione degli errori"

Copied!
11
0
0

Testo completo

(1)

Propagazione degli errori di misura Covarianza e correlazione

Sia q(x,y) una grandezza fisica misurata indirettamente a partire dalle grandezze xey

misurate direttamente.

Si consideri per esempio la formula g=41C LfT2 per la misura indiretta di g

L

(2)

Si richiama dall'analisi lo sviluppo in serie di Taylor di una funzione y=f(x).

Il --Ù~li~)------

I

I \xr-I:t __ ) - -_ _ _ ~-L -

j I f(xJ _ _ _ ~-I

I !

l i

l' I:

I I

i il T \

ili

: ~ ,-ex

.

,i

! -- --- ')

! La retta L tangente in P al grafico della funzione ha I

I pendenza data dalla derivata della flUlZione in P I arrestato al I ordine per un (X-Xo) =dx infinitesimo

f(x)=f(xO)+ (df/dx)o(x-xo)

ha il significato di linearizzare la f(x) nell'intorno di un Xo e calcolare la funzione f(x) in un punto x= Xo +dx lungo la tangente L

Se la funzione e' a due variabili q =q(x,y) si considera lo sviluppo in due dimensioni

nell'intorno di un definito xo' Yo

ovvero q(x,y)=q(xo' yo)+ (oq/ox)o(x-xo)+(oq/oy)o(y-yo)+···

e si possano trascurare i termini superiori se sia (x-xo) sia (Y-Yo) sono piccoli

.-

La q(x,y) e' della forma lineare q(x,y) =ax+by+c

essendo a=(oq/ox)o ' b= (8q/oy) e c=q(xo' yo)-(oq/ox)oxo-(8q/oy)oYo

(3)

Si e' supposto che per la funzione q=q(x,y) valga lo sviluppo in serie di Taylor nell'intorno di un definito xo' Yo' Si sceglie xo=x e Yo=y

ovvero q(xi'Yj)=q(x, y)+ (oqlox)x,y(xj-x)+(oqloY)x,y(Yry)+···

(trascurare i termini superiori significa supporre che gli errori siano piccoli )

Dimostriamo che: a)

q= q(x,y) il valor medio di q si calcola sostituendo nella formula alle x,y i valori medi x,y b) la varianza della q= CI 2 q

= (oqlox)x,/ C1 \ + (oqloy)x,/ CI 2 Y +2(oqlox)x,/oqloy)x,y C1 xy

essendo C1 xy =1/NMeLj,j(Xj-x)(YrY) Ila covarianza calcolata dalle misure

(4)

Per un campione si di N misure xj si ha valor medio X=~Xi IN e varianza 02

x =~(Xi-X) 2 IN

e per un campione di M misure Yj

valor medio Y="i..Yi 1M e varianza o 2 y ="i..(yi-y)2 1M Calcoliamo gli NM valori q(xi'yj)=qjj e definiamo

per le NM misure calcolate

Il valor medio q=~jjqjj INM e varianza o 2q=~(qfq)2 INM

(5)

Dimostrazione:

si ponga per comodita' (8q/ox)x,y =a e (oq/oy)x,y =b a)q=(1 INM) Lijq{(1 INM)Ljj[ q(x, y)+ a(xj-x)+b(y(y) ]=

=(1/NM)eLijq(X, y) +(a/NM)eLij(xj-x)+(b/NM) Lij(YrY)=

=q(x,y) +a/NeLj(XjmX)+ b/MoLj(YrY)

ma per definizione di media 1/N LjXj=X e 1/MLjY

t

y il 2° e 3° termine sono nulli e risulta

q= q(x,y)

b) Calcolo 0'2 q=Lij(qi(q) 2 INM=(1/NM)Lij[q(X, y)+ a(xj-x)+b(YrY) -q]2=

=( 1 INM)Lij[ a(x(x)+b(y(y)]2=( a2/NM)Lij(X(x)2+(b2/N M)Lij(y(y)2+(2ab/NM) Ljj (x(x)(y(y)=

=( a2/N)" Li(X(X)2+(b2/M)

LlYr

y)2 +(2ab/N M) Lij(x(x)(YrY)

(6)

2

q

(7)

Coefficiente di correlazione lineare

Un problema particolarmente interessante nella misura si presenta quando vengono misurate coppie di grandezze

(esempio: gli allungamenti LJ.l di una molla in funzione dei Pesi applicati P; si noti che

i LJ.l e P non sono misure ripetute della stessa grandezza perche' cambiano le

condizioni sperimentali)

In questo caso si definisce coefficiente di correlazione linearer

re' adimensionale e ,mostreremo, varia tra -1 e +1

(8)

Se le misure xi,Y; sono indipendenti fra loro la covarianza

O"xy =0 ed anche il coefficiente r=0

A/limite opposto supponiamo che le xi'Yj dipendenti e legate da una relazione lineare yj=A+Bxi ,il coefficiente r risulta =1

Infatti dalla y;-A+Bx; segue anche per i valori medi x e Y

y= A+Bx da cui

"ijxrx )(Yry)IN=B 'fjxrx) 2 IN

Se fosse Y; A-Bx; si otterrebbe r=-1.

In ogni caso risulta -1< r« 1

(9)

Appunti della lezione

Taylor Capitolo 9.4 e Appendice C

Significato qualitativo del coefficiente di correlazione lineare r

Siano N coppie {Xi,Yi} di dati sperimentali.

Supponiamo che siano non correlati ( o incorrelati); al limite per un numero di misure tendenti all'infinito,il coefficiente di correlazione lineare r dovrebbe essere O. Dopo un numero finito di misure e' molto improbabile che sia esattamente O. Ci si puo' chiedere qual'e' la probabilita' che le N misure incorrelate ('(io)';) producano un co~fjiciente di correlazione lineare l' in modulo piu' grande de/modulo del valore calcolato

fO :::::;

L:( Xi - Xmedio) (Yi - Ymedio)

. / ? ?

~ L( Xi - XmediotL (Yi - Ym'diot

Detta probabilita' si indica

PN (I rl2: I rol)

Puo' essere calcolata, come indicato in Appendice C.

essendo -IS roS+1

I risultati ottenuti vengono tabulati nella tabella C per valori crescenti di N ed I rol

Per esempio 20 misure {Xi,Yi} diano fO=O.4. Dalla tabella nella pagina successiva si legge P20 (lrl2:0.4) = 8.1% ovvero la probabilita' che 20 misure incorre/ate diano un coefficiente di correlazione I rl2:0.4 e' 1'8.1 %.

Ci si deve chiedere: l' 8.1 % e' una probabilità abbastanza grande per sostenere l'ipotesi che le 20 misure siano incorrelate? La scelta della soglia di probabilita' minima accettabile per sostenere l'ipotesi e'arbitraria; si conviene di fissarla al 5% ovvero si conviene che:

se PN (Irl2: I rol) 2: 5% le N misure {Xi,Yi} sono incorrelate

o equivalentemente se PN (Irl2: I rol) S 5% le N misore non sono incorrelate (e quindi correlate) Quindi nell' esempio le 20 misure NON sono correlate

Si preferisce fissare il criterio nella II fOlmulazione e dire che:

Se N misure {Xi,Yi} producono Illl coefficiente di correlazione ro per cui PN (lrl2: I rol) ::; 5%

c'e' evidenza significativa che le misure siano correlate linearmente.

Si definisce anche una correlazione altamente significativa fissando la soglia all' 1% e si dice che Se N misure {x"y;} producono lIn coefficiente di correlazione l'o per clli PN (lrl2: I rol) Sl%

c'e' el'idenza altamente significativa che le misure siano correlate linearmente.

,g

(10)

ATTENZIONE:

Il fatto che esista evidenza che le misure siano correlate linearmente NON esclude il fatto che possano essere meglio descritte da una curva che non sia una retta.

ESEMPIO:

Facciamo il coefficiente di correlazione lineare su i punti di una sinusoide y=sen(x).

Colonna 1 '* Contatore No

Colonna 2 '* Angolo in radianti X Colonna 3 '* Seno dell'angolo sen(X)

Colonna 4 '* Coefficiente di correlazione da N=l a N=No

i

0.7" 0.99821

0.866 0.9959 ... ...::

0.940 0.9918 ... , ... ) 0.985 0.9845: ,i

1.000 o.9721i .il

0,985 0.9513, ... :~

0.940 0.9167, :

N X Sen(X) R l· 0.17 0,174 2 0.35 0.342 1.0000 3' 0.52 0.500 0.9998:

4' 0.70 0.643 0.9993:

5 0.87:

6 1.05:

7' 1.22:

8 1.110 9 1.57:

lO: 1.75' 11 1.92:

Y=sen{xJ

1500

r---

l.Ui);) 1-· - ~__t_'*_o/' ~- -~- I --t"'" "''i"

C.5:.!!) 1···4}t * .. ~.~<?. .>

~ c (l.DO;) J* r---~---{<-..;;;.. 0---.

g I -«, <3-

D.pa 1 [;O 2.DO 3.00.,:}· 4.00 5DG f:ì;{la -D.sOO l'" ... " .... H _ H ' • H . . . &-1.. .. .. · ... ··:&0 ..

l "?:.:.,. §;-"1-

-l.DDD J ... ~:1'4-44-~ ... .

-1.500 I---~---

t.OD

12 2,09: 0.866 Q,8601:

0.766 0,7699:

, )( Iradianti)

13: 2.2f :! ... _ ... _._ ... _ .... --_ ... _ ... _._ .. _ .. _ ... -... ,

14' 2.44: 0.643 0.6334! ···1 r'

15: 2.62: 0.500 0.4464: I

16 2.79:

17 2.97~

18 3.14 0.000 -0.1967: . ···1 J

0.342 0.2243:

0.174 0.0000:

19 3.32] -0.174--0.3541:

20 3.49: -0.341;-0.4748:

11 3.67: -0.500:-0.5663:

22 3.84: -0.643:-0.6363:

13 4.01: -0.766:-0.6907;

24: 4.19~ -0.866.-0.7337'

l I

25 4.36 ·0.940: -0.7683' ... , •... ; •...•.. ·1

I

j 26 4.54 -0.985:-0.7961' i

i

R nel caso di una sinusoide

15000 r-·~--·-~-_·_-_·_---_· ---.---~----._._-~---.. _~.

! ,

l.il;););) ~f~~;~---

, '"

- !

,g o 5::!'JD ~._--_._---- ··----·w·--

~ .

<1>

;.-~ O.D;)-::!';)- ... __ ... ____ ... ~? . H ' . . H_ . . . . , . . . . .

':l.po 1.:)[1 1.00

--{J.5~OO

-1.0-000

6

3.(;'04- 4.0D 5.00 6.DO

4:~~

"<>,

:':;;-,y***%"*-$-#~4 intervallo Q·X !r .. dìanti)

1.00

27.4.71: -1.000 -0.8186:

18 ~'.~?: .~~.:~~.~.::.~'.~~?f.

19: 5.06: -0.9LIO:-0.8495;

30 5.24, -0.866--0.8582:

31 5.41: -0.766: __ .~ .. ~~~~) 32: 5.59: -0.643'-0.8600:

33 5.76' -0.500.-0.8517, 34 5.93i -0.342:-0.8359:

35 6.11: -0.174' -0.8116:

36 6.28: 0.000:-0.7780:

I. ••••••••••••••••• .. ... _ ... --... --... . : ..

.A-\0

(11)

Dai valori del coefficiente di regressione lineare si nota che:

Se ho dne punti (No=2) il coefficiente di correlazione lineare è uno! Infatti per due punti passa sempre una retta.

Fino a quando X = TI/2, la sinusoide sembra una retta (ma non lo è) e quindi il coefficiente di correlazione lineare è molto vicino a 1

Tra X= TI/2 e x= TI la curva, anche se regolare, si allontana sempre più da una retta e, di conseguenza, il coefficiente di correlazione lineare si riduce sempre di piu'.

Per x= TI ho R=O cioè assenza assoluta di correlazione lineare. Meditate su questo!

Quindi:

1) Anche se tra O e TI/2 il coefficiente di correlazione lineare è molto vicino a Ila curva è pur sempre una sinusiode e quindi assomiglia solo ad una retta ma non lo è.

2) Anche se tra O e TI il coefficiente di correlazione lineare è nullo la curva rimane una sinusoide, quindi una curva regolare descritta da una equazione. I punti sono correlati ma non linemmente

~"[

Riferimenti

Documenti correlati

E’ evidente che essendo y 00 uguale a una funzione deri- vabile su R, le soluzioni sono derivabili anche tre volte, e iterando il ragiona- mento si deduce che le soluzioni sono

Conta i vari tipi di dente, scrivi il numero di denti in un’arcata e infine calcola il

Possiamo decidere di minimizzare la “vera distanza” dalla retta (e non la sua proiezione lungo l’asse y)... Catalogo RC3 (Third Reference Catalogue of bright galaxies) de

scorrere senza attrito sull'asse O x, ed il triangolo puo' ruotare attorno ad M, sempre. restando nel piano O

Teorema sulla condizione necessaria per l'esistenza di massimi e minimi relativi (dim).. Derivate parziali seconde, Teorema di Schwartz e

- esiste il 0.05 % di probabilità che x teo sia il valore medio della distribuzione statistica misurata - esiste il 0.05 % di probabilità che che la differenza tra x teo e x best

Propagazione degli errori di misura.. Covarianza

Il gra