Teoria degli errori
17.3.2003
1 Errori
Il risultato di un esperimento o una misura va sempre dato con il suo errore nella forma
x ± δx , δx > 0 (1)
dove x `e la migliore stima del valore vero x vero e δx `e “l’errore su x “. L’errore δx viene generalmente scelto in modo tale che l’intervallo [x − δx, x + δx]
contiene il valore vero di x con una probabilit`a di 68%.
P (x vero ∈ [x − δx, x + δx]) = 68% (2)
Esempio: L’et`a dell’universo `e 13.7 ± 0.2 miliardi di anni.
L’errore puo anche essere dato relativo al valore stesso.
x ± δ rel x dove δ rel x = δx
|x| (3)
Esempio: L’et`a dell’universo `e 13.7 ± 1.5% miliardi di anni.
Di solito l’errore δx `e composto da due tipi di errori diversi, gli errori casuali (anche chiamati errori statistici) e gli errori sistematici.
1.1 Errori casuali
Errori casuali sono fluttuazioni casuali del valore che si ottiene misurando varie volte la stessa quantit`a. L‘effetto di questa fluttuazione su una misura specifica `e imprevedibile.
• Ogni misura mostra fluttuazioni casuali.
• La sensibilit`a di uno strumento o di un esperimento pu`o essere troppo
bassa per poter osservare queste fluttuazioni.
• Ripetendo una misura `e possibile trovare una stima dell’errore casuale di misura se la sensibilit`a dell’ esperimento lo permette.
• Di solito gli errori casuali sono distribuiti simmetricamente intorno al valore medio.
Esempio: Contiamo le macchine che passano sotto un ponte in 10 minuti.
Facciamo questa misura 10 volte. Avremmo forse 10 numeri diversi con un certo valore medio. Per ogni misura era impossibile prevedere la deviazione di questo valore medio. Questo `e dovuto a un errore casuale.
1.2 Errori sistematici
Errori sistematici sono errori che si potrebbero correggere avendo una cono- scenza completa dell’esperimento. Molte volte pero non `e possibile fare queste correzioni. Ci sono tra le altre due fonti importanti di errori sistematici:
• Gli strumenti utilizzati nella misura non sono perfetti. Possono mostra- re errori nella calibrazione o nello stesso funzionamento. Per esempio scale graduate non equidistanti, cerchi eccentrici invece di concentrici, etc.
• Il valore desiderato non pu`o essere misurato direttamente. Si usa un modello per calcolare il valore richiesto dai valori misurati. Questo mo- dello ha sicuramente imperfezioni perch`e, per esempio, sono introdotte approssimazioni e trascurati effetti di minore importanza. Questi dan- no luogo a un certo errore sul valore calcolato. Questo tipo di errore viene chiamato anche errore teorico.
1.3 Cifre significative
L’ultima cifra significativa di un risultato `e quella dello stesso ordine di grandezza dell’errore.
Esempio:
• corretto: 5380 ± 20
• corretto: 5300 ± 200
• corretto: 5383 ± 5
• sbagliato: 5383 ± 52
• sbagliato: 5383.32 ± 52
• sbagliato: 5300 ± 512
2 Distribuzione
2.1 Distribuzioni discrete
Definizione: distribuzione Un insieme {x 1 , x 2 , ..., x N } di N misure di una data costituisce una distribuzione.
Definizione: frequenza assoluta Siano m 1 , m 2 , ..., m n i possibili valori assunti dalla grandezza misurata. Il numero di volte n k in cui viene misurato il valore m k si chiama frequenza assoluta. La somma di tutti gli m k
corrisponde al numero totale di misure.
M
X
i=1
n k = N (4)
Definizione: frequenza relativa F k = n k
N (5)
Esempio: Misuriamo(chiediamo) la et`a di un certo numero(grande) di italiani (Figura 3). Raggruppiamo i valori che otteniamo per blocchi di cinque anni. Risulta la distribuzione riportata nella seguente figura 3. Numero di misure (abitanti) N = 56.300.000. Sull’asse delle ordinate sono riportate le frequenze assolute n k , differenziate per sesso, sull’asse delle ascisse il valore misurato.
2.2 Distribuzioni continue
Definizione: Consideriamo il caso ipotetico d’un numero infinito di misure. ` E quindi possibile assegnare a ogni valore x , x ∈ < una frequenza relativa f(x).
Una tale distribuzione viene chiamato una distribuzione continua
• La parte F (a, b) delle volte che in una misura si ottiene un valore x tra a e b `e
F (a, b) =
Z b
a f (x)dx (6)
• Che f(x) `e normalizzata significa che
Z +∞
−∞
f (x)dx = 1 (7)
0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 0
1000 2000 3000 4000 5000 6000 7000
x10
3Eta
Entries 0
Mean 40.57
RMS 21.3
Eta
Entries 0
Mean 40.57
RMS 21.3
Popolazione per classe di eta’
>
56.300.000