11.06.2013 Views

DISPENSE DEL CORSO DI LABORATORIO DI CHIMICA – FISICA 1

DISPENSE DEL CORSO DI LABORATORIO DI CHIMICA – FISICA 1

DISPENSE DEL CORSO DI LABORATORIO DI CHIMICA – FISICA 1

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

sempre più a coincidere con il valore medio della variabile statistica x e quindi con il<br />

massimo della distribuzione teorica xmax.<br />

Errori casuali e curva di distribuzione normale dell’errore<br />

Come già osservato gli errori casuali non sono di per sè né prevedibili né eliminabili.<br />

Tuttavia la loro natura di evento stocastico fa sì che ad essi possano essere applicate le<br />

leggi della statistica.<br />

Supponiamo allora di compiere N volte la misura sperimentale di una grandezza x. Per<br />

quanto già osservato, le misure effettuate risulteranno addensate intorno ad un valore<br />

medio x definito come:<br />

N<br />

x = ∑ x N<br />

(12.9)<br />

i=<br />

1<br />

Ciascuna misura xi sarà affetta da un errore sperimentale di natura casuale εi che sarà<br />

definito dalla relazione:<br />

i<br />

i xi x∗ ε = − (12.10)<br />

Dove x ∗ rappresenta il valore vero della grandezza che andiamo a misurare. Ora il valore<br />

vero di una grandezza è di per sé inconoscibile e conseguentemente anche l’errore su ogni<br />

singola misura risulta inconoscibile. Sarà allora opportuno riferirsi non tanto all’errore di<br />

ciascuna misura, quanto piuttosto allo scarto rispetto al valore medio. Si definisce pertanto<br />

scarto di una misura ξ i la quantità:<br />

ξ = x − x<br />

(12.11)<br />

i i<br />

Lo scarto delle misure risulta distribuito in modo non dissimile dalla distribuzione dei<br />

passi nell’esperimento del cammino dell’ubriaco. Se l’insieme delle misure effettuate<br />

vengono suddivise in intervalli di uguale ampiezza δ centrati intorno al valor medio x ,<br />

⎡ 5 3 ⎤ ⎡ 3 1 ⎤ ⎡ 1 1 ⎤ ⎡ 1 3 ⎤ ⎡ 3 5 ⎤<br />

⋅⋅⋅<br />

⎢<br />

x− δ, x− δ<br />

⎥<br />

,<br />

⎢<br />

x− δ, x− δ<br />

⎥<br />

,<br />

⎢<br />

x− δ , x+ δ<br />

⎥<br />

,<br />

⎢<br />

x+ δ , x+ δ<br />

⎥<br />

,<br />

⎢<br />

x+ δ , x + δ<br />

⎥<br />

⋅⋅⋅ e si<br />

⎣ 2 2 ⎦ ⎣ 2 2 ⎦ ⎣ 2 2 ⎦ ⎣ 2 2 ⎦ ⎣ 2 2 ⎦<br />

riportano sotto forma di istogramma le frequenze di ciascun intervallo (cioè il numero di<br />

misure che cadono in esso), si ottiene un andamento del tutto analogo a quello degli<br />

istogrammi delle figure 78 e 79 e se si riduce progressivamente l’ampiezza degli intervalli<br />

fino ad ampiezze infinitesime la distribuzione è descrivibile mediante una Gaussiana.<br />

Poiché per la legge dei grandi numeri la distribuzione delle frequenze deve tendere a<br />

quella teorica quando N è grande, allora per lo stesso motivo il valor medio deve tendere<br />

137

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!