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
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