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.
Propagazione dell’errore in termini di deviazione standard<br />
Come si è visto, quando si effettuano misure di una certa precisione, nelle quali si<br />
osservano piccole fluttuazioni intorno ad un valor medio, la stima dell’errore, come<br />
dispersione intorno a tale valore, è fornita dalla deviazione standard. Ci si propone<br />
dunque di trovare come la deviazione standard di una grandezza che sia funzione di altre<br />
grandezze misurate sperimentalmente dipende dalle deviazioni standard di queste ultime.<br />
Consideriamo dapprima il caso semplice di una funzione di una sola variabile y = f ( x)<br />
e<br />
supponiamo che x e σx siano rispettivamente il valor medio e la deviazione standard della<br />
variabile sperimentale x.<br />
Definiamo valore di aspettazione della funzione f la quantità:<br />
k<br />
[ ] ( ) ( )<br />
E f = ∑ f x P x<br />
(12.25)<br />
i=<br />
1<br />
142<br />
i i<br />
è evidente che nel caso semplice f ( x) = x l’Eq. (12.25) coincide con l’Eq. (12.17) e si<br />
ottiene:<br />
E[ f] = E[ x] = x<br />
(12.26)<br />
Ora se espandiamo in serie di Taylor la funzione y intorno al punto x otteniamo:<br />
2<br />
1 2 ⎛ ⎞<br />
⎜ 2 ⎟<br />
x 2<br />
x<br />
⎛df ⎞<br />
y = f ( x) + ( x− x) ⎜ ⎟<br />
⎝dx ⎠<br />
+ ( x− x)<br />
d f<br />
⎝dx ⎠<br />
+ (12.27)<br />
In questo caso il valore di aspettazione della funzione y sarà allora:<br />
2<br />
⎛df ⎞ ⎡12⎛df⎞ ⎤<br />
i ⎜ ⎟<br />
i ⎜ 2 ⎟<br />
⎝dx ⎠x ⎢2dx x ⎥<br />
⎡ ⎤<br />
Ey [ ] = E⎡⎣f( x) ⎤⎦+ E⎢( x− x) ⎥+<br />
E⎢ ( x− x)<br />
⎥+<br />
=<br />
⎣ ⎦ ⎣ ⎝ ⎠ ⎦<br />
n<br />
∑ f x P xi i= 1<br />
n ⎡<br />
∑⎢ xi i= 1⎣ x<br />
⎛df ⎞ ⎤<br />
⎜ ⎟ ⎥P<br />
xi ⎝dx ⎠x⎦ n ⎡1 ∑<br />
i= 1⎢⎣<br />
2<br />
xi x<br />
2 ⎛df⎞ ⎤<br />
⎜ P x<br />
2 ⎟ i<br />
⎝ dx ⎠x⎥⎦<br />
n<br />
f ( x) ∑P( xi) i= 1<br />
n<br />
⎛df ⎞<br />
⎜ ⎟ ∑(<br />
xi ⎝dx ⎠xi= 1<br />
x) P( xi) 2<br />
1 ⎛df⎞ n<br />
2<br />
x<br />
2 ∑(<br />
i − x) P( xi)<br />
+<br />
2 ⎝ dx ⎠xi=<br />
1<br />
2<br />
( ) ( ) ( ) ( ) ⎢ ( ) ⎥ ( )<br />
= + − + − + =<br />
= + − + ⎜ ⎟<br />
dove si è considerato che i termini ( )<br />
2 ⎛ ⎞<br />
⎜ 2 ⎟<br />
x x<br />
⎛df⎞ d f<br />
f x , ⎜ ⎟ e<br />
⎝dx ⎠ ⎝ dx ⎠<br />
sommatoria vale 1 per la condizione di normalizzazione:<br />
n<br />
<br />
(12.28)<br />
sono costanti. Ora la prima<br />
∑ P( xi)<br />
= 1<br />
(12.29)<br />
i=<br />
1<br />
La seconda sommatoria rappresenta il valor medio degli scarti dalla media che è nullo: