You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
la media pesata ottenuta é la “migliore stima” di x sulla base delle informazioni a disposizione.<br />
Pertanto, generalizzando alla combinazione di N risultati diversi, diamo la definizione di media<br />
pesata:<br />
N xˆ<br />
i<br />
∑<br />
i=<br />
1<br />
2<br />
s ( xˆ<br />
)<br />
i<br />
x =<br />
p<br />
N 1<br />
∑<br />
i=<br />
1<br />
2<br />
s ( xˆ<br />
)<br />
i<br />
Si dimostra inoltre che la deviazione standard della media pesata é data da:<br />
2 1<br />
s ( xp<br />
) = N<br />
1<br />
∑ 2<br />
s ( xˆ<br />
)<br />
i=<br />
1<br />
i<br />
Si noti che nel caso di incertezze tutte uguali si ritorna alla media aritmetica e alla deviazione<br />
standard della media.<br />
Giova ricordare che questo procedimento é applicabile solo al caso in cui si é preventivamente<br />
verificato che le misure in questione sono campioni provenienti dalla stessa popolazione. Nel caso<br />
questa ipotesi fosse rigettata questa combinazione non avrebbe significato, e allora occorre<br />
procedere in modo diverso. Nel corso della discussione del fit (prossimo paragrafo) otterremo una<br />
dimostrazione della formula della media pesata per il caso generale di N misure indipendenti.<br />
(3.5) Analisi delle dipendenze funzionali: il fit<br />
L’ultimo argomento che trattiamo in questo corso affronta uno degli aspetti più importanti<br />
dell’indagine scientifica, in un certo senso il punto d’arrivo di ogni indagine sperimentale. Come<br />
abbiamo detto nell’introduzione al metodo scientifico, il progresso conoscitivo si sviluppa<br />
attraverso il confronto tra i risultati degli esperimenti e le predizioni dei modelli. In fisica i risultati<br />
degli esperimenti sono espressi come misure, cioè come valori numerici di grandezze fisiche<br />
opportunamente definite, mentre le predizioni dei modelli sono espresse o come valori numerici di<br />
grandezze o come relazioni matematiche tra grandezze. Concentriamoci su questo secondo caso.<br />
Formuliamo ora il problema in modo generale. Nel seguito risolveremo il problema solo in un caso<br />
particolare, che tuttavia risulta essere di notevole rilevanza e generalità.<br />
(3.5.1) Il fit: formulazione del problema<br />
Supponiamo che il nostro esperimento consista nel misurare, al variare di una certa grandezza x,<br />
una seconda grandezza, diciamo y. Effettuiamo N misure in corrispondenza di N diversi valori di x.<br />
Avremo pertanto gli N valori di x x 1 ,x 2 ,...,x N e, in corrispondenza di questi gli N valori di y<br />
y 1 ,y 2 ,...,y N . Naturalmente sia per quel che riguarda le x che le y, si tratta di misure e dunque ciascun<br />
valore é affetto di una incertezza o, più in generale, costituisce un campione da una popolazione<br />
caratterizzata da una certa funzione di distribuzione.<br />
Supponiamo poi che le due grandezze x ed y siano legate, secondo un certo modello, da una<br />
relazione funzionale del tipo<br />
y = y( x,<br />
θ )<br />
cioè da una formula che esprime la dipendenza funzionale tra le due grandezze e che a sua volta<br />
dipende da un certo numero, diciamo M, di parametri θ . Questo simbolo indica un insieme di<br />
parametri. Per fissare le idee, il caso in cui l’andamento atteso dal modello sia di tipo rettilineo, la<br />
funzione y sarà data da:<br />
y = mx + c<br />
103