Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
in cui evidentemente il coefficiente angolare m e l’intercetta all’origine c sono i parametri. I<br />
parametri possono assumere valori che hanno significato nell’ambito del modello in questione. Ad<br />
esempio nel caso della dipendenza allungamento molla – massa del pesetto, sappiamo bene che la<br />
dipendenza rettilinea prevista da una semplice applicazione delle leggi della statica, comporta che il<br />
coefficiente angolare sia il rapporto g/k tra l’accelerazione di gravità g e la costante elastica della<br />
molla k, e dunque si tratta di un numero rilevante nell’ambito del modello che stiamo applicando.<br />
Lo sperimentatore che ha effettuato queste misure si pone allora i due seguenti problemi:<br />
(a) la dipendenza funzionale attesa dal modello descrive bene i dati ?<br />
(b) quali sono i valori degli M parametri θ per i quali si ha il miglior accordo possibile tra<br />
modello ed esperimento ?<br />
Si tratta di due diverse questioni. La questione (a) é del tipo di quelle di cui abbiamo parlato a<br />
proposito dei test di ipotesi. La questione (b) é invece una questione “nuova” che in realtà abbiamo<br />
affrontato in laboratorio in modo grafico: tracciando cioè la migliore curva (una retta nei casi da noi<br />
visti) e poi valutando graficamente coefficiente angolare ed intercetta.<br />
Nella pratica sperimentale normalmente le due questioni si pongono contestualmente. Cioè lo<br />
sperimentatore si pone entrambi le questioni. Vuole capire se la descrizione del modello é<br />
soddisfacente o se é necessario introdurre altri termini (correzioni) al modello per avere una<br />
descrizione più adeguata. Allo stesso tempo lo sperimentatore vuole ricavare i migliori parametri<br />
dato che spesso questi hanno significati fisici rilevanti.<br />
Nel seguito descriviamo un metodo che permette di affrontare e risolvere entrambi i problemi.<br />
Chiamiamo questo procedimento fit, parola inglese che traduciamo con “adattamento”, intendendo<br />
il fatto che vogliamo adattare al meglio il modello ai nostri dati.<br />
(3.5.2) Ipotesi di lavoro<br />
Descriviamo questo metodo restringendoci al caso in cui sono verificate alcune ipotesi che ora<br />
elenchiamo e che vedremo entrare in gioco nei vari passaggi della descrizione del metodo. Le<br />
ipotesi che facciamo in realtà non sono molto restrittive, nel senso che si applicano ad una vasta<br />
categoria di situazioni. Vediamole:<br />
2<br />
le misure della variabili y provengono da popolazioni tutte gaussiane di varianze σ ;<br />
i<br />
le misure della variabile x provengono da popolazioni qualsiasi, ma le loro deviazioni standard<br />
sono “trascurabili” rispetto alle corrispondenti per le y; qui occorre fare attenzione circa il senso di<br />
questa affermazione. Infatti per trascurabile intendiamo che l’incertezza di x “propagata” su y sia<br />
molto minore dell’incertezza di y. Se y(x) é la funzione questo vuol dire<br />
dy<br />
σ ( x)<br />