You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
2<br />
∂χ<br />
∂ ⎛ N ( y − mx<br />
i<br />
i<br />
= ⎜ ∑<br />
i=<br />
1<br />
2<br />
∂c<br />
∂c<br />
⎝ σ<br />
i<br />
⎛ N y<br />
N x<br />
N<br />
i<br />
i<br />
− 2⎜ ∑ − m∑ − c∑<br />
⎝<br />
σ<br />
σ<br />
i= 1<br />
2<br />
i= 1<br />
2<br />
i=<br />
1<br />
i<br />
i<br />
− c)<br />
i<br />
2<br />
⎞ N − 2( y − mx<br />
i<br />
i<br />
⎟ = ∑<br />
i=<br />
1<br />
2<br />
⎠ σ<br />
i<br />
− c)<br />
=<br />
1 ⎞<br />
N 1<br />
⎟ = −2( y − mx − c)∑<br />
2<br />
i=<br />
1<br />
2<br />
σ ⎠ σ<br />
da cui ricaviamo, sempre uguagliando a 0 la derivata ed eliminando anche in questo caso i fattori<br />
comuni:<br />
m x + c =<br />
y<br />
Siamo dunque pervenuti ad un sistema lineare di 2 equazioni in 2 incognite, che riscriviamo:<br />
mx<br />
2<br />
+ cx = xy<br />
mx + c =<br />
y<br />
Risolviamo questo sistema con il metodo di Cramer. A questo scopo calcoliamo prima il<br />
determinante d della matrice dei coefficienti:<br />
2<br />
2<br />
d = x<br />
− x<br />
che ha l’ovvio significato di “varianza campionaria della variabile x”, e quindi rappresenta quanto<br />
sono “sparse” le misure di x. Nel seguito lo chiameremo “braccio di leva” e capiremo il significato<br />
molto intuitivo di questa espressione.<br />
Quindi per ricavare m e c abbiamo bisogno degli altri 2 determinanti che chiamiamo dm e dc<br />
rispettivamente:<br />
dm = xy − x y<br />
dc = x<br />
2<br />
y − xxy<br />
e procediamo a scrivere le formule risolutive (secondo il metodo di Cramer):<br />
mˆ<br />
cˆ<br />
Con queste formule abbiamo risolto il problema (b) posto all’inizio del capitolo: dato un insieme di<br />
N “punti sperimentali”, ciascuno dato dalla misura di una grandezza y in corrispondenza di un<br />
valore della grandezza x, nelle ipotesi fatte, le migliori stime dei parametri m e di c che descrivono<br />
il supposto andamento rettilineo di y in funzione di x, sono date dalle formule sopra ricavate.<br />
Operativamente si tratterà quindi di calcolare le medie (pesate con gli inversi delle varianze delle<br />
singole misure) delle x delle y dei prodotti xy e dei quadrati delle x. Dalla combinazione di tale<br />
medie otteniamo le stime di m e di c.<br />
Prima di procedere al calcolo delle varianze di queste stime, facciamo alcune considerazioni sulle<br />
formule ricavate.<br />
Ricordando la definizione di varianza e covarianza campionaria, osserviamo che la stima di m si<br />
puo’ scrivere nella forma:<br />
m ˆ =<br />
xy − x y<br />
=<br />
2<br />
2<br />
x − x<br />
2<br />
x y − x xy<br />
=<br />
2<br />
2<br />
x − x<br />
cov( x,<br />
y)<br />
Var(<br />
x)<br />
dunque m é strettamente legato alla correlazione tra le 2 grandezze. Il caso di non correlazione<br />
corrisponde all’essere m=0 (è il caso visualizzabile come la “palla” secondo la discussione della<br />
correlazione che abbiamo fatto). Inoltre il segno di m é legato al segno della covarianza tra y e x<br />
(essendo la varianza di x definita positiva). Come abbiamo visto negli esempi dati per la<br />
i<br />
107