Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
cov( mˆ , cˆ)<br />
x<br />
−<br />
Var(<br />
x)(<br />
∑<br />
=<br />
N<br />
i=<br />
1<br />
1<br />
2 )<br />
σ<br />
che diventa, nel caso di varianze sulle y tutte uguali:<br />
2<br />
x σ<br />
cov( mˆ , cˆ)<br />
= −<br />
Var(<br />
x)<br />
N<br />
i<br />
in cui di nuovo compare il termine σ 2 /N e si ha la dipendenza inversa dal “braccio di leva”. Si noti<br />
come tale covarianza sia nulla solo nel caso in cui la media pesata delle x dei punti sia 0. Ovvero<br />
quando l’origine dell’asse X é scelta in modo da farla coincidere con il baricentro dei punti. Nel<br />
caso illustrato in Fig.3.3 tale covarianza é evidentemente diversa da 0, infatti un cambiamento di m<br />
si riflette chiaramente in un cambiamento di c. Ma se in quell’esempio traslassimo l’asse y di circa<br />
16 unità di X facendo combaciare l’origine con il baricentro, la covarianza sarebbe nulla.<br />
(3.5.5) Valutazione della bontà del fit: test del χ 2 .<br />
Finora abbiamo utilizzato il metodo della massima verosimiglianza per rispondere solo alla<br />
domanda (b), cioè abbiamo calcolato le migliori stime dei parametri della retta, ed abbiamo stimato<br />
le varianze di tali stime. Ora vogliamo porci il problema (a). Quanto bene l’andamento rettilineo<br />
“descrive” i dati ?<br />
In Fig.3.4 sono riportati alcuni esempi di confronto tra i dati e la migliore retta ottenuta con il<br />
metodo appena descritto. Possiamo individuare 4 casi differenti tutti illustrati nella figura. I dati<br />
sono rappresentati come punti nel piano y-x corredati da barra di incertezza esclusivamente sulla y<br />
dato che abbiamo supposto trascurabili le incertezze sulle x.<br />
Caso (1): i punti mostrano un andamento rettilineo ma le incertezze sono molto piccole per cui i<br />
punti scartano dalla retta per “molte deviazioni standard”; il numero di deviazioni standard é<br />
calcolato come il rapporto tra lo scarto tra punto e retta e la deviazione standard della misura;<br />
Caso (2): i punti mostrano un andamento rettilineo ma le incertezze sono molto grandi, per cui i<br />
punti scartano dalla retta solo per “frazioni di deviazione standard”;<br />
Caso (3): i punti mostrano un andamento diverso da quello lineare. Gli scarti dei punti dalla retta<br />
hanno a loro volta un andamento;<br />
Caso (4): i punti mostrano un andamento rettilineo con le incertezze tali per cui i punti scartano per<br />
“frazioni di deviazione standard” o al piu’ per “qualche deviazione standard”;.<br />
Per rendere quantitativa questa discussione chiamiamo residuo lo scarto punto retta:<br />
res<br />
i<br />
=<br />
y<br />
i<br />
− mx ˆ<br />
i<br />
− cˆ<br />
In Fig.3.5 sono mostrati per gli stessi 4 esempi della precedente figura gli andamenti dei residui in<br />
funzione di x corredati con la stessa incertezza della y. Si osserva in modo più chiaro quanto detto<br />
sopra.<br />
Concludiamo che: nei casi (1) e (2) l’andamento rettilineo é ragionevole, ma sono mal stimate le<br />
incertezze dei punti. In verità nel caso (1) potrebbero anche esserci effetti tali da dare un andamento<br />
molto irregolare ma ciò é molto inverosimile. Nel primo caso la media del modulo dei residui é<br />
molto maggiore e nel secondo molto minore delle singole σ stimate dai dati. Nel caso (3) occorre<br />
prendere in considerazione un andamento diverso da quello lineare. L’andamento dei residui può<br />
essere sintomo di “nuova fisica” cioè di effetti nuovi che il modello non spiega, oppure di effetti<br />
strumentali non capiti. Infine il caso (4) é quello “buono”, cioè l’andamento é rettilineo e le<br />
incertezze sono ben stimate.<br />
111