You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Fig.1.9: Per la sequenza illustrata in Fig.1.3 facciamo l’istogramma delle prime 100 misure, quello di tutte le 1000<br />
misure ed infine l’istogramma delle medie fatte ogni 20 misure. Si noti<br />
aggiungendo statistica la distribuzione mantiene sostanzialmente la stessa larghezza;<br />
l’istogramma delle medie é “molto più stretto”.<br />
(1.3.6) Stima di intervalli.<br />
Consideriamo ancora il caso in cui ho N misure ripetute di una grandezza fisica secondo le modalità<br />
viste nel precedente paragrafo. Dopo averle studiate graficamente e averne calcolato le<br />
“caratteristiche riassuntive” media e deviazione standard campionaria, voglio concludere dando in<br />
forma compatta il risultato della misura sotto forma di un valore centrale e di un’incertezza. Che<br />
informazione voglio dare con questo intervallo di incertezza ? Il mio obiettivo rimane quello di dire<br />
qualcosa riguardo il valor vero, cioè di dare un intervallo in cui deve trovarsi il valor vero. Ma al<br />
tempo stesso la mia affermazione deve anche essere predittiva. Cioè devo predire la cosa seguente:<br />
se io o un’altra persona ripetiamo la misura in quale intervallo cadrà tale misura ? In questa<br />
prospettiva devo subito distinguere tra 2 possibilità:<br />
(a) Stimo un intervallo tale che la prossima misura cada là dentro.<br />
(b) Stimo un intervallo tale che se rifaccio N misure la loro media cada là dentro.<br />
Occorre distinguere bene i 2 casi, cioè il caso in cui sono interessato alla incertezza sulla singola<br />
misura (caso (a)) e il caso in cui sono interessato all’incertezza sulla media (caso (b)).<br />
A questo proposito é interessante fare l’esercizio illustrato dalla Fig.1.8. E’ illustrato il grafico<br />
dell’andamento di 1000 misure ripetute ad intervalli regolari di 10 secondi di una certa grandezza<br />
fisica. Ogni punto nel grafico in alto é dato da una singola lettura dello strumento. Se raggruppo i<br />
dati M a M (con M evidentemente < N e L=N/M numero dei gruppi) e grafico l’andamento delle L<br />
medie di ciascun gruppo, osservo che le medie fluttuano meno rispetto alle singole misure. In altre<br />
parole l’operazione di media ha il potere di “smorzare” le fluttuazioni. Questo fatto é di estrema<br />
importanza. Si trova che (lo dimostreremo più avanti nel corso) vale la regola:<br />
s(<br />
x)<br />
s( x)<br />
=<br />
M<br />
25