x - Fisica - Sapienza

More documents

Recommendations

Info

caso a n=0 e nell’altro ad n=N. Nel limite p0 o p1 si ottengono evidentemente due distribuzioni “banali” in cui p(n=0)=1 e p(n>0)=0 (ovvero p(n=N)=1 e p(n
le volte che conto degli eventi che si presentano in modo “casuale” cioè senza una struttura temporale determinata, la distribuzione di Poisson permette di caratterizzarne le proprietà più rilevanti. Introduciamo il processo di Poisson in due modi diversi. Dapprima lo consideriamo come caso limite del processo di Bernoulli, poi lo introdurremo in modo autonomo sulla base delle caratteristiche del processo stesso. Consideriamo dunque un processo di Bernoulli in cui facciamo crescere il numero di prove N e facciamo diminuire la probabilità del singolo successo p. Facciamo ciò mantenendo però fisso il prodotto Np che come sappiamo é il valore atteso della distribuzione binomiale. Cosa significa fare questo limite ? In sostanza il limite corrisponde a considerare il caso in cui sono tantissimi gli “oggetti” ai quali può accadere qualcosa (sono N) ma questa cosa che può accadere accade poco probabilmente. Immaginiamo una situazione di questo genere. Abbiamo un campione di N atomi ciascuno dei quali ha una probabilità p di dare luogo ad un decadimento radioattivo nell’intervallo di tempo Δt. E’ chiaro che se si tratta di un campione macroscopico (~10 20 atomi per fissare le idee) e se il nuclide radioattivo ha una “vita media” di milioni di anni saremo in una situazione in cui Né molto grande e p é molto piccola. Ma non solo, infatti N oltre ad essere molto grande é anche di difficile determinazione ed in fondo quanto sia non interessa nemmeno tanto. Tuttavia in una situazione del genere se io ho un contatore di radioattività, io conto un certo numero di decadimenti nell’unità di tempo Δt e il valore medio di tale conteggio é qualcosa che posso misurare ed é dunque quella la variabile che mi interessa. Passiamo ora esplicitamente al limite binomiale per N infinito p 0. Chiamo λ=Np. lim N →∞ , p→0 lim N →∞ , p→0 lim N →∞ , p→0 n N! n N −n N! ⎛ λ ⎞ ⎛ λ ⎞ p (1 − p) = lim ⎜ ⎟ ⎜1 ⎟ N →∞ , p→0 − n!( N − n)! n!( N − n)! ⎝ N ⎠ ⎝ N ⎠ λ N n (1 − ) N( N −1)( N − 2)...( N − n + 1) λ N = n n! N λ n (1 − ) N λ N n (1 − ) N( N −1)( N − 2)...( N − n + 1) λ N n N n! λ n (1 − ) N Dopo aver riscritto la binomiale in questo modo e avendo introdotto λ, passo ad effettuare i limiti. Intanto osservo che il fattore n λ n! non dipende da N e da p e dunque esce fuori dal limite e va messo a fattore comune. Il rapporto N ( N − 1)( N − 2)...( N − n + 1) n N non dipende da p ma da N. Per N infinito va come N n /N n e pertanto tende a 1. Il fattore ( 1 λ − N ) n dipende solo da N e tende anch’esso a 1 avendo l’unica dipendenza da N a denominatore. Resta l’ultimo fattore per risolvere il quale facciamo ricorso al limite fondamentale (noto dall’analisi) N −n = 67
Page 1 and 2:
Laboratorio di Strumentazione e Mis
Page 3 and 4:
(0) Il metodo scientifico..........
Page 5 and 6:
(0) Il metodo scientifico Qual é l
Page 7 and 8:
un’affermazione povera di contenu
Page 9 and 10:
(1) La misura di una grandezza fisi
Page 11 and 12:
materiale opportuno (il platino-iri
Page 13 and 14:
10 12 Tera T 10 9 Giga G 10 6 Mega
Page 15 and 16: Ricapitolando: poiché le misure so
Page 17 and 18: iscriveranno 50 o 2000 ? Intuitivam
Page 19 and 20: Fig.1.3: Come per la figura 1.2 sol
Page 21 and 22: Fig.1.6 Tre esempi di istogrammi. P
Page 23 and 24: N ∑( x − x) i i s = = 1 N cioè
Page 25 and 26: Fig.1.9: Per la sequenza illustrata
Page 27 and 28: Rientrano in questa categoria gli e
Page 29 and 30: grandezze dai quali possiamo ricava
Page 31 and 32: Come si scrivono i numeri in fisica
Page 33 and 34: Osservazione 2: caso della media ar
Page 35 and 36: conservazione dell’energia devo d
Page 37 and 38: (1.9) Ulteriori considerazioni sui
Page 39 and 40: 4000 3500 3000 2500 2000 1500 1000
Page 41 and 42: Fig.1.20 Questo grafico mostra il c
Page 43 and 44: 1.11) Calcolare il lavoro fatto per
Page 46 and 47: (2) La probabilità e le variabili
Page 48 and 49: Che cosa é un Evento. E’ una mod
Page 50 and 51: P( A) = 1− P( A) . A ed il suo o
Page 52 and 53: In generale la regola é: se nella
Page 54 and 55: Fig.2.1 Funzione di distribuzione d
Page 56 and 57: compreso tra x k -Δx/2 e x k +Δx/
Page 58 and 59: (2.5.5) Momenti di una distribuzion
Page 60 and 61: cioè può essere valutato sia inte
Page 62 and 63: Si ha quando tutti i valori possibi
Page 64 and 65: p p 1 2 = = 10 ( ) 10 ⎛ 1 ⎞ ⎜
Page 68 and 69: 1 lim (1 + ∞ x x ) = x → e in c
Page 70 and 71: Per tali processi dunque la funzion
Page 72 and 73: Fig.2.11 Esempi di funzioni di dist
Page 74 and 75: Tabella della gaussiana standardizz
Page 76 and 77: fatto intuitivo, che la media é un
Page 78 and 79: (2.7.1) Contenuto di probabilità d
Page 80 and 81: Fig.2.15 Distribuzione della somma
Page 82 and 83: In (1.6) abbiamo accennato al fatto
Page 84 and 85: dove sono stati introdotti i simbol
Page 86 and 87: Fig.2.19 Grafico di correlazione tr
Page 88 and 89: Esercizi relativi al Capitolo (2) 2
Page 90 and 91: 2.22) Un test del virus HIV é cara
Page 92 and 93: (3) Introduzione all’inferenza Gl
Page 94 and 95: (3.1.3) Il principio di massima ver
Page 96 and 97: ˆ μ = x ± σ N che ha il signifi
Page 98 and 99: (a) s( rˆ) 1 = rˆ N qui abbiamo i
Page 100 and 101: Riformuliamo il problema. Supponiam
Page 102 and 103: In alcuni casi si può procedere ne
Page 104 and 105: in cui evidentemente il coefficient
Page 106 and 107: 1 N N 2 ( yi l = − ∑ln(2πσ )
Page 108 and 109: correlazione, covarianze positive e
Page 110 and 111: Abbiamo già visto come in ambedue
Page 112 and 113: Fig.3.4. Sono i 4 casi di fit retti
Page 114 and 115: Fig.3.6 Fit parabolico a 3 parametr
Page 116 and 117:
significa che abbiamo sovrastimato
Page 118 and 119:
Tabella della cumulativa della dist
Page 120 and 121:
Esercizi relativi al Capitolo (3) 3
Page 122 and 123:
3.9) Ho una sorgente luminosa isotr
Page 124 and 125:
Soluzione degli esercizi proposti.
Page 126 and 127:
100 m (assunzione meno ragionevole
Page 128 and 129:
(2.10) Problema inverso del precede
Page 130 and 131:
isultati dei sondaggi (il 16.2% e i
Page 132 and 133:
(3.4) La media pesata dei quattro v
Page 134:
propagazione delle incertezze trovi
show all

x - Fisica - Sapienza

Create successful ePaper yourself

Delete template?

Save as template?