Professional Documents
Culture Documents
Analisi statistica della popolazione
Sperimentazione su Strutture Aerospaziali
Analisi statistica ed approssimazione di dati sperimentali
Politecnico di Torino
Dipartimento di Ingegneria Meccanica e Aerospaziale
Marco Gherlone
Marco Di Sciuva
7
25 30 35 40 45 50 55 60 65 70 75
0
0.005
0.01
0.015
0.02
0.025
0.03
0.035
0.04
x
p
(
x
)
25 30 35 40 45 50 55 60 65 70 75
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
x
R
(
x
)
( )
( )
( )
2
1
1 2
Pr ( )
Pr ( )
Pr ( )
x
x
x
x x x dx p x dx
x x x p x dx
x x p x dx
s < + =
s < =
< =
}
}
( )
( )
2
1
1 2 2 1
( ) ( ) Pr
Pr ( ) ( ) ( )
( ) ( )
x
x
x
R x p x dx x x
x x x p x dx R x R x
p x dR x dx
= <
s < = =
=
}
}
Analisi statistica della popolazione
Sperimentazione su Strutture Aerospaziali
Analisi statistica ed approssimazione di dati sperimentali
Politecnico di Torino
Dipartimento di Ingegneria Meccanica e Aerospaziale
Marco Gherlone
Marco Di Sciuva
8
Allaumentare della dimensione del campione, N, e del numero di intervalli,
listogramma delle occorrenze si avvicina a una curva continua: la funzione di
distribuzione della probabilit (densit di probabilit)
La media () il valore pi probabile in senso medio; esso definito come
La varianza o
2
rappresenta la dispersione della distribuzione statistica rispetto al suo
valor medio . La deviazione standard o ne la radice quadrata
La deviazione standard una misura della distribuzione di probabilit tra i valori di x
diversi da
Lintegrale della funzione di densit di probabilit fornisce la probabilit cumulativa
( ) xp x dx
+
}
( )
2
( ) x p x dx o
+
}
Analisi statistica della popolazione
Sperimentazione su Strutture Aerospaziali
Analisi statistica ed approssimazione di dati sperimentali
Politecnico di Torino
Dipartimento di Ingegneria Meccanica e Aerospaziale
Marco Gherlone
Marco Di Sciuva
9
Distribuzioni di probabilit
Sperimentazione su Strutture Aerospaziali
Analisi statistica ed approssimazione di dati sperimentali
Politecnico di Torino
Dipartimento di Ingegneria Meccanica e Aerospaziale
Marco Gherlone
Marco Di Sciuva
10
il teorema del limite centrale afferma che la somma di un gran numero di variabili
stocastiche indipendenti ha una distribuzione normale
Daltro canto:
ci sono grandezze fisiche con distribuzioni diverse
la distribuzione normale una delle meno conservative in quanto cade bruscamente
per valori diversi da quello medio (si ha una bassa probabilit per i valori estremi della
distribuzione e, quindi, una minore probabilit di rottura)
La distribuzione Gaussiana (o
Normale) una delle pi
conosciute e utilizzate in quanto:
molte grandezze ingegneristiche
sono ben approssimate da
distribuzioni normali
Distribuzione di Gauss (o Normale)
Sperimentazione su Strutture Aerospaziali
Analisi statistica ed approssimazione di dati sperimentali
Politecnico di Torino
Dipartimento di Ingegneria Meccanica e Aerospaziale
Marco Gherlone
Marco Di Sciuva
11
La distribuzione definita da due parametri (,o), rispettivamente media e deviazione
standard
Nella variabile normalizzata z (con media nulla e deviazione standard unitaria)
lespressione della distribuzione pi semplice
Leffetto di trasformazioni della variabile stocastica indicato in tabella
( )
2
2
2
( / 2)
2
1 1
( ) ( )
2 2
x
z
f z e f x e
x
z
o
t o t
= =
=
Distribuzione di Gauss (o Normale)
Sperimentazione su Strutture Aerospaziali
Analisi statistica ed approssimazione di dati sperimentali
Politecnico di Torino
Dipartimento di Ingegneria Meccanica e Aerospaziale
Marco Gherlone
Marco Di Sciuva
12
Distribuzione di Gauss (o Normale)
Il vantaggio principale nelluso della distribuzione di
Gauss consiste nella semplicit con cui essa permette
di determinare la probabilit che una misura assuma un
valore incluso nellintervallo [z
1
;z
2
]
} }
= =
2
1
2
2
1
) 2 / (
2 1
2
1
) ( ) , (
z
z
z
z
z
dz e dz z f z z P
t
x
1
x
2
z
1
z
2
P(z
1
,z
2
)
-o +o -1 1 0.683
-2o +2o -2 2 0.954
-3o +3o -3 3 0.997
Sperimentazione su Strutture Aerospaziali
Analisi statistica ed approssimazione di dati sperimentali
Politecnico di Torino
Dipartimento di Ingegneria Meccanica e Aerospaziale
Marco Gherlone
Marco Di Sciuva
13
La distribuzione di Weibull pu variare la sua forma da simmetrica (come quella
normale) a non simmetrica
Nel caso simmetrico, la diminuzione di probabilit per valori diversi da quello medio
meno brusca rispetto alla distribuzione normale
E particolarmente adatta ad approssimare il comportamento dei materiali fragili come
le fibre di carbonio, i materiali compositi ed i materiali ceramici
Distribuzione di Weibull
Sperimentazione su Strutture Aerospaziali
Analisi statistica ed approssimazione di dati sperimentali
Politecnico di Torino
Dipartimento di Ingegneria Meccanica e Aerospaziale
Marco Gherlone
Marco Di Sciuva
14
Una volta stimata media e deviazione standard di un campione ( e S
x
), si pone il
problema di stimare media e deviazione standard della popolazione ( e o)
Si supponga di aver svolto una serie di test in ognuno dei quali si misurano N valori,
cio si considerino diversi campioni di numerosit N; si possono determinare le
rispettive medie campionarie,
La distribuzione di queste medie normale con media pari alla media della
popolazione, , e deviazione standard definita da
Conoscendo la deviazione standard della media campionaria si possono determinare
degli intervalli di confidenza per la media della popolazione
Se la media della popolazione, gli intervalli di confidenza sono dati da
Si possono ottenere livelli di confidenza del 99%, 95% e 90% ponendo o=2.57, 1.96 e
1.65
1 2 3
, , ,... x x x
x
x
S
S
N N
( ) ( )
x x
x S x S o o < < +
Dal campione alla popolazione
x
Sperimentazione su Strutture Aerospaziali
Analisi statistica ed approssimazione di dati sperimentali
Politecnico di Torino
Dipartimento di Ingegneria Meccanica e Aerospaziale
Marco Gherlone
Marco Di Sciuva
15
Esempio
Il punto medio dellintervallo di confidenza vale
Se scelgo o=3, ottengo
cio, un intervallo di confidenza del 99.7%
Questo significa che il valore medio calcolato del nostro campione (150mm) ha una
probabilit del 99.7% di discostarsi di 1.26mm da valore medio effettivo della
popolazione
Se si desidera una maggiore accuratezza bisogna aumentare la numerosit del
campione, cio N!
150 ; 6 ; N=200
x
x mm S mm 0.42
x
S mm
Dal campione alla popolazione
x
( ) ( )
3 3
x x
x S x S < < +
Sperimentazione su Strutture Aerospaziali
Analisi statistica ed approssimazione di dati sperimentali
Politecnico di Torino
Dipartimento di Ingegneria Meccanica e Aerospaziale
Marco Gherlone
Marco Di Sciuva
16
Il valore della t di Student dipende
anche dal numero di gradi di
libert, v, cio dal numero di
misure indipendenti, che in questo
caso pari a N-1 (perch un grado
di libert perso nella stima del
valore medio)
Nel caso di numerosit del campione piuttosto limitata (N<20) la deviazione standard S
x
non una stima accurata della deviazione standard o della popolazione: questa
procedura di calcolo non applicabile. In questo caso, i limiti dellintervallo di
confidenza vengono calcolati come
in cui t(o,v) definita t di Student; o un livello di significativit che la probabilit di
eccedere un certo valore di t. I livelli di significativit utilizzati di solito sono 1% e 5%
( ) ( )
( , ) ( , )
x x
x t S x t S o v o v < < +
Dal campione alla popolazione
Sperimentazione su Strutture Aerospaziali
Analisi statistica ed approssimazione di dati sperimentali
Politecnico di Torino
Dipartimento di Ingegneria Meccanica e Aerospaziale
Marco Gherlone
Marco Di Sciuva
17
Il test _
2
viene utilizzato per verificare che una data distribuzione di probabilit
rappresenti le propriet della popolazione da cui sono tratti i dati sperimentali
dove
n
o
(i)
= numero di osservazioni sperimentali nellintervallo i
n
e
(i)
= numero di osservazioni attese (in base alla distribuzione di probabilit adottata)
nellintervallo i
k = numero di intervalli
Le osservazioni attese sono normalizzate rispetto a quelle effettive
( )
2
( ) ( )
2
( )
1
i i
k
o e
i
i
e
n n
n
_
=
i i i
i
i
i i i
i
i
i i
i
i
x x a x a a y
a
x x a x a a y
a
x a x a a y
a
0
0
0
4
2
3
1
2
0
2
3
2
2
1 0
2
2 1 0
=
=
=
i i i i i
i i i i i
i i i
x a x a x a y x
x a x a x a y x
x a x a na y
Approssimazione di dati sperimentali
Sperimentazione su Strutture Aerospaziali
Analisi statistica ed approssimazione di dati sperimentali
Politecnico di Torino
Dipartimento di Ingegneria Meccanica e Aerospaziale
Marco Gherlone
Marco Di Sciuva
39
Da un punto di vista numerico, specialmente quando non si conosce il grado del
polinomio approssimante i dati sperimentali, pi conveniente utilizzare particolari
funzioni approssimanti: i polinomi ortogonali. Essi godono della propriet di lasciare
inalterati i coefficienti gi calcolati, allaumentare del grado del polinomio
approssimante
Nel caso di approssimazione parabolica, si ha:
x n x
x x x
c
x x c x x
x x x
x a x a a y
i
i i
=
=
=
+ + =
2
2 3
2
1
2
2
1
2 2 1 1 0
) ( ) (
) (
) ( ) (
Polinomi di
Gram-Chebyshev
Approssimazione di dati sperimentali
Sperimentazione su Strutture Aerospaziali
Analisi statistica ed approssimazione di dati sperimentali
Politecnico di Torino
Dipartimento di Ingegneria Meccanica e Aerospaziale
Marco Gherlone
Marco Di Sciuva
40
( )
0
1
cos( ) ( )
2
n
n j j
j
a
T x a jx b sen jx
=
( = + +
2
0
0
2 2
(2 1)
n
i
i
f
a f
n
=
= =
+
( )
2
0,1, 2...2 2 1
i
i i
i
x
i n n
f f x
t
=
= +
= =
= = =
2
0
0;
2 1
cos( ) cos( ) ; 0
2
2 1; 0
n
i i
i
j k
n
jx kx j k
n j k
=
=
+
= = =
+ = =
2
0
cos( ) ( ) 0
n
i i
i
jx sen kx
=
=
2 2
0 0
cos( ) 0 ( ) 0
n n
i i
i i
jx sen jx
= =
= =
, j k