Propagazione degli Errori

La maggior parte delle grandezze fisiche di solito non pu essere misurata attraverso una
singola misura diretta ma viene invece determinata in due passi distinti, come detto nella
definizione di misure indirette:

1. Si misurano una o pi grandezze che possono essere misurate direttamente e dalle quali
la grandezza che ci interessa pu essere calcolata

2. Utilizzando i valori misurati si calcola la grandezza in questione

Un tipico esempio la velocit media di un corpo. Essa necessita la misura dello spazio
percorso e dellintervallo di tempo necessario per percorrerlo:









Quanto vale lerrore sulla velocit in questo caso ?
s m t x v
s s t
m m x
t x v
m
m
/ 6098 . 2 /
) 03 . 0 ( 09 . 0 23 . 1
) 01 . 0 ( 04 . 0 21 . 3
/
= A A =
= = A
= = A
A A =
o
o
Propagazione degli Errori


In un caso come questo, quando la misura comporta queste due fasi, allora anche la stima
delle incertezze necessita di due fasi distinte.

1. Occorre stimare le incertezze nelle grandezze che sono state misurate direttamente

2. Occorre trovare come gli errori si sono propagati

Questa ultima fase si chiama: Propagazione degli errori



Nota:

Il libro di testo presenta prima una serie di relazioni approssimate poi dimostra la relazione
generale. Noi salteremo subito alla relazione generale
Propagazione degli Errori

Supponiamo che le osservabili fisiche x,y, ..., z siano misurate ciascuna con deviazione
standard o
x
,o
y
,,o
z
. Supponiamo che le osservabili x,y,,z siano necessarie per estrarre il
valore della osservabile q attraverso la formula q(x,y,,z)





Allora, se gli errori di x,y,,z sono indipendenti e casuali tra loro, la deviazione standard
o
q
espressa dalla relazione:
) ,..., , (
0 0 0 0
z y x q q =
standard deviazione
misurati ,..., , x in calcolata x ad rispetto parziale derivata
) ,..., , (
) ,..., , (
...
) ,..., , ( ) ,..., , (
0 0 0
,.., ,
2
2
,.., ,
2
2
,.., ,
2
2
,.., ,
0 0 0
0 0 0
0 0 0
0 0 0

|
.
|

\
|
c
c
|
.
|

\
|
c
c
+ +
|
|
.
|

\
|
c
c
+
|
.
|

\
|
c
c
=
= = =
= = =
= = =
= = =
x
z z y y x x
z
z z y y x x
y
z z y y x x
x
z z y y x x
q
z y
x
z y x q
dove
z
z y x q
y
z y x q
x
z y x q
o
o o o o
Esempio

Calcoliamo lerrore sul seno di un angolo

Sia u = 1.484 radianti 85 gradi
Sia o
u
= 0.017 radianti 0.97 gradi

Voglio conoscere come lerrore si propaga lerrore su

( ) u u sin ) ( = = f x
( ) ( )
( ) ( ) ( )
0015 . 0 9962 . 0
0014737 . 0 9962356 . 0
0014737 . 0 017 . 0 484 . 1 cos
cos
2 2
2
2
=
= =
= =
=
x
x
Quindi
x
x
x
o
o
o u o
u
Esercizio:

Un gruppo di studenti vuole misurare laccelerazione di gravit utilizzando un pendolo.
Effettua una serie di misure per estrarre il periodo di oscillazione e la lunghezza del
pendolo. Supponendo che


) (
947285 . 9
s 0.005 s 0.012 s 1.945
m 0.0004 m 0.0012 m 0.9532
4
2
2
calcolato ancora stato non perche decimali i tutti usano si
g
T
d
T
d
g
m
m
o
o o
o o
t
=
= = =
= = =
=
Applicando la formula generale di propagazione degli errori





alla relazione che da g




Si ottiene





Da cui

2
2
,.., ,
2
2
,.., ,
2
2
,.., ,
0 0 0
0 0 0
0 0 0
) ,..., , (
...
) ,..., , ( ) ,..., , (
z
z z y y x x
y
z z y y x x
x
z z y y x x
q
z
z y x q
y
z y x q
x
z y x q
o o o o
= = =
= = =
= = =
|
.
|

\
|
c
c
+ +
|
|
.
|

\
|
c
c
+
|
.
|

\
|
c
c
=
2
2
,
2
2
,
0 0 0 0
) , ( ) , (
T
T T d d
d
T T d d
g
T
T d g
d
T d g
o o o
= = = =
|
.
|

\
|
c
c
+
|
.
|

\
|
c
c
=
2
2
,
3
2 2
2
,
2
2
0 0 0 0
2
4
1
4
T
T T d d
d
T T d d
g
T
d
T
o t o t o
= = = =
|
.
|

\
|
+
|
.
|

\
|
=
( ) ( ) ( ) ( )
T su errore Domina 12 . 0 015066 . 0 000157 . 0
012 . 0 256 . 3 0012 . 0 321 . 3 012 . 0
945 . 1
9532 . 0 2
4 0012 . 0
945 . 1
1
4
2 2 2 2 2
2
3
2 2
2
2
2
= + =
+ =
|
.
|

\
|
+
|
.
|

\
|
=
g
g
o
t t o
Notate che la propagazione degli errori puo anche avere un uso predittivo, infatti si
potrebbe anche rispondere al seguente quesito

A che angolo viene minimizzato lerrore di misura su D ?
Lincertezza che contribuisce di pi allerrore sulla gittata quello relativo alla velocit
Provate a fare gli esercizi dal 3.43, 3.45, 3.46, 3.47, 3.48, 3.49, 3.50,
Quando non posso usare la relazione della propagazione degli errori
cosi come stata formulata finora ?

Quando lerrore delle variabili x
0
, y
0
, .. non indipendente tra loro, quando cio una
sovrastima o sottostima di x
0
implica una sovrastima o sottostima di y
0

Allora la relazione di propagazione degli errori, nellipotesi di una funzione a due
variabili x e y, diventa:
( ) | |( )
(

= =
|
.
|

\
|
c
c
c
c
+
|
.
|

\
|
c
c
+
|
.
|

\
|
c
c
=

= = = = = =
a a b b
N
dove
b
b a q
a
b a q
b
b a q
a
b a q
i i
n
ab
ab
b b a a
b
b b a a
a
b b a a
q
1
lim Covarianza
2
) , ( ) , ( ) , ( ) , (
2
2
,
2
2
,
2
2
,
0 0 0 0 0 0
o
o o o o
Nota:

Se ci fosse la massima correlazione tra le incertezze delle osservabili allora











Le incertezze quindi si sommerebbero !

La covarianza stima in che proporzione a uttua assieme a b.
Se le osservabili non uttuano in modo indipendente gli scarti avranno hanno spesso lo stesso
segno (positivo o negativo), il loro prodotto sar in corrispondenza sempre positivo e render
maggiore di zero
2
ab
Analogamente, se a e b uttuano in modo indipendente, il prodotto degli scarti sar tanto
positivo che negativo e quindi avr sommatoria nulla.
b
b b
a
a a
q
b a
b b a a
b
b b a a
a
b b a a
q
b a ab
b
b a q
a
b a q
b
b a q
a
b a q
b
b a q
a
b a q
o o o
o o o o o
o o o
0 0
0 0 0 0 0 0
) , ( ) , (
2
) , ( ) , ( ) , ( ) , (
Covarianza
,
2
2
,
2
2
,
2
= =
= = = = = =
|
.
|

\
|
c
c
+
|
.
|

\
|
c
c
=
|
.
|

\
|
c
c
c
c
+
|
.
|

\
|
c
c
+
|
.
|

\
|
c
c
=
= =
Quando le osservabili a e b non sono indipendenti tra loro ?

1) Calcolate la covarianza

2) Riflettete sulla fisica del sistema che state studiando

- Esempio:

- Avete una serie di coppie dati sperimentali che devono seguire un andamento
lineare (i.e. la lunghezza del pendolo L e il suo periodo al quadrato T
2
)

- Avete estratto dai dati sperimentali i coefficienti di una retta (coefficiente
angolare ao
a
e termine noto b o
b
(ad esempio con una regressione lineare)

y = ax + b ad esempio L = a T
2
+ b


-

Volete estrapolare il valore della retta y
o
nel punto x
o
e volete anche avere
una stima dellerrore sulla vostra estrapolazione


-

ad esempio la lunghezza che deve avere un pendolo per oscillare con un
periodo di 5 s
Allora il valore della variabile yo dato da

y
0
= a x
0
+ b ad esempio L = 25 a + b

Lerrore si dovr calcolare con la propagazione degli errori

In questo caso per le osservabili a e b (termine noto e coefficiente angolare) sono
correlate perche estratte da dati sperimentali, in altra parole se cambia una deve
cambiare anche laltra opportunamente per riprodurre i dati sperimentali




Attenzione che la covarianza si calcola a partire dai dati sperimentali con i quali
avete estratto il parametro a (coefficiente angolare) e b (termine noto). Nel caso del
pendolo a partire dai periodi e dalle lunghezza misurate
2
0
2 2 2
2
0
ab b a o y
x x o o o o + + =
Esempio (pg. 53 bevington):
N
N
N
N
N
x x x
x N N
x x x
x x
x
x
x
x
x
N
x
N
x x x
x
x
N
x
N
i
N
i i
N
i
N
i
i
x
N
i
i
N
o
o
o o o
o o o
=
=
|
.
|

\
|
=
= + + +
c
c
=
+ + +
c
c
=
|
|
.
|

\
|
c
c
|
|
.
|

\
|
c
c
=
|
|
.
|

\
|
c
c
=
=
+ + +
=

=
2
1
2
2 1
2 1
1
2
1
2
2
1 2 1
1
1
...
1 ...
...
Se le misure sono ripetibili,
indipendenti e senza errore
sistematico allora la deviazione
standard sempre la medesima
indipendentemente dallindice i
cio o
E tutto Chiaro ?

Dovreste aver chiari i seguenti argomenti:

Propagazione degli errori
Quando usare la covarianza nella propagazione degli errori
Discrepanza

Nella stragrande maggioranza dei casi le conclusioni sperimentali implicano il confronto tra
due o pi valori. Questi valori possono essere delle misure (e quindi con unincertezza), delle
stime teoriche (con o senza incertezza) o grandezze note.

Nellipotesi che i dati sperimentali si distribuiscono su una gaussiana possibile fare un
confronto quantitativo.

Data una misura sperimentale x
best
o con deviazione dalla media pari a o
m
ed una stima
teorica x
teo
della medesima quantit, definiamo:
m
teo best
teo best
x x
t
x x D
o

=
=
La quantit D detta discrepanza, mentre la quantit t indica quanto distante x
best
da x
teo

in unit di deviazione standard (lo abbiamo gi incontrato quando abbiamo parlato della
gaussiana, ma concettualmente ha un significato differente)


Se t = 0.32 significa che x
best
dista da x
teo
di 0.32 deviazioni standard della media. Quindi:
- esiste il 75% di probabilit che x
teo
sia il valore medio della distribuzione statistica misurata
- esiste il 75% di probabilit che la differenza tra x
teo
e x
best
sia di origine statistica.

Da questo si conclude che la misura sperimentale compatibile con il valore atteso !

Se t = 3.5 significa che x
best
dista da x
teo
di 3.5 deviazioni standard della media. Quindi:
- esiste il 0.05 % di probabilit che x
teo
sia il valore medio della distribuzione statistica misurata
- esiste il 0.05 % di probabilit che che la differenza tra x
teo
e x
best
sia di origine statistica

Da questo si conclude che la misura NON compatibile con il valore atteso !

In altre parole:

Lo strumento non funziona correttamente (poco probabile)
La mia procedura di misura non corretta
Esistono degli effetti fisici che disturbano la misura
Esiste un errore sistematico


Ho fatto una scoperta !

Nota:

Quale il significato statistico di t ?

- Ho ottenuto una misura x
best
con deviazione standard o deviazione standard dalla media o
m

- Devo verificare se x
best
o x
teo
sono statisticamente uguali
- Questo equivale a verificare con che probabilit D = | x
best
- x
teo
| sia zero
- Poich x
best
una misura allora con la propagazione degli errori posso ricavare lerrore su D









- Allora t non altro che la distanza di D da zero in unit di sigma dalla media
m Dm
D teo best
media dalla deviazione
alla relazione la estendere posso e particolar caso questo in
x x D
o o
o o
=
= =
) variabile sola una ho (
m
teo best
Dm
x x
D
t
o o

= =
Cosa succede se devo confrontare due misure sperimentali o due osservabili, ciascuna con
una incertezza ?

Data una misura sperimentale x
best1
o
1
con deviazione dalla media pari a o
m1
effettuata
dallo studente A ed una misura una misura sperimentale x
best2
o
2
con deviazione dalla
media pari a o
m2
effettuata dallo studente B










Il resto esattamente lo stesso

Notate che si pu dimostrare la formula sopra con la propagazione degli errori

2
2
2
1
2 1
2 1
m m
best best
best best
x x
t
x x D
o o +

=
=
Il limite entro il quale stabilire la compatibilit stabilito a priori e varia tra i diversi
ambiti sperimentali. Nel caso di questo corso di laboratorio lo stabiliremo entro 2o
oppure 2o
m
. Se tra due o tre sigma allora lesperimento non conclusivo. Quindi:

un dato sperimentale compatibile con una stima teorica/attesa se t < 2

una misura sperimentale con o e o
m
compatibile con unaltra misura (con o e o
m
)
o con un valore noto se t < 2

Abbiamo gi visto in una gaussiana (non necessariamente per le altre distribuzioni
statistiche) lintervallo x
best
o corrisponde al 68 % dei dati

In altre parole, nel caso di una distribuzione gaussiana, le singole misure
cadranno nellintervallo <x> o con livello di confidenza pari al 68%

Analogamente per 2 o (95%) o 3o (99.7%) o Xo

Per distribuzioni non gaussiane, si dice x
o
xx al 95% C.L.
Questo significa che il 95% delle misure cadono nellintervallo x
o
-xx x
o
+xx



Quindi:

Quando devo confrontare due misure o una previsione teorica ed una misura devo

1) Sapere quali sono gli intervalli di confidenza (in altre parole la finestra entro la
quale ho il 68%, 95%, 99.7% degli eventi)

2) Decidere una soglia di probabilit oltre la quale ritengo la probabilit
irragionevolmente piccola. Cio decidere ad esempio che "se l'evento
fuori da un intervallo di confidenza del 95% allora improbabile"

3) Calcolare la discrepanza, t, P(t), (1-P(t)) - Lo so fare con la gaussiana (eventualmente
correggo con la t di Student - Non lo so fare con altre distribuzioni (ho bisogno di
conoscere il confidence level)

4) Con il criterio del punto 1 e 2 verifico se vale a) b) o c)

a) t > 2 o il valore che segue dalla t di Student
b) P(t) > 95%
c) 1-P(t) < 5%

Allora la probabilt che le due misure rappresentino la stessa quantit irragionevole
Significativit Statistica
Significativit

Se 1-P(t) < 5 % (oppure t > 1.96) - cio se x
0
NON entro 1.96o dal valor medio si dice che ho
evidenza significativa che x
0
NON appartenga alla distribuzione statistica che ha generato
xbest e o. Ovvero la discrepanza significativa .

Se 1-P(t) < 1 % (oppure t > 2.32) - cio se x
0
NON entro 2.56o dal valor medio si dice che ho
evidenza altamente significativa che x
0
NON appartenga alla distribuzione statistica che ha
generato x
best
e o . Ovvero la discrepanza altamente significativa .
x
best
HP : Distribuzione gaussiana e misure ripetibili ed indipendenti

Cosa significa scartare i dati la cui differenza dal valor medio sia significativa ?

- Significa scartare i dati per i quali t > 1.96
- Significa che sono sicuro di eliminare il 5% di dati buoni
- Significa che avr il 5% di probabilit di avere un falso positivo
- cio di scartare un evento (definito come falso) che in realt buono (positivo)


Esempio:
Ho delle scatole con 1000 componenti elettrici che devono avere un valore di resistenza
pari a 10 1 Ohm. Poich non posso misurare la resistenza di tutti i componenti elettrici
della scatola ne piglio 20 e ne misuro la resistenza. Se il valor medio della resistenza
compreso tra 8.04 ed 11.96 Ohm (nota 1.96o = 1.96, quindi 10-1.96=8.04 e 10+1.96=11.96)
allora la scatola viene avviata alla vendita. In caso contrario si butta via.

In questo caso, poich il mio limite 2 sigma, sono sicuro di buttare via il 5% di scatole
buone (con resistenza 10 1 Ohm) insieme a quelle con resistenza diversa da 10 1 Ohm
HP : Distribuzione gaussiana e misure ripetibili ed indipendenti

Cosa significa scartare i dati la cui differenza dal valor medio sia altamente significativa ?

- Significa scartare i dati per i quali t > 2.56
- Significa che sono sicuro di eliminare l1% di dati buoni
- Significa che avr l1% di probabilit di avere un falso positivo
- cio di scartare un evento (definito come falso) che in realt buono (positivo)


Esempio:
Ho delle scatole con 1000 componenti elettrici che devono avere un valore di resistenza
pari a 10 1 Ohm. Poich non posso misurare la resistenza di tutti i componenti elettrici
della scatola ne piglio 20 e ne misuro la resistenza. Se il valor medio della resistenza
compreso tra 7.44 ed 12.56 Ohm allora la scatola viene avviata alla vendita. In caso
contrario si butta via.

In questo caso, poich il mio limite 2.56 sigma, sono sicuro di buttare via solo l1% di
scatole buone insieme a quelle con materiale difettoso

Notate che in questo caso butto via meno scatole (solo l1%) ma pi facile avviare alla
vendita scatole con materiale difettoso
25

Media Pesata
Pu capitare che una grandezza sia stata misurata pi volte da persone o con tecniche
differenti

Ciascuna di queste misure a sua volta il risultato di molte misure e quindi nella forma





Il calcolo del semplice valor medio potrebbe non essere conveniente se le incertezze non
sono uguali o molto simili. E in generale pi corretto usare la media pesata definita come









Attenzione: controllare che le misure siano consistenti, cio che la discrepanza tra le
diverse misure non sia sensibilmente maggiore delle rispettive deviazioni standard
3
3
2
2
1
1
o
o
o
=
=
=
x x
x x
x x
2 / 1
2
1

|
.
|

\
|
=
= =

i
i best
i
i
i
i
i
i
i
best
w
w
w
x w
x
o
o
Provate a fare gli esercizi dal 5.17 al 5.28 e dal 5.34 al 5.37
E tutto Chiaro ?

Dovreste aver chiari i seguenti argomenti:

Discrepanza
Livello di confidenza
Compatibilit