1

LA PROPAGAZIONE DELLERRORE




La trattazione nel seguente capitolo verr svolta in due modalit:
una impostazione classica del modello di propagazione;
utilizzo dellalgebra matriciale.
La propagazione dellerrore 2



1. La propagazione dellerrore medio per le funzioni lineari di grandezze
osservate indipendenti

Consideriamo la funzione lineare:

( ) f aX bY cZ l X,Y,Z,... + + + + ... [1]

in cui le grandezze X, Y, Z, ... siano indipendenti tra loro e direttamente misurabili.
Siano X1, Y1, Z1, ... ; X2, Y2, Z2, ... ; .....; Xn, Yn, Zn, ... sistemi di valori delle grandezze X, Y, Z, ... ovvero si
estragga un campione di nvalori di ciascuna variabile, di cui, perci X, Y, Z, ... .
Potremo scrivere, per ognuno dei valori, le relazioni:


( )
( )
( )
f aX bY cZ l
f aX bY cZ l
f aX bY cZ l
n
1
2
X ,Y ,Z ,...
X ,Y ,Z ,...
X ,Y ,Z ,...
1 1 1 1 1 1
2 2 2 2 2 2
n n n n n n
+ + + +
+ + + +
+ + + +
...
...
...........
...
[2]

sottraendo ciascuna di queste dalla [1] si ottiene:


( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
f f a b c
f f a b c
f f a b c
n
+ + +
+ + +
+ + +
1
2
X - X Y - Y Z- Z
X - X Y - Y Z- Z
X - X Y - Y Z- Z
1 1 1
2 2 2
n n n
...
...
...........
...
[3]

Ponendo

f f
1 1
, X X x
1 1
, Y Y y
1 1
, Z Z z
1 1

f f
2 2
, X X x
2 2
, ............

Si ottiene:

1 1 1 1
2 2 2 2
+ + +
+ + +
+ + +
ax by cz
ax by cz
ax by cz
n n n n
....
....
..........
....
[4]

Queste relazioni esprimono linearmente gli errori indotti in f dagli errori relativi ai diversi sistemi di misura
effettuati sulle grandezze X, Y, Z, ... .
Quadrandole si ha:

1
2 2
1
2
1
2
1
2
1 1 1 1 1 1
2
2 2
2
2
2
2
2
2
2 2 2 2 2 2
2 2 2 2 2
2 2 2
2 2 2
2 2 2
+ + + + + + +
+ + + + + + +
+ + + + + + +
a x by cz abx y acx z bcyz
a x by cz abx y acx z bcyz
a x by cz abx y acx z bcyz
n n n n n n n n n n
.... ....
.... ....
..........
.... ....
[5]

Sommando membro a membro:
La propagazione dellerrore 3




i
n
i
n
i
n
i
n
i i
n
a x b y c z ab x y
1
2
1
2 2
1
2 2
1
2 2
1 1
2

+ + + + + ... ... [6]

Se gli errori da cui sono affette le misure sono solo accidentali, questi avranno identica probabilit di essere
positivi o negativi. Quindi, al crescere del campione di nelementi, la loro frequenza tende a livellarsi; perci le
sommatorie

2
1
ab x y
i i
n

, ...

tendono a zero.
Quindi, per ngrande, possiamo scrivere:


i
n
i
n
i
n
i
n
a x b y c z
1
2
1
2 2
1
2 2
1
2 2
1

+ + + .... [7]

anche, dividendo ciascun termine per n


i
n
i
n
i
n
i
n
n
a
x
n
b
y
n
c
z
n

1
2
1 2
2
1 2
2
1 2
2
1

+ + + .... [8]

Ovvero, indicando con f , x , y , z , ... rispettivamente gli errori medi di una determinazione semplice delle
grandezze f , X, Y, Z, ... la relazione diventa:


f
a
x
b
y
c
z
2 2 2 2 2 2 2
+ + +.... [9]

Se la funzione non linearesi pu facilmente vedere che linearizzabile sviluppandola in serie al 1 ordine attorno
a valori osservati Xi, Yi, Zi, ... delle grandezze indipendenti.
L'espressione della varianza
2
della funzione f analoga a quella sopra scritta, ove si pongano le derivate prime
al quadrato della funzione

f
x
f
y
o
o

_
,

_
,

2
2
, , ....

calcolate per un valore approssimato, al posto dei coefficienti a, b, c, ... .
Quanto ora detto per le funzioni non lineari ha la seguente spiegazione. Si abbia la funzione f (X, Y, ...) in cui X,
Y, ... rappresentano grandezze indipendenti e direttamente misurabili. Eseguendo una serie di misure si
otterranno per X, Y, ... dei valori osservati X1, Y1, .. ; X2, Y2, .. che saranno affetti da errori x1, y1, ... ; x2, y2, ... .
Avremo cio, per esempio

X = X1 + x1 , Y = Y1 + y1 , .......

( ) ( ) f X Y f X x y , , ... , Y , ... + +
1 1 1 1


e, di conseguenza, al 1 ordine dello sviluppo in serie di Taylor
La propagazione dellerrore 4




( ) ( )
f X Y f X
f
X
x
f
Y
y , , ... , Y , ... .... +

_
,

_
,

+
1 1
1
1
1
1

[10]

Le derivate al 2 membro sono valori noti che indichiamo con a1, b1, c1, .... . Lerrore che si ha in f sostituendovi
i valori osservati X1, Y1, ... in luogo dei veri sar dato da


1 1 1 1 1
+ + a x b y ... [11]

Considerando ora le altre osservabili X2, Y2, ..., Xk, Yk, ..., Xn, Yn, ... si avranno altrettante relazioni analoghe alla
precedente nelle quali i coefficienti a2, b2, ...., ak, bk, ...., an, bn, ...., rappresentano le derivate di f rispetto a X, Y, ...,
coi valori X1, Y1, ..., X2, Y2, ..., Xn, Yn, ... .
E evidente che data la concentrazione delle variabili osservate si potranno assumere per i coefficienti a, b, c, ....
valori unici ottenuti sostituendo nelle derivate

f
X
f
Y
f
Z

_
,

_
,

_
,
, , , ....

valori prossimi di X, Y, Z, ... .
Per esempio quelli generici Xi, Yi, Zi, ... di una serie di osservazioni. Si possono quindi scrivere le relazioni
perfettamente analoghe a

1 1 1 1
2 2 2 2
+ + +
+ + +
+ + +
ax by cz
ax by cz
ax by cz
n n n n
....
....
..........
....
[12]

quelle trovate per le funzioni lineari.
La propagazione dellerrore 5


2. La propagazione dellerrore medio per le funzioni lineari o non lineari di
grandezze osservate dipendenti

Riprendiamo l'espressione generale vista prima nel caso indipendente lineare


i
n
i
n
i
n
i
n
i i
n
a x b y c z ab x y
1
2
1
2 2
1
2 2
1
2 2
1 1
2

+ + + + + ... ... [13]

o linearizzata, generalmente intorno al valore medio o ad una osservabile


i
n
o
i
n
o
i
n
o
i
n
o o
i i
n
f
x
x
f
y
y
f
z
z
f
x
f
x
x y

1
2
1
2
2
1
2
2
1
2
2
1
1
2

_
,

_
,

_
,

+
+

_
,

_
,

+

...
...
...
[14]

dove, per i motivi suddetti, il doppio prodotto , per n grande, tendente a zero.
Orbene, supponiamo invece che le grandezze X, Y, Z, ... non siano tra loro indipendenti e valutiamo cosa
succede. Si pu immediatamente vedere che i termini dei doppi prodotti x y
i i
non tendono a zero al
crescere di nperch il comportamento di una variabile (variabile scarto X-Xi = xi , Y-Yi = yi , .... ) dipende dal
comportamento dell'altra.
Si pu vedere che la x y
i i
altro non che la sommatoria del prodotto degli scarti e che x y n
i i
i

altro
non che la media del prodotto degli scarti ( ) M x y
i i
.
L'espressione del doppio prodotto risulta, pertanto, nei due casi sopra visti, quando si passa alle varianze:

( )
f x y
a b abM xy
2 2 2 2 2
2 + + + .... (caso lineare)
( )

f
m
x
m
y
m
m
f
x
f
y
f
x
f
y
M xy
2
2
2
2
2
2

_
,

_
,
+ +

_
,

_
,
.... (caso non lineare)

Si pu dimostrare che l'espressione ( ) M xy equivalente al prodotto delle variazioni standard
x y
per un
coefficiente r
xy
.
Quest'ultimo, detto coefficientedi correlazionelineare, misura il grado di dipendenza linearefra le variabili.
Esso pu variare tra -1 e +1. IL suo effetto pu migliorare la varianza della funzione in gioco, quanto
peggiorarla.
Si sottolinea, infine, che la espressione ( ) M xy , equivalente a r
xy x y
si trova quasi sempre o spesso scritta
nella forma
xy
.


( ) ( )
M xy r M V V
xy xy x y x y
[15]
La propagazione dellerrore 6



3. La propagazione della varianza mediante la matrice di varianza-covarianza
Abbiamo visto la legge di propagazione della varianza esposta nel modo classico. Si pu procedere per anche
in altro modo, costruendo la matrice di varianza-covarianza.
Occorre premettere alcune considerazioni.

3.1. Teorema della media
Se ( ) y gx una funzione lineare, abbiamo, per definizione:


( ) [ ] ( ) ( ) [ ]
M gx gx f x dx M y

[16]

dove ( ) f x la densit di probabilit della ( ) yx .

3.2. La media una operazione lineare
Se y ax b + allora

( ) ( ) ( ) M y + + M ax b aM x b [17]
Nel caso di variabile casuale discreta, se y a x b
ik
k
k i
+

allora


( )
[ ]
[ ] ( )
M y M a x b a M x b a M x b
ik
k
k i ik
k
k i ik
k
k i
+ + +

[18]

In forma matriciale

( ) ( ) Y AX b X + M Y =AM +b [19]

Se la variabile x concentrata attorno alla media si pu, al 1 ordine, scrivere:

( ) ( ) ( ) ( )
( )
( ) ( )
y gx gM x M g x x M x
M
x
+

1
]
1
' [20]

Come sappiamo la media degli scarti nulla e pertanto ( ) [ ]
M x M x 0
e quindi, di fatto

( ) ( ) ( )
M y gM x [21]

Vediamo cosa succede per il prodotto degli scarti ( ) ( ) x M x M x
i i k k
, x


( ) ( ) ( ) ( ) [ ]
C M x M x x M x
ik i i k k
[22]

Se i = k


( ) ( )
( )
C M x M x
kk k k k

1
]
1

2
2
[23]

ovvero si ha la varianza della componente k-esima.
Se i k C
ik
il coefficiente di covarianza delle componenti i, k. Naturalmente C C
ik ki
.
La propagazione dellerrore 7


Passando alla forma matriciale si ottiene


[ ] ( ) ( ) ( ) ( )
[ ]
( ) ( ) ( ) ( ) [ ]
C C M x M x x M x
M X M X X M X M x x
xx ik i i k k
t
t

1
]
1

[24]

Cxx la matrice di varianza-covarianza della variabile casuale X.

3.3. Covarianza-varianza di una variabile stocastica funzione di una variabile stocastica
Nel caso di una funzione lineare

Y AX b + [25]

Dato che ( ) ( ) M Y AM X b + , sottraendo allequazione lequazione media, si ottiene

( ) ( ) ( )
Y M Y A X M X [26]

che lo scarto della variabile Y.
Per la covarianza CYY si ha:

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
C M Y M Y Y M Y M A X M X X M X A
YY
t t
t

1
]
1

1
]
1

[27]
e per la linearit della media


( ) ( ) ( ) ( )
C AM X M X X M X A AC A
YY
t
t
XX
t

1
]
1
[28]

ovvero legge di propagazione della varianza-covarianza per funzioni lineari.
Si noti che se Y uno scalare si ha:

Y aX a X X l
n
+ + +
1 1 2 2
..... +a
n
[29]

in questo caso A un vettore e CYY uno scalare.


( )
C AC A aa C
YY Y XX
t
i k ik
ik

2
[30]
Se Cik = 0 per i k, le componenti Xi sono indipendenti:


( ) ( )

Y i ii
ii
i X ii
a C a
i
2 2 2 2


[31]

La formula appena vista fornisce il grado di dispersione di una grandezza Y funzionelinearedi altre grandezze Xi
misurate in modo indipendente.
E infine possibile, come fatto per la media, generalizzare la legge di propagazione della covarianza nel caso in
cui Y non sia lineare nelle componenti Xi . Si ha:


( ) ( ) ( )
( )
( )
( ) ( )
Y gX gM X
gX
X
X M X
M
X
+

1
]
1
1
Y

[32]
La propagazione dellerrore 8


Applicando le formule del caso lineare, con JX Jacobiano della variabile X, si ha:


( )
( )
( )
( )
C
gX
X
C
gX
X
J C J
YY
M
XX
M
t
X XX X
t
X X

1
]
1
1

1
]
1
1

[33]

Se Y uno scalare si ottiene:


( )
( ) ( )

Y
i k
ik
ik
gX
X
gX
X
C
2

_
,

_
,

[34]

Se ( ) Y Y X X
1 2
, (caso di due sole componenti) si ha:

( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )

Y
M
X
M
X
M M
X X
gX
X
gX
X
gX
X
gX
X
X X X X
2
1
2
2
2
2
2
1 2
1 2 1 2
2

_
,
+

_
,
+

_
,

_
,

[35]

La propagazione dellerrore 9


Esempio n A1
Si voglia misurare un tavolo di lunghezza L superiore ai .2 m utilizzando un doppio metro. Considerando
lincertezza strumentale pari a t0.005 cm calcolare lincertezza della misura finale.
Essendosi misurati i due tratti:
a = 1.80 m
b = 0.75 m
la lunghezza L = a + b = 2.55 m
( ) ( )
L a b
m
2 2 2
2 2
2
0 005 0 005 0 00005 + + , , ,

L
m t 0 00707 ,
La propagazione dellerrore 10


Esempio n B1
Un edificio rettangolare presenta un lato a di 50 t 0.10me laltro di 30 t 0.05m
a e brappresentano due variabili indipendenti.
Determinare:
Il perimetro e la sua deviazione standard o errore quadratico medio

P a b m + + 2 2 2 50 2 30 160
( ) ( )
p a b
m
2 2 2
2 2
2
4 4 4 010 4 005 005 + + , , ,

p
m t 0223 ,

La superficie e il suo errore quadratico medio

S ab m 1500
2

S a b a b
S
a
S
b
b a m
2
2
2
2
2 2 2 2 2 2
1525

_
,
+

_
,
+ ,

S
m t 39 ,

Il volume, se la sua altezza c 25 t 0.30m

V abc m 37500
3


( )
( ) ( ) ( )

2
2
2
2
2
2
2
2
2
2
2
2
2 6
212031
V
V
a
V
b
V
c
bc ac ba m
a b c
a b c

_
,

_
,

_
,

+ +


v
m 4605
3
,

Determinare la correlazione fra la superficie ed il perimetro

P a b + 2 2 (lineare) scarti: V V V
P a b
+ 2 2
S ab (non lineare) scarti: V
S
a
V
S
b
V bV aV
S a b a b
+ +

( ) ( )( ) [ ]
( )
( ) ( ) ( ) ( )
M V V M V V bV aV
M bV bV V aV V aV
bM V bM V V aM V V aM V
P S a b a b
a a b b a b
a b a a b b
+ +
+ + +
+ + +
2 2
2 2 2 2
2 2 2 2
2 2
2 2


Occorre ricordare che la media un operatore come la sommatoria e quindi le costanti si possono estrarre
dalla sommatoria.
Inoltre, per definizione, sappiamo che la media degli scarti al quadrato la varianza, mentre la media del prodotto
degli scarti detta covarianza.


( )
M V
2 2
; ( ) M V V C
i k ik ik


Nel nostro caso, data l'indipendenza tra a e b, Cik = 0 e quindi:


( )
M V V b a
P S a b
+ 2 2
2 2


Determinare la correlazione lineare r tra S e P.
La propagazione dellerrore 11




( )
r
M V V
b a
PS
P S
P S
a b
P S

+

2 2
098
2 2
,

Determinare la correlazione tra superficie e volume

V abc scarti: V
V
a
V
V
b
V
V
c
V abV acV abV
V a b c a b c
+ + + +

( ) M V V
S V
( )( ) [ ]
+ + + M bV aV abV acV bcV
a b c b a


(
)
+ + +
+ + +
M abV abcV V abV V
a bV V a cV a bV V
a a b a c
a b b b c
2 2 2
2 2 2 2

+ ab a c
a b
2 2 2 2


Determinare la correlazione lineare r tra S e V

( )
r
M V V
SV
S V
S V


034 ,

Supponiamo che tra a e bvi sia una correlazione lineare r = - 0.5 :

calcolare la varianza del perimetro e della superficie e la loro correlazione


( )


P a b
ab a b
M ab
r m
2 2 2
2
4 4 2 4
005 8 005 4 0005 003
+ +
+ . . . .


( )

S a b
ab b a
b a
S
a
S
b
M ab
r ba m
2 2 2 2 2
4
2
1525 2 1525 750 775
+ +

_
,

_
,

+
+ . . . .



( )
M V V b br ar a
P S a ab a b ab a b b
+ + + 2 2 2 2
2 2



( )
r
M V V
PS
P S
P S


093 ,
La propagazione dellerrore 12



La correlazione tra a e b, nel caso visto, migliora le varianze, e geometricamente si ha un effetto di questo tipo
(figura 2.1):

1) 2)
Perimetro/ Superficie
r = -0.5
Perimetro/ Superficie
r = +0.5

Figura2.1

1 - La superficie resta pi vicina al valore dato, ma di forma diversa (varianza pi piccola);
2 - La superficie resta simile (varianza pi grande).
La propagazione dellerrore 13


2.4.2. Esempio n B2
Ricerca della covarianza tra coordinate cartesiane a partire da misure di coordinate polari.

O
x
H

y
P
X
Y
D
Figura2.2

D = 10 t 0.01m = 30
g
.420 t 0
g
.02
x D cos y D sen

Il coefficiente di correlazione lineare, come gi visto, si calcola con:

( )
r
M V V
xy
x y
x y

Le coordinate di P valgono:

x m
P
88799 . e y m
P
45986 .

e saranno sicuramente tra loro correlate:

x D D D
x
D
x x
D
x
r
2
2
2
2
2
2

_
,

_
,

_
,

_
,

y D D D
y
D
y y
D
y
r
2
2
2
2
2
2

_
,

_
,

_
,

_
,

r
D
logicamente nullo perch sono grandezze diverse e quindi, anche

2

x
D
x
r
D a D

_
,

_
,
nullo

x
2
;
y
2
devono essere espressi in radianti per cui si moltiplicano per
( )

200

Gli scarti valgono rispettivamente:

V
x
D
V
x
V
x D

_
,

_
,

V
y
D
V
y
V
y D

_
,

_
,

La propagazione dellerrore 14

x D
x
D m
m mm
2 2 2 2 2 2 5 2
80940 10
00090 9
+
t t

'

cos sen .
.

y D
y
D m
m mm
2 2 2 2 2 2 5 2
28929 10
00054 54
+
t t

'

sen cos .
. .


( ) ( ) V V D V
x D
+ cos sen

e ( ) ( ) V V D V
y D
+ sen cos



( ) ( )( )
[ ]
M V V M V D V V D V
x y D D
+ cos sen sen cos



L'operatore media
( )
M V V
i j
genera prodotti nulli se le misure sono indipendenti; si esegue quindi, la media
dei prodotti degli scarti ovvero la somma degli scarti.


( )
M V V
x y

(
+ + M V D V V
D D
cos sen cos

2 2


)
D V V D V
D
sen sen cos
2 2 2




( )
M D
D
cos sen sen cos

2 2 2


essendo, ovviamente,
( ) ( )
M V V
D D
2 2 2 2


, M


( )
M V V m
x y


36805 10
5 2
.

da cui r
xy
07606 . essendo, come gi detto

( )
C r M V V
xy xy x y x y


x e y sono fortemente correlate fra loro.

Supponiamo ora di tracciare un altro braccio, ovvero in topografia fare una poligonale.

O

P
X
Y
D
L
Q
H
Figura2.3

x x L
Q P
+ cos ; y y L
Q P
+ sen

x
P
x L
P
x L x L
Q P P P
x
x
x
L
x x
x
x
L
r
2
2
2
2
2
2
2
2

_
,

_
,

_
,

_
,

_
,

+ ....
... + termini in r
x
P

, r
L


Se calcolo gli scarti:
La propagazione dellerrore 15


per x V
x
D
V
x
V
P x
P
D
P
P
+

(calcolato come visto)
per L V
L
(perch misurato)
per

V (perch misurato)

si ottiene:

( )
M V V M
x
D
V
x
V V
M
x
D
V V
x
V V
x L
P
D
P
L
P
D L
P
L
P
+

_
,

1
]
1

+

1
]
1

0

e, analogamente,


( ) ( )
M V V M V V
x L
P

0

Pertanto:

x x L
x
Q P
Q
D m
m mm
2 2 2 2 2 2 5 2
100878 10
00100 10
+ +

'

cos sen .
.

y y L
y
Q P
Q
a D a
m mm
2 2 2 2 2 2 2 5
115628 10
00108 108
+ +

'

sen cos .
. ,


E' ovvio che x
Q
e y
Q
sono fra loro correlate: si tratta nuovamente di calcolare V
x
Q
, V
y
Q
.
Ma l'importanza del coefficiente di covarianza si vede, ad esempio, nel calcolo dell'area del triangolo OPH
(figura 2.4).

O
x
H

y
P
X
Y
D

Figura2.4

A
x y
m
P P

2
204175
2
.

A
P
x
P
y xy
P P
A
x
A
y
C
A
x
A
y
m
P P
2
2
2
2
2 4
2 00017

_
,

_
,

_
,

_
,

.

A
m 00418
2
.
La propagazione dellerrore 16


2.4.3. Esempio n B3
Come noto un triangolo determinato quando tre dei suoi elementi (uno almeno lineare) sono conosciuti. In
questo caso sono stati misurati due lati e langolo compreso (figura 2.5).

B
a

C
A c
b
Figura2.5
Sia:

a = 1.000m , c= 1.500m , = 50
g



[ ] ( )

d
D Km mm + 3 2

a
mm 5 ,
c
mm 6 ,

b
cc g
RAD
= . .

_
,

5 00005 00005
200


Determinare:
1. la misura del lato be la sua varianza;
2. la superficie S del triangolo e la sua varianza;
3. la correlazione esistente tra la misura del lato be la superficie S.

Calcolo della superficie S :

S = a c m
1
2
5303300859
2
sen . =

Calcolo della varianza della superficie S :

S S ac S
t
J C J
2


J
S
a
S
c
S
c a a c
S

1
2
1
2
1
2
53033 35355 53033009
sen sen cos
. . .

C
ac
a
c

2
2
2 11
0 0
0 0
0 0
0000025 0 0
0 0000036 0
0 0 61685028 10
.
.
.



S
m
2 4
288802 .

S
m t53740
2
.
S m t 53033008 537
2
. .

Calcolo della misura del lato b:
Dal teorema di Carnot si ricava b
2
:

La propagazione dellerrore 17


b a c a c
2 2 2
2 + cos
b m 10623934 .

Calcolo della varianza di b:


J
b
a
b
c
b a c
b
c a
b
a c
b
S

2 2
2
2 2
2
2
2
57098 10 074632 9983686
2
cos cos sen
. . .

C
ac
a
c

2
2
2 11
0 0
0 0
0 0
0000025 0 0
0 0000036 0
0 0 61685028 10
.
.
.


b
m
2 5 2
81618 10

.

b
m t

90342 10
3
.
b m mm t 106239 903 . .

Calcolo della correlazione tra la misura del lato be la superficie S :

bs a c
a c
b
c c a
b
a
a c a c

_
,

_
,

_
,

_
,

+
+

_
,

_
,

cos sen cos sen
sen cos
2 2
2 2
2 2
2

r
bS
bS
b S

08528 852 . . %
Il lato be la superficie S sono ben correlati.
La propagazione dellerrore 18


Esempio n B4
In questo esempio siano noti del triangolo due angoli ( ) , e il lato compreso (figura 2.6).

B
a

C
A c
b

Figura2.6

Sia:
c m 1000 , 50
g
, 70
g
,

0001 .
g


[ ] ( )

d
D Km mm + 5 3

Determinare:
1. la misura del lato a e la sua varianza;
2. la misura del lato be la sua varianza;
3. la misura della superficie S e la sua varianza;
4. la correlazione tra il lati a e b.

Calcolo della misura dei lati a, be della superficie S :

200 50 70 80
g g g g






0001
200
15708 10
5
. .
RAD


c
mm m 8 0008 .

Dal teorema dei seni si ricava:


c b a
sen sen sen


( )
a c m
+

sen
sen
.

7434961

( )
b c m
+

sen
sen
.

9368597

( )
S a b c m

+

1
2
1
2
3312299241
2 2
sen
sen sen
sen
.




Calcolo della varianza della misura di b:


b b c b
t
J C J
2


La propagazione dellerrore 19



( )
( ) ( )
( )
( )
( )
J
b
c
b b
c
c
b

+
+ +
+
+
+

_
,

sen
sen
cos sen sen cos
sen
sen
cos
sen
. . .
2 2
0936859701734 781758030339419 304404169700233

C
c
c

2
2
2
10
10
0 0
0 0
0 0
0000064 0 0
0 2467 10 0
0 0 2467 10
.
.
.



b
m
2 4 2
22983 10

.

b
m t

15160 10
2
.
b m m t 93685297 00151 . .

Calcolo della varianza della misura di a :


a a c a
t
J C J
2



( )
( )
( )
( ) ( )
( )
J
a
c
a a
c
c
a

+
+
+
+ +
+

sen
sen
cos sen
sen
cos sen sen cos
sen
. . .
2 2
0743496068920 241576516863966 985072585784335

C
c
c

2
2
2
10
10
0 0
0 0
0 0
0000064 0 0
0 2467 10 0
0 0 2467 10
.
.
.

a
m
2 4 2
28921 10

.

b
m t

1700610
2
.
a m m t 7434960 00170 . .

Calcolo della correlazione tra i lati a e b:

C
J
J
C J J
ab
a
b
c a b
a ab
ab b

M M
M M
02892 10 01652 10
01652 10 02298 10
3 3
3 3
2
2
. .
. .


r
ab
ab
a b

06406 64 . %

I lati a e bsono ben correlati.

Calcolo della varianza della superficie S :


S S c S
t
J C J
2

La propagazione dellerrore 20




( )
( ) ( )
( )
( ) ( )
( )
J
S
c
S
S
c
c
c
S
t

+

+ +
+

+ +
+

sen sen
sen
sen
cos sen sen cos
sen
sen
cos sen sen cos
sen
.
.
.
1
2
1
2
6224598
2763932023
4388530504
2
2
2
2

C
c
c

2
2
2
10
10
0 0
0 0
0 0
0000064 0 0
0 2467 10 0
0 0 2467 10
.
.
.



S
m
2 4
944560 .

S
m t97188
2
.
S m m t 33122992 971
2 2
. .
La propagazione dellerrore 21


2.4.5. Esempio n B5
Supponiamo di rilevare un terreno con il classico metodo topografico per coordinate polari un teodolite e un
distanziometro, secondo lo schema della figura 2.7:

l1
1
l2
l3

2
d1
d2
d3

Figura2.7

Siano noti:
d d d
1 2 3
, , distanze misurate
l l l
1 2 3
, , letture al teodolite

1 2 1 2 3 2
l l l l ;



d d d d
l l l l
i
i


1 2 3
1 2 3


Determinare la superficie S e la sua varianza.
Per la metodologia operativa possiamo ritenere le tre distanze indipendenti tra loro, cos come le tre direzioni
angolari. Gli angoli 1 e 2 non sono invece indipendenti tra loro avendo in comune l2.

La superficie del terreno data da:

S d d d d +
1
2
1
2
1 2 1 2 3 2
sen sen

La varianza di S,
( )

S
2
data da:


( )

S d
S
d
S
d
S
d
S S
S S
C
2
1
2
2
2
3
2
2
1
2
2
2
2
2
1 2
1 2
1 2
2

_
,
+

_
,
+

_
,

1
]
1
1
+

_
,
+

_
,
+
+

_
,

_
,

dove

S
d
d
1
2 1
1
2
sen ,

S
d
d d
2
1 1 3 2
1
2
1
2
+ sen sen ,

S
d
d
3
2 2
1
2
sen

S
dd
1
1 2 1
1
2
cos ,

S
d d
2
2 3 2
1
2
cos

La propagazione dellerrore 22



( ) [ ]
( ) ( ) [ ]
( ) ( )
[ ] {




S d
d
d d d dd d
d d d d dd d C
d d d d dd
2
2
2 2
1 1
2 2
1 3
2 2
2 1 2 1 2 2
2 2
2
2
1
2
2
2 2
1
2
2
2
3
2 2
2
2
1 2
2
3 1 2
1
2
2
2 2
1 2
2
3
2 2
2 1 2 1 2
2
1
4
2
1
4
1
2
1
4
2
1 2 1 2
+ + + + +
+ + +
+ + + + +
sen sen sen sen sen sen
cos cos cos cos
sen sen sen sen


( ) ( ) }
+ + + d d d d dd d C
1
2
2
2 2
1
2
2
2
3
2 2
2
2
1 2
2
3 1 2
1 2 1 2
2 cos cos cos cos



Occorre calcolare

1 2 1 2
, ,C


1 2 1
2 2
1
2 l l
l
,
2 3 2
2 2
2
2 l l
l


( )
C M V V

1 2 1 2

V
l
V
l
V V V V
l l l l

1 2 1 1 2 1
1
2
1
1
+
V
l
V
l
V V V V
l l l l

2 3 2 2 3 2
2
3
2
2
+

( ) ( )( ) [ ] ( )
M V V M V V V V M V
l l l l l l l

1 2 2 1 3 2 2 2
2 2 2


La
( )

S
2
diventa allora:


( ) [ ]
( ) ( ) ( )
[ ]
( ) ( )
[ ]



S d
l l l
d
d d d dd d
d d d d d d d
d d d d d d
2
2
2 2
1 1
2 2
1 3
2 2
2 1 2 1 2 2
2 2
2
2
1
2
2
2 2
1
2
2
2
3
2 2
2
2
1 2
2
3 1 2
2
1
2
2
2 2
1 2
2
3
2 2
2 1 2 1 2
2
1
4
2
1
4
2 2 2
1
4
2
1
2
+ + + + +
+ +
+ + + + +
+
sen sen sen sen sen sen
cos cos cos cos
sen sen sen sen


[ ]
d d d d d
l 2
2
1
2 2
1 3
2 2
2 1 3 1 2
2
cos cos cos cos +

La propagazione dellerrore 23


2.4.6. Esempio n 6
Vediamo il medesimo esercizio risolto facendo uso dello Jacobiano.

C J C J
SS S d S
t

C J C J
l ll l
t

C I
ll
l
l
l
l

2
2
2
2
0 0
0 0
0 0
, J
l

1 1 0
0 1 1

C
l l

11 0
0 11
1 0 0
0 1 0
0 0 1
1 0
1 1
0 1
1 1 0
0 11
1 0
1 1
0 1
2 2

C
l

2
2 1
1 2

C I
dd
d
d
d
d

2
2
2
2
0 0
0 0
0 0
, C
d
l l
l l
d
d
d

2
2
0
0
0 0
0 0
0 0
2 2
2 2
2
2
2

J
S S S
d
S
d
S
d
S

1 2 1 2 3

J dd d d d d d d
S
+
1
2
1 2 1 2 3 2 2 1 1 1 3 2 2 2
cos cos sen sen sen sen


( ) ( )
( ) ( )
( )
( )
( )
C J
dd d d
dd dd
d
d d
d
SS S
l l
l l
l
l
l

+
+





2
1 2 1
2
2 3 2
2
1 2 1
2
2 3 2
2
2 1
2
1 1 3 2
2
2 2
1
2
1
2
1
2
1
2
1
2
cos cos
cos cos
sen
sen sen
sen


( )
( ) ( )
( ) ( ) ( )
( )
C dd dd d dd d
dd d d d
d
SS l l l
l d d
d
+
+ + + + +
+
1
2
1
4
1
4
1
2
1
4
1
4
1
4
1 2 1
2
2
1 2
2
3 1 2
2
1 2
2
3 1 2
2
2 3 2
2
2
2 1
2
2
1 1 3 2
2
2
2 2
2
2
cos cos cos cos cos
cos sen sen sen
sen






[ ]
[ ]
C d d d dd d
dd ddd dd
SS d
l
+ + + + +
+ +
1
4
2
1
2
2
2 2
1 1
2 2
1 3
2 2
2 1 3 1 2 2
2 2
2
2
1
2
2
2 2
1 1 2
2
3 1 2 2
2
3
2 2
2
2
sen sen sen sen sen sen
cos cos cos cos



La propagazione dellerrore 24



( ) ( ) [ ]
[ ]
C d d d d dd
d d dd d
SS d
l
+ + + + +
+ +
1
4
2
1
2
1
2
2
2 2
1 2
2
3
2 2
2 1 3 1 2
2
2
2
1
2 2
1 1 3 1 2 3
2 2
2
2
sen sen sen sen
cos cos cos cos