Insegnamento integrato di:

Misure e Strumentazione Industriale

Laboratorio di Energetica
Introduzione alla Statistica
Statistica nelle misure
Sezione di Misure e Tecniche Sperimentali

Fenomeni aleatori

22

I fenomeni aleatori (o casuali) sono fenomeni empirici il

cui risultato non prevedibile a priori, caratterizzati cio
dalla propriet che la loro osservazione in un insieme
fissato di circostanze non conduce sempre agli stessi
risultati.
Non si ha una regolarit deterministica, bens di tipo
statistico, in quanto nell'osservazione del fenomeno in
oggetto si pu notare che, nonostante l'irregolare
comportamento dei singoli risultati, questi nel loro
complesso manifestano determinati caratteri di
regolarit.

Introduzione alla statistica

33
Probabilit discreta: dado a 6 facce

Introduzione alla statistica

Probabilit discreta: funzioni statistiche

44

Funzione di densit discreta f(x)

Probabilit evento

punti massa
0.5

1/6

Probabilit cumulata evento

0
-2

Introduzione alla statistica

-1

2
3
4
5
6
Evento: faccia dado
Funzione di probabilit cumulata discreta F(x)

0.5

1/6

2/6

3/6

4/6

5/6

0
-2

-1

2
3
4
Evento: faccia dado

55
Valore atteso

Valore atteso:

Il valore atteso indica il baricentro della distribuzione e pu

non coincidere con uno dei suoi punti di massa.
Nel caso del dado a 6 facce:

Introduzione alla statistica

66
Varianza e deviazione standard

Varianza:

Indica il momento di inerzia della distribuzione, cio la sua

dispersione attorno al valore medio.
Deviazione standard (scarto quadratico medio):

Introduzione alla statistica

77
Variabili aleatorie continue
Ipotizziamo di avere un serbatoio il cui livello pu variare con
continuit fra 0 e 100 e che non presenti valori di livello pi probabili di
altri.
100
90
80
70
60
50
40
30

20
10
0
1

0.5

-0.5

-1

-0.5

0.5

Quanto vale la probabilit associata ad un preciso valore di livello:

Introduzione alla statistica

Serbatoio: 100 osservazioni

88

Istogramma occorrenze - N = 100

Numero occorrenze

15
10
5

15

25

35

45
55
65
Livello serbatoio
Istogramma - N = 100

75

85

95

0.02

Aggiungere una struttura con un clic

f(x)

0.015
0.01
0.005
0

15

25

Introduzione alla statistica

35

45
55
65
Livello serbatoio

75

85

95

99

Serbatoio: 1000 e 100mila osservazioni

Istogramma occorrenze - N = 1000

Istogramma occorrenze - N = 100000

100

Numero occorrenze

Numero occorrenze

10000

50

15

25

35

45
55
65
Livello serbatoio
Istogramma - N = 1000

75

85

5000

95

0.015

0.01

0.01

15

25

35

45
55
65
Livello serbatoio
Istogramma - N = 100000

75

85

95

15

25

35

75

85

95

f(x)

f(x)

0.015

0.005

0.005

15

25

35

45
55
Livello serbatoio

65

75

85

95

45
55
Livello serbatoio

65

L'aumento delle osservazioni porta ad una maggiore conoscenza del

fenomeno aleatorio
Introduzione alla statistica

10
10

Serbatoio: 100mila osservazioni

Istogramma - N = 100000

Istogramma occorrenze - N = 100000

0.012

Numero occorrenze

10000

0.01
5000

0.008
5

15

25

35

45
55
65
Livello serbatoio
Istogramma - N = 100000

75

85

95

f(x)

0.006

0.015

0.004
f(x)

0.01

0.002

0.005

15

25

35

45
55
Livello serbatoio

65

75

85

95

0
0

10

20

30

40
50
60
Livello serbatoio

70

80

90

100

Riducendo le ampiezze delle basi degli istogrammi (aumentando la

risoluzione) il fenomeno non mantiene la propria regolarit
Introduzione alla statistica

11
11

Serbatoio: 10 milioni di osservazioni

Istogramma - N = 10000000

Istogramma occorrenze - N = 10000000

x 10

0.012

0.01
5
0.008
0

15

25

35

45
55
65
Livello serbatoio
Istogramma - N = 10000000

75

85

95
f(x)

Numero occorrenze

10

0.006

0.015
0.004
f(x)

0.01
0.002

0.005

15

25

35

45
55
Livello serbatoio

65

75

85

95

0
0

10

20

30

40
50
60
Livello serbatoio

70

80

90

100

Riducendo le ampiezze delle basi degli istogrammi il fenomeno ora

mantiene la propria regolarit
Introduzione alla statistica

12
12

Funzione densit di probabilit per v.a. continue

Si intuisce che se avessimo una conoscenza completa del

fenomeno aleatorio N , potremmo fare tendere a 0 la
base degli istogrammi. Si continuerebbe ad avere un numero
finito di osservazioni in ogni intervallo.
Questo passaggio al limite ci consente di ottenere una
funzione continua: la funzione densit di probabilit (per v.a.
continue).

Introduzione alla statistica

Distribuzione continua uniforme o rettangolare

13
13

Introduzione alla statistica

14
14

Indici statistici

Introduzione alla statistica

f(x) discrete Vs f(x) continue

15
15

La differenza fra le funzioni densit discrete e continue non

solo formale (sostituzione delle sommatorie con gli integrali):

f(x) per v.a. discrete esprimono una probabilit

f(x) per v.a. continue esprimono una densit di

probabilit: la probabilit associata ad intervalli e si
determina quindi mediante un'operazione di integrazione

Introduzione alla statistica

v.a. continue: calcolo probabilit

Introduzione alla statistica

16
16

17
17

Famiglie di distribuzioni

Tutte le funzioni che soddisfano le propriet analizzate

precedentemente sono possibili funzioni densit di
probabilit
Solo alcune di esse sono per adeguate per modellare
particolari fenomeni fisici
In questo corso sono di interesse:
Uniforme (gi analizzata)
Normale o Gaussiana
T-Student

Introduzione alla statistica

18
18

Distribuzione Normale o Gaussiana

PDF gaussiana standardizzata
0.4

f(x)

0.3

1
f ( x, , )
e
2

0.2

x 2
2 2

0.1
0
-4

x
-3

-2

-1

0
1
X
CDF gaussiana standardizzata

F(x)

0.5

0
-4

-3

Introduzione alla statistica

-2

-1

0
X

La normale o
gaussiana la
distribuzione che
descrive la maggior
parte dei fenomeni
fisici in campo
ingegneristico.

Distribuzione normale o gaussiana N(, )

19
19

La distribuzione gaussiana completamente descritta da due

parametri: media e varianza 2.
Influenza della media

Influenza della deviazione standard

0.4

0.7
0
1
2

0.35

0.5
1
2

0.6

0.3

0.5

0.25
0.4
0.2
0.3
0.15
0.2

0.1

0.1

0.05
0
-5

0
-5

Introduzione alla statistica

Caratteristiche della Gaussiana

circa il 68% della distribuzione

compreso nellintervallo centrato
su e di estremi
circa il 95.5% della distribuzione
compreso nellintervallo centrato
su e di estremi 2
circa il 99.7% della distribuzione
compreso nellintervallo centrato
su e di estremi 3

Introduzione alla statistica

20
20

Distribuzione normale standard N(,1)

21
21

Di particolare importanza la normale standard, ovvero la

distribuzione normale che ha media 0 e varianza (e deviazione
standard) pari a 1 (si indica con N(0,1)).

Propriet: se X N(,2)
se X una variabile distribuita secondo una normale di media e
varianza 2, la variabile
distribuita secondo una normale
standard.

Z definita variabile standardizzata: consente un semplice uso delle

tabelle e consente di effettuare delle valutazioni normalizzate (es:
entro l'intervallo media 2 deviazioni standard compreso circa il 95%
della distribuzione, per qualsiasi distribuzione gaussiana).
Introduzione alla statistica

Distribuzione t-Student

Aggiungere una struttura con un clic

Introduzione alla statistica

22
22

23
23

Tabelle statistiche

Introduzione alla statistica

Relazioni utili

24

Per le distribuzioni simmetriche (Gaussiana, t-Student, ) valgono

le seguenti propriet:

Se la distribuzione a media nulla:

Introduzione alla statistica

25
25

Introduzione alla statistica

26
26

Introduzione alla statistica

27
27

Esempio uso tabelle statistiche

Si calcolino gli estremi dell'intervallo simmetrico rispetto alla

media che sottende il 90% di una N(30,4).
0.2
0.18

0.90

0.16
0.14

f(x)

0.12
0.1
0.08
0.06
0.04

0.05

0.05

0.02
0
22

24

26

28

30
X

32

34

36

38

Introduzione alla statistica

28
28
0.2

f(x)

0.15

0.90
0.05

0.05

0.1
0.05
0
22

24

26

28

30
X

32

34

0.2

36

38

0.95

f(x)

0.15

0.05

0.1
0.05
0
22

Introduzione alla statistica

24

26

28

30
X

32

34

36

38

29

29

Applicazione della
statistica alle misure

Introduzione alla statistica

30
Quando si effettua una misura si cerca di ottenere un
valore misurato che sia il pi vicino possibile al
valore vero (sconosciuto e non conoscibile) della
grandezza di interesse.

Introduzione alla statistica

31
Se si fanno ripetere le misure di lunghezza del pesce a
diversi pescatori si otterranno valori diversi.
Le cause della diversit delle misure rilevata sono
molte, e si possono schematizzare in due gruppi:
effetti sistematici (tirare la coda, misurare lungo la corda)
effetti casuali

Introduzione alla statistica

Altro esempio: misure ripetute nel tempo

effetti sistematici + casuali

32
effetti casuali

Come trattare tutte queste misure diverse ???

Soluzione: LA STATISTICA
Introduzione alla statistica

33

Altro esempio: misure di pressione di un recipiente

Numero
rilevazione

Lettura
[kPa]

10.02

10.20

10.26

10.20

10.22

10.13

9.97

10.12

10.09

10

9.90

11

10.05

12

10.17

13

10.42

14

10.21

15

10.23

16

10.11

17

9.98

18

10.10

19

10.04

20

9.81

Si sono effettuate 20 misure di

pressione in un recipiente:
Le misure non sono tutte uguali!
Quale la misura che possiamo dire
essere il valore di pressione esistente
nel recipiente ?

Introduzione alla statistica

34
Si pu procedere cos: si dispongano i dati rilevati in
ordine crescente e si suddividano in intervalli omogenei
(in questo caso si sceglie 0.05 kPa).
Si definisca:
n = numero di letture in un intervallo
N = numero totale di letture
a = ampiezza di un intervallo
e infine la funzione densit di probabilit discreta
(Z):
(Z):

n
Z
Na

Introduzione alla statistica

34

35
Numero di
letture
nellintervallo

Se si traccia un
Z
intervallo di altezza Z
per ogni intervallo si
ottiene:
n
n
Z

n
N a 20 0.05

Introduzione alla statistica

36

Ipotizzando:

Densit di probabilit
discreta
Introduzione alla statistica

a 0

Densit di probabilit
continua

Funzione densit
37 di probabilit

Probabilit
che a<x<b
b

p a X b f x dx
a

Probabilit
che x<a
a

F X a

f x dx

Funzione di distribuzione cumulata

Introduzione alla statistica

DISTRIBUZIONE STATISTICA

38

38

DELLE MISURE

Il teorema del limite centrale ci assicura che, sotto

opportune ipotesi, una misura esente da effetti
sistematici pu essere modellata mediante una
distribuzione gaussiana.

Introduzione alla statistica

39
LA FUNZIONE DI DENSITA NORMALE o
GAUSSIANA

1
f x
2

x 2
2 2

x
x

F x

f x dx

Introduzione alla statistica

40

LA GAUSSIANA E COMPLETAMENTE DESCRITTA DA

DUE PARAMETRI:

MEDIA
DEVIAZIONE STANDARD
( o la varianza 2 )

Introduzione alla statistica

41
INFLUENZA DI MEDIA E DEVIAZIONE STANDARD
DEVIAZIONE STANDARD
MEDIA

Introduzione alla statistica

42
NUMERO INFINITO DI CAMPIONI:

: MEDIA : DEVIAZIONE STANDARD

MA NON SI POSSONO EFFETTUARE UN
NUMERO INFINITO DI RILEVAZIONI :

SI DEVE TROVARE UN SISTEMA PER

STIMARE MEDIA E DEVIAZ. ST.
Introduzione alla statistica

SI UTILIZZANO I SEGUENTI

43

STIMATORI
N

Media
campionaria

i 1

Deviazione
standard
campionaria

x X

i 1

N 1

Con xi= singola lettura e N = numero rilevazioni

Introduzione alla statistica

44
AVENDO DIVERSE SERIE DI MISURAZIONI
POTREMO CALCOLARE PER OGNUNA DI
QUESTE LA MEDIA, ESSE NON SARANNO
TUTTE UGUALI E SI DISTRIBUIRANNO SU
UNA GAUSSIANA
DISTRIBUZIONE
DELLE MEDIE
CAMPIONARIE
m, m

X
DISTRIBUZIONE
CAMPIONARIA
,

m=
m

Introduzione alla statistica

Caratteristiche della Gaussiana

45
45

circa il 68% della distribuzione

compreso nellintervallo centrato
su e di estremi
circa il 95.5% della distribuzione
compreso nellintervallo centrato
su e di estremi 2
circa il 99.7% della distribuzione
compreso nellintervallo centrato
su e di estremi 3

Introduzione alla statistica

Si pu quindi stimare che:

46

46

Circa il 68%degli intervalli cos costruiti contiene il

valore vero (livello di confidenza 68%)

s
X
N

Circa il 95.5%degli intervalli cos costruiti contiene

il valore vero (livello di confidenza 95.5%)

2s
N

Circa il 99.7%degli intervalli cos costruiti contiene

il valore vero (livello di confidenza 99.7%)

X
Introduzione alla statistica

3s