Professional Documents
Culture Documents
Forcellini”
Modulo 3:
CAMPO OPERATIVO E APPLICAZIONI DI TRIGONOMETRIA – TEORIA DEGLI ERRORI
Unità Didattica 3:
TEORIA DEGLI ERRORI
3.1 TEORIA DEGLI ERRORI DI MISURA
L' impiego di strumenti di misura, in Topografia così come nelle altre discipline tecniche, richiede la applicazione di
metodi e di teorie scientifiche che permettano di quantificare l'approssimazione dei valori misurati.
3.1.2.2 Distribuzione normale della frequenza degli errori in una serie di misure ripetute di
eguale precisione
La Legge di distribuzione degli errori accidentali di GAUSS lega gli errori x definiti in [3.1] e le frequenze relative f
della loro esistenza all'interno di una serie di n misure attraverso la relazione:
h
f = ⋅ e−h x
2 2
[ 3.5 ]
n
nella quale:
• h è una costante che viene spesso chiamata modulo o precisione,
• e è la base dei logaritmi Neperiani (e = 2.7182818…).
Il grafico (fig.3.1) della funzione [3.5] ottenuto riportando in ordinate le f e in ascisse le x assume la caratteristica
forma "a campana" chiamata Gaussiana.
Come si vede gli errori più probabili sono quelli vicini a zero e, all'aumentare dei valori assoluti di x , la frequenza
decresce in modo simmetrico.
[ 3.7 ] m=±
∑x i
2
i
n
con n = numero di misure che compongono la serie.
La superficie racchiusa tra un arco della curva e l'asse delle ascisse (trapezoide) esprime la somma delle frequenze
e cioè la probabilità che si verifichino errori di entità compresa fra le ascisse degli estremi dell'arco. Se si esamina
l'intervallo -m ÷ +m si può dimostrare che la probabilità è pari al 68.3 % .
E' molto raro, in Topografia, avere a disposizione un valore X talmente preciso da poterlo ritenere vero. Per lo più il
valore vero è incognito e lo scopo delle operazioni di misura è quello di determinare il valore più probabile di una
grandezza e la sua approssimazione.
In conseguenza a quanto esposto si ha che anche i valori x degli errori sono incogniti. Il problema è risolto at-
traverso la sostituzione del valor vero con il valore medio Vm di una serie di n misure dato dalla relazione:
[ 3.8 ] Vm =
∑V i i
valida solo nell' ipotesi che le misure della serie abbiano tutte la stessa precisione. Il caso di misure di diversa
precisione sarà affrontato più avanti. Le differenze tra i valori Vi e il Vm prendono il nome di scarti vi :
[ 3.9 ] vi = Vi - Vm
La distribuzione degli scarti, per un numero di misure elevato e nell' ipotesi che queste siano affette solamente da
errori accidentali, coincide con quella di GAUSS e prende il nome di distribuzione normale. Cambia la
formulazione dello scarto quadratico medio (s.q.m.) m dato dalla:
[ 3.10 ] m=±
∑v 2
i i
n −1
Questo valore esprime l'errore mediamente commesso in ciascuna misura e quindi rappresenta una valutazione
della precisione della serie.
Attraverso la [3.6] si può vedere che la forma della curva gaussiana è influenzata dal valore m : in particolare, a
valori più piccoli dello s.q.m., corrisponde una forma più slanciata del grafico e quindi una precisione più elevata.
La probabilità di ottenere misure con valori compresi entro un intervallo è sempre data dalla superficie racchiusa
fra l'arco di curva considerato e l'asse delle ascisse. Se si allarga l'intervallo la probabilità ovviamente aumenta e si
ha che:
intervallo valori probabilità
Vm - m ÷ Vm + m 68.3 %
Vm - 2m ÷ Vm + 2m 95.4 %
Vm - 3m ÷ Vm + 3m 99.7 %
Come si vede solo 3 misure su 1000 possono avere scarti maggiori di 3m in valore assoluto, per questa ragione le
misure affette da scarti maggiori di 3m, vengono considerate come affette da errori non tollerabili e quindi escluse
dalla serie.
Il valore t dato dalla:
[ 3.11 ] t = ± 3m
si chiama perciò tolleranza e può essere considerato come il massimo valore degli scarti dovuti ad errori
accidentali. In altri termini gli scarti maggiori di in valore assoluto si considerano dovuti ad errori grossolani.
Se nella serie si verificano misure affette da errori non tollerabili, queste, si è detto, devono essere eliminate e
quindi si dovrà procedere nuovamente alla determinazione del Vm con la [3.8], degli scarti vi con la [3.9] e di m
con la [3.10].
Molto utile risulta il calcolo dello s.q.m. del valor medio dato dalla:
[ 3.12 ] M=
±m
=±
∑ v2
i i
n n ⋅ ( n − 1)
Il valore M esprime l'errore mediamente commesso nel ritenere coincidenti il valor medio Vm e il valor vero X.
La probabilità che il valore vero X cada nell' intervallo [Vm-M ÷ Vm+M] è del 68.3 %.
Il risultato finale della serie di misure può essere espresso quindi dalla:
[ 3.13 ] V = Vm ± M
Non sempre la distribuzione degli scarti può essere assimilata a quella normale, in questi casi la probabilità di
ottenere misure con valori compresi in intervalli predeterminati non può essere valutata con la Legge di GAUSS, ma
altre teorie (diseguaglianza di TCHEBICHEFF) assicurano che:
intervallo valori probabilità
Vm - 2m ÷ Vm + 2m > 75 %
Vm - 3m ÷ Vm + 3m > 89 %
Osservazione.
In base a quanto esposto si può affermare che è lecito utilizzare la teoria di Gauss anche con distribuzioni degli
scarti difformi dalla curva a campana.
Questa notazione è particolarmente importante in Topografia dove l'esiguità numerica delle misure che
compongono una serie, renderebbe assai difficoltosa l'analisi della distribuzione degli scarti.
3.1.2.4 - Scarto quadratico medio nelle misure ripetute con diversa precisione
Un altro problema che si può presentare è quello di una misura ripetuta con strumenti diversi o comunque in modo
tale che i valori ottenuti abbiano diversa precisione. Il valore più probabile della misura può essere calcolato come
media pesata dei valori determinati, usando come peso della misura iesima:
pi = 1 / mi²
dove mi è lo s.q.m. della misura iesima. In formule:
Vm =
∑ pVi i i
∑p
[ 3.14 ]
i i
[ 3.15 ] m=±
∑ i
p i v i2
n −1
dove vi sono gli scarti delle misure dal valor medio. Lo scarto quadratico medio del valor medio diviene:
m
M =
∑ i pi
[ 3.16 ]
[3.13] V = Vm ± M
[ 3.18 ] ms = m n
dove:
ms è lo s.q.m. della somma (algebrica) delle misure,
m = mi è lo s.q.m. della singola misura elementare,
n è il numero di misure elementari che compongono la misura totale.
Una misura diretta può essere ottenuta anche come somma (algebrica) di porzioni elementari determinate con
precisioni diverse. In questo caso la relazione [3.18] non è più valida e deve essere sostituita dalla:
[ 3.19 ] ms = ∑m i i
2
con i = 1 ÷ n
dove ms è sempre lo s.q.m. della misura totale, ottenuta come somma delle n misure elementari aventi s.q.m. mi.
[ 3.20 ] ( )
f i x1 ⋅ ⋅ ⋅ x i ⋅ ⋅ ⋅ x n1 = y j con i = 1 ÷ m e j = 1 ÷ n
[ 3.21 ] ( )
f i x1 ⋅ ⋅ ⋅ x i ⋅ ⋅ ⋅ x n1 − Y j = v i con i = 1 ÷ m
nelle quali i valori vi vengono chiamati "scarti". Queste equazioni devono essere rese omogenee dimensionalmente
e ridotte alla stessa precisione attraverso la moltiplicazione di ambo i membri con le radici dei pesi pi calcolati con
la [3.13].
[ 3.22 ] [ ( ) ]
pi ⋅ f i x1 ⋅ ⋅ ⋅ xi ⋅ ⋅ ⋅ x n1 − Y j = vi pi con i = 1 ÷ m
Il principio dei minimi quadrati dimostra che i valori più probabili delle n quantità incognite Yj sono quelli che
rendono minima la sommatoria dei quadrati degli scarti vi:
Si ottengono così n equazioni nelle n incognite Yj che formano il cosiddetto "sistema normale":
∂ ( Σ i p i v i2 )
[ 3.24 ] = 0 con j = 1 ÷ n
∂ Yj
La soluzione di questo sistema consente di determinare i valori incogniti Yj e quindi, con le [3.21], di calcolare gli
scarti vi . Lo s.q.m. della unità di peso può essere calcolato quindi con la :
Σ i pi vi2
[ 3.25 ] m0 =
m−n
che fornisce una valutazione globale della precisione ottenuta.
Spesso nella letteratura specializzata si operano distinzioni all' interno della casistica delle compensazioni rigorose
delle misure iperdeterminate.
Esempio:
misure dirette o indirette condizionate,
misure dirette o indirette sovrabbondanti,
compensazione per variazione di coordinate.
E' necessario rilevare che tutti i metodi che vengono impiegati nelle applicazioni, derivando dallo stesso principio
dei minimi quadrati, conducono a risultati identici in quanto indipendenti dalla metodica di impostazione del
calcolo.
Tutti i metodi determinano sistemi normali formati da equazioni di primo grado (sistemi lineari) che possono essere
risolti con algoritmi legati all'algebra delle matrici. In particolare, essendo simmetriche le matrici dei coefficienti
delle incognite, si può impiegare il metodo risolutivo di CHOLESKY, con notevoli semplificazioni del calcolo.
Dalla soluzione del sistema normale, che avviene mediante la inversione della matrice dei coefficienti delle
incognite, si possono ricavare informazioni sulla precisione dei valori calcolati: lo s.q.m. sui valori delle coordinate o
delle quote determinate e anche (nei problemi planimetrici) i parametri della ellisse d'errore (o ellisse a pedale, in
fig.3.2), che racchiude l'area entro la quale risiede la vera posizione planimetrica del punto cercato, con una
probabilità del 39%.
Fig. 3.2 - Ellisse di errore del punto P determinato per intersezione diretta multipla,
rappresentata in scala fortemente ingrandita.