La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

Distribuzione degli Errori di Misura

Copie: 1
Distribuzione degli Errori di Misura La distribuzione normale Johann Carl Friedrich Gauss ( )

Presentazioni simili


Presentazione sul tema: "Distribuzione degli Errori di Misura"— Transcript della presentazione:

1 Distribuzione degli Errori di Misura
La distribuzione normale

2 DISTRIBUZIONE DEGLI ERRORI DI MISURA
Si supponga di eseguire, in condizioni assai simili e con lo stesso metodo analitico, un gran numero di titolazioni di una soluzione di glucosio avente concentrazione θ=90 mg/dl, e di riportare in grafico le frequenze relative dei valori ottenuti (x) con le prime 20, 40, misure.

3

4 LA FORMA DELLA DISTRIBUZIONE DEGLI ERRORI DI MISURA
All'aumentare del numero di misure, i valori tendono ad accentrarsi attorno alla loro media e l'istogramma assume una forma a campana sempre più regolare, che può essere approssimata con una funzione reale nota come funzione di gauss o funzione normale.

5

6 La funzione di Gauss (1) Gli errori casuali di misura ( = x - ), considerati nel loro complesso, mostrano un comportamento tipico che può essere così descritto: Gli errori piccoli sono più frequenti di quelli grandi; Gli errori di segno negativo tendono a manifestarsi con la stessa frequenza di quelli con segno positivo; All'aumentare del numero delle misure si ha che 2/3 dei valori tendono ad essere inclusi nell'intervallo media  1 deviazione standard Il 95%  dei valori tende ad essere incluso nell'intervallo media  2 deviazioni standard

7 La funzione di Gauss (2)

8 La funzione di Gauss (3) dove:  è la deviazione standard della totalità delle misure;   μ è la media della totalità delle misure; e = base dei logaritmi naturali ( e = ).  è il rapporto tra circonferenza e diametro  = );

9 La funzione di Gauss standard
Si può trasformare una generica funzione gaussiana f(x) con media e varianza {,2} ,  in ф(z)  funzione gaussiana standard con media 0 varianza 1, { =0 , 2 =1 } se si pone : la relazione inversa collega (z) alla variabile originale (x) deviata gaussiana standard

10

11 Attenzione! Tutte le gaussiane hanno la stessa identica forma, benché quelle con deviazione standard maggiore siano più larghe e più basse di quelle con deviazione standard minore. Se restringo od allargo la silhouette di un micio ottengo sempre la silhouette di un micio ...

12 ... certamente Non otterrò la silhouette di un orso

13 F(z*) rappresenta la distribuzione cumulativa di f(z).
L'area sottesa alla funzione di Gauss, da -∞ ad un dato valore z=z*, indica la frequenza relativa dei valori z  z*. Tale area è data dall'integrale di f(z) definito tra - e z*: F(z*) rappresenta la distribuzione cumulativa di f(z).

14 Deviata gaussiana Standard: Aree per z>+z* (o per z<-z*)
.00 .01 .02 .03 .04 .05 .06 .07 .08 .09 0.0 .50000 .49601 .49202 .48803 .48405 .48006 .47608 .47210 .46812 .46414 0.1 .46017 .45620 .45224 .44828 .44433 .44038 .43644 .43251 .42858 .42465 0.2 .42074 .41683 .41294 .40905 .40517 .40129 .39743 .39358 .38974 .38591 0.3 .38209 .37828 .37448 .37070 .36693 .36317 .35942 .35569 .35197 .34827 0.4 .34458 .34090 .33724 .33360 .32997 .32636 .32276 .31918 .31561 .31207 0.5 .30854 .30503 .30153 .29806 .29460 .29116 .28774 .28434 .28096 .27760 0.6 .27425 .27093 .26763 .26435 .26109 .25785 .25463 .25143 .24825 .24510 0.7 .24196 .23885 .23576 .23270 .22965 .22663 .22363 .22065 .21770 .21476 0.8 .21186 .20897 .20611 .20327 .20045 .19766 .19489 .19215 .18943 .18673 0.9 .18406 .18141 .17879 .17619 .17361 .17106 .16853 .16602 .16354 .16109 1.0 .15866 .15625 .15386 .15151 .14917 .14686 .14457 .14231 .14007 .13786 1.1 .13567 .13350 .13136 .12924 .12714 .12507 .12302 .12100 .11900 .11702 1.2 .11507 .11314 .11123 .10935 .10749 .10565 .10383 .10204 .10027 .09853 1.3 .09680 .09510 .09342 .09176 .09012 .08851 .08691 .08534 .08379 .08226 1.4 .08076 .07927 .07780 .07636 .07493 .07353 .07215 .07078 .06944 .06811 1.5 .06681 .06552 .06426 .06301 .06178 .06057 .05938 .05821 .05705 .05592 1.6 .05480 .05370 .05262 .05155 .05050 .04947 .04846 .04746 .04648 .04551 1.7 .04457 .04363 .04272 .04182 .04093 .04006 .03920 .03836 .03754 .03673 1.8 .03593 .03515 .03438 .03362 .03288 .03216 .03144 .03074 .03005 .02938 1.9 .02872 .02807 .02743 .02680 .02619 .02559 .02500 .02442 .02385 .02330 2.0 .02275 .02222 .02169 .02118 .02068 .02018 .01970 .01923 .01876 .01831

15 Deviata gaussiana Standard: Aree per z>+z* (o per z<-z*)
.00 .01 .02 .03 .04 .05 .06 .07 .08 .09 2.1 .01786 .01743 .01700 .01659 .01618 .01578 .01539 .01500 .01463 .01426 2.2 .01390 .01355 .01321 .01287 .01255 .01222 .01191 .01160 .01130 .01101 2.3 .01072 .01044 .01017 .00990 .00964 .00939 .00914 .00889 .00866 .00842 2-4 .00820 .00798 .00776 .00755 .00734 .00714 .00695 .00676 .00657 .00639 2.5 .00621 .00604 .00587 .00570 .00554 .00539 .00523 .00508 .00494 .00480 2.6 .00466 .00453 .00440 .00427 .00415 .00402 .00391 .00379 .00368 .00357 2.7 .00347 .00336 .00326 .00317 .00307 .00298 .00289 .00280 .00272 .00264 2.8 .00256 .00248 .00240 .00233 .00226 .00219 .00212 .00205 .00199 .00193 2.9 .00187 .00181 .00175 .00169 .00164 .00159 .00154 .00149 .00144 .00139 3.0 .00135 .00097 .00069 .00048 .00034 .00023 .00016 .00011 .00007 .00005 4.0 .00003 .00002 .00001 .00000 tabella calcolatrice

16 Detto p (0<p<1) il va-lore dell'area a destra di +z
Detto p (0<p<1) il va-lore dell'area a destra di +z*, l'area a sinistra di +z* vale (1-p). L'area compresa tra due valori z1*< z2* si ricava per differenza (1-p1-p2), dove p1 è il valore dell'a-rea a sinistra di z1*, e p2 quello dell'area a destra di z2*.  L'area a sinistra di -z* è uguale all'area a destra di +z*. Detto p (0<p<1) il valore di tale area, l'area esterna a z* vale 2p, e l'area interna vale (1-2p).

17 APPLICAZIONE DELLA DEVIATA GAUSSIANA STANDARD
In una popolazione di ragazze di età inclusa tra i 18 e i 25 anni, la concentra-zione di emoglobina nel sangue (x) approssima la distribuzione gaussiana con media =13.1 g/dl e deviazione standard =0.7 g/dl. In base a queste sole informazioni possiamo calcolare, ad esempio, quante ragazze hanno emoglo-binemia inclusa tra e g/dl Infatti: z1 = = -1.2 z2 = = +0.6 Distribuzione dell'emoglobina in una popolazione di ragazze di età compresa tra i 18 e i 25 anni. Nell'11% delle ragazze i valori di Hb  sono minori di g/dl, e nel 27% sono maggiori di g/dl. Quindi il 62% delle ragazze ha valori di Hb compresi tra e g/dl.

18 La funzione di Gauss 1) qual è l'area sottesa alla curva gaussiana fra z=0 e z=1.43 ? 1) p(0  z  1.43) = ? 2) p(z  0.55) 3) p(z  ‑0.55) 4) p(z < ‑ 2.33) 5) p(|z| < 1.28) 6) p(z < 2.33) 7) p( ‑ 1.96  z  1.96) 8) p( ‑ 2.58  z  2.58) 9) p(‑ 1.65  z  1.65) 10) p( z = .74).

19 La funzione di Gauss 1) qual è la deviata gaussiana z1 corrispondente all’area P(…) ? 11) p( z  z1) = 0.0055 z1=? 12) p(  z  z1 ) 0.9718 13) p( z > z1 ) 0.0384 14) p(z1  z  1.28) 0.1117 15) p(‑z1  z  z1) 0.8132 16) p( z > z1) 17) p( - ∞  z  z1 ) 0.9999 18) p( |z| > z1 ) 2/3 19) 1/3 20) p( |z|  z1 ) 0.95

20 La funzione di Gauss 1) qual è l'area sottesa alla curva gaussiana fra z=0 e z=1.43 ? 1) p(0  z  1.43) = 2) p(z  0.55) 3) p(z  ‑0.55) 4) p(z < ‑ 2.33) 5) p(|z| < 1.28) 6) p(z < 2.33) 7) p( ‑ 1.96  z  1.96) 0.95 8) p( ‑ 2.58  z  2.58) 0.99 9) p(‑  z  1.648) 0.90 10) p( z = 0.74). 0.0

21 La funzione di Gauss 1) qual è la deviata gaussiana z1 corrispondente all’area P(…) ? 11) p( z  z1) = 0.0055 z1= 12) p(  z  z1 ) 0.975 z1= 13) p( z > z1 ) 0.0384 z1= 14) p(z1  z  1.28) 0.1117 z1= 15) p(‑z1  z  z1) 0.8132 z1= 16) p( z > z1) z1= 17) p( - ∞  z  z1 ) 0.9999 z1= 18) p( |z| > z1 ) 2/3 z1= 19)  p( - ∞  z  z1 ) 1/3 20) p( |z|  z1 ) 0.95 z1= 1.96

22 Data la distribuzione normale standardizzata, trova l'area sottesa alla curva compresa fra z=-∞ e z=2 Soluzione: Sul grafico della distribu­zione normale standardizzata tratteggiamo l'area richiesta, come in figura 1. Individuiamo z=2 nella tabella e il corrispondente valore all'interno della tabella: p= Si trova che l'area richiesta è uguale a: p = = Possiamo interpretare p come una frequenza relativa (o proporzione) di valori di z fra -∞ e 2, o possiamo dire che il 97.73% dei valori z ha un valore compreso fra - e 2. distribuzione normale standardizza-ta in cui è messa in evidenza l'area compresa fra z=-∞ e z= 2

23 Qual è la proporzione di valori di z compresi fra -2.74 e 1.53?
Soluzione: L'area richiesta è quella tratteggiata nella fi­gura. Troviamo nella tabella che l'area compresa fra e + è e l'area compresa fra - e è Per ottenere la proporzione richiesta sottraiamo all’area totale della tabella le due percentuali tro­vate, e cioè: P(-2.74  z 1.53) = = distribuzione normale standardizza-ta in cui è messa in evidenza l'area compresa fra z = e z=1.53

24 Data la distribuzione normale standardizzata, trova P(z  2.71)
Soluzione: L'area richiesta è quella tratteggiata nella figura. Dalla tabella di ottiene direttamente la quantità cercata, pertanto, il risultato è: P(z  2.71) = grafico della distribuzione normale standardizzata che evidenzia P(z2.71).

25 Data la distribuzione normale standardizzata, trova P(.84  z  2.45),
Soluzione: L'area richiesta è quella tratteggiata nella figura. Dapprima otteniamo l'area fra 0.84 e ∞ + e da essa sottraiamo l'area fra 2.45 e +∞ . Cioè, P(0.84  z  2.45) = =P(z>0.84) ‑ P(z>2.45) = = distribuzione normale standardizzata che evidenzia P(0.84  z  2.45)


Scaricare ppt "Distribuzione degli Errori di Misura"

Presentazioni simili


Annunci Google