Elementi di Statistica Elementi di statistica Marco Stages Estivi - Frascati 12/6/2007 Elementi di statistica Marco Dreucci 1/37.

Slides:



Advertisements
Presentazioni simili
Tema 1: Misura della probabilità di eventi Esempio: Sistema di trasmissione dati Schema di principio di un semplice sistema di trasmissione dati binario.
Advertisements

DISTRIBUZIONE BINOMIALE (cenni) DISTRIBUZIONE NORMALE
Corso di esperimentazione di fisica 1 Il metodo dei minimi quadrati
2. Introduzione alla probabilità
Variabili aleatorie discrete e continue
La probabilità.
Inferenza Statistica Le componenti teoriche dell’Inferenza Statistica sono: la teoria dei campioni la teoria della probabilità la teoria della stima dei.
Misura del coefficiente di attenuazione di massa μ/ρ
Stage ai Laboratori Nazionali di Frascati dell’INFN fase b 2005
Elementi di statistica Elementi di statistica M. Dreucci Masterclasses LNF Elementi di statistica M. Dreucci.
Misura Misura diretta Confronto diretto con l’unita’ di misura e/o multipli e sottomultipli Misura indiretta La grandezza da misurare e’ legata da una.
Padova 15 Marzo 2005 Masterclasses 2005Flavio Dal Corso Preparazione agli esercizi 1° esercizio: misura dei rapporti di decadimenti della Z°. Un po di.
Valutazione delle ipotesi
RELAZIONE LINEARE: I MINIMI QUADRATI (cenni)
Introduzione alla statistica per la ricerca Lezione I
Distribuzioni di probabilità
Instabilità nucleare.
Appunti di inferenza per farmacisti
Lezione 2 Vite medie e oscillazioni. Vite medie: motivazione Comprensione della dinamica delle interazioni forti –Effetti non perturbativi, W-exchange,
Corso di biomatematica lezione 4: La funzione di Gauss
Corso di biomatematica lezione 6: la funzione c2
STATISTICA a.a DISTRIBUZIONE BINOMIALE (cenni)
ISTOGRAMMI E DISTRIBUZIONI : i xixi
VERIFICA DEI RIFLESSI …Tutto ciò che avreste voluto sapere e non avete mai osato chiedere… M. & D.
Pag. 1 A.A A. Mostacci – Confronti fra misure Confronto fra misure 1. Confronto fra misure e valor atteso (previsione teorica, …) 2. Confronto.
Propagazione degli errori
Il rumore termico, definizione
Fisica laboratoriale Il Pendolo semplice.
Quale valore dobbiamo assumere come misura di una grandezza?
Grandezze e Misure.
Le distribuzioni campionarie
Statistica Che cos’è?.
Teorie e Tecniche di Psicometria
Unità 6 Test parametrici e non parametrici Test per la verifica della normalità Funzione di ripartizione.
TRATTAMENTO DEI DATI ANALITICI
Errori casuali Si dicono casuali tutti quegli errori che possono avvenire, con la stessa probabilità, sia in difetto che in eccesso. Data questa caratteristica,
Errori casuali Si dicono casuali tutti quegli errori che possono avvenire, con la stessa probabilità, sia in difetto che in eccesso. Data questa caratteristica,
Cap. 15 Caso, probabilità e variabili casuali Cioè gli ingredienti matematici per fare buona inferenza statistica.
Obbiettivo L’obiettivo non è più utilizzare il campione per costruire un valore o un intervallo di valori ragionevolmente sostituibili all’ignoto parametro.
Apparato sperimentale:
Misura di raggi cosmici
Grandezze e Misure
La variabile casuale poissoniana nell'ambito degli arrivi dei raggi cosmici Obiettivo: verificare che gli arrivi dei raggi cosmici seguono una distribuzione.
“Teoria e metodi della ricerca sociale e organizzativa”
Misura di una quantità fisica
Intervallo di Confidenza Prof. Ing. Carla Raffaelli A.A:
Modelli di variabili casuali
Elementi di statistica Le cifre significative
Distribuzioni di probabilità di uso frequente
La curva di Gauss Prof. Marco Lombardi.
Eventi aleatori Un evento è aleatorio (casuale) quando non si può prevedere con certezza se avverrà o meno I fenomeni (eventi) aleatori sono studiati.
La distribuzione campionaria della media
Elaborazione statistica di dati
1 Calcolo delle sezioni d’urto π + π - γ e μ + μ - γ in Kloe attraverso l’indagine statistica LABORATORI NAZIONALI DI FRASCATI STAGES ESTIVI RESIDENZIALI.
Metodologia della ricerca e analisi dei dati in (psico)linguistica 24 Giugno 2015 Statistica inferenziale
Studio fenomeni collettivi
TRATTAMENTO STATISTICO DEI DATI ANALITICI
Operazioni di campionamento CAMPIONAMENTO Tutte le operazioni effettuate per ottenere informazioni sul sito /area da monitorare (a parte quelle di analisi)
Elementi di statistica e probabilità Misure Meccaniche e Termiche - Università di Cassino 2 Eventi aleatori e deterministici Un evento aleatorio può.
Stima back of envelope dell’efficienza di segnale per particelle di carica frazionaria e reiezione del bkg – Segnale muon-like con ionizzazione media (1/3)^2.
In alcuni casi gli esiti di un esperimento possono essere considerati numeri naturali in modo naturale. Esempio: lancio di un dado In atri casi si definisce.
Corso PAS Misure, strumenti ed Errori di misura Didattica del Laboratorio di Fisica F. Garufi 2014.
Ipotesi operative TeoriaEsperienza diretta e/o personale Quesito Piano esecutivo Scelta popolazione Scelta strumenti Scelta metodi statistici Discussione.
1 Le leggi della fisica permettono di descrivere il mondo che ci circonda ed i fenomeni che lo caratterizzano Le leggi fisiche sono espresse in termini.
1 DISTRIBUZIONI DI PROBABILITÁ. 2 distribu- zione che permette di calcolare le probabilità degli eventi possibili A tutte le variabili casuali, discrete.
1 VARIABILI CASUALI. 2 definizione Una variabile casuale è una variabile che assume determinati valori in modo casuale (non deterministico). Esempi l’esito.
Probabilità Definizione di probabilità La definizione di probabilità si basa sul concetto di evento, ovvero sul fatto che un determinato esperimento può.
Scienze tecniche e psicologiche
Psicometria modulo 1 Scienze tecniche e psicologiche Prof. Carlo Fantoni Dipartimento di Scienze della Vita Università di Trieste Test di ipotesi.
Transcript della presentazione:

Elementi di Statistica Elementi di statistica Marco Stages Estivi - Frascati 12/6/2007 Elementi di statistica Marco Dreucci 1/37

1... diamo un senso Elementi di statistica Marco Stages Estivi - Frascati 12/6/2007 Elementi di statistica Marco Dreucci 2/37

… cosa e’ la Fisica delle Particelle Elementari ? Spiega il complesso mediante il semplice nel mondo dell’infinitamente piccolo nel mondo dell’infinitamente piccolo … Elementi di statistica Marco Stages Estivi - Frascati 12/6/2007 Elementi di statistica Marco Dreucci 3/37

all’attacco !!! … … applicando la ben nota manovra a tenaglia : il metodo scientifico sperimentali … … teorici Elementi di statistica Marco Stages Estivi - Frascati 12/6/2007 Elementi di statistica Marco Dreucci 4/37

piu’ son piccoli … Elementi di statistica Marco Stages Estivi - Frascati 12/6/2007 Elementi di statistica Marco Dreucci 5/37

… cosa si misura nella HEP ? Altro (ma di supporto) quantita’ di moto q di una particella ; energia E rilasciata in un calorimetro da una particella ; angoli e direzioni delle particelle che si producono ; intervalli temporali,  t ; efficienza di un rivelatore ; contaminazione in un campione ; …… Branching ratio (BR) vita media (  ) massa (m) costanti di accoppiamento …… Parametri fondamentali      , e + e -  Elementi di statistica Marco Stages Estivi - Frascati 12/6/2007 Elementi di statistica Marco Dreucci 6/37

N=200 lanci N=2000 lanci BR, branching ratio …e il determinismo dove e’ finito ?    K + K - (~ 49 %) K S K L (~ 34 %)       (~ 15 %)  (~ 1.3%) Canali BR Elementi di statistica Marco Stages Estivi - Frascati 12/6/2007 Elementi di statistica Marco Dreucci - Nel mondo dell’infinitamente piccolo le condizioni iniziali non possono essere determinate in modo completo (principio di indeterminazione). Ne segue che nel mondo delle particelle elementari le leggi sono sempre leggi di probabilita’. 7/37

una cosiddetta misura ‘semplice’ … Misura spessore cavo elettrico s (mm) frequenza N= Istogramma Errori casuali Errori sistematici Elementi di statistica Marco Stages Estivi - Frascati 12/6/2007 Elementi di statistica Marco Dreucci 8/37

una cosiddetta misura ‘difficile’ … Misura massa K L M (MeV) frequenza N=21132 Elementi di statistica Marco Stages Estivi - Frascati 12/6/2007 Elementi di statistica Marco Dreucci 9/37

il risultato di una operazione di misura … e’ una variabile aleatoria ! sperimteor sperimteor Le incertezze (sperimentali e/o teoriche) possono essere diminuite ; La situazione puo’ cambiare nel tempo… Elementi di statistica Marco Stages Estivi - Frascati 12/6/2007 Elementi di statistica Marco Dreucci 10/37

2 Variabile aleatorie e funzioni di distribuzione Elementi di statistica Marco Stages Estivi - Frascati 12/6/2007 Elementi di statistica Marco Dreucci 11/37

Indicatori fondamentali Valor medio Deviazione standard x = m   e x =  /m Elementi di statistica Marco Stages Estivi - Frascati 12/6/2007 Elementi di statistica Marco Dreucci ~  m x Si formano sempre istogrammi regolari, anche troppo ! Ogni istogramma segue qualche funzione di distribuzione 12/37

Tipi di variabili aleatorie (I) gaussiana VA : gaussiana FDD: gaussiana o normale o ‘campana’ errori casuali Misura di una grandezza ‘ben definita’, in presenza di errori casuali. tempo di caduta di un oggetto; spessore cavo elettrico ; massa di una particella massa di una particella ; durata di un macchinario ; misura di un intervallo di tempo binomiale VA : binomiale FDD: binomiale Si immagini una prova che abbia 2 possibili risultati: successo o insuccesso. Su N prove effettuate, il numero k di volte in cui si manifesta il successo e’ una variabile aleatoria, e ovviamente 0  k  N. risultato lancio di una moneta ; risultato lancio di un dado ; rivelazione di una data particella rivelazione di una data particella ; canale di decadimento per una particella ; misura dello spin di un elettrone poissoniana VA : poissoniana FDD: poissoniana Caso particolare di variabile binomiale : 1- il successo e’ un evento raro, p  0 ( p<0.1 ) 2- numero infinito di prove, N   ( N>50 ) # incidenti stradali in un anno ; # nascite al mese all’ospedale ; # decadimenti in 5 min di una sostanza radioattiva sostanza radioattiva ; # di eventi in un “bin” di un istogramma Elementi di statistica Marco Stages Estivi - Frascati 12/6/2007 Elementi di statistica Marco Dreucci 13/37

Tipi di variabili aleatorie (II) poissoniana VA : poissoniana FDD: poissoniana p = probabilita’ successo Nascite in un ospedale Se m=25/mese su N=15207:  =5/mese ; p=0.0016/mese Sostanza radioattiva se p=1.5  /min e N=10 9 : m=6.7/min ;  =2.6/min Entries/bin Es.: misura massa K L (next) gaussiana VA : gaussiana FDD: gaussiana o normale o ‘campana’ p = ? Misura massa particella Se m=139 ;  =2 : P(m  )  P(m  2  )  P(m  3  )  Elementi di statistica Marco Stages Estivi - Frascati 12/6/2007 Elementi di statistica Marco Dreucci binomiale VA : binomiale FDD: binomiale p = probabilita’ successo Rivelatore Rivelatore - p=0.62 ; N=50 -> m=31;  =3 (10%) N=10 3 -> m= 620 ;  = 15 (2.4%) N=10 6 -> m= ;  = 485 (0.08%) Canale di decadimento   K S K L : se N=200 e p=0.34 : m=68 ;  =7 14/37

una cosiddetta misura ‘difficile’ … Misura massa K L M (MeV) frequenza N=21132 Elementi di statistica Marco Stages Estivi - Frascati 12/6/2007 Elementi di statistica Marco Dreucci 15/37

Misura massa particella … fdd gaussiana M (MeV) f f M (MeV) f M (MeV) M (MeV) f fRfR m=497.7  =1.5 m+  m+2  m-  m-2  m M (MeV) Elementi di statistica Marco Stages Estivi - Frascati 12/6/2007 Elementi di statistica Marco Dreucci 16/37

Risultati della schedina … fdd binomiale frequenza relativa k risultati indovinati Elementi di statistica Marco Stages Estivi - Frascati 12/6/2007 Elementi di statistica Marco Dreucci 17/37

Sostanza radioattiva … k (dec/min) frequenza fdd poissoniana Tipo B N= m=9.7 dec/min  =3.1 Tipo A N=60000 m=2.6 dec/min  =1.6 Elementi di statistica Marco Stages Estivi - Frascati 12/6/2007 Elementi di statistica Marco Dreucci 18/37

Misura intervallo temporale … ~ 4 m ~ 37 m Riv 0 Riv1 Riv2 a b t (ns) f (entries/1ns) Elementi di statistica Marco Stages Estivi - Frascati 12/6/2007 Elementi di statistica Marco Dreucci 19/37

Teoria sottostante … gaussiana VA : gaussiana FDD: gaussiana o normale binomiale VA : binomiale FDD: binomiale poissoniana VA : poissoniana FDD: poissoniana Elementi di statistica Marco Stages Estivi - Frascati 12/6/2007 Elementi di statistica Marco Dreucci 20/37

3 Curva di accostamento (Fit) Elementi di statistica Marco Stages Estivi - Frascati 12/6/2007 Elementi di statistica Marco Dreucci 21/37

relazione matematica=legge fisica=grafico : i valori sperimentali si adattano ad esso ? Fare un fit : trovare la funzione che meglio si adatta ai dati Elementi di statistica Marco Stages Estivi - Frascati 12/6/2007 Elementi di statistica Marco Dreucci 22/37

Allungamento di una molla (I) A scuola si fa a mano … Elementi di statistica Marco Stages Estivi - Frascati 12/6/2007 Elementi di statistica Marco Dreucci 23/37

Allungamento di una molla (II) Ma esistono vari programmini … Elementi di statistica Marco Stages Estivi - Frascati 12/6/2007 Elementi di statistica Marco Dreucci 24/37

Spessore di un cavo elettrico (I) gaussiana Elementi di statistica Marco Stages Estivi - Frascati 12/6/2007 Elementi di statistica Marco Dreucci 25/37

Spessore di un cavo elettrico (II) gaussiana bigaussiana Errori casuali da due sorgenti … Elementi di statistica Marco Stages Estivi - Frascati 12/6/2007 Elementi di statistica Marco Dreucci 26/37

Spessore di un cavo elettrico (III) gaussiana bigaussiana Disturbo di tipo non casuale, e dunque non gaussiano, ne’ bigaussiano … Elementi di statistica Marco Stages Estivi - Frascati 12/6/2007 Elementi di statistica Marco Dreucci 27/37

Misura vita media trovare qualche parametro Un fit non e’ fatto sempre per verificare l’adattamento, ma per trovare qualche parametro … esponenziale t(s) Legge stranota, ma voglio trovare la vita media  Elementi di statistica Marco Stages Estivi - Frascati 12/6/2007 Elementi di statistica Marco Dreucci 28/37

Quale e’ il criterio per dire che un fit e’ OK ? y = f (x;  ) miglior adattamento Se il fenomeno in studio e’ ben noto, la funzione y = f (x;  ) e’ gia’ decisa. Lo scopo del fit e’ allora di determinare i valori dei parametri (  e  in questo caso) che corrispondono al miglior adattamento della curva ai dati sperimentali. I valori che corrispondono al miglior adattamento sono quelli che rendono minima la quantita’ seguente : sperimentale valore sperimentale teorico valore teorico ~ 1  O.K. ! > 1  K.O. ! Elementi di statistica Marco Stages Estivi - Frascati 12/6/2007 Elementi di statistica Marco Dreucci 29/37

4 La propagazione degli errori Elementi di statistica Marco Stages Estivi - Frascati 12/6/2007 Elementi di statistica Marco Dreucci 30/37

Le misure indirette (I) Misure indirette, ovvero grandezze calcolate … visione pessimistica … … visione realistica Elementi di statistica Marco Stages Estivi - Frascati 12/6/2007 Elementi di statistica Marco Dreucci 31/37

1) i = Q/tcorrente elettrica 2) K = ½ mv²energia cinetica 3) m = m 1 +m 2 +m 3 massa totale 4) A =  ·r² area di un cerchio 5) p = p 1 + p 2 pressione totale 6) P =  ·A·T 4 potenza irradiata 7) I = kA(T 2 -T 1 )/d calore trasmesso Le misure indirette (II) Elementi di statistica Marco Stages Estivi - Frascati 12/6/2007 Elementi di statistica Marco Dreucci 32/37

Esempio 1 (raggi cosmici) t (ns) (123.5  2.1) ns (137.2  3.4) ns ~ 30% ~ 2% Elementi di statistica Marco Stages Estivi - Frascati 12/6/2007 Elementi di statistica Marco Dreucci perche’ piu’ largo? Riv 0 Riv1 Riv2 v = ? s 33/37

Esempio 2 (branching ratio) sig bkg cut Efficienza  CUT  = 0.94 E (MeV) K +                           e   e     trigger Rivelatore Efficienza  SEL  = 0.52 N trig N obs Vertice K+K+    se non ne tenessi conto ? Elementi di statistica Marco Stages Estivi - Frascati 12/6/2007 Elementi di statistica Marco Dreucci 34/37

5 Combinazione di misure Elementi di statistica Marco Stages Estivi - Frascati 12/6/2007 Elementi di statistica Marco Dreucci 35/37

Scrivere i risultati Ogni misura, normalmente, riporta separatamente due errori: statistico e sistematico : BR ( K +      ) = 0.21  0.01 stat  0.02 sist La precisione della misura in questo esempio sara’ : e BR =  BR /BR = (0.01  0.02)/0.21 ~ 0.11 Elementi di statistica Marco Stages Estivi - Frascati 12/6/2007 Elementi di statistica Marco Dreucci 36/37

 Perché combinare insieme più misure ?  Da più misure indipendenti del tipo (x i ±  i ) di una stessa grandezza, come si ricava il valore più attendibile ? Combinare insieme le misure Elementi di statistica Marco Stages Estivi - Frascati 12/6/2007 Elementi di statistica Marco Dreucci 37/37