Indice di questa sesta parte.
- Teoria degli errori 58
- Propagazione degli errori 58
- Analisi statistica 59
- Indici statistici 60
- Coefficiente di Pearson o di correlazione 61
- Il rigetto dei dati 62
- Propagazione degli errori statistici 62
- Media ponderata e problema di combinare misure separate 63
- Distribuzione di probabilità 63
- La distribuzione normale 64
- L’interpolazione statistica 65
- Test del Chi-quadro 66
La teoria degli errori e l’analisi dei dati
In ogni esperimento scientifico, la misura di una grandezza fisica non è mai perfetta, ma è sempre accompagnata da un’incertezza. Lo studio della teoria degli errori permette di quantificare questa imprecisione e di stabilire l’affidabilità dei risultati ottenuti. Gli errori si dividono solitamente in sistematici, derivanti da difetti strumentali, e casuali, dovuti a variazioni imprevedibili nelle condizioni sperimentali.
Propagazione degli errori e indici statistici
Quando il valore di una grandezza dipende da altre misure indipendenti, è necessario calcolare come l’errore di ciascuna si rifletta sul risultato finale. Questo processo, noto come propagazione degli errori, segue regole precise basate sul calcolo differenziale. Se le incertezze sono di natura statistica, la propagazione avviene considerando la somma in quadratura delle deviazioni. Per sintetizzare un insieme di dati, utilizziamo indici statistici come la media aritmetica, che rappresenta il valore più probabile, e la deviazione standard, che misura la dispersione dei dati attorno alla media.
Un altro strumento fondamentale è il coefficiente di Pearson, che misura il grado di correlazione lineare tra due variabili. Un valore vicino all’unità indica una forte dipendenza, mentre un valore vicino allo zero suggerisce l’assenza di legami lineari. Durante la raccolta dei dati, può capitare di imbattersi in misure che si discostano eccessivamente dalle altre; in questi casi, si applicano criteri per il rigetto dei dati anomali, al fine di non inquinare l’analisi complessiva.
Distribuzioni di probabilità e distribuzione normale
L’analisi statistica poggia sul concetto di distribuzione di probabilità. La più celebre è la distribuzione normale, o Gaussiana, caratterizzata dalla tipica forma a campana. Secondo il teorema del limite centrale, la somma di un gran numero di errori casuali indipendenti tende a distribuirsi secondo questa curva. Quando dobbiamo combinare misure provenienti da esperimenti diversi, utilizziamo la media ponderata, assegnando un peso maggiore alle misure caratterizzate da un errore minore.
Interpolazione e test del Chi-quadro
Per trovare la relazione matematica che meglio descrive un insieme di punti sperimentali, ricorriamo all’interpolazione statistica, spesso utilizzando il metodo dei minimi quadrati. Questo metodo individua la funzione che minimizza la somma dei quadrati delle distanze tra i punti e la curva teorica. Infine, per verificare se il modello scelto sia coerente con i dati osservati, si applica il test del Chi-quadro. Questo test statistico confronta le frequenze osservate con quelle attese, fornendo una misura oggettiva della bontà dell’adattamento. Attraverso questi strumenti, la teoria degli errori trasforma una serie di misure incerte in una conoscenza scientifica solida e verificabile.
