Next: Moto browniano, ``pallinometro'' ed
Up: Funzioni di variabili casuali
Previous: Linearizzazione
  Indice
Facciamo subito un esempio di come sia possibile applicare
le proprietà delle combinazioni lineari
e della linearizzazione alle incertezze di misure.
Anche se non è stato ancora affrontato il discorso dell'inferenza
statistica e di come si valutino le incertezze delle misure dirette
e le correlazioni introdotte da possibili errori sistematici
di entità incerta, supponiamo che siano stati misurati i due lati
di un rettangolo e che i risultati siano presentati in termini
di previsione e di incertezza di previsione:
Ripetendo quanto detto al momento di introdurre
previsione e incertezza e incertezza di previsione:
E
cm rappresenta il valore intorno al quale
riteniamo che, ragionevolmente, si trovi
;
cm
indica la dispersione dei valori che possono essere assunti da
intorno ad
E
.
Immaginiamo di essere interessati ora alle seguenti grandezze derivate da
e
: perimetro (
); somma di lati (
);
differenza dei lati (
); area del rettangolo (
).
Supponiamo inoltre i due casi: a) le misure di
e
sono assolutamente
indipendenti, per cui
; b) parziale correlazione, con
; c) correlazione totale (positiva), con
.
Si riconoscono in
,
e
correlazioni lineari di
e
,
mentre il caso dell'area è non lineare e va linearizzato.
Riportiamo nel seguito i risultati dettagliati per
,
e
nei tre casi di correlazione considerati.
Innanzitutto, le previsioni di
,
e
non dipendono da
e valgono
E |
 |
E E |
(10.67) |
E |
 |
E E |
(10.68) |
E |
 |
E E |
(10.69) |
Per quanto riguarda le varianze, ricordando che
Cov
è pari a
, abbiamo
Si noti il simbolo ``
'' al posto di ``
'' nel caso di
,
per ricordare che si tratta di un risultato approssimato
basato sulla linearizzazione.
I risultati numerici sono:
Troviamo infine i coefficienti di correlazione fra
,
e
,
come applicazione di quanto visto nel paragrafo
10.8. Utilizzando la formula
(10.45), svolgendo in dettaglio
il primo passaggio, otteniamo
ove, di nuovo, ``
'' sta a ricordare che il risultato è
basato sulla linearizzazione.
Inserendo i valori e dividendo per le deviazione standard,
otteniamo direttamente i coefficienti di correlazione in funzione
di
:
Si noti:
- il coefficiente di correlazione fra
e
è nullo per puro accidente,
dovuto all'uguaglianza di
e
);
- per calcolare i coefficienti di correlazione per valori molto prossimi
ad 1, bisogna utilizzare molte cifre significative nel calcoli,
altrimenti si possono ottenere risultati assurdi (
) a causa
degli arrotondamenti;
- quando le funzioni diventano complicate non è facile
farsi un'idea intuitiva del grado di correlazione e
addirittura nemmeno del suo segno.
Next: Moto browniano, ``pallinometro'' ed
Up: Funzioni di variabili casuali
Previous: Linearizzazione
  Indice
Giulio D'Agostini
2001-04-02