P. 1
Informatica Pentru Prelucrarea Datelor Fizice

Informatica Pentru Prelucrarea Datelor Fizice

|Views: 3,854|Likes:
Published by cristigabitza

More info:

Published by: cristigabitza on Jul 22, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

07/18/2013

pdf

text

original

Scopul acestei unităţi de învăţare este să te înveţe cum se pot obţine cele
mai bune rezultate din datele experimentale şi cum stabileşti precizia
acestor rezultate.

Adesea în procesul de măsurare a unei mărimi fizice se obţin valori
diferite la repetarea măsurării în aceleaşi condiţii fizice. Aceasta fie pentru
că mărimea fizică respectivă are un caracter statistic ( de exemplu
numărul de dezintegrări într-o secundă ale unui element radioactiv,
lungimea drumului între două ciocniri ale unui neutron în combustibilul
nuclear sau în mediul moderator într-un reactor nuclear, etc.)fie din cauza
preciziei limitate a aparaturii de măsură ( de exemplu erorile de calibrare
a ceasului, riglei, balanţei folosite la măsurarea intervalelor de timp, a
lungimilor sau a maselor).

În toate cazurile enumerate mai sus repetarea măsurărilor în aceleaşi
condiţii va conduce la rezultate diferite. Dacă aceste măsurări se fac de
un număr foarte mare de ori se constată că valorile pentru mărimea fizică
respectivă fluctuează în jurul unei valori medii. Dacă N este numărul de
repetări ale măsurării mărimii fizice în exact aceleaşi condiţii şi xi valoarea
obţinută într-una din măsurări valoarea medie x a şirului finit de N
măsurări va fi media aritmetică a valorilor xi

Când vei termina de studiat acest capitol vei fi capabil :

să foloseşti mărimile statistice care descriu rezultatele
experimentelor de fizică .

să foloseşti metode asistate de calculator pentru a prelucra
datele experimentale;

să alegi metoda adecvată de fitare a datelor experimentale
cu un model dat pentru a determina parametrii modelului

să aplici cunoştinţele dobândite pentru a interpreta statistic
rezultatele experimentelor de fizică.

Prelucrarea statistică a datelor experimentale

135

=

= N
1
i i

x

N1

x

( 8.1)

iar abaterea valorii xi de la x va fi ∆i dată de:
x

xi
i

=

( 8.2)
de unde rezultă că fiecare măsurare individuală se aşează în jurul valorii
medii

i

i x

x

+

=

( 8.3)
Abaterile pot fi mai mari sau mai mici. O măsură a împrăştierii valorilor xi
faţă de valoarea medie x poate fi dată de ansamblul abaterilor sau de o
mărime care să descrie acest ansamblu. Această mărime nu poate fi o
abatere medie ∆ deoarece această mărime ar fi zero indiferent care sunt
valorile ∆i .

( )



=

=



=

=

=

=

=

=

0

x

x

x

x

N1

x

x

N1

N1

N

1
i i

N

1
i i

N

1
i i

( 8.4)

Abaterea pătratică medie, varianţa, este însă diferită de zero. Această
mărime este definită ca

( )

(

)



>

=



+

=

=

=

=

=

=

=

0

x

x

x

x

x

2

x

N1

x

x

N1

N1

2

2

N

1

i

2

i

2
i

2
x

N

1

i

2

i

N

1

i

2
i

2

2
x

σ

σ

( 8.5)

de unde şi

2

2

x

x >

( 8.6)
adică media pătratelor este mai mare decât pătratul mediei unui şir de

valori.
Pentru caracterizarea împrăştierii se mai folosesc şi mărimile

2
x

σ =

( 8.7)

numită abatere standard şi abaterea standard relativă definită de:

x

2

x

ε =

( 8.8)

numită şi fluctuaţie.
Sumele se fac pe N valori ale probei măsurate. În general însă valoarea
medie nu este cunoscută; xeste o estimare a ei şi de aceea

( )

= −

=

N

1

i

2

i

2
x

x

x

1

N1

σ

( 8.9)

Astfel o singură măsurare a mărimii nu ne permite să estimăm dispersia
valorilor, dacă valoarea ’adevărată’ nu este cunoscută.
Este important să reţii că σ este o măsură a dispersiei distribuţiei
măsurărilor şi nu a preciziei cu care este determinat x.

Prelucrarea statistică a datelor experimentale

136

Nx

x σ

σ =

( 8.10)

Astfel crescând numărul de măsurări ale mărimii x, varianţa 2
x

σnu se

schimbă (exceptând mici fluctuaţii) deoarece numitorul şi numărătorul
ecuaţiei (8.5) sau (8.9) cresc mai mult sau mai puţin proporţional, aceasta
întrucât 2
x

σ se presupune a fi o estimare a varianţei întregii populaţii care
este clar independentă de dimensiunea probei N. Pe de altă parte,
varianţa valorii medii

N

/

2
x

σ

descreşte cu creşterea lui N; mai multe date

ajută la localizarea valorii medii cu o precizie mai înaltă.
Uneori măsurările sunt grupate astfel încât o aceeaşi valoare a xj apare
în mj evenimente. Atunci ecuaţiile (8.1) şi (8.9) se scriu

=

j j

j

j

j

m

x

m

x

( 8.11)

şi

( )

1

m

x

x

m

j j

j

2

j

j

2
x



=

σ

( 8.12)

Varianţa asupra valorii medii este

=

j j

2
x

2

m

u σ

( 8.13)

Pentru distribuţii continue, valoarea medie şi varianţa sunt date respectiv
de formulele

∫ ⋅

=

dx

x

x

n

N

x

)

(

1

( 8.14)

( )

=

dx

x

x

)

x

(
n

N1

2

2
x

σ

( 8.15)

unde

=

dx
)

x

(
n

N

( 8.16)

Factorul (N -1) din formula lui 2
x

σ s-a înlocuit cu N care se presupune a fi

foarte mare în acest caz.
Când câteva experienţe măsoară aceeaşi mărime fizică şi se obţine un
set de rezultate ai

a dispersiei σ sunt date de formulele:

cu diferite erori σi , atunci cele mai bune estimări ale lui

a şi

∑∑

=

2
i

2
i

i

1

a

a

σ

σ

( 8.17)

Prelucrarea statistică a datelor experimentale

137

şi

=

2
i

2

1

1

σ

σ

( 8.18)

Astfel rezultatul experimentului i urmează a fi ponderat cu un factor

2
i

/

1 σ

. Într-un anume sens,

2
i

/

1 σ dă o măsură a informaţiei conţinute de acel

experiment particular.

Când diferitele experienţe de măsură realizează diferite precizii σi folosind
aceleaşi aparate dar repetând măsurarea de ni ori şi mediind, atunci

i

i

n1

σ

( 8.19)

şi formulele de mai sus devin

==

∑∑ ∑

i

i

i

i

n

N

n

/

a

n

a

( 8.20)

Prima din relaţiile de mai sus spune că fiecare din măsurările originale de
precizie egală este egal ponderată; a doua este evidentă.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->