+ All Categories
Home > Documents > Data Neq7 120318 - roma1.infn.it · 11 Caso di andamento NON lineare tra x ed y misurati 0.000...

Data Neq7 120318 - roma1.infn.it · 11 Caso di andamento NON lineare tra x ed y misurati 0.000...

Date post: 16-Feb-2019
Category:
Upload: ngonguyet
View: 212 times
Download: 0 times
Share this document with a friend
14
1 1.500 2.000 2.500 3.000 3.500 4.000 4.500 5.000 0 5 10 15 Data_Neq7_120318 T [°C] t [s] 0.000 1.000 2.000 3.000 4.000 5.000 0 5 10 15 Data_Neq7_120318 T [°C] t [s] Per una analisi puramente grafica, fare attenzione alle scale e alle due origini delle scale.... sigma_y = (err_T ) / 3
Transcript

1

1.500

2.000

2.500

3.000

3.500

4.000

4.500

5.000

0 5 10 15

Data_Neq7_120318

T [°C]

t [s]

0.000

1.000

2.000

3.000

4.000

5.000

0 5 10 15

Data_Neq7_120318

T [°C]

t [s]

Per una analisi puramente grafica,fare attenzione alle scale e alle due origini delle scale....

sigma_y = (err_T ) / 3

...Utilizzando il S/W Kaleidagraph v. 3.51

2

1.500

2.000

2.500

3.000

3.500

4.000

4.500

5.000

0 5 10 15

Data_Neq7_120318

T [°C]

t [s]

0.000

1.000

2.000

3.000

4.000

5.000

0 2 4 6 8 10 12 14

Data_Neq7_120318

T [°C]

t [s]

3

Per una analisi puramente grafica,fare attenzione alle scale e alle due origini delle scale....

1.500

2.000

2.500

3.000

3.500

4.000

4.500

5.000

0 5 10 15

Data_Neq7_120318

T [°C]

t [s]

0.000

1.000

2.000

3.000

4.000

5.000

0 2 4 6 8 10 12 14

Data_Neq7_120318

T [°C]

t [s]

4

Per una analisi puramente grafica,fare attenzione alle scale e alle due origini delle scale....

5

Formulare una ‘’legge fisica’’

1.500

2.000

2.500

3.000

3.500

4.000

4.500

5.000

0 5 10 15

Data_Neq7_120318

T [°C]

t [s]

0.000

1.000

2.000

3.000

4.000

5.000

0 2 4 6 8 10 12 14

Data_Neq7_120318

T [°C]

t [s]

6

Per una analisi puramente grafica,fare attenzione alle scale e alle due origini delle scale....

7

Utilizzando un processo diminimizzazione della distanza al quadrato

tra migliore retta e punti misurati....Ed ssumendo costante

l’incertezza a priori sui punti misurati‘’Fit non pesato’’

Ni

i

i

Ni

i

ii residuobxayba1

2

1

2expexp,

1.500

2.000

2.500

3.000

3.500

4.000

4.500

5.000

0 5 10 15

Data_Neq7_120318

T [°C]

t [s]

y = m1 + m2 * M0

ErrorValue

0.13310991.510061740224618m1

0.01368150.2252372659728591m2

NA0.1160858163659668Chisq

NA0.990901535032629R

m1 = (1,51 ± 0,13)°C 8,6%

m2 = (0,225 ± 0,014) °C/s 6,2%

sfit = (0,1160858/(7-2))1/2 = 0,15 °C

R = 0,9909015 con N = 7 punti

8

Utilizzando un processo diminimizzazione della distanza al quadrato

tra migliore retta e punti misurati....Assumendo di NON conoscere

l’incertezza a priori sui punti misurati‘’Fit non pesato’’

...Utilizzando il S/W Kaleidagraph v. 3.51

È necessario:

1) Comprendere ciò che fornisce a fine elaborazione.

2) Sistemare il numero delle cifre significative

9

Stima dell’incertezza statistica (s) , sapendo solo l’incertezza massima (D)....s ~ 0,34 x D

33.03

DD

s

68.018.13

DD

sP(entro ± 1.18 x s) = 68 %

10

1.500

2.000

2.500

3.000

3.500

4.000

4.500

5.000

0 5 10 15

Data_Neq7_120318

T [°C]

t [s]

y = m1 + m2 * M0

ErrorValue

0.1392931.497473337984537m1

0.012355420.2268454615983215m2

NA6.192654904440463Chisq

NA0.990939182697728R

m1 = (1,50 ± 0,14)°C 9,3%

m2 = (0,227 ± 0,012) °C/s 5,3%

sfit = (6,1926549/(7-2))1/2 = 1,1°C

R = 0,9909392 con N = 7

Utilizzando un processo diminimizzazione della distanza al quadrato

tra migliore retta e punti misurati....assumendo di conoscere

l’incertezza a priori sui punti misurati‘’Fit pesato’’

33.03

DD

s

11

Caso di andamento NON lineare tra x ed y misurati

0.000

20.00

40.00

60.00

80.00

100.0

120.0

0 5 10 15 20 25

Data_semilog_120318

y

x

2.500

3.000

3.500

4.000

4.500

5.000

-5 0 5 10 15 20 25

Data_semilog_120318

ln(y)

x

10.00

100.0

1000

0 5 10 15 20 25

Data_semilog_120318

y

x

Le scale x ed y SONO LINEARIRiporto in ordinata il logaritmo di y

La scala delle ordinate è logaritmicaRiporto sul grafico i valori x,y misurati

Le scale sugli assi sono LINEARI Le scale sugli assi sono LINEARI

Le scale di x ed y SONO LINEARIRiporto sul grafico i valori x,y misurati

12

0.000

20.00

40.00

60.00

80.00

100.0

120.0

0 5 10 15 20 25

Data_semilog_120318

y

x

y = m1*exp(m2*x)

ErrorValue

0.2770853109.634728735014m1

0.0004744275-0.07415352009772215m2

NA0.4941336323634271Chisq

NA0.9999553483736857R

m1*exp(m2*x); m1 = 110; m2 = -0.07

m1 = (109.63 ± 0,28) 0.26%

m2 = -(0,07415 ± 0,00047) 0,63%

Utilizzando un processo diminimizzazione della distanza al quadrato

tra migliore retta e punti misurati....Assumendo di NON conoscere

l’incertezza a priori sui punti misurati‘’Fit non pesato’’

13

2.500

3.000

3.500

4.000

4.500

5.000

0 5 10 15 20 25

Data_semilog_120318

ln(y)

x

y = m1 + m2 * M0

ErrorValue

0.0025737414.696197298670054m1

0.0002221165-0.07395175407647495m2

NA7.140657335141519e-05Chisq

NA0.9999819580738162R

Utilizzando un processo diminimizzazione della distanza al quadrato

tra migliore retta e punti misurati....Assumendo di NON conoscere

l’incertezza a priori sui punti misurati‘’Fit non pesato’’

y = Aexp(lx) ln(y) = ln(A) + lx = m1 + m2x

m1 = (4,6962 ± 0,0026)

m2 = -(0,07395 ± 0,00022)

A = exp(m1) =109,53 s(A) = 0,28

l = m2 s(l) = s(m2)

)1()()1(1

)()()( 1

21

1 memm

eeA m

mm ssss

14

1.000

10.00

-5 0 5 10 15 20 25

Data_semilog_120318

ln(y)

x

y = m1 + m2 * M0

ErrorValue

0.0025737414.696197298670054m1

0.0002221165-0.07395175407647495m2

NA7.140657335141519e-05Chisq

NA0.9999819580738162R

ln(y) = ln(A) + lx = m1 + m2x

m1 = (4,6962 ± 0,0026)

m2 = - (0,07395 ± 0,00022)

A = exp(m1) =109,53 s(A) = 0,28

l = m2 s(l) = s(m2)

)1()()1(1

)()()( 1

21

1 memm

eeA m

mm ssss

Utilizzando un processo diminimizzazione della distanza al quadrato

tra migliore retta e punti misurati....Assumendo di NON conoscere

l’incertezza a priori sui punti misurati‘’Fit non pesato’’


Recommended