Dispense VERIFICATO

Regressione Lineare. Criteri di rigetto dei dati

Università degli studi di Bologna fisica 2020
113 visualizzazioni
Nessun voto ancora
Condividi: WhatsApp Telegram

Di cosa parla

Riassunto AI · si legge in un minuto

Il testo illustra l'uso del coefficiente di correlazione lineare per verificare relazioni funzionali tra grandezze fisiche, definendo i criteri di significatività statistica basati sulla probabilità P. Vengono presentati esempi applicativi, come la legge di Hubble e il calcolo della viscosità, spiegando come calcolare l'incertezza sui parametri tramite regressione lineare con o senza pesi per dati non omogenei. Infine, si analizzano metodi per trattare misure indipendenti con incertezze diverse mediante media pesata e criteri statistici come quello di Chauvenet per il rigetto di valori anomali in campioni gaussiani.
Leggi il riassunto completo
  • Il coefficiente di correlazione lineare $r$, compreso tra -1 e +1, valuta la validità dell'ipotesi di dipendenza lineare tra due variabili fornendo la probabilità che un valore ottenuto sia significativo se le variabili fossero indipendenti.
  • Una correlazione è considerata significativa quando la probabilità associata è inferiore al 5% e altamente significativa se inferiore all'1%, come dimostrato dall'esempio della legge di Hubble con $r=0.87$.
  • Nella regressione lineare, le migliori stime dei parametri A e B si ottengono tramite il metodo di massima verosimiglianza assumendo errori trascurabili su x e gaussiani su y, mentre per dati non lineari come l'attenuazione esponenziale è necessario linearizzare la funzione prendendo i logaritmi.
  • Quando le incertezze sulle misure di y non sono costanti, si applica una regressione pesata definendo il peso $w_i$ inversamente proporzionale alla varianza della singola misura per minimizzare l'errore sul coefficiente angolare.
  • Per combinare più misure indipendenti con incertezze diverse, si utilizza la media pesata dove i pesi sono inversamente proporzionali alle varianze, riducendo così l'incertezza totale del risultato finale rispetto alla semplice media aritmetica.

Riassunto generato con l'intelligenza artificiale a partire dagli appunti. Come lo facciamo

Anteprima pagina 1 — Regressione Lineare. Criteri di rigetto dei dati Anteprima pagina 2 — Regressione Lineare. Criteri di rigetto dei dati Anteprima pagina 3 — Regressione Lineare. Criteri di rigetto dei dati Anteprima pagina 4 — Regressione Lineare. Criteri di rigetto dei dati

Stai vedendo l'anteprima delle prime pagine. Il file completo è gratis: registrati per leggerlo tutto.

Studia questi appunti con l'AI

Riassunto e domande d'esame sono gratis: chiedili e ti mandiamo un'email quando sono pronti.

Questo appunto è gratis. Registrati in 30 secondi per leggere tutte le pagine e scaricarlo.

Simula l'esame con domande costruite su questi appunti.

Altri appunti di LABORATORIO DI MECCANICA E TERMODINAMICA [cod. 22455]

Condividi questi appunti

WhatsApp Telegram