LA STIMA DELL’INCERTEZZA

DI MISURA

Prof. Giulio D’Emilia

Anno Accademico 2023/24
 MISURE ED INCERTEZZE
Riferimenti:
UNI CEI ENV 13005: 2000, “Guida all’espressione
dell’incertezza di misura”
UNI EN ISO 10012: 2004, “Requisiti per i processi e le
apparecchiature di misurazione”
Il risultato di una misurazione, anche se corretto per gli effetti
sistematici individuati, deve essere sempre accompagnato
dall’indicazione di un’INCERTEZZA che tenga conto degli
effetti casuali (UNI CEI ENV 13005: 2000)

L’incertezza dello strumento è uno dei requisiti metrologici

citati dalla UNI EN ISO 10012: 2004, che va periodicamente
verificato in un efficiente Sistema di Gestione della
Strumentazione
 CAUSE DI VARIABILITA’ DI MISURA

 FATTORI TECNICO - STRUMENTALI: sono relativi alle

operazioni tecniche proprie del processo di misurazione ed
alle caratteristiche funzionali delle apparecchiature impiegate.

 FATTORI UMANI: sono relativi al contributo del personale

nel processo di misurazione.

FATTORI AMBIENTALI: corrispondono agli effetti di

condizioni ambientali non conosciuti o non esattamente
quantizzabili.
 FATTORI TECNICO-STRUMENTALI
• INCOMPLETA DEFINIZIONE del misurando
• IMPERFETTA REALIZZAZIONE del misurando
• NON CORRETTA APPLICAZIONE del metodo di misura o
APPROSSIMAZIONI ED IPOTESI SEMPLIFICATRICI del metodo stesso

• approssimazioni introdotte negli eventuali ALGORITMI MATEMATICI utilizzati

• RISOLUZIONE dello strumento non infinita

• valori inesatti di CAMPIONI, o di COSTANTI ed altri
PARAMETRI forniti da fonti esterne
• IMPERFETTO FUNZIONAMENTO o DEGRADAMENTO degli strumenti utilizzati
 FATTORI UMANI

• DISTORSIONE DELL’OPERATORE NELLA

LETTURA di strumenti analogici

• APPROSSIMAZIONI introdotte nelle

elaborazioni dei dati grezzi
 FATTORI AMBIENTALI

• CONDIZIONI ATMOSFERICHE in genere

(temperatura, pressione, umidità)

• presenza di POLVERI E AGENTI

CONTAMINANTI

• VIBRAZIONI MECCANICHE

• INTERFERENZE ELETTROMAGNETICHE
 L’INCERTEZZA NELLE MISURE
DIRETTE
Per la determinazione delle incertezze tipo nelle misure
dirette si può ricorrere a

una VALUTAZIONE DI una VALUTAZIONE DI

CATEGORIA A, basata CATEGORIA B, che si
sull’analisi statistica di basa sulle informazioni a
serie di osservazioni disposizione
 VALUTAZIONE DI CATEGORIA A

Si vuole conoscere il VALORE MEDIO o VALORE

ATTESO di tutte le possibili osservazioni del misurando X.

Per ottenere una STIMA del

valore medio  della
1 n
popolazione delle misure X   Xk
possibili si determina la n k 1
MEDIA di n misure
indipendenti, in CONDIZIONI
DI RIPETIBILITA’
 CONDIZIONI DI RIPETIBILITA’

• STESSO PROCEDIMENTO di misurazione

• STESSO OSSERVATORE
• STESSO STRUMENTO di misura utilizzato nelle
STESSE CONDIZIONI
• STESSO LUOGO
• ripetizione entro un BREVE PERIODO di tempo.
SE, QUANDO E PERCHE’ E’ VANTAGGIOSO FARE LA
MEDIA DI PIU’ MISURE

Stima di coefficienti di variabili casuali:

Per stima onesta si intende un valore che può essere considerato una
possibile estrazione da una variabile casuale costituita da tutte le
possibili stime e tale che la media della popolazione coincida col
valore da stimare. La dispersione della popolazione dà l'idea della
bontà della stima.

La misura è una stima onesta del valore vero?

Lo è nei casi in cui la media di tutte le possibili misure è pari al
valore vero; cioè in assenza di errore sistematico. Sull’onestà della
stima non ha influenza la dispersione della popolazione.
 CONCETTI DI STATISTICA UTILI

Siano X1, X2, ….XN popolazioni di variabile casuale.

Sia Y = c1 X1+c2 X2+ …….+cN XN

Risulta Y una variabile casuale e si ha inoltre che:

Se i i2 media e varianza della popolazione Xi

Y = c1 1+c2 2+ …….+cN N

Y2 = c1212 + c2222 + ……+ cN2N2

La media M di N valori può considerarsi la
combinazione lineare di N valori con coefficiente 1/N.
Se, quando e perché la media è meglio della singola
misura
Se, quando e perché la media è meglio della singola
misura
Se, quando e perché la media è meglio della singola
misura
Se, quando e perché la media è meglio della singola
misura
PERCHE’ CALCOLARE LA MEDIA DI
PIU’ MISURE?
Lo scarto della popolazione delle medie di n misure è minore
dello scarto della popolazione delle singole misure

INCERTEZZA PIU’ BASSA


In particolare n 
n
INCERTEZZA TIPO DI CATEGORIA A

Un parametro che quantifica quanto bene X stimi il valore

medio della popolazione delle misure  è lo SCARTO TIPO
SPERIMENTALE DELLA MEDIA (INCERTEZZA TIPO DI
CATEGORIA A):

 k
( X  X ) 2

s( X )  k 1
n (n  1)
INCERTEZZA TIPO DI CATEGORIA B
Si basa sulle INFORMAZIONI DISPONIBILI riguardo la
possibile variabilità di X:
 SPECIFICHE TECNICHE dichiarate dal costruttore;

 dati registrati nei CERTIFICATI DI TARATURA o altri;

 incertezze di valori di riferimento forniti dai MANUALI;

 ESPERIENZA raccolta in precedenza sul comportamento

degli strumenti e sulle proprietà dei materiali d’interesse;
 dati di misurazioni precedenti.
 IN PARTICOLARE:
Se l’incertezza è fornita come
U( x )
incertezza estesa U(x) ed è dichiarato u(x) 
il fattore moltiplicativo m: m

Se l’incertezza viene dichiarata solo U( x )

u(x) 
come intervallo a LIVELLO DI m
FIDUCIA del 95 o 99%, si ipotizza con m = 2 e 3
una distribuzione normale: rispettivamente
Se viene fornito un intervallo
compreso tra a- e a+ entro cui il valore a
di X cade con probabilità del 100%, si u(x ) 
3
ipotizza una distribuzione rettangolare:
con: a = (a+ - a-)/2
 LE MISURE INDIRETTE
Y = f (X1, X2, …. ,XN) Y: misurando
X1, X2, …. ,XN: grandezze
d’ingresso

STIMA di Y: y: stima di Y
y = f (x1, x2, …. ,xN) x1, x2, …. ,xN: stime delle
grandezze d’ingresso

L’INCERTEZZA TIPO COMPOSTA uc(y) associata alla

stima d’uscita y si valuta sulla base delle INCERTEZZE
TIPO u(xi) associate a ciascuna delle stime d’ingresso xi.
 INCERTEZZA TIPO COMPOSTA
Le incertezze tipo associate alle grandezze d’ingresso
vanno combinate insieme per ottenere
l’INCERTEZZA TIPO COMPOSTA della grandezza
d’uscita.
2 CASI

grandezze d’ingresso
grandezze d’ingresso CORRELATE:
NON CORRELATE:
nella loro misurazione
la loro misura è intervengono le STESSE
indipendente CAUSE D’INCERTEZZA
 QUANDO E’ IPOTIZZABILE UNA
CORRELAZIONE?

1. Quando due misure dirette di due grandezze d’ingresso

vengono effettuate CONTEMPORANEAMENTE
nello STESSO AMBIENTE

2. Quando nella stima del valore di due grandezze

interviene lo STESSO CAMPIONE di misura, o lo
STESSO STRUMENTO, DATO DI RIFERIMENTO,
o anche solo lo stesso METODO di misurazione se
questo ha un’incertezza significativa.
 GRANDEZZE D’INGRESSO NON CORRELATE
(caso generale)

LEGGE DI PROPAGAZIONE DELL’INCERTEZZA per

grandezze INDIPENDENTI:

2 2
N
 f  N
u c ( y)   
i 1  x i
u ( x i )    c u (x )
i i
 i 1

f
ci  COEFFICIENTI DI SENSIBILITA’
x i
 SE LA FUNZIONE HA LA FORMA:
p1 p2
X X
Y c p3
1 2
X3

LEGGE DI PROPAGAZIONE DELL’INCERTEZZA

2 2 2
u c ( y)  u ( x1 )   u ( x 2 )   u ( x 3 ) 
  p1    p 2    p 3 
y  x1   x2   x3 
 GRANDEZZE D’INGRESSO CORRELATE
LEGGE DI PROPAGAZIONE DELL’INCERTEZZA per
grandezze CORRELATE:

2
N
 f  N 1 N
f f
u c ( y)    u ( x i )   2  u ( x i )u ( x j )r ( x i , x j )
i 1  x i  i 1 ji 1 x i x j

- 1  r(x i , x j )  1 FATTORI DI CORRELAZIONE

Se le stime xi e xj sono indipendenti, allora r(xi, xj) = 0: in tal caso

l’espressione si riduce a quella valida per grandezze indipendenti.
xj r(x i , x j ) 1.00 xj r(x i , x j ) 0.69

xi xi

xj r(x i , x j ) - 0.96 xj r(x i , x j ) 0.00

xi xi
Espansione in serie di Taylor in prossimità
del valore vero
Espansione in serie di Taylor in prossimità
del valore vero
 ESEMPIO 1

Y= X1 + X2

u(x1) = 0.35 m u(x2) = 0.29 m

r(x1, x2) = 0.9
2 2
 f   f  f f

u c ( y)    
u ( x1 )    
u(x 2 )   2 u ( x1 ) u ( x 2 )r ( x1 , x 2 ) 
 x1   x 2  x1 x 2

 1 0.35  1 0.29  2 1 1 0.35 0.29 0.9 0.62 m

2 2

Se non ci fosse correlazione:

2 2
 f   f 
u ( x 2 )   1 0.35  1 0.29 0.45 m
2 2

u c ( y)    
u ( x1 )   
 x1   x 2 
 ESEMPIO 2

Y= X1 - X2

u(x1) = 0.35 m u(x2) = 0.29 m

r(x1, x2) = 0.9
2 2
 f   f  f f

u c ( y)    
u ( x1 )    
u(x 2 )   2 u ( x1 ) u ( x 2 )r ( x1 , x 2 ) 
 x1   x 2  x1 x 2

 1 0.35   1 0.29  2 1  10.35 0.29 0.9 0.15 m

2 2

Se non ci fosse correlazione:

2 2
 f   f 
u ( x 2 )   1 0.35  1 0.29 0.45 m
2 2

u c ( y)    
u ( x1 )   
 x1   x 2 
 VALUTAZIONE DEL COEFFICIENTE DI
CORRELAZIONE

I coefficienti di correlazione possono essere valutati:

• sperimentalmente, sulla base di misure ripetute delle
grandezze correlate (valutazione di categoria A);
• usando le informazioni disponibili sulla variabilità
correlata delle grandezze (valutazione di categoria B) che
derivano da esperienze precedenti o dalla letteratura
tecnica relativa a misure simili;
• per via analitica.
 SE NON E’ ESATTAMENTE NOTO IL
COEFFICIENTE DI CORRELAZIONE:
Si può ipotizzare la MASSIMA INFLUENZA che la
correlazione può avere, ponendo r(xi, xj) = 1 e i coefficienti di
sensibilità in valore assoluto nella:
2
N
 f  N 1 N
f f
u c ( y)    u ( x i )   2  u ( x i )u ( x j )r ( x i , x j )
i 1  x i  i 1 ji 1 x i x j
ESEMPIO 1’

Y= X1 - X2

u(x1) = 0.35 m u(x2) = 0.29 m

r(x1, x2) = ?

2 2
 f   f  f f

u c ( y)    
u ( x1 )    
u(x 2 )   2 u ( x1 )u ( x 2 ) 1 
 x1   x 2  x1 x 2
vs
 1 0.35   1 0.29   2 1 1 0.35 0.29 1 0.64 m
2 2
0.62 m
 ESEMPIO 2’

Y= X1 - X2

u(x1) = 0.35 m u(x2) = 0.29 m

r(x1, x2) = ?

2 2
 f   f  f f
u (y)   u(x )    u(x )   2 u(x )u(x ) 1 
 x   x x x
c 1 2 1 2
1 2  1 2

vs
 1 0.35   1 0.29  2 1  1 0.35 0.29 1 0.64 m
2 2
0.15 m
 INCERTEZZA ESTESA
L’incertezza estesa viene ottenuta moltiplicando l’incertezza tipo composta
uc(y) per un FATTORE DI COPERTURA k:

U = k uc(y)

la miglior stima del misurando è y

Y= y ± U significa che:
l’intervallo da y – U ad y + U con
una probabilità p contiene il
“valor vero” del misurando

p è la PROBABILITA’ DI COPERTURA o LIVELLO DI

FIDUCIA dell’intervallo y ± U
 SCELTA DEL FATTORE DI COPERTURA

Il fattore di copertura kp che individua un intervallo

avente livello di fiducia p può essere individuato
solamente se si conosce a fondo la DISTRIBUZIONE
DI PROBABILITA’ della grandezza d’uscita Y.

Nella pratica si ricorre ad APPROSSIMAZIONI sulla

distribuzione delle grandezze d’uscita.
NELLA MAGGIOR PARTE DEI CASI PRATICI:

Si può ritenere NORMALE la distribuzione di

probabilità caratterizzata dal risultato della misurazione

SI ADOTTA k = 2 e si ammette che U = 2 · uc(y)

definisca un intervallo avente LIVELLO DI FIDUCIA
DEL 95%.
DISTRIBUZIONE T E GRADI DI LIBERTA’

Per ottenere un’approssimazione migliore

DISTRIBUZIONE DI STUDENT

E’ opportuno riferirsi alla distribuzione di Student, quanto

più bassi sono i GRADI DI LIBERTA’ della stima della
grandezza (orientativamente, se sono < 10).
 GRADI DI LIBERTA’NELLE MISURE
DIRETTE

Per una grandezza stimata

attraverso la MEDIA  n  1
ARITMETICA di n
osservazioni indipendenti:
 GRADI DI LIBERTA’ NELLE MISURE
INDIRETTE

Se Y è una GRANDEZZA u c4 ( y)
DERIVATA il numero dei gradi  eff N
di libertà effettivi eff si calcola ci u ( x i ) 4

con la formula di WELCH- 

i 1 i
SATTERTHWAITE
 INTERVALLO A LIVELLO DI FIDUCIA p

Con riferimento alla DISTRIBUZIONE DI STUDENT si può scegliere k

= tp() (tabella) e quindi Up = tp() uc(y), dove  è il numero dei gradi di
libertà

Si può dire che l’intervallo da y – Up a y + Up è caratterizzato

da un livello di fiducia p.
ESEMPIO
Y= 5X1 -3X2 + X3

x1, x2, x3 ottenute come medie di n1 = 10, n2 = 5, n3 = 15

osservazioni ripetute
u(x1) = 0.05 m u(x2) = 0.19 m u(x3) = 0.82 m

u c ( y)  5 0.05   3 0.19  0.82  1.03 m

2 2 2

u c4 ( y) u c4 ( y)
 eff N  
ci u ( x i )  c1u ( x1 )   c 2 u ( x 2 )   c3u ( x 3 ) 
4 4 4 4


i 1 i 1 2 3
1.034
 4 4 4
 19
(5 0.05) ( 3 0.19) 0.82
 
10  1 5 1 15  1
Incertezza estesa al 95%?

t95(19) = 2.09

U95 = 2.09 · 1.03 = ± 2.2 m

E se l’incertezza di una grandezza di ingresso è ottenuta da
una VALUTAZIONE DI TIPO B, come si determina i?

Si può ipotizzare che il valore di u(xi) sia noto esattamente

SI CONSIDERA i = 
Nell’esempio, se u(x3) è ottenuto da una distribuzione
rettangolare:
u c4 ( y) 1.034
 eff  N  42
ci u ( x i )  (5 0.05)  ( 3 0.19)  0.82
4 4 4 4

i 1 i 10  1 5 1 

t95(40) = 2.02

U95 = 2.02 · 1.03 = ± 2.1 m

 TARATURA DI BLOCCHETTI
PIANPARALLELI

Documenti di riferimento:

• UNI 9052:1987 “Criteri base per le procedure di

taratura dimensionale”.
La misura deve essere corretta per effetto della
differenza di temperatura tra campione e misurando:

L misurando L campione  d  L nom (t campione  t misurando ) α 

L campione  d  L nom Δt α

d: differenza di lunghezza misurata tra i due blocchetti

Si suppone che le correzioni dovute ad altri effetti

siano trascurabili.
 L misurando L campione  d  L nom (t campione  t misurando ) α 
L campione  d  L nom Δt α  f L campione , d, Δt , α 

LEGGE DI
PROPAGAZIONE
DELLE
INCERTEZZE

u (L misurando)  u (L campione)   u (d)   L nom  u (t )   L nom t u () 

2 2 2 2
DATI:

• Lnom = 100 mm

• Coefficiente di dilatazione dei blocchetti (misurando e campione)  =

11.5 · 10-6 C°-1

• Incertezza del campione ± 0.05 m, fattore di copertura k = 2

0.05
u (L campione )  0.025 m
2
• Incertezza della differenza d misurata 0.03 m, scarto tipo ricavato
sperimentalmente da 20 letture u (d ) 0.03 m
• Differenza massima di temperatura tra campione e misurando pari
0 .1
a 0.1°C u (Δt)  0.058  C
3

• Incertezza sul coefficiente di dilatazione lineare 1.0 · 10-6 C°-1, fattore di copertura k
=2 1.0 10 -6
u()  0.5 10-6 C -1
2
 L misurando L campione  d  L nom (t campione  t misurando ) α 
L campione  d  L nom Δt α  f L campione , d, Δt , α 

u (L misurando )  u (L campione )   u (d )   L  u (t )   L t u ()  

2 2 2 2

 0.0252  0.032  100 103 11.5 10 6 0.0582  100 103 0 0.5 10 6 2 

0.077m
 Per la determinazione dell’incertezza estesa è noto che:
• Incertezza del campione: il certificato di taratura dichiara che i
gradi di libertà dell’incertezza del campione sono 18.
• Incertezza della differenza d misurata: scarto tipo ricavato
sperimentalmente da 20 letture, per cui d = 19
• Incertezza della differenza di temperatura tra i blocchetti: si
stima che la differenza di temperatura non possa superare il
valore dichiarato, per cui t = 

u c4 ( y)
 eff N 
ci u ( x i ) 4


i 1 i
0.077 4
 4 4 4
546
0.025 0.03 0.067
 
18 19 
Utilizzando un fattore di copertura 1.984 relativo ad
un livello di fiducia del 95%

U(Lmisurando) = 1.984 · 0.077 = ± 0.15 m

DISTRIBUZIONE DI STUDENT

oo
12 p
8
6

-t p(6) +tp(6) t