Scheda programma d'esame
MEASUREMENTS
BERNARDO TELLINI
Academic year2020/21
CourseENERGY ENGINEERING
Code654II
Credits6
PeriodSemester 1
LanguageItalian

ModulesAreaTypeHoursTeacher(s)
MISUREING-INF/07LEZIONI60
BERNARDO TELLINI unimap
Obiettivi di apprendimento
Learning outcomes
Conoscenze

Il corso si propone di introdurre i fondamenti della misurazione con particolare riferimento all’analisi dell’incertezza di misura, fornendo gli elementi base della statistica descrittiva e della statistica inferenziale per l’elaborazione dei dati sperimentali acquisiti.

Knowledge

The course aims at introducing measurement fundamentals relevant to the uncertainty measurement analysis through the descriptive and inferential statistics and the analysis for the analysis of the experimental data.

Modalità di verifica delle conoscenze

La verifica delle conoscenze avverrà attraverso una prova orale

Assessment criteria of knowledge

Reached knowledge will be verified via oral exam

Capacità

Lo studente avrà acquisito la capacità di elaborare i dati sperimentali e valutare l'incertezza di misura per casi relativamente semplici

Skills

The student will be able to elaborate experimental data and evaluate measurement uncertainty for relatively simple cases.

Modalità di verifica delle capacità

Durante il corso saranno svolte esercitazioni e discussioni con la classe al fine di verificare le capacità acquisite dallo studente su esempi di base.

Assessment criteria of skills

Practices and discussions with the students are foreseen to evaluate the student capability to solve basic measurement problems.

Comportamenti

Lo studente potrà acquisire una più chiara conoscenza del significato di misura e capacità di elaborazione dei dati sperimentali.

Behaviors

The student will get a better knowledge on the meaning of the measurement and capability to elaborate experimental data.

Modalità di verifica dei comportamenti

Durante le lezioni ed esercitazioni sono previsti momenti di discussione al fine di approfondire e verificare i suddetti comportamenti.

Assessment criteria of behaviors

Discussions during lecturers and practices will be used to verify such behaviors.

Prerequisiti (conoscenze iniziali)

Calcolo differenziale ed integrale, leggi di elettromagnetismo.

Prerequisites

Differential and integral calculus, electromagnetism basic laws.

Indicazioni metodologiche

Lezioni frontali, esercitazioni e discussione in aula

Teaching methods

Lectures, discussion and practices in classroom

Programma (contenuti dell'insegnamento)

Introduzione al concetto di frequenza e probabilita', interpretazione oggettivista e soggettivista, legge empirica del caso, scommessa coerente, regola della penalizzazione, interpretazione della media di una distribuzione;

introduzione al concetto di incertezza di misura e alla valutazione dell’incertezza di misura secondo le procedure specificate dalla Guide to the Expression of Uncertainty in Measurement. Propagazione dell’incertezza di misura per modelli approssimati lineari, introduzione al concetto di incertezza estesa;

introduzione allo schema frequentista, elementi di statistica di base, distribuzioni statistiche, previsione di frequenza relativa e legge dei grandi numeri, parametri e stimatori, gradi di liberta', gradi di liberta' effettivi, dipendenza statistica, distribuzioni normale, χ2 , t-Student, intervallo di confidenza, regressione lineare semplice, verifica delle ipotesi (intervallo di confidenza, χ2−, Z−, t−test);

introduzione allo schema soggettivista, regole della probabilita', diagrammi di Venn, probabilita' congiunta e condizionata, legge delle alternative, teorema di Bayes, distribuzioni di probabilita' discrete e continue (processo di Bernoulli, distribuzione binomiale, geometrica, di Poisson, uniforme, distribuzioni Gamma e Beta), cammino casuale, variabili casuali multiple, funzioni di variabili casuali, teorema del limite centrale, problema di inferenza del parametro nell’ipotesi di verosimiglianza Gaussiana (caso di varianza nota e di varianza non nota), analisi degli effetti sistematici nell’incertezza di misura;

analisi dell’incertezza di misura nei metodi di misura per confronto.

Bibliografia e materiale didattico

Giulio D'Agostini - Bayesian Reasoning in Data Analysis - A Critical Introduction

L. Kirkup, R. B. Frenkel - An Introduction to Uncertainty in Measurement

Guide to the Expression of Uncertainty in Measurement (GUM)

Materiale didattico fornito dal docente

 

Bibliography

Giulio D'Agostini - Bayesian Reasoning in Data Analysis - A Critical Introduction

L. Kirkup, R. B. Frenkel - An Introduction to Uncertainty in Measurement

Guide to the Expression of Uncertainty in Measurement (GUM)

Teaching material provided by the lecturer

Indicazioni per non frequentanti

Non ci sono variazioni per studenti non frequentanti

Non-attending students info

No changes for non-attending students

Modalità d'esame

Prova orale

Assessment methods

Oral exam

Updated: 08/03/2021 15:26