Può essere utile fornire l'incertezza in modo tale da poter affermare
che una certa percentuale di valori misurati sia contenuta in un certo
intervallo dichiarato. In alcune applicazioni è preferibile dare una
misura dell'incertezza che definisca un intervallo intorno al risultato
della misura entro cui ci si aspetta che entri una certa percentuale
di tutti i valori di misura che possono essere ragionevolmente assegnati
al misurando. Questo tipo d'incertezza è noto come incertezza
espansa ed è espressa come:
con:
incertezza espansa;
incertezza standard.
Il risultato della misura viene espresso come:
all'incertezza standard si è sostituita quella espansa. Questo si
traduce nel fatto che la migliore stima della grandezza è la
sua media sperimentale e che una grande
parte dei valori che possono essere attribuiti a stessa cadono
nell'intervallo fissato:
nel caso di distribuzione gaussiana,
cioè disponendo di infinite osservazioni, di valore atteso
e deviazione standard , il livello
di confidenza esprime la probabilità
che un risultato cada nell'intervallo:
dal quale si ricava che il coefficiente di copertura
è legato al livello di confidenza. E' noto dalla gaussiana
che se si ha, ad esempio, un valore pari a con
significa che si considera quasi tutta l'area sottesa dalla curva
della gaussiana stessa.
Si hanno i seguenti dati:
Livello di confidenza %
Fattore di copertura
68.27
Se si volesse definire un'incertezza espansa, in presenza di un numero
finito di osservazioni, sull'esempio precedente ossia un intervallo
entro cui è ragionevole che cada il dei risultati della prova,
si potrebbe utilizzare e scrivere:
in questo caso sarebbe sbagliato, questo valore assume
significato solo per un numero infinito di osservazioni. Per un numero
finito di osservazioni ci si trova davanti ad un problema nella determinazione
dei livelli di confidenza: non
si riesce a trovare un coefficiente adeguato che permetta di esprimere
l'incertezza espansa. Nel caso di un numero finito di osservazioni
si usa la distribuzione di Student
della variabile :
Per ipotesi è data una distribuzione gaussiana di . Dallo studio
della distribuzione di probabilità di Student si può determinare un
coefficiente che ha la stessa funzione di della
gaussiana.
Con il valore di copertura già definito si mette insieme incertezza
espansa e copertura.
Nel caso in cui dipende da altre grandezze:
l'incertezza si può esprimere come:
se:
la distribuzione di probabilità può essere ricavata effettuando
un'operazione di convoluzione tra le probabilità note delle
e quindi si può determinare un secondo uno specificato livello
di confidenza Se non si conoscono tutte le (distribuzioni)
perché non tutte sono gaussiane, allora si ricorre al teorema
del limite centrale, che rende
gaussiana la distribuzione.
Theorem 4.3del limite centrale. Se le singole hanno distribuzione gaussiana
anche la ha distribuzione gaussiana; se le singole non
hanno distribuzione gaussiana, la distribuzione delle tende ad
essere gaussiana con valore atteso:
e varianza:
valide se le sono indipendenti e se
è molto più grande delle singole componenti
.