Anàlisi de Dades Experimentals
© Antoni Amengual Colom. Departament de Física, Universitat de les Illes Balears.

Versió 1.0 publicada al setembre de 2013. DL: PM 860-2013.

Propagació dels errors aleatoris

Variables calculades amb funcions d'una variable aleatòria gaussiana

Introducció «

En aquest tema es demostra que la funció densitat de probabilitat d'una variable u calculada amb una funció u(x) a partir dels valors x1 d'una variable aleatòria gaussiana X1 de mitjana μ1 i desviació estàndard σ1 quan u(x) es pot aproximar per una funció lineal prop de μ1, és una funció gaussiana de variància

"ade_1.gif"

Demostració «

Sigui X1 una variable aleatòria gaussiana amb la funció densitat de probabilitat

"ade_2.gif"

Es vol trobar la funció densitat de probabilitat de

"ade_3.gif"

La solució no és senzilla en el cas general, però quan u(x1) es pot aproximar per una funció lineal allà on la funció densitat de probabilitat de x1 té valors significatius, la solució és gaussiana. La demostració d'aquest fet es dóna a continuació.

La funció u(x) aproximada per la sèrie de Taylor a primer ordre al voltant de μ1 és

"ade_4.gif"

La funció queda així aproximada per la relació lineal

"ade_5.gif"

on c1 és la constant

"ade_6.gif"

Usant la relació lineal entre u i x, la variable aleatòria u tendrà la mateixa variància σ que la variable aleatòria c1 x1 perquè la constant c0 no té cap efecte sobre la variància. Per tant, la variància de la variable u és igual a la variància d'una variable aleatòria gaussiana multiplicada per una constant

"ade_7.gif"

És important tenir present que aquest resultat és aproximat i que l'aproximació és bona en la mesura que la sèrie de Taylor a primer ordre de la funció u és una bona aproximació dins l'interval x1 ± σ1.

Il·lustració amb una variable discreta «

Per il·lustrar la condició imposada i el resultat de la secció anterior per a una variable aleatòria continua, es presenta primer una il·lustració amb una variable aleatòria discreta. La comprensió de la Fig. 1 permetrà entendre bé la il·lustració de la secció següent.

Sigui X una variable aleatòria discreta que pren valors sencers de l'espai mostral {5, 6, 7, ..., 15}. La funció de probabilitat FX(ν) es representa amb l'histograma de color verd a la Fig. 1.

Quina és la funció de probabilitat FU(u) de la variable aleatòria U calculada aplicant una funció u(ν) als valors de la variable aleatòria X?

L'espai mostral de la variable U serà {u(5), u(6), u(7), ..., u(15)} i es té

"ade_8.gif"

"ade_9.gif"

Figura 1. Els histogrames representen les funcions de probabilitat d'una variable aleatòria X (verd) i una variable aleatòria U = u(X) (vermell). La línia groga representa la funció u.

Si la variable aleatòria X és continua, s'ha de cercar una relació entre les funcions densitat de probabilitat. En tal cas, es complirà que

"ade_10.gif"

Il·lustració amb una variable continua «

La línia groga a les Figs. 2a i b representa certa funció u(x).   

La línia verda representa una funció de distribució de probabilitat gaussiana. La variància σ1 d'aquesta funció a la Fig. 2a és més gran que a la Fig. 2b. La mitjana μ1 no canvia.

La línia vermella representa la funció de distribució de probabilitat dels valors u(x).

"ade_11.gif"

"ade_12.gif"

Figura 2. Veure descripció en el text.
a) La corba vermella no és simètrica, per tant no pot ser una funció gaussiana.
b) La corba vermella se sembla bastant a una gaussiana.

La funció densitat de probabilitat de la Fig. 2a no compleix la condició establerta a la demostració de la secció anterior. La funció u(x) no es pot aproximar per una funció lineal (línia blava) allà on la funció densitat de probabilitat de x1 té valors significatius. L'expressió de la funció de distribució de probabilitat d'u(x) no és senzilla. Es veu que la línia vermella no és simètrica respecte a una línia horitzontal que passés pel màxim.

La funció densitat de probabilitat de la Fig. 2b sí compleix la condició establerta a la demostració de la secció anterior. La funció u(x) es pot aproximar per una funció lineal (línia blava) allà on la funció densitat de probabilitat de x1 té valors significatius. En conseqüència la funció de distribució de probabilitat de la variable u es pot aproximar bé per una funció gaussiana, la mitjana i la variància de la qual són

μ = u(μ1),

σ = u'(μ1) σ1.