Caratterizzazione climatologica delle Marche: campo medio della temperatura per il periodo

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Caratterizzazione climatologica delle Marche: campo medio della temperatura per il periodo 1950-2000"

Transcript

1 Caratterizzazione climatologica delle Marche: campo medio della temperatura per il periodo A cura di Dott.ssa Romina Spina Dott.ssa Silvia Stortini Prof. Redo Fusari Prof. Carlo Scuterini Dott. Maurizio Di Marino

2 Indice. Premessa Banca dati per l analisi della temperatura Ricostruzione delle serie storiche Omogeneizzazione delle serie storiche Distribuzione di probabilità della temperatura media mensile Applicazione della cluster analysis Analisi della variabilità della temperatura mediante empirical orthogonal functions Gradiente termico altimetrico Carte della temperatura media annua, di gennaio e di luglio nelle Marche per il periodo Analisi delle serie temporali di temperatura Sintesi dei risultati ottenuti e considerazioni conclusive Appendice I: Aree sotto la curva normale standardizzata da a z Appendice II: Valori dei percentili per la distribuzione della variabile casuale chi-quadrato con ν gradi di libertà Appendice III: Probabilità per la distribuzione 2 χ Ringraziamenti Bibliografia

3 Premessa. La temperatura atmosferica rappresenta l elemento climatico che più direttamente influisce sia sull ambiente, sia sugli organismi: il suo andamento giornaliero e quello stagionale ed annuale, i suoi valori normali e quelli estremi concorrono decisamente alla determinazione di un comportamento quotidiano negli esseri viventi e di un ciclo annuo nei vegetali. La temperatura interviene, inoltre, nella definizione dei limiti entro cui può manifestarsi la vita sul nostro pianeta ed assume un ruolo di primaria importanza nella definizione delle caratteristiche del paesaggio. Ecco perché nel campo degli studi climatologici si dà ampio sviluppo all analisi di questo elemento, che risulta invero di fondamentale interesse. Lo studio, oggetto di questo documento e realizzato dal Centro di Ecologia e Climatologia Osservatorio Geofisico Sperimentale S.C.A R.L. di Macerata, su incarico del Servizio Protezione Civile e Sicurezza Locale della Regione Marche, è una caratterizzazione del territorio regionale attraverso l analisi di serie di temperatura. Per lo svolgimento di questa attività di ricerca sono stati elaborati statisticamente i seguenti parametri: temperatura media mensile, media mensile delle temperature massime assolute giornaliere e media mensile delle temperature minime assolute giornaliere, di 24 stazioni di misura della rete marchigiana di monitoraggio meteoclimatico, per il periodo Nella presente relazione è riportata una descrizione del lavoro fatto. In prima istanza vengono presentati i dati usati, la ricostruzione delle eventuali fallanze ed il procedimento attuato per il controllo di qualità delle serie storiche, al fine di poter compiere un indagine attendibile. Nei paragrafi susseguenti sono riportate le analisi statistiche effettuate sulle variabili investigate, con le finalità prestabilite di generare nuove informazioni, integrando quelle già disponibili nella bibliografia scientifica, riguardanti i caratteri termici del territorio marchigiano. I dati di base sono stati ulteriormente elaborati con procedure e strumenti GIS (Geographic Information System), atti a rappresentarli in forma di mappe. Infine sono state esaminate le serie temporali a disposizione, con l intento di determinare un eventuale tendenza nell andamento delle temperature nelle Marche. Nell ottavo paragrafo sono riepilogati i risultati e prodotti ottenuti, disaminati con ulteriori e maggiori ragguagli al termine di ogni sezione. 2

4 1. Banca dati per l analisi della temperatura. Il data base utilizzato è in parte costituito dalle osservazioni termometriche per il periodo , riportate negli Annali Idrologici dell Ufficio Idrografico e Mareografico di Bologna, integrate con gli aggiornamenti dal 199 in formato digitale, non ancora pubblicati. L altra parte del data set è desunta dall archivio, sia cartaceo che elettronico, interno al CEC-OGSM, contenente le misurazioni effettuate nelle stazioni coordinate dal Centro per periodi variabili, in base all installazione degli strumenti di misura e, tuttavia, posteriori al La rete meteorologica di rilevamento dati dell Osservatorio Geofisico Sperimentale di Macerata è costituita (2) da 17 stazioni, di cui 8 controllate direttamente dal Centro di Ecologia e Climatologia, mentre 9 gestite da operatori terzi, che collaborano con l Osservatorio inviando periodicamente i dati di pertinenza. Con riferimento allo studio svolto, 5 di esse sono state incluse nel campione di stazioni impiegate nell analisi: Bolognola (Pintura), Civitanova Marche, Macerata, Pollenza e S. Benedetto del Tronto. Tra le stazioni termometriche dislocate sul territorio regionale ne sono state selezionate 24 in tutto. La scelta è stata condotta in base alla continuità delle serie storiche o alla possibilità di completarle, con la ricostruzione statistica dei dati mancanti nell intervallo temporale in questione. Nelle pagine successive sono riportati l elenco delle stazioni (Tab. 1.2) e la loro ubicazione all interno della regione (Fig. 1.1) Ricostruzione delle serie storiche. Per discontinuità brevi (da 1 a 3 anni), è stata impiegata una tecnica di interpolazione within-station [Niglio, 21]. In particolare, è stato assegnato al dato non disponibile il valor medio delle temperature registrate da una stessa centralina nei 3 anni precedenti o successivi a quello affetto da mancata osservazione. Per periodi lunghi (oltre 3 anni), è stato dapprima misurato il grado di interdipendenza tra le stazioni. Il periodo preso in considerazione per fare ciò, il , corrisponde al trentennio raccomandato dall Organizzazione Meteorologica Mondiale (OMM/WMO), quale riferimento convenzionale per le analisi ed i confronti climatologici. All atto pratico, è stato effettuato il calcolo del coefficiente di correlazione lineare di Pearson tra tutte le coppie di stazioni, per ciascun parametro, per ogni mese dell anno dell intervallo

5 199. La ricostruzione dei dati mancanti è avvenuta poi attraverso la regressione semplice lineare tra la serie della stazione target e quella maggiormente correlata ad essa. Il calcolo dell intercetta e della pendenza delle equazioni di regressione è stato effettuato con il metodo dei minimi quadrati [Wilks, 1995] Omogeneizzazione delle serie storiche. Dopo essere state ricostruite, le serie storiche dal 195 al 2 sono state sottoposte ad una procedura di controllo di qualità dei dati. L obiettivo era quello di ottenere serie temporali omogenee, per le quali le variazioni potessero attribuirsi soltanto ai cambiamenti meteoclimatici (Conrad and Pollack, 1962). Per individuare le disomogeneità sono state costruite le serie delle differenze secondo la relazione: Q i [ X X + Y ] k k 2 2 = Yi ρ j ji j / ρ j, j= 1 j= 1 dove il secondo termine a destra dell uguale è detto valore di riferimento e rappresenta la stima per la serie candidata, Y ottenuta a partire dai corrispondenti valori di un dato set di cinque stazioni di riferimento, correlate ad essa secondo i coefficienti ρ, per j = 1,..., k = 5. Standard normal homogeneity test (SNHT) per singoli shifts è stato poi applicato alle serie standardizzate: Sotto le ipotesi nulla ( H ) ed alternativa ( 1 ) (,1) i { 1, n} H : Z i N..., Z i = ( Qi Q ). σ H : Q H 1 Z : Z i i N N ( µ ) { } 1,1 i 1,..., a ( µ,1) i { a + 1,..., n} dove N indica una distribuzione normale di valor medio e deviazione standard noti, si è determinato il valore della statistica dove z 1 e 2 T S max = max 1 a n 1 S T max (Alexandersson, 1986): S 2 { T } = max { az + ( n a) z } a 1 a n 1 z sono le medie aritmetiche della serie { } Il valore di a, corrispondente al massimo della serie { T } S z prima e dopo lo shift. i a, 2, appare dunque l anno più j, probabile per il break. A tal proposito, la S T max è stata confrontata con il valore critico 4

6 (relativo all ampiezza, n della serie) al livello di significatività prescelto del 5 percento ( 95 S T ), riportato nella tabella sottostante (Tab. 1.1). Se risultava T max > T95, l ipotesi nulla di omogeneità veniva rifiutata al predetto livello di significatività; in tal caso i dati per il periodo {,..., a} 1 erano corretti della differenza: q2 q1, con q1 = σ Q z1 + Q e q2 = σ Q z2 + Q [Moberg and Alexandersson, 1997]. n T 95 5,7 6,95 7,65 8,1 8,45 8,65 8,8 8,95 9,5 9,15 9,35 9,7 Tab. 1.1: Valori critici per single shift test al livello di significatività del 5 percento. L omogeneizzazione delle serie di temperatura è stata condotta sulle medie mensili dei valori di temperature massime e minime assolute giornaliere, trattando i dati come un intero set e non come serie individuali, non avendo a disposizione serie di riferimento da ritenersi sufficientemente omogenee. La procedura di omogeneizzazione ha compreso un test preliminare e un test finale, entrambi a più sessioni. Nel test preliminare, ciascuna delle 24 stazioni è risultata essere stazione di riferimento insieme alle altre 22 per la candidata in esame e stazione candidata a sua volta. Per ogni stazione candidata, sono state selezionate le 5 stazioni di riferimento, secondo il criterio della più alta correlazione; si sono identificati e rimossi gli outliers ed è stato effettuato il test di omogeneità SNHT soprariportato. Alla fine di ogni sessione sono state applicate le correzioni per le disomogeneità. Le stazioni risultate omogenee sono state trattate nel prosieguo soltanto come stazioni di riferimento, fino a quando non è stato più possibile individuare alcuna disomogeneità per tutte le stazioni. A questo punto, è stato svolto il test finale per mezzo di una procedura analoga, con l unica differenza riguardante l impiego di sets di riferimento fissi, costituiti dalle stazioni risultate omogenee al test preliminare. Le temperature medie mensili sono state poi calcolate come media aritmetica delle due variabili suddette. 5

7 Stazione Altitudine (m) Latitudine (N) Longitudine (E) Ancona (Torrette) '35" 13 27'13" Arcevia '58" 12 56'21" Ascoli Piceno '3" 13 35'43" Bargni '" 12 51'13" Bolognola (Pintura) '12" 13 14'24" Camerino '1" 13 4'8" Carpegna '47" 12 2'" Cingoli '25" 13 12'58" Civitanova Marche '27" 13 43'45" Fabriano '1" 12 54'22" Fano '3" 13 1'6" Fonte Avellana '13" 12 43'38" Jesi '27" 13 14'48" Lornano '1" 13 25'15" Macerata '32" 13 25'9" Mercatello '47" 12 2'8" Montemonaco '53" 13 19'26" Novafeltria '3" 12 17'25" Pergola '46" 12 5'8" Pesaro '45" 12 54'38" Pollenza '54" 13 23'36" S. Benedetto del Tronto '54" 13 53'24" Servigliano '48" 13 29'35" Urbino '3" 12 38'8" Tab. 1.2: Elenco delle 24 stazioni termometriche. 6

8 Fig. 1.1: Distribuzione geografica delle 24 stazioni termometriche. 7

9 In Fig. 1.2 sono mostrati i boxplots dei dati mensili della temperatura media, dal 195 al 2, per ogni stazione, costruiti sui valori dei cinque quantili: minimo, 1 quartile (lascia prima di sé il 25% dell insieme di dati sistemato in ordine di grandezza), mediana, 3 quartile (al di sotto del quale cade il 75% dei records) e massimo, riportati in Tab In ciascun box è raggruppato il 5% dei dati. Essendo le mediane prossime al centro dei boxes, i dati sono da ritenersi distribuiti in maniera pressoché simmetrica [Wilks, 1995] Ancona (Torrette) Arcevia Ascoli Piceno Bargni Bolognola (Pintura) Camerino Carpegna Cingoli Civitanova M arche Fabriano Fano Fonte Avellana Jesi Lornano M acerata M ercatello Montemonaco Novafeltria Pergola Pesaro Pollenza S. Benedetto del Tronto Servigliano Urbino temperatura media mensile ( C) Fig. 1.2: Boxplots delle serie dei dati di temperatura media mensile. Dalla rappresentazione grafica soprariportata si può notare, come era da aspettarsi, che a Bolognola (Pintura), unica stazione in esame oltre i 1. m, si registrano temperature più basse rispetto alle altre stazioni. Valori della mediana oscillanti attorno agli C si manifestano poi nella fascia altocollinare montana. A seguire, si evidenzia una fascia medio e bassocollinare con temperature medie intorno ai 13 C. Infine i valori termici più alti si presentano lungo la costa e nelle zone ad essa limitrofe (mediana circa C). 8

10 Stazione Ancona (Torrette) Minimo ( C) 1 Quartile ( C) Mediana ( C) 3 Quartile ( C) Massimo ( C),8 9,3 15, 21,6 28,1 Arcevia -3,8 6,7 12,3 19,6 28,2 Ascoli Piceno -,3 9,2 14,7 21,8 29,3 Bargni -1,5 8,4 13,8 2,7 29,7 Bolognola (Pintura) -8,9,7 6,8 13,6 22,3 Camerino -3,3 6,1 11,8 18,5 25,9 Carpegna -1,9 7, 12,3 18,6 26, Cingoli -3,6 7, 12,1 18,8 26,2 Civitanova Marche 1,2 8,2 13,2 2,1 26,6 Fabriano -3,7 6,7 12,5 18,6 26,3 Fano -1,5 8,2 14, 2,7 26,5 Fonte Avellana -4, 6,2 11,4 17,7 25, Jesi -1,5 8,2 14,1 2,4 26,9 Lornano -1,1 8,4 14,4 2,8 27,8 Macerata -1,6 8,4 13,9 2,5 27,3 Mercatello -4,2 6, 11,1 17,2 24, Montemonaco -3,1 5,4 11, 17,3 25,5 Novafeltria -2, 7,5 13,3 19,9 26,5 Pergola -1,5 7,8 13, 19,1 26, Pesaro -1,4 7,5 14, 2,3 26,2 Pollenza -2,1 7,3 13,1 19,5 26,2 S. Benedetto del Tronto 1,8 9,4 14,8 21,2 27,3 Servigliano -2, 7,4 13, 19,4 26,2 Urbino -3,5 6,6 12,1 19,5 26,6 Tab. 1.3: Quantili delle serie dei dati di temperatura media mensile. 9

11 2. Distribuzione di probabilità della temperatura media mensile. E stata studiata la distribuzione di probabilità della variabile temperatura media mensile, x considerata alla maniera di una variabile aleatoria continua definita in tutto il campo reale, ben rappresentata dalla distribuzione normale o gaussiana, la cui densità di probabilità (probability density function, PDF) risulta: f ( x) 1 = e σ 2π 2 1 x μ 2 σ, < x <. I due parametri μ e σ sono rispettivamente il valor medio e la deviazione standard della distribuzione. Validi parametri estimatori per questa distribuzione si possono facilmente ottenere usando il metodo dei momenti, stimando semplicemente μ come la media campione x e σ come la deviazione standard campione s, attraverso le rispettive equazioni: x = 1 n n x i i= 1 1 n 1 e s = ( x i x) n i= 1 2, dove n è il numero di valori del set di dati e 2 s rappresenta la varianza campione. La probabilità di avere una temperatura mensile minore o uguale ad un valore fissato x è data allora dalla funzione di distribuzione cumulativa (cumulative distribution function, CDF) definita come: ( x ) = P( x x ) = F f ( x) dx, ricordando che essa rappresenta il valore dell area sottostante la curva tra x e x. Volendo calcolare la probabilità che la temperatura mensile risulti maggiore al valore x, si tiene conto della proprietà generale della CDF secondo la quale (, + ) = f ( x) dx = 1 da cui segue che: P x ( x > x ) = 1 f ( x) dx. + F, La PDF della distribuzione gaussiana non è integrabile analiticamente, quindi per ottenere la CDF si procede per calcolo approssimato (Abramowitz and Stegun, 1984) o utilizzando la tabella in Appendice I [Spiegel, 1976]. In ambedue i casi occorre in primo luogo standardizzare la variabile x con la trasformazione: 1

12 z = x µ, σ da cui la funzione densità di probabilità della distribuzione normale standardizzata diventa: e la relativa CDF diviene: f () z = z 2 e 2π F z z 2 ( z ) = P( z z ) = f () z dz = e. dz 2π 11 z Le caratteristiche fondamentali di questa distribuzione sono il valor medio µ = e la varianza σ 2 = 1. In generale, per il calcolo delle probabilità della distribuzione normale, si rammenta che nell area compresa tra i punti di ascissa valori di x [Wilks, 1995]. μ 3σ e μ + 3σ è inclusa la quasi totalità dei Sono riportati di seguito i grafici rappresentanti gli istogrammi delle densità di frequenza dei dati di anomalie standardizzate di temperatura media mensile e l andamento della PDF (Fig. 2.1); sono elencate le principali proprietà statistiche per ciascuna distribuzione (Tab. 2.1); infine sono indicate la media e la deviazione standard delle serie dei dati di temperatura media mensile per il periodo (Tab. 2.3). Da una prima analisi degli istogrammi dei dati standardizzati (Fig. 2.1), si può notare, come aspettato, che la temperatura media mensile segue la distribuzione normale. Ciò è confermato dal confronto degli indici di forma, posizione e dispersione (Tab. 2.1), calcolati per ciascuna stazione di misura, con quelli relativi alla curva di Gauss, riportati in Tab La bontà di adattamento della distribuzione dei dati campionari alla gaussiana è stata stimata attraverso il test chi-quadrato al livello di significatività del 5 percento. Si indichino con o k le frequenze osservate e siano e k le frequenze teoriche o attese. La misura della discrepanza esistente tra le frequenze osservate e quelle teoriche è fornita dalla statistica 2 χ data da: n ( o j e j ) 2 χ =, e dove n è l ampiezza del campione e la frequenza totale è: o = e = n j j. Il valore di chi-quadrato calcolato, j= 1 j 2 2 χ o per i relativi gradi di libertà, ν e la probabilità, p di trovare un chi-quadrato maggiore o uguale a quello ottenuto sono riportati nella Tab. 2.4.

13 Usando l Appendice II [Spiegel, 1976], si può effettuare il confronto tra il valore di 2 χ calcolato e quello critico ai vari livelli di significatività per diversi gradi di libertà. Per la stima delle probabilità, p in Appendice III [Taylor, 1993] sono tabulate le 2 2 probabilità, ( χ χ ) P in funzione di ν e o χ~, dove ~ χ 2 χ 2 = /ν indica il chi-quadrato ridotto. 2 o o o Ancona (Torrette) Arcevia densità di frequenza,72,66,6,54,48,42,36,3,24,18,12,6-3,5-3, -2,5-2, -1,5-1, -,5,,5 1, 1,5 2, 2,5 3, 3,5 anomalie standardizzate densità di frequenza,72,66,6,54,48,42,36,3,24,18,12,6-3,5-3, -2,5-2, -1,5-1, -,5,,5 1, 1,5 2, 2,5 3, 3,5 anomalie standardizzate Istogramma distribuzione frequenze. PDF distribuzione Gauss. Istogramma distribuzione frequenze. PDF distribuzione Gauss. Ascoli Piceno Bargni densità di frequenza,72,66,6,54,48,42,36,3,24,18,12,6-3,5-3, -2,5-2, -1,5-1, -,5,,5 1, 1,5 2, 2,5 3, 3,5 anomalie standardizzate densità di frequenza,72,66,6,54,48,42,36,3,24,18,12,6-3,5-3, -2,5-2, -1,5-1, -,5,,5 1, 1,5 2, 2,5 3, 3,5 anomalie standardizzate Istogramma distribuzione frequenze. PDF distribuzione Gauss. Istogramma distribuzione frequenze. PDF distribuzione Gauss. Bolognola (Pintura) Camerino densità di frequenza,72,66,6,54,48,42,36,3,24,18,12,6-3,5-3, -2,5-2, -1,5-1, -,5,,5 1, 1,5 2, 2,5 3, 3,5 anomalie standardizzate densità di frequenza,72,66,6,54,48,42,36,3,24,18,12,6-3,5-3, -2,5-2, -1,5-1, -,5,,5 1, 1,5 2, 2,5 3, 3,5 anomalie standardizzate Istogramma distribuzione frequenze. PDF distribuzione Gauss. Istogramma distribuzione frequenze. PDF distribuzione Gauss. 12

14 Carpegna Cingoli densità di frequenza,72,66,6,54,48,42,36,3,24,18,12,6-3,5-3, -2,5-2, -1,5-1, -,5,,5 1, 1,5 2, 2,5 3, 3,5 anomalie standardizzate densità di frequenza,72,66,6,54,48,42,36,3,24,18,12,6-3,5-3, -2,5-2, -1,5-1, -,5,,5 1, 1,5 2, 2,5 3, 3,5 anomalie standardizzate Istogramma distribuzione frequenze. PDF distribuzione Gauss. Istogramma distribuzione frequenze. PDF distribuzione Gauss. Civitanova Marche Fabriano densità di frequenza,72,66,6,54,48,42,36,3,24,18,12,6-3,5-3, -2,5-2, -1,5-1, -,5,,5 1, 1,5 2, 2,5 3, 3,5 anomalie standardizzate densità di frequenza,72,66,6,54,48,42,36,3,24,18,12,6-3,5-3, -2,5-2, -1,5-1, -,5,,5 1, 1,5 2, 2,5 3, 3,5 anomalie standardizzate Istogramma distribuzione frequenze. PDF distribuzione Gauss. Istogramma distribuzione frequenze. PDF distribuzione Gauss. Fano Fonte Avellana densità di frequenza,72,66,6,54,48,42,36,3,24,18,12,6-3,5-3, -2,5-2, -1,5-1, -,5,,5 1, 1,5 2, 2,5 3, 3,5 anomalie standardizzate densità di frequenza,72,66,6,54,48,42,36,3,24,18,12,6-3,5-3, -2,5-2, -1,5-1, -,5,,5 1, 1,5 2, 2,5 3, 3,5 anomalie standardizzate Istogramma distribuzione frequenze. PDF distribuzione Gauss. Istogramma distribuzione frequenze. PDF distribuzione Gauss. 13

15 Jesi Lornano densità di frequenza,72,66,6,54,48,42,36,3,24,18,12,6-3,5-3, -2,5-2, -1,5-1, -,5,,5 1, 1,5 2, 2,5 3, 3,5 anomalie standardizzate densità di frequenza,72,66,6,54,48,42,36,3,24,18,12,6-3,5-3, -2,5-2, -1,5-1, -,5,,5 1, 1,5 2, 2,5 3, 3,5 anomalie standardizzate Istogramma distribuzione frequenze. PDF distribuzione Gauss. Istogramma distribuzione frequenze. PDF distribuzione Gauss. Macerata Mercatello densità di frequenza,72,66,6,54,48,42,36,3,24,18,12,6-3,5-3, -2,5-2, -1,5-1, -,5,,5 1, 1,5 2, 2,5 3, 3,5 anomalie standardizzate densità di frequenza,72,66,6,54,48,42,36,3,24,18,12,6-3,5-3, -2,5-2, -1,5-1, -,5,,5 1, 1,5 2, 2,5 3, 3,5 anomalie standardizzate Istogramma distribuzione frequenze. PDF distribuzione Gauss. Istogramma distribuzione frequenze. PDF distribuzione Gauss. Montemonaco Novafeltria densità di frequenza,72,66,6,54,48,42,36,3,24,18,12,6-3,5-3, -2,5-2, -1,5-1, -,5,,5 1, 1,5 2, 2,5 3, 3,5 anomalie standardizzate densità di frequenza,72,66,6,54,48,42,36,3,24,18,12,6-3,5-3, -2,5-2, -1,5-1, -,5,,5 1, 1,5 2, 2,5 3, 3,5 anomalie standardizzate Istogramma distribuzione frequenze. PDF distribuzione Gauss. Istogramma distribuzione frequenze. PDF distribuzione Gauss. 14

16 Pergola Pesaro densità di frequenza,72,66,6,54,48,42,36,3,24,18,12,6-3,5-3, -2,5-2, -1,5-1, -,5,,5 1, 1,5 2, 2,5 3, 3,5 anomalie standardizzate densità di frequenza,72,66,6,54,48,42,36,3,24,18,12,6-3,5-3, -2,5-2, -1,5-1, -,5,,5 1, 1,5 2, 2,5 3, 3,5 anomalie standardizzate Istogramma distribuzione frequenze. PDF distribuzione Gauss. Istogramma distribuzione frequenze. PDF distribuzione Gauss. Pollenza S. Benedetto del Tronto densità di frequenza,72,66,6,54,48,42,36,3,24,18,12,6-3,5-3, -2,5-2, -1,5-1, -,5,,5 1, 1,5 2, 2,5 3, 3,5 anomalie standardizzate densità di frequenza,72,66,6,54,48,42,36,3,24,18,12,6-3,5-3, -2,5-2, -1,5-1, -,5,,5 1, 1,5 2, 2,5 3, 3,5 anomalie standardizzate Istogramma distribuzione frequenze. PDF distribuzione Gauss. Istogramma distribuzione frequenze. PDF distribuzione Gauss. Servigliano Urbino densità di frequenza,72,66,6,54,48,42,36,3,24,18,12,6-3,5-3, -2,5-2, -1,5-1, -,5,,5 1, 1,5 2, 2,5 3, 3,5 anomalie standardizzate densità di frequenza,72,66,6,54,48,42,36,3,24,18,12,6-3,5-3, -2,5-2, -1,5-1, -,5,,5 1, 1,5 2, 2,5 3, 3,5 anomalie standardizzate Istogramma distribuzione frequenze. PDF distribuzione Gauss. Istogramma distribuzione frequenze. PDF distribuzione Gauss. Fig. 2.1: Grafici rappresentanti gli istogrammi delle densità di frequenza dei dati di anomalie standardizzate di temperatura media mensile e andamento della PDF. 15

17 Stazione Asimmetria Curtosi Mediana Moda Ancona (Torrette) 25 Percentile 75 Percentile,1 3,39 -,2 -,7 -,61,65 Arcevia,5 3,42 -,3 -,8 -,67,66 Ascoli Piceno -,1 3,5 -,2 -,7 -,69,67 Bargni -,25 2,99,6,9 -,69,72 Bolognola (Pintura),3 2,83 -,4 -,39 -,68,69 Camerino -,19 3,5,4,14 -,68,68 Carpegna -,2 3,12,, -,68,67 Cingoli -,14 3,,4,23 -,66,68 Civitanova Marche -,14 3,11,1 -,4 -,63,69 Fabriano -,1 2,76 -,1 -,8 -,68,7 Fano -,8 3,25,1 -,2 -,61,65 Fonte Avellana -,3 3,7 -,2 -,9 -,64,69 Jesi -,8 2,95,1,1 -,7,71 Lornano,1 3,16 -,3 -,1 -,67,69 Macerata -,1 2,94,1 -,2 -,67,71 Mercatello, 2,84 -,1 -,3 -,72,72 Montemonaco -,2 2,93 -,1 -,5 -,67,68 Novafeltria -,6 2,95,1,3 -,69,68 Pergola,7 2,81 -,2 -,4 -,69,68 Pesaro, 2,82 -,1 -,7 -,69,71 Pollenza -,7 2,99 -,2 -,7 -,65,67 S.Benedetto del Tronto -,4 2,95,1,4 -,68,66 Servigliano -,8 2,79,1,3 -,74,68 Urbino -,9 2,83, -,3 -,68,71 Tab. 2.1: Principali proprietà statistiche per ciascuna distribuzione di probabilità. Asimmetria Curtosi Mediana Moda 25 Percentile 75 Percentile, 3,,, -,67,67 Tab. 2.2: Proprietà della distribuzione normale standardizzata. 16

18 Stazione/Mese Gennaio Febbraio Marzo Aprile Maggio Giugno µ σ µ σ µ σ µ σ µ σ µ σ Ancona (Torrette) 6, 1,5 7,3 2, 1, 1,7 13,6 1,2 17,7 1,3 22,1 1,1 Arcevia 3,7 1,7 4,7 2,6 7,2 2,2 1,8 1,6 15,5 1,7 2, 1,4 Ascoli Piceno 6,2 1,5 7,1 2,3 9,3 1,6 12,5 1,8 17,5 1,8 22,4 1,3 Bargni 5,3 2,1 6,5 2,5 9,4 1,8 12,7 1,5 17,1 1,8 21, 1,5 Bolognola (Pintura) -1,6 1,8-1,7 2,4 1,3 2,2 4,6 1,5 9,4 1,7 14,5 1,6 Camerino 3,5 1,7 4,2 2,3 6,5 2, 1,2 1,4 14,2 1,6 18,7 1,2 Carpegna 4,6 1,7 5,3 2,3 7,6 2, 11, 1,2 15,3 1,3 18,8 1,4 Cingoli 4,3 1,6 4,8 2,4 7,5 2,1 1,8 1,4 15,3 1,6 19,2 1,3 Civitanova Marche 5, 1,7 6,6 1,6 8,7 1,6 11,8 1, 16,4 1,5 2,4 1,3 Fabriano 3,7 1,8 4,5 2,4 7,2 1,8 11, 1,4 15,5 1,4 18,8 1,2 Fano 4,8 1,7 6,2 2,2 8,8 1,4 12,2 1,2 16,5 1,5 2,8 1,2 Fonte Avellana 3,6 1,6 4,4 2,4 6,9 2, 1,1 1,5 14,3 1,4 18,2 1,3 Jesi 4,8 1,6 6,2 2,2 9,3 1,8 12,5 1,3 16,8 1,4 2,8 1,2 Lornano 5,7 1,5 6,6 2,3 9,3 1,9 12,8 1,5 17,2 1,5 21,2 1,4 Macerata 5,5 1,6 6,5 2,4 9, 1,9 12,4 1,5 17, 1,6 21, 1,3 Mercatello 3,1 1,7 3,9 2,3 6,8 1,8 9,8 1,2 13,8 1,3 18, 1,2 Montemonaco 2,7 1,8 3,4 2,4 5,9 2,2 9,1 1,8 13,9 1,8 17,6 1,4 Novafeltria 4,5 1,8 5,6 2,2 8,8 1,9 11,9 1,2 16,2 1,2 2,2 1,1 Pergola 5,3 1,4 5,9 2,4 8,1 1,9 11,5 1,5 15,6 1,6 19,7 1,3 Pesaro 4,2 1,6 5,6 2,1 8,7 1,6 12,4 1,2 16,9 1,2 2,8 1, Pollenza 4,3 1,7 5,2 2,2 7,9 1,8 11,6 1,5 15,8 1,3 19,7 1,2 S. Benedetto del Tronto 6,9 1,3 7,4 1,7 9,7 1,3 12,9 1, 17,3 1,4 21,4 1,1 Servigliano 4,8 1,5 5,6 2,1 8, 1,7 11,3 1,2 16,1 1,3 19,7 1,3 Urbino 3,8 1,6 4,7 2,5 7,7 2, 1,9 1,7 15,5 1,9 2,5 1,3 Tab. 2.3: Media (µ, C) e deviazione standard (σ, C) delle serie dei dati di temperatura media mensile per il periodo (continua) 17

19 (continua) Stazione/Mese Luglio Agosto Settembre Ottobre Novembre Dicembre µ σ µ σ µ σ µ σ µ σ µ σ Ancona (Torrette) 24,1 1,4 24,6 1,4 21,2 1,4 16,8 1,3 11,7 1,3 7,9 1,4 Arcevia 23,3 1,5 22,9 2, 19,4 1,7 13,6 1,5 8,5 1,5 5,4 1,4 Ascoli Piceno 25,7 1,1 24,2 1,8 21,2 1,6 16,6 1,3 12,1 1,4 8,3 1,5 Bargni 23,9 1,5 24, 1,9 2,3 1,7 15,2 1,3 1,4 1,5 6,7 1,7 Bolognola (Pintura) 17,7 1,6 17,5 1,8 12,9 2, 8,6 1,4 3, 1,7 -,4 1,9 Camerino 21,7 1,3 21,6 1,9 18,2 1,7 13,3 1,4 8,1 1,6 4,9 1,6 Carpegna 21,9 1,3 21,8 1,7 18,3 1,5 14,1 1,3 8,6 1,3 5,4 1,5 Cingoli 22,5 1,3 21,9 2, 18,4 1,7 13,4 1,4 9,2 1,4 5,7 1,6 Civitanova Marche 23,2 1,2 23,1 1,4 19,9 1,5 15,6 1,3 1,2 1,4 7, 1,4 Fabriano 22,1 1,2 22,3 1,7 18,3 1,5 13,5 1,4 9, 1,5 4,9 1,6 Fano 23,5 1,2 23,5 1,5 2,6 1,3 16, 1,3 1,9 1,3 6,8 1,3 Fonte Avellana 21, 1,4 21,1 1,8 17,4 1,6 12,3 1,4 7,7 1,4 5, 1,5 Jesi 23,6 1,2 23,4 1,7 19,9 1,5 15,3 1,3 1,1 1,3 6,2 1,5 Lornano 24, 1,4 24,1 1,9 2,5 1,8 15,7 1,5 1,5 1,3 6,6 1,3 Macerata 23,9 1,3 23,7 1,8 2,1 1,6 15,6 1,3 1,1 1,5 6,7 1,4 Mercatello 2,2 1,2 2,2 1,5 16,7 1,4 12,2 1,3 7,7 1,4 4,4 1,5 Montemonaco 21,2 1,4 21,4 2, 17,4 1,8 12,3 1,6 7,1 1,6 4,3 2, Novafeltria 22,5 1, 22,5 1,6 19,6 1,5 14,3 1,3 9,4 1,4 5,6 1,4 Pergola 22,1 1,3 22,2 1,7 18,6 1,5 14,4 1,6 9,9 1,6 6,5 1,6 Pesaro 23,2 1,1 23,1 1,3 19,9 1,2 15,3 1,2 9,8 1,4 5,8 1,1 Pollenza 23,1 1,1 23, 1,7 19,5 1,4 14,2 1,4 9,6 1,3 6,1 1,2 S. Benedetto del Tronto 24,3 1, 24,2 1,4 21,1 1,2 16,9 1,2 12,1 1,1 8,6 1, Servigliano 22,4 1,2 22,3 1,6 19,4 1,3 14,3 1,2 1, 1,2 5,8 1,2 Urbino 23,2 1,3 22,5 1,7 18,2 1,7 13,3 1,5 8,1 1,6 5,4 1,5 18

20 Stazione χ 2 ν p (%) Ancona (Torrette) 15, Arcevia 1, Ascoli Piceno 1, Bargni 11, Bolognola (Pintura) 8, Camerino 7, Carpegna 1, Cingoli 5, Civitanova Marche 9, Fabriano 3, Fano 8, Fonte Avellana 8, Jesi 8, Lornano 7, Macerata 5, Mercatello 7, Montemonaco 8, Novafeltria 2, Pergola 5, Pesaro 3, Pollenza 6, S. Benedetto del Tronto 3, Servigliano 9, Urbino 3, Tab. 2.4: Valore di chi-quadrato calcolato (χ 2 ) per i rispettivi gradi di libertà (ν) e probabilità (p) di trovare un valore di chi-quadrato a quello ottenuto. 19

21 3. Applicazione della cluster analysis. La cluster analysis è il metodo con il quale è stato possibile suddividere il data set, relativo alle 24 stazioni in studio, in gruppi più piccoli con caratteristiche simili dal punto di vista termometrico. Le procedure di cluster analysis usate sono quelle di tipo gerarchico agglomerativo, col fine di ottenere una divisione dei dati che minimizzi la differenza tra i membri di un dato cluster e massimizzi la differenza tra membri di clusters diversi. Il parametro discriminante del clustering di dati osservati è la distanza. La misura di distanza, fra i casi, più intuitiva e comunemente usata è la distanza euclidea, che nello spazio K-dimensionale, tra due punti x i e x j, è data da: K 2 i, j = xi x j = (xi,k x j,k ) k = 1 d. Il criterio usato per calcolare la distanza tra cluster e cluster definisce essenzialmente il metodo di clustering. Quello qui utilizzato è il metodo del complete-linkage o clustering della massima distanza: la distanza tra i clusters G 1 e G 2 è la maggiore distanza euclidea tra un membro di G 1 ed uno di G 2. Formalmente: d = max d [Wilks, 1995]. G1,G2 i G 1, j G2 Sono stati sottoposti alla procedura di clustering il valor medio delle temperature medie annue e quello delle temperature medie stagionali di ogni stazione (Tab. 3.1). Applicando la procedura descritta, si ottengono i grafici ad albero riportati nelle Fig Per ciascuno di essi è indicato il punto di rottura scelto per la relativa suddivisione della regione in zone termometricamente affini. Dai dendrogrammi delle Fig si evince che nel territorio marchigiano si possono distinguere 5 aree con caratteri termometrici simili durante l anno, in autunno e inverno, che si riducono a 4 nelle rimanenti stagioni. La stazione di Bolognola (Pintura), l unica oltre i 1. m, manifesta un comportamento diverso dalle altre, costituendo sempre un gruppo a sé. Le restanti 23 stazioni si distribuiscono in 3 o 4 fasce, a seconda del periodo, che, seppur allargandosi e restringendosi, comprendono genericamente gli stessi elementi. Esse sono: una fascia altocollinare montana, una mediocollinare, una bassocollinare ed una costiera, laddove le ultime due tendono talvolta ad unificarsi. i, j 2

ELEMENTI DI STATISTICA PER IDROLOGIA

ELEMENTI DI STATISTICA PER IDROLOGIA Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 ELEMETI DI STATISTICA PER IDROLOGIA Introduzione Una variabile si dice casuale quando assume valori che dipendono

Dettagli

ALLEGATO 1 Analisi delle serie storiche pluviometriche delle stazioni di Torre del Lago e di Viareggio.

ALLEGATO 1 Analisi delle serie storiche pluviometriche delle stazioni di Torre del Lago e di Viareggio. ALLEGATO 1 Analisi delle serie storiche pluviometriche delle stazioni di Torre del Lago e di Viareggio. Per una migliore caratterizzazione del bacino idrologico dell area di studio, sono state acquisite

Dettagli

Elementi di Statistica

Elementi di Statistica Elementi di Statistica Contenuti Contenuti di Statistica nel corso di Data Base Elementi di statistica descrittiva: media, moda, mediana, indici di dispersione Introduzione alle variabili casuali e alle

Dettagli

Esplorazione dei dati

Esplorazione dei dati Esplorazione dei dati Introduzione L analisi esplorativa dei dati evidenzia, tramite grafici ed indicatori sintetici, le caratteristiche di ciascun attributo presente in un dataset. Il processo di esplorazione

Dettagli

Dai dati al modello teorico

Dai dati al modello teorico Dai dati al modello teorico Analisi descrittiva univariata in R 1 Un po di terminologia Popolazione: (insieme dei dispositivi che verranno messi in produzione) finito o infinito sul quale si desidera avere

Dettagli

Abbiamo visto due definizioni del valore medio e della deviazione standard di una grandezza casuale, in funzione dalle informazioni disponibili:

Abbiamo visto due definizioni del valore medio e della deviazione standard di una grandezza casuale, in funzione dalle informazioni disponibili: Incertezze di misura Argomenti: classificazione delle incertezze; definizione di incertezza tipo e schemi di calcolo; schemi per il calcolo dell incertezza di grandezze combinate; confronto di misure affette

Dettagli

Recupero, esame critico, omogeneizzazione ed analisi di serie storiche secolari italiane di dati meteorologici

Recupero, esame critico, omogeneizzazione ed analisi di serie storiche secolari italiane di dati meteorologici Recupero, esame critico, omogeneizzazione ed analisi di serie storiche secolari italiane di dati meteorologici M. Maugeri 1, M. Brunetti 2, L. Buffoni 3, F. Mangianti 4, F. Monti 1, T. Nanni 2, R. Pastorelli

Dettagli

Accuratezza di uno strumento

Accuratezza di uno strumento Accuratezza di uno strumento Come abbiamo già accennato la volta scora, il risultato della misurazione di una grandezza fisica, qualsiasi sia lo strumento utilizzato, non è mai un valore numerico X univocamente

Dettagli

INDICE PREFAZIONE VII

INDICE PREFAZIONE VII INDICE PREFAZIONE VII CAPITOLO 1. LA STATISTICA E I CONCETTI FONDAMENTALI 1 1.1. Un po di storia 3 1.2. Fenomeno collettivo, popolazione, unità statistica 4 1.3. Caratteri e modalità 6 1.4. Classificazione

Dettagli

2. Raccordo tra serie derivanti da strumenti meccanici ed automatici

2. Raccordo tra serie derivanti da strumenti meccanici ed automatici . Raccordo tra serie derivanti da strumenti meccanici ed automatici.1. Obiettivi I dati di precipitazioni in Piemonte sin dall inizio del secolo scorso sono stati raccolti da stazioni di misura in parte

Dettagli

Analisi statistica degli errori

Analisi statistica degli errori Analisi statistica degli errori I valori numerici di misure ripetute risultano ogni volta diversi l operazione di misura può essere considerata un evento casuale a cui è associata una variabile casuale

Dettagli

GUIDA PER LA VALUTAZIONE E LA ESPRESSIONE DELL INCERTEZZA NELLE MISURAZIONI

GUIDA PER LA VALUTAZIONE E LA ESPRESSIONE DELL INCERTEZZA NELLE MISURAZIONI SISTEMA NAZIONALE PER L'ACCREDITAMENTO DI LABORATORI DT-000 GUIDA PER LA VALUTAZIONE E LA ESPRESSIONE DELL INCERTEZZA NELLE MISURAZIONI INDICE parte sezione pagina 1. INTRODUZIONE. FONDAMENTI.1. Misurando,

Dettagli

L analisi spaziale. Indici statistici geospaziali

L analisi spaziale. Indici statistici geospaziali L analisi spaziale Uno degli scopi principali dei GIS e quello di offrire strumenti concettuali e metodologici per studiare analiticamente le relazioni nello spazio L analisi spaziale ha come obbiettivo

Dettagli

CAPITOLO 10. Controllo di qualità. Strumenti per il controllo della qualità e la sua gestione

CAPITOLO 10. Controllo di qualità. Strumenti per il controllo della qualità e la sua gestione CAPITOLO 10 Controllo di qualità Strumenti per il controllo della qualità e la sua gestione STRUMENTI PER IL CONTROLLO E LA GESTIONE DELLA QUALITÀ - DIAGRAMMI CAUSA/EFFETTO - DIAGRAMMI A BARRE - ISTOGRAMMI

Dettagli

Riassunto 24 Parole chiave 24 Commenti e curiosità 25 Esercizi 27 Appendice

Riassunto 24 Parole chiave 24 Commenti e curiosità 25 Esercizi 27 Appendice cap 0 Romane - def_layout 1 12/06/12 07.51 Pagina V Prefazione xiii Capitolo 1 Nozioni introduttive 1 1.1 Introduzione 1 1.2 Cenni storici sullo sviluppo della Statistica 2 1.3 La Statistica nelle scienze

Dettagli

SCHEDA TECNICA SULLE SONDE GEOTERMICHE (M.Menichetti Università di Urbino)

SCHEDA TECNICA SULLE SONDE GEOTERMICHE (M.Menichetti Università di Urbino) SCHEDA TECNICA SULLE SONDE GEOTERMICHE (M.Menichetti Università di Urbino) Il flusso di calore geotermico Il flusso di calore nel terreno, nella parte più superficiale della crosta terrestre corrispondenti

Dettagli

Statistica descrittiva: prime informazioni dai dati sperimentali

Statistica descrittiva: prime informazioni dai dati sperimentali SECONDO APPUNTAMENTO CON LA SPERIMENTAZIONE IN AGRICOLTURA Statistica descrittiva: prime informazioni dai dati sperimentali La statistica descrittiva rappresenta la base di partenza per le applicazioni

Dettagli

I punteggi zeta e la distribuzione normale

I punteggi zeta e la distribuzione normale QUINTA UNITA I punteggi zeta e la distribuzione normale I punteggi ottenuti attraverso una misurazione risultano di difficile interpretazione se presi in stessi. Affinché acquistino significato è necessario

Dettagli

IL CLIMA DEL PARCO VILLE OTTOLENGHI

IL CLIMA DEL PARCO VILLE OTTOLENGHI IL CLIMA DEL PARCO VILLE OTTOLENGHI Indice 1. Introduzione... 2 2. Metodologia... 3 3. Temperatura... 3 4. Vento... 10 5. Installazione stazione portatile e campagna di misura... 11 6. Elaborazione dati

Dettagli

I FATTORI CHE DETERMINANO IL CLIMA

I FATTORI CHE DETERMINANO IL CLIMA UNITA N 10 I FATTORI CHE DETERMINANO IL CLIMA Quali sono i fattori che influenzano il clima? Si chiamano fattori climatici le condizioni che producono variazioni negli elementi del clima. Molto importante

Dettagli

Stima statistica descrittiva di alcuni casi sperimentali di incremento artificiale delle precipitazioni

Stima statistica descrittiva di alcuni casi sperimentali di incremento artificiale delle precipitazioni Stima statistica descrittiva di alcuni casi sperimentali di incremento artificiale delle precipitazioni F. Gallo 1, G. Jona Lasinio 1, A. Orasi 2 1 Università di Roma La Sapienza, Roma 2 Università degli

Dettagli

RELAZIONE TRA VARIABILI QUANTITATIVE. Lezione 7 a. Accade spesso nella ricerca in campo biomedico, così come in altri campi della

RELAZIONE TRA VARIABILI QUANTITATIVE. Lezione 7 a. Accade spesso nella ricerca in campo biomedico, così come in altri campi della RELAZIONE TRA VARIABILI QUANTITATIVE Lezione 7 a Accade spesso nella ricerca in campo biomedico, così come in altri campi della scienza, di voler studiare come il variare di una o più variabili (variabili

Dettagli

[ ] [ ] 5.2. Statistiche descrittive

[ ] [ ] 5.2. Statistiche descrittive traffico nei tratti stradali limitrofi (deficienza non trascurabile data la fitta tessitura che caratterizza la rete stradale mestrina). I dati ottenuti, però, possono fornire una stima del fenomeno ed

Dettagli

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA ESERCIZI SVOLTI PER LA PROVA DI STATISTICA Stefania Naddeo (anno accademico 4/5) INDICE PARTE PRIMA: STATISTICA DESCRITTIVA. DISTRIBUZIONI DI FREQUENZA E FUNZIONE DI RIPARTIZIONE. VALORI CARATTERISTICI

Dettagli

Campagna di monitoraggio di Meina Verifica effetto del provvedimento di Deviazione traffico pesante (5 agosto 29 settembre 2008)

Campagna di monitoraggio di Meina Verifica effetto del provvedimento di Deviazione traffico pesante (5 agosto 29 settembre 2008) STRUTTURA COMPLESSA 11 DIPARTIMENTO DI NOVARA Struttura Semplice SS 11.2 Campagna di monitoraggio di Meina Verifica effetto del provvedimento di Deviazione traffico pesante (5 agosto 29 settembre 28) Redazione

Dettagli

Abbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995).

Abbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995). ANALISI DI UNA SERIE TEMPORALE Analisi statistica elementare Abbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995). Si puo' osservare una media di circa 26 C e una deviazione

Dettagli

Esercitazione di riepilogo 23 Aprile 2013

Esercitazione di riepilogo 23 Aprile 2013 Esercitazione di riepilogo 23 Aprile 2013 Grafici Grafico a barre Servono principalmente per rappresentare variabili (caratteri) qualitative, quantitative e discrete. Grafico a settori circolari (torta)

Dettagli

RELAZIONE TRA DUE VARIABILI QUANTITATIVE

RELAZIONE TRA DUE VARIABILI QUANTITATIVE RELAZIONE TRA DUE VARIABILI QUANTITATIVE Quando si considerano due o più caratteri (variabili) si possono esaminare anche il tipo e l'intensità delle relazioni che sussistono tra loro. Nel caso in cui

Dettagli

(accuratezza) ovvero (esattezza)

(accuratezza) ovvero (esattezza) Capitolo n 2 2.1 - Misure ed errori In un analisi chimica si misurano dei valori chimico-fisici di svariate grandezze; tuttavia ogni misura comporta sempre una incertezza, dovuta alla presenza non eliminabile

Dettagli

General Linear Model. Esercizio

General Linear Model. Esercizio Esercizio General Linear Model Una delle molteplici applicazioni del General Linear Model è la Trend Surface Analysis. Questa tecnica cerca di individuare, in un modello di superficie, quale tendenza segue

Dettagli

Statistica descrittiva univariata

Statistica descrittiva univariata Statistica descrittiva univariata Elementi di statistica 2 1 Tavola di dati Una tavola (o tabella) di dati è l insieme dei caratteri osservati nel corso di un esperimento o di un rilievo. Solitamente si

Dettagli

STUDIO DI SETTORE VG82U

STUDIO DI SETTORE VG82U ALLEGATO 18 NOTA TECNICA E METODOLOGICA STUDIO DI SETTORE VG82U SERVIZI PUBBLICITARI, RELAZIONI PUBBLICHE E COMUNICAZIONE 862 CRITERI PER L EVOLUZIONE DELLO STUDIO DI SETTORE L'applicazione dello studio

Dettagli

Brugnaro Luca Boscaro Gianni (2009) 1

Brugnaro Luca Boscaro Gianni (2009) 1 STATISTICA PER LE PROFESSIONI SANITARIE - LIVELLO BASE Brugnaro Luca Boscaro Gianni (2009) 1 Perché la statistica Prendere decisioni Bibliografia non soddisfacente Richieste nuove conoscenze Raccolta delle

Dettagli

Elaborazione dati in Analisi Sensoriale

Elaborazione dati in Analisi Sensoriale Elaborazione dati in Analisi Sensoriale Si è parlato di interpretazione corretta dei risultati ottenuti; a questo concorrono due fattori: affidabilità e validità. Se i test fossero stati ripetuti con lo

Dettagli

RADIAZIONE SOLARE. 99% dell energia compresa in λ 0.15 4 µ: 9% nell uv (λ < 0.4µ) 49% nel visibile (0.4 < λ < 0.8µ) 42% nell IR (λ > 0.

RADIAZIONE SOLARE. 99% dell energia compresa in λ 0.15 4 µ: 9% nell uv (λ < 0.4µ) 49% nel visibile (0.4 < λ < 0.8µ) 42% nell IR (λ > 0. BILANCIO AL TOP DELL ATMOSFERA RADIAZIONE SOLARE 99% dell energia compresa in λ 0.15 4 µ: 9% nell uv (λ < 0.4µ) 49% nel visibile (0.4 < λ < 0.8µ) 42% nell IR (λ > 0.8µ) L intensità della radiazione solare

Dettagli

1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:

1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi

Dettagli

STUDIO DI SETTORE VG87U

STUDIO DI SETTORE VG87U ALLEGATO 21 NOTA TECNICA E METODOLOGICA STUDIO DI SETTORE VG87U CONSULENZA FINANZIARIA, AMMINISTRATIVO-GESTIONALE E AGENZIE DI INFORMAZIONI COMMERCIALI CRITERI PER L EVOLUZIONE DELLO STUDIO DI SETTORE

Dettagli

Indici (Statistiche) che esprimono le caratteristiche di simmetria e

Indici (Statistiche) che esprimono le caratteristiche di simmetria e Indici di sintesi Indici (Statistiche) Gran parte della analisi statistica consiste nel condensare complessi pattern di osservazioni in un indicatore che sia capace di riassumere una specifica caratteristica

Dettagli

Università del Piemonte Orientale. Corsi di Laurea Triennale. Corso di Statistica e Biometria. Introduzione e Statistica descrittiva

Università del Piemonte Orientale. Corsi di Laurea Triennale. Corso di Statistica e Biometria. Introduzione e Statistica descrittiva Università del Piemonte Orientale Corsi di Laurea Triennale Corso di Statistica e Biometria Introduzione e Statistica descrittiva Corsi di Laurea Triennale Corso di Statistica e Biometria: Introduzione

Dettagli

La distribuzione Gaussiana

La distribuzione Gaussiana Università del Piemonte Orientale Corso di Laurea in Biotecnologie Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in biotecnologie - Corso di Statistica Medica La distribuzione

Dettagli

Indicando con x i minuti di conversazione effettuati in un mese, con la spesa totale nel mese e con il costo medio al minuto:

Indicando con x i minuti di conversazione effettuati in un mese, con la spesa totale nel mese e con il costo medio al minuto: PROBLEMA 1. Il piano tariffario proposto da un operatore telefonico prevede, per le telefonate all estero, un canone fisso di 10 euro al mese, più 10 centesimi per ogni minuto di conversazione. Indicando

Dettagli

STUDIO DI SETTORE UG41U

STUDIO DI SETTORE UG41U A L L E G AT O 1 NOTA TECNICA E METODOLOGICA STUDIO DI SETTORE UG41U R I C E R C H E D I M E R C A T O E S O N D A G G I D I O P I N I O N E CRITERI PER L EVOLUZIONE DELLO STUDIO DI SETTORE L'applicazione

Dettagli

STUDIO DI SETTORE WK21U

STUDIO DI SETTORE WK21U ALLEGATO 12 NOTA TECNICA E METODOLOGICA STUDIO DI SETTORE WK21U ATTIVITÀ DEGLI STUDI ODONTOIATRICI CRITERI PER L EVOLUZIONE DELLO STUDIO DI SETTORE L'applicazione dello studio di settore attribuisce ai

Dettagli

ELEMENTI DI STATISTICA DESCRITTIVA

ELEMENTI DI STATISTICA DESCRITTIVA Metodi Statistici e Probabilistici per l Ingegneria ELEMENTI DI STATISTICA DESCRITTIVA Corso di Laurea in Ingegneria Civile Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain E-mail:

Dettagli

Per forma di una distribuzione si intende il modo secondo il quale si dispongono i valori di un carattere intorno alla rispettiva media.

Per forma di una distribuzione si intende il modo secondo il quale si dispongono i valori di un carattere intorno alla rispettiva media. FORMA DI UNA DISTRIBUZIONE Per forma di una distribuzione si intende il modo secondo il quale si dispongono i valori di un carattere intorno alla rispettiva media. Le prime informazioni sulla forma di

Dettagli

Il clima degli ultimi 50 anni in Veneto

Il clima degli ultimi 50 anni in Veneto Abano Terme, 27 29 Aprile 2007 Il clima degli ultimi 50 anni in Veneto Adriano Barbi, Alessandro Chiaudani, Irene Delillo ARPAV Centro Meteorologico di Teolo Sabato 28 Aprile 2007 In collaborazione con

Dettagli

DEFINIZIONE La statistica è una scienza che si propone di definire con dei numeri cose che non si possono numerare ne misurare.

DEFINIZIONE La statistica è una scienza che si propone di definire con dei numeri cose che non si possono numerare ne misurare. Appunti di Statistica DEFINIZIONE La statistica è una scienza che si propone di definire con dei numeri cose che non si possono numerare ne misurare. PROCESSO STATISTICO L indagine statistica comprende

Dettagli

Statistica descrittiva

Statistica descrittiva Statistica descrittiva La statistica descrittiva mette a disposizione il calcolo di indicatori sintetici che individuano, con un singolo valore, proprieta` statistiche di un campione/popolazione rispetto

Dettagli

Appendice III. Criteri per l utilizzo dei metodi di valutazione diversi dalle misurazioni in siti fissi

Appendice III. Criteri per l utilizzo dei metodi di valutazione diversi dalle misurazioni in siti fissi Appendice III (articolo 5, comma 1 e art. 22 commi 5 e 7) Criteri per l utilizzo dei metodi di valutazione diversi dalle misurazioni in siti fissi 1. Tecniche di modellizzazione 1.1 Introduzione. In generale,

Dettagli

UNIVERSITA DEGLI STUDI DI BRESCIA-FACOLTA DI MEDICINA E CHIRURGIA CORSO DI LAUREA IN INFERMIERISTICA SEDE DI DESENZANO dg STATISTICA MEDICA

UNIVERSITA DEGLI STUDI DI BRESCIA-FACOLTA DI MEDICINA E CHIRURGIA CORSO DI LAUREA IN INFERMIERISTICA SEDE DI DESENZANO dg STATISTICA MEDICA Seconda Lezione DISTRIBUZIONE DI FREQUENZA Frequenza assoluta: è il numero puro di casi per quella modalità Frequenze relative: sono il rapporto tra la frequenza assoluta con cui si manifesta una modalità

Dettagli

EMBA PART TIME 2012 ROMA I ANNO

EMBA PART TIME 2012 ROMA I ANNO BUSINESS STATISTICS: ASSIGNMENT II: EMBA PART TIME 2012 ROMA I ANNO PROF. MOSCONI ESERCIZIO 1: USO DEL MODELLO DI REGRESSIONE PER DETERMINARE IL VALORE DEGLI IMMOBILI. ESERCIZIO 2: PREVISIONE DI VARIABILI

Dettagli

LIVELLI E PORTATE MEDIE GIORNALIERE DEL FIUME BRENTA A BARZIZA NELL ANNO 2008

LIVELLI E PORTATE MEDIE GIORNALIERE DEL FIUME BRENTA A BARZIZA NELL ANNO 2008 DIPARTIMENTO REGIONALE PER LA SICUREZZA DEL TERRITORIO NELL ANNO 2008 ARPAV Dipartimento Regionale per la Sicurezza del Territorio Alberto Luchetta Progetto e realizzazione Italo Saccardo Gianmario Egiatti

Dettagli

STUDIO DI SETTORE VG53U

STUDIO DI SETTORE VG53U ALLEGATO 8 NOTA TECNICA E METODOLOGICA STUDIO DI SETTORE VG53U SERVIZI LINGUISTICI E ORGANIZZAZIONE DI CONVEGNI E FIERE CRITERI PER L EVOLUZIONE DELLO STUDIO DI SETTORE L'applicazione dello studio di settore

Dettagli

Test non parametrici. Test non parametrici. Test non parametrici. Test non parametrici

Test non parametrici. Test non parametrici. Test non parametrici. Test non parametrici Test non parametrici Test non parametrici Il test T di Student per uno o per due campioni, il test F di Fisher per l'analisi della varianza, la correlazione, la regressione, insieme ad altri test di statistica

Dettagli

7. FONTI DEI DATI, DIMENSIONI DI ANALISI E INDICATORI STATISTICI

7. FONTI DEI DATI, DIMENSIONI DI ANALISI E INDICATORI STATISTICI 7. FONTI DEI DATI, DIMENSIONI DI ANALISI E INDICATORI STATISTICI 7.1. FONTI DEI DATI Per la realizzazione dell atlante sanitario della Regione Piemonte sono state utilizzate le basi dati dei seguenti sistemi

Dettagli

Come descrivere un fenomeno in ambito sanitario fondamenti di statistica descrittiva. Brugnaro Luca

Come descrivere un fenomeno in ambito sanitario fondamenti di statistica descrittiva. Brugnaro Luca Come descrivere un fenomeno in ambito sanitario fondamenti di statistica descrittiva Brugnaro Luca Progetto formativo complessivo Obiettivo: incrementare le competenze degli operatori sanitari nelle metodiche

Dettagli

Esercizi: i rendimenti finanziari

Esercizi: i rendimenti finanziari Esercizi: i rendimenti finanziari Operazioni algebriche elementari Distribuzione e dipendenza Teoria di probabilità Selezione portafoglio p. 1/25 Esercizio I Nella tabella sottostante relativa all indice

Dettagli

Statistica. L. Freddi. L. Freddi Statistica

Statistica. L. Freddi. L. Freddi Statistica Statistica L. Freddi Statistica La statistica è un insieme di metodi e tecniche per: raccogliere informazioni su un fenomeno sintetizzare l informazione (elaborare i dati) generalizzare i risultati ottenuti

Dettagli

Analisi della performance temporale della rete

Analisi della performance temporale della rete Analisi della performance temporale della rete In questo documento viene analizzato l andamento nel tempo della performance della rete di promotori. Alcune indicazioni per la lettura di questo documento:

Dettagli

Il concetto di valore medio in generale

Il concetto di valore medio in generale Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo

Dettagli

STUDIO DI SETTORE VG41U

STUDIO DI SETTORE VG41U A L L E G AT O 1 NOTA TECNICA E METODOLOGICA STUDIO DI SETTORE VG41U R I C E R C H E D I M E R C A T O E S O N D A G G I D I O P I N I O N E CRITERI PER L EVOLUZIONE DELLO STUDIO DI SETTORE L'applicazione

Dettagli

Relazioni statistiche: regressione e correlazione

Relazioni statistiche: regressione e correlazione Relazioni statistiche: regressione e correlazione È detto studio della connessione lo studio si occupa della ricerca di relazioni fra due variabili statistiche o fra una mutabile e una variabile statistica

Dettagli

ANALISI DEI DATI PER IL MARKETING 2014

ANALISI DEI DATI PER IL MARKETING 2014 ANALISI DEI DATI PER IL MARKETING 2014 Marco Riani mriani@unipr.it http://www.riani.it LA CLASSIFICAZIONE CAP IX, pp.367-457 Problema generale della scienza (Linneo, ) Analisi discriminante Cluster Analysis

Dettagli

Elementi di Psicometria con Laboratorio di SPSS 1

Elementi di Psicometria con Laboratorio di SPSS 1 Elementi di Psicometria con Laboratorio di SPSS 1 5-Indici di variabilità (vers. 1.0c, 20 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca

Dettagli

ANALISI CLIMATICA DELL ESTATE 2015

ANALISI CLIMATICA DELL ESTATE 2015 Provincia Autonoma di Trento METEOTRENTINO REPORT ANALISI CLIMATICA DELL ESTATE 2015 Ottobre 2015 Dipartimento Protezione Civile Servizio Prevenzione Rischi Ufficio Previsioni e Pianificazione Via Vannetti,

Dettagli

Un po di statistica. Christian Ferrari. Laboratorio di Matematica

Un po di statistica. Christian Ferrari. Laboratorio di Matematica Un po di statistica Christian Ferrari Laboratorio di Matematica 1 Introduzione La statistica è una parte della matematica applicata che si occupa della raccolta, dell analisi e dell interpretazione di

Dettagli

UNIVERSITA DEGLI STUDI DELL AQUILA. Corso di Pianificazione Territoriale Corso di Tecnica Urbanistica Prof. Bernardino ROMANO

UNIVERSITA DEGLI STUDI DELL AQUILA. Corso di Pianificazione Territoriale Corso di Tecnica Urbanistica Prof. Bernardino ROMANO UNIVERSITA DEGLI STUDI DELL AQUILA Corso di Pianificazione Territoriale Corso di Tecnica Urbanistica Prof. Bernardino ROMANO LEZIONE 6 Dott. PhD. Alessandro Marucci LA CARTOGRAFIA PER L ANALISI TERRITORIALE

Dettagli

2.1 DATI NAZIONALI E TERRITORIALI (AREE E Regioni)

2.1 DATI NAZIONALI E TERRITORIALI (AREE E Regioni) ANALISI TERRITORIALE DEL VALORE DEL PATRIMONIO ABITATIVO Gli immobili in Italia - 2015 ANALISI TERRITORIALE DEL VALORE DEL PATRIMONIO ABITATIVO Nel presente capitolo è analizzata la distribuzione territoriale

Dettagli

STUDIO DI SETTORE WK20U

STUDIO DI SETTORE WK20U ALLEGATO 5 NOTA TECNICA E METODOLOGICA STUDIO DI SETTORE WK20U ATTIVITÀ PROFESSIONALE SVOLTA DA PSICOLOGI CRITERI PER L EVOLUZIONE DELLO STUDIO DI SETTORE L'applicazione dello studio di settore attribuisce

Dettagli

STUDIO DI SETTORE UK24U

STUDIO DI SETTORE UK24U A L L E G AT O 6 NOTA TECNICA E METODOLOGICA STUDIO DI SETTORE UK24U C O N S U L E N Z A A G R A R I A F O R N I T A D A A G R O T E C N I C I E P E R I T I A G R A R I CRITERI PER L EVOLUZIONE DELLO STUDIO

Dettagli

ESAME DI STATISTICA Nome: Cognome: Matricola:

ESAME DI STATISTICA Nome: Cognome: Matricola: ESAME DI STATISTICA Nome: Cognome: Matricola: ISTRUZIONI: Per la prova è consentito esclusivamente l uso di una calcolatrice tascabile, delle tavole della normale e della t di Student. I risultati degli

Dettagli

La Regressione Lineare

La Regressione Lineare La Regressione Lineare. Cos è l Analisi della Regressione Multipla? L analisi della regressione multipla è una tecnica statistica che può essere impiegata per analizzare la relazione tra una variabile

Dettagli

2.5 I diversi tipi di grafici ed il loro ordine di studio

2.5 I diversi tipi di grafici ed il loro ordine di studio 69 2.5 I diversi tipi di grafici ed il loro ordine di studio In questo paragrafo sono presentati i principali tipi di grafici che si possono utilizzare per descrivere l andamento dei prezzi e per compiere

Dettagli

ALLEGATO 7. Nota Tecnica e Metodologica SK16U

ALLEGATO 7. Nota Tecnica e Metodologica SK16U ALLEGATO 7 Nota Tecnica e Metodologica SK16U NOTA TECNICA E METODOLOGICA 1. CRITERI PER LA COSTRUZIONE DELLO STUDIO DI SETTORE Di seguito vengono esposti i criteri seguiti per la costruzione dello studio

Dettagli

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Probabilità Probabilità Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Se tutti gli eventi fossero ugualmente possibili, la probabilità p(e)

Dettagli

ALLEGATO D ANALISI STATISTICA DEI DATI METEOROLOGICI

ALLEGATO D ANALISI STATISTICA DEI DATI METEOROLOGICI PROVINCIA AUTONOMA DI TRENTO AGENZIA PROVINCIALE PER LA PROTEZIONE DELL'AMBIENTE U.O. Tutela dell aria ed agenti fisici PIANO PROVINCIALE DI TUTELA DELLA QUALITÀ DELL ARIA ALLEGATO D ANALISI STATISTICA

Dettagli

Introduzione alla Teoria degli Errori

Introduzione alla Teoria degli Errori Introduzione alla Teoria degli Errori 1 Gli errori di misura sono inevitabili Una misura non ha significato se non viene accompagnata da una ragionevole stima dell errore ( Una scienza si dice esatta non

Dettagli

Misure della dispersione o della variabilità

Misure della dispersione o della variabilità QUARTA UNITA Misure della dispersione o della variabilità Abbiamo visto che un punteggio di per sé non ha alcun significato e lo acquista solo quando è posto a confronto con altri punteggi o con una statistica.

Dettagli

RICERCHE DI MERCATO. 5.6 Analisi Fattoriale (Componenti Principali)

RICERCHE DI MERCATO. 5.6 Analisi Fattoriale (Componenti Principali) RICERCHE DI MERCATO 5.6 Analisi Fattoriale (Componenti Principali) Prof. L. Neri Dip. di Economia Politica Premessa Come evidenziato in precedenza l approccio di segmentazione per omogeneità prevede la

Dettagli

Appendice 18. Impatto paesaggistico delle strutture offshore

Appendice 18. Impatto paesaggistico delle strutture offshore Pagina 1 di 16 Impatto paesaggistico delle strutture offshore Pagina 2 di 16 Pagina 3 di 16 INDICE 1 CONSIDERAZIONI GENERALI 5 2 ANALISI DELLA VISIBILITÀ DELL OPERA 6 2.1 DETERMINAZIONE DELLA MASSIMA DISTANZA

Dettagli

ESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE

ESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE ESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE e-mail: tommei@dm.unipi.it web: www.dm.unipi.it/ tommei Ricevimento: su appuntamento Dipartimento di Matematica, piano terra, studio 114

Dettagli

Facciamo qualche precisazione

Facciamo qualche precisazione Abbiamo introdotto alcuni indici statistici (di posizione, di variabilità e di forma) ottenibili da Excel con la funzione Riepilogo Statistiche Facciamo qualche precisazione Al fine della partecipazione

Dettagli

Capitolo 9: PROPAGAZIONE DEGLI ERRORI

Capitolo 9: PROPAGAZIONE DEGLI ERRORI Capitolo 9: PROPAGAZIOE DEGLI ERRORI 9.1 Propagazione degli errori massimi ella maggior parte dei casi le grandezze fisiche vengono misurate per via indiretta. Il valore della grandezza viene cioè dedotto

Dettagli

Grafici delle distribuzioni di frequenza

Grafici delle distribuzioni di frequenza Grafici delle distribuzioni di frequenza L osservazione del grafico può far notare irregolarità o comportamenti anomali non direttamente osservabili sui dati; ad esempio errori di misurazione 1) Diagramma

Dettagli

ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI. (Visione 3D)

ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI. (Visione 3D) ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI () Calcolo delle corrispondenze Affrontiamo il problema centrale della visione stereo, cioè la ricerca automatica di punti corrispondenti tra immagini Chiamiamo

Dettagli

Strumenti statistici per l analisi di dati genetici

Strumenti statistici per l analisi di dati genetici Strumenti statistici per l analisi di dati genetici Luca Tardella + Maria Brigida Ferraro 1 email: luca.tardella@uniroma1.it Lezione #1 Introduzione al software R al suo utilizzo per l implementazione

Dettagli

Statistica Medica. Verranno presi in esame:

Statistica Medica. Verranno presi in esame: Statistica Medica Premessa: il seguente testo cerca di riassumere e rendere in forma comprensibile ai non esperti in matematica e statistica le nozioni e le procedure necessarie a svolgere gli esercizi

Dettagli

Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a)

Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a) Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B Eventi indipendenti: un evento non influenza l altro Eventi disgiunti: il verificarsi di un evento esclude l altro Evento prodotto:

Dettagli

GLI IMMOBILI IN ITALIA 2012

GLI IMMOBILI IN ITALIA 2012 2012 1. GLI IMMOBILI IN ITALIA 2012 1. LO STOCK IMMOBILIARE IN ITALIA: ANALISI DEGLI UTILIZZI Il primo capitolo è dedicato alla presentazione dei risultati dell operazione di incrocio massivo e completo

Dettagli

STUDIO DI SETTORE WG39U

STUDIO DI SETTORE WG39U A L L E G AT O 9 NOTA TECNICA E METODOLOGICA STUDIO DI SETTORE WG39U A G E N Z I E D I M E D I A Z I O N E I M M O B I L I A R E CRITERI PER L EVOLUZIONE DELLO STUDIO DI SETTORE L'applicazione dello studio

Dettagli

STUDIO DI SETTORE VG82U

STUDIO DI SETTORE VG82U ALLEGATO 18 NOTA TECNICA E METODOLOGICA STUDIO DI SETTORE VG82U SERVIZI PUBBLICITARI, RELAZIONI PUBBLICHE E COMUNICAZIONE CRITERI PER L EVOLUZIONE DELLO STUDIO DI SETTORE L'applicazione dello studio di

Dettagli

Valutazione modellistica ricaduta al suolo delle emissioni dell impianto Rena Energia srl

Valutazione modellistica ricaduta al suolo delle emissioni dell impianto Rena Energia srl Valutazione modellistica ricaduta al suolo delle emissioni dell impianto Rena Energia srl Studio Settembre 2014 1 Pag / indice 3 / Premessa 4 / Descrizione della catena modellistica 6 / Lo scenario simulato

Dettagli

NOTA TECNICA E METODOLOGICA STUDIO DI SETTORE WK08U

NOTA TECNICA E METODOLOGICA STUDIO DI SETTORE WK08U ALLEGATO 3 NOTA TECNICA E METODOLOGICA STUDIO DI SETTORE WK08U ATTIVITÀ DEI DISEGNATORI TECNICI CRITERI PER L EVOLUZIONE DELLO STUDIO DI SETTORE L'applicazione dello studio di settore attribuisce ai contribuenti

Dettagli

Analisi statistica inverni in Pianura padana in presenza del Nino

Analisi statistica inverni in Pianura padana in presenza del Nino Analisi statistica inverni in Pianura padana in presenza del Nino In questa ricerca puramente statistica abbiamo pensato di mettere a confronto tutti gli inverni del passato concomitanti alla presenza

Dettagli

CONTROLLI STATISTICI

CONTROLLI STATISTICI CONTROLLI STATISTICI Si definisce Statistica la disciplina che si occupa della raccolta, effettuata in modo scientifico, dei dati e delle informazioni, della loro classificazione, elaborazione e rappresentazione

Dettagli

Dr. Marco Vicentini marco.vicentini@unipd.it Anno Accademico 2010 2011 Rev 30/03/2011

Dr. Marco Vicentini marco.vicentini@unipd.it Anno Accademico 2010 2011 Rev 30/03/2011 Università degli Studi di Padova Facoltà di Psicologia, L4, Psicometria, Modulo B Dr. Marco Vicentini marco.vicentini@unipd.it Anno Accademico 2010 2011 Rev 30/03/2011 Statistica descrittiva e inferenziale

Dettagli

Dott.ssa Caterina Gurrieri

Dott.ssa Caterina Gurrieri Dott.ssa Caterina Gurrieri Le relazioni tra caratteri Data una tabella a doppia entrata, grande importanza riveste il misurare se e in che misura le variabili in essa riportata sono in qualche modo

Dettagli

La categoria «ES» presenta (di solito) gli stessi comandi

La categoria «ES» presenta (di solito) gli stessi comandi Utilizzo delle calcolatrici FX 991 ES+ Parte II PARMA, 11 Marzo 2014 Prof. Francesco Bologna bolfra@gmail.com ARGOMENTI DELLA LEZIONE 1. Richiami lezione precedente 2.Calcolo delle statistiche di regressione:

Dettagli

STUDIO DI SETTORE WK04U

STUDIO DI SETTORE WK04U ALLEGATO 9 NOTA TECNICA E METODOLOGICA STUDIO DI SETTORE WK04U ATTIVITÀ DEGLI STUDI LEGALI CRITERI PER L EVOLUZIONE DELLO STUDIO DI SETTORE L'applicazione dello studio di settore attribuisce ai contribuenti

Dettagli