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

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

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

(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

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

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

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

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

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

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

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

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

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

Analisi termografica su celle litio-ione sottoposte ad esperienze di "second life" Francesco D'Annibale, Francesco Vellucci. Report RdS/PAR2013/191

Analisi termografica su celle litio-ione sottoposte ad esperienze di second life Francesco D'Annibale, Francesco Vellucci. Report RdS/PAR2013/191 Agenzia nazionale per le nuove tecnologie, l energia e lo sviluppo economico sostenibile MINISTERO DELLO SVILUPPO ECONOMICO Analisi termografica su celle litio-ione sottoposte ad esperienze di "second

Dettagli

UN ANNO DI MONITORAGGIO CLIMATICO A PERUGIA IN 100 ANNI DI CONFRONTO

UN ANNO DI MONITORAGGIO CLIMATICO A PERUGIA IN 100 ANNI DI CONFRONTO Con il patrocinio di energia UN ANNO DI MONITORAGGIO CLIMATICO A PERUGIA IN 100 ANNI DI CONFRONTO Dopo un anno di monitoraggio climatico nella città di Perugia, effettuato grazie alla rete meteo installata

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

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

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

MODENA E IL SUO CLIMA

MODENA E IL SUO CLIMA Comune di Modena - SERVIZIO STATISTICA: note divulgative Pagina 1 di 2 MODENA E IL SUO CLIMA Modena, pur non essendo estranea al fenomeno del riscaldamento generalizzato, continua ad essere caratterizzata

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

Capitolo 12 La regressione lineare semplice

Capitolo 12 La regressione lineare semplice Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara

Dettagli

Stima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una

Dettagli

Pannelli Solari Termici. Parete esterna verticale. Tipologia di. inserimento. I pannelli solari termici sono inseriti sulla parete esterna verticale

Pannelli Solari Termici. Parete esterna verticale. Tipologia di. inserimento. I pannelli solari termici sono inseriti sulla parete esterna verticale Pannelli Solari Termici Parete esterna verticale I pannelli solari termici sono inseriti sulla parete esterna verticale dell edificio. Pannelli Solari Termici Parete esterna verticale e parapetti Legenda

Dettagli

Le precipitazioni sul Veneto - Valori stagionali

Le precipitazioni sul Veneto - Valori stagionali Le precipitazioni sul Veneto - Valori stagionali Adriano Barbi, Federica Checchetto, Irene Delillo, Francesco Rech Servizio Meteorologico Teolo (PD) ARPAV, Dipartimento Regionale Sicurezza del Territorio

Dettagli

STUDIO DI UNA FUNZIONE

STUDIO DI UNA FUNZIONE STUDIO DI UNA FUNZIONE OBIETTIVO: Data l equazione Y = f(x) di una funzione a variabili reali (X R e Y R), studiare l andamento del suo grafico. PROCEDIMENTO 1. STUDIO DEL DOMINIO (CAMPO DI ESISTENZA)

Dettagli

1 Medie. la loro media aritmetica è il numero x dato dalla formula: x = x 1 + x 2 +... + x n

1 Medie. la loro media aritmetica è il numero x dato dalla formula: x = x 1 + x 2 +... + x n 1 Medie La statistica consta di un insieme di metodi atti a elaborare e a sintetizzare i dati relativi alle caratteristiche di una fissata popolazione, rilevati mediante osservazioni o esperimenti. Col

Dettagli

Cognome... Nome... LE CORRENTI MARINE

Cognome... Nome... LE CORRENTI MARINE Cognome... Nome... LE CORRENTI MARINE Le correnti marine sono masse d acqua che si spostano in superficie o in profondità negli oceani: sono paragonabili a enormi fiumi che scorrono lentamente (in media

Dettagli

Principal Component Analysis (PCA)

Principal Component Analysis (PCA) Principal Component Analysis (PCA) Come evidenziare l informazione contenuta nei dati S. Marsili-Libelli: Calibrazione di Modelli Dinamici pag. Perche PCA? E un semplice metodo non-parametrico per estrarre

Dettagli

ANALISI DEI DATI CON SPSS

ANALISI DEI DATI CON SPSS STRUMENTI E METODI PER LE SCIENZE SOCIALI Claudio Barbaranelli ANALISI DEI DATI CON SPSS II. LE ANALISI MULTIVARIATE ISBN 978-88-7916-315-9 Copyright 2006 Via Cervignano 4-20137 Milano Catalogo: www.lededizioni.com

Dettagli

Introduzione al GIS (Geographic Information System)

Introduzione al GIS (Geographic Information System) Introduzione al GIS (Geographic Information System) Sommario 1. COS E IL GIS?... 3 2. CARATTERISTICHE DI UN GIS... 3 3. COMPONENTI DI UN GIS... 4 4. CONTENUTI DI UN GIS... 5 5. FASI OPERATIVE CARATTERIZZANTI

Dettagli

Analisi statistica di dati biomedici Analysis of biologicalsignals

Analisi statistica di dati biomedici Analysis of biologicalsignals Analisi statistica di dati biomedici Analysis of biologicalsignals II Parte Verifica delle ipotesi (a) Agostino Accardo (accardo@units.it) Master in Ingegneria Clinica LM in Neuroscienze 2013-2014 e segg.

Dettagli

La distribuzione Normale. La distribuzione Normale

La distribuzione Normale. La distribuzione Normale La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una

Dettagli

Indagine sui consumi degli edifici pubblici (direzionale e scuole) e potenzialità degli interventi di efficienza energetica

Indagine sui consumi degli edifici pubblici (direzionale e scuole) e potenzialità degli interventi di efficienza energetica Indagine sui consumi degli edifici pubblici (direzionale e scuole) e potenzialità degli interventi di efficienza energetica Marco Citterio, Gaetano Fasano Report RSE/2009/165 Ente per le Nuove tecnologie,

Dettagli

Prof. Ing. Alberto Pistocchi, Ing Davide Broccoli. Ing Stefano Bagli, PhD. Ing Paolo Mazzoli. Torino, 9-10 Ottobre 2013. Italian DHI Conference 2013

Prof. Ing. Alberto Pistocchi, Ing Davide Broccoli. Ing Stefano Bagli, PhD. Ing Paolo Mazzoli. Torino, 9-10 Ottobre 2013. Italian DHI Conference 2013 Implementazione di un modello dinamico 3D densità a dipendente all'interno di un sistema Web-GIS per la gestione e il monitoraggio della qualità delle acque di falda per un comparto di discariche Prof.

Dettagli

LA CORRELAZIONE LINEARE

LA CORRELAZIONE LINEARE LA CORRELAZIONE LINEARE La correlazione indica la tendenza che hanno due variabili (X e Y) a variare insieme, ovvero, a covariare. Ad esempio, si può supporre che vi sia una relazione tra l insoddisfazione

Dettagli

STUDIO DI SETTORE SM43U

STUDIO DI SETTORE SM43U ALLEGATO 3 NOTA TECNICA E METODOLOGICA STUDIO DI SETTORE SM43U NOTA TECNICA E METODOLOGICA CRITERI PER LA COSTRUZIONE DELLO STUDIO DI SETTORE Di seguito vengono esposti i criteri seguiti per la costruzione

Dettagli

LA POVERTÀ IN ITALIA. Anno 2013. 14 luglio 2014

LA POVERTÀ IN ITALIA. Anno 2013. 14 luglio 2014 14 luglio 2014 Anno 2013 LA POVERTÀ IN ITALIA Nel 2013, il 12,6% delle famiglie è in condizione di povertà relativa (per un totale di 3 milioni 230 mila) e il 7,9% lo è in termini assoluti (2 milioni 28

Dettagli

RICOSTRUZIONE DEI TREND DI PIOVOSITA E TEMPERATURA NEGLI ULTIMI 80 ANNI IN SICILIA. PRIMI RISULTATI

RICOSTRUZIONE DEI TREND DI PIOVOSITA E TEMPERATURA NEGLI ULTIMI 80 ANNI IN SICILIA. PRIMI RISULTATI Giuseppe Basile (1), Marinella Panebianco (2) Pubblicazione in corso su: Geologia dell Ambiente Rivista della SIGEA - Roma (1) Geologo, Dirigente del Servizio Rischi Idrogeologici e Ambientali del Dipartimento

Dettagli

Rapporto CESI. Cliente: Oggetto: Ordine: Contratto CESI n. 71/00056. Note: N. pagine: 13 N. pagine fuori testo: Data: 30.05.2000.

Rapporto CESI. Cliente: Oggetto: Ordine: Contratto CESI n. 71/00056. Note: N. pagine: 13 N. pagine fuori testo: Data: 30.05.2000. A0/010226 Pag.1/13 Cliente: Ricerca di Sistema Oggetto: Determinazione della tenacità di acciai eserciti - Correlazioni per stime di FATT da prove Small Punch Ordine: Contratto CESI n. 71/00056 Note: DEGRADO/GEN04/003

Dettagli

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Analisi dei dati quantitativi :

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Analisi dei dati quantitativi : Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Analisi dei dati quantitativi : Confronto tra due medie Università del Piemonte Orientale Corso di laurea in

Dettagli

La dissomiglianza tra due distribuzioni normali

La dissomiglianza tra due distribuzioni normali Annali del Dipartimento di Scienze Statistiche Carlo Cecchi Università degli Studi di Bari Aldo Moro - Vol. X (2011): 43-50 Editore CLEUP, Padova - ISBN: 978-88-6129-833-0 La dissomiglianza tra due distribuzioni

Dettagli

METODO DEI MINIMI QUADRATI. Quest articolo discende soprattutto dai lavori di Deming, Press et al. (Numerical Recipes) e Jefferys.

METODO DEI MINIMI QUADRATI. Quest articolo discende soprattutto dai lavori di Deming, Press et al. (Numerical Recipes) e Jefferys. METODO DEI MINIMI QUADRATI GIUSEPPE GIUDICE Sommario Il metodo dei minimi quadrati è trattato in tutti i testi di statistica e di elaborazione dei dati sperimentali, ma non sempre col rigore necessario

Dettagli

Analisi delle Corrispondenze Multiple Prof. Roberto Fantaccione

Analisi delle Corrispondenze Multiple Prof. Roberto Fantaccione Analisi delle Corrispondenze Multiple Prof. Roberto Fantaccione Consideriamo il nostro dataset formato da 468 individui e 1 variabili nominali costituite dalle seguenti modalità : colonna D: Age of client

Dettagli

MINIMI QUADRATI. REGRESSIONE LINEARE

MINIMI QUADRATI. REGRESSIONE LINEARE MINIMI QUADRATI. REGRESSIONE LINEARE Se il coefficiente di correlazione r è prossimo a 1 o a -1 e se il diagramma di dispersione suggerisce una relazione di tipo lineare, ha senso determinare l equazione

Dettagli

1. Scopo dell esperienza.

1. Scopo dell esperienza. 1. Scopo dell esperienza. Lo scopo di questa esperienza è ricavare la misura di tre resistenze il 4 cui ordine di grandezza varia tra i 10 e 10 Ohm utilizzando il metodo olt- Amperometrico. Tale misura

Dettagli

APPLICAZIONE MODELLISTICA PER LA VALUTAZIONE DELLA QUALITÀ DELL ARIA NELL AREA DI INSEDIAMENTO DEL CENTRO AGRO ALIMENTARE TORINESE

APPLICAZIONE MODELLISTICA PER LA VALUTAZIONE DELLA QUALITÀ DELL ARIA NELL AREA DI INSEDIAMENTO DEL CENTRO AGRO ALIMENTARE TORINESE APPLICAZIONE MODELLISTICA PER LA VALUTAZIONE DELLA QUALITÀ DELL ARIA NELL AREA DI INSEDIAMENTO DEL CENTRO AGRO ALIMENTARE TORINESE Introduzione La porzione di territorio situata a sud-ovest dell Area Metropolitana

Dettagli

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioni di Statistica Test d ipotesi sul valor medio e test χ 2 di adattamento Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Si supponga che il diametro degli anelli metallici prodotti

Dettagli

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI statistica, Università Cattaneo-Liuc, AA 006-007, lezione del 08.05.07 IDICE (lezione 08.05.07 PROBABILITA, VALORE ATTESO E VARIAZA DELLE QUATITÁ ALEATORIE E LORO RELAZIOE CO I DATI OSSERVATI 3.1 Valore

Dettagli

UN CASO CONCRETO DI VALUTAZIONE DELLA SODDISFAZIONE DEL CLIENTE

UN CASO CONCRETO DI VALUTAZIONE DELLA SODDISFAZIONE DEL CLIENTE Tratto dal corso Ifoa UN CASO CONCRETO DI VALUTAZIONE DELLA SODDISFAZIONE DEL CLIENTE Recentemente, si sono sviluppati numerosi modelli finalizzati a valutare e a controllare il livello di soddisfazione

Dettagli

Università di Roma Tor Vergata

Università di Roma Tor Vergata Università di Roma Tor Vergata Facoltà di Ingegneria Dipartimento di Ingegneria Industriale Corso di: TERMOTECNICA 1 IMPIANTI DI CLIMATIZZAZIONE Ing. G. Bovesecchi gianluigi.bovesecchi@gmail.com 06-7259-7127

Dettagli

Valore caratteristico EC7

Valore caratteristico EC7 Procedura da adottare - Azioni (E) Valore caratteristico EC7 Per le combinazioni delle azioni si rimanda a quanto detto ampiamente in precedenza. Resistenze (Rd) del sistema geotecnico Il valore di progetto

Dettagli

ESTIMO GENERALE. 1) Che cos è l estimo?

ESTIMO GENERALE. 1) Che cos è l estimo? ESTIMO GENERALE 1) Che cos è l estimo? L estimo è una disciplina che ha la finalità di fornire gli strumenti metodologici per la valutazione di beni economici, privati o pubblici. Stimare infatti significa

Dettagli

È uno Stato unitario dal 1861, una Repubblica dal 1948. Oggi l Italia ha una popolazione di circa 57 milioni. È un paese con 20 regioni.

È uno Stato unitario dal 1861, una Repubblica dal 1948. Oggi l Italia ha una popolazione di circa 57 milioni. È un paese con 20 regioni. È uno Stato unitario dal 1861, una Repubblica dal 1948. Oggi l Italia ha una popolazione di circa 57 milioni. È un paese con 20 regioni. 8 regioni settentrionali: il Piemonte (Torino), la Val d Aosta (Aosta),

Dettagli

su web che riportano documentazione e software dedicati agli argomenti trattati nel libro, riportandone, alla fine dei rispettivi capitoli, gli

su web che riportano documentazione e software dedicati agli argomenti trattati nel libro, riportandone, alla fine dei rispettivi capitoli, gli Prefazione Non è facile definire che cosa è un problema inverso anche se, ogni giorno, facciamo delle operazioni mentali che sono dei metodi inversi: riconoscere i luoghi che attraversiamo quando andiamo

Dettagli

Dai rapporti temporanei all occupazione stabile: un percorso sempre più incerto?

Dai rapporti temporanei all occupazione stabile: un percorso sempre più incerto? Dai rapporti temporanei all occupazione stabile: un percorso sempre più incerto? di Anna de Angelini La maggior flessibilità in entrata introdotta dalla normativa sui rapporti di lavoro a partire seconda

Dettagli

ESAME DI STATO 2002 SECONDA PROVA SCRITTA PER IL LICEO SCIENTIFICO DI ORDINAMENTO

ESAME DI STATO 2002 SECONDA PROVA SCRITTA PER IL LICEO SCIENTIFICO DI ORDINAMENTO ARCHIMEDE 4/ 97 ESAME DI STATO SECONDA PROVA SCRITTA PER IL LICEO SCIENTIFICO DI ORDINAMENTO Il candidato risolva uno dei due problemi e 5 dei quesiti in cui si articola il questionario. PROBLEMA In un

Dettagli

ELEMENTI DI STATISTICA

ELEMENTI DI STATISTICA Pag 1 di 92 Francesco Sardo ELEMENTI DI STATISTICA PER VALUTATORI DI SISTEMI QUALITA AMBIENTE - SICUREZZA REV. 11 16/08/2009 Pag 2 di 92 Pag 3 di 92 0 Introduzione PARTE I 1 Statistica descrittiva 1.1

Dettagli

Compito di SISTEMI E MODELLI. 19 Febbraio 2015

Compito di SISTEMI E MODELLI. 19 Febbraio 2015 Compito di SISTEMI E MODELLI 9 Febbraio 5 Non é ammessa la consultazione di libri o quaderni. Le risposte vanno giustificate. Saranno rilevanti per la valutazione anche l ordine e la chiarezza di esposizione.

Dettagli

4.2. IL TEST F DI FISHER O ANALISI DELLA VARIANZA (ANOVA)

4.2. IL TEST F DI FISHER O ANALISI DELLA VARIANZA (ANOVA) 4.2. IL TEST F DI FISHER O ANALISI DELLA VARIANZA (ANOVA) L analisi della varianza è un metodo sviluppato da Fisher, che è fondamentale per l interpretazione statistica di molti dati biologici ed è alla

Dettagli

INCERTEZZA DI MISURA

INCERTEZZA DI MISURA L ERRORE DI MISURA Errore di misura = risultato valore vero Definizione inesatta o incompleta Errori casuali Errori sistematici L ERRORE DI MISURA Errori casuali on ne si conosce l origine poiche, appunto,

Dettagli

Istituto per l Energia Rinnovabile. Autori: David Moser, PhD; Daniele Vettorato, PhD. Bolzano, Gennaio 2013

Istituto per l Energia Rinnovabile. Autori: David Moser, PhD; Daniele Vettorato, PhD. Bolzano, Gennaio 2013 Istituto per l Energia Rinnovabile Catasto Solare Alta Val di Non Relazione Versione: 2.0 Autori: David Moser, PhD; Daniele Vettorato, PhD. Coordinamento e Revisione: dott. Daniele Vettorato, PhD (daniele.vettorato@eurac.edu)

Dettagli

Quando troncare uno sviluppo in serie di Taylor

Quando troncare uno sviluppo in serie di Taylor Quando troncare uno sviluppo in serie di Taylor Marco Robutti October 13, 2014 Lo sviluppo in serie di Taylor di una funzione è uno strumento matematico davvero molto utile, e viene spesso utilizzato in

Dettagli

I BOLLETTINI VALANGHE AINEVA e LA SCALA DI PERICOLO

I BOLLETTINI VALANGHE AINEVA e LA SCALA DI PERICOLO CENTRO NIVO METEOROLOGICO ARPA BORMIO I BOLLETTINI VALANGHE AINEVA e LA SCALA DI PERICOLO Corso 2 A- AINEVA Guide Alpine della Lombardia Bormio 25-29 gennaio 2010 A cura di Flavio Berbenni MARCATO FORTE

Dettagli

Problema n. 1: CURVA NORD

Problema n. 1: CURVA NORD Problema n. 1: CURVA NORD Sei il responsabile della gestione del settore Curva Nord dell impianto sportivo della tua città e devi organizzare tutti i servizi relativi all ingresso e all uscita degli spettatori,

Dettagli

esame di stato 2014 seconda prova scritta per i licei scientifici di ordinamento

esame di stato 2014 seconda prova scritta per i licei scientifici di ordinamento ARTICOLO Archimede 4 4 esame di stato 4 seconda prova scritta per i licei scientifici di ordinamento Il candidato risolva uno dei due problemi e risponda a 5 quesiti del questionario. PROBLEMA Nella figura

Dettagli

Principal Component Analysis

Principal Component Analysis Principal Component Analysis Alessandro Rezzani Abstract L articolo descrive una delle tecniche di riduzione della dimensionalità del data set: il metodo dell analisi delle componenti principali (Principal

Dettagli

Metodi di misura della magnetizzazione rimanente naturale

Metodi di misura della magnetizzazione rimanente naturale rimanente naturale L archeologia e il tempo, Metodi di datazione 4-8 Maggio 2009, Peveragno (Cuneo) Parte I Magnetizzazione Rimanente Naturale S Magnetizzazione naturale rimanente in un campione di roccia

Dettagli

TECNICHE DI SIMULAZIONE

TECNICHE DI SIMULAZIONE TECNICHE DI SIMULAZIONE MODELLI STATISTICI NELLA SIMULAZIONE Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Modelli statistici nella simulazione

Dettagli

IMPIANTI FOTOVOLTAICI IN CONTO ENERGIA

IMPIANTI FOTOVOLTAICI IN CONTO ENERGIA IMPIANTI FOTOVOLTAICI IN CONTO ENERGIA Un impianto solare fotovoltaico consente di trasformare l energia solare in energia elettrica. Non va confuso con un impianto solare termico, che è sostanzialmente

Dettagli

Curve di risonanza di un circuito

Curve di risonanza di un circuito Zuccarello Francesco Laboratorio di Fisica II Curve di risonanza di un circuito I [ma] 9 8 7 6 5 4 3 0 C = 00 nf 0 5 0 5 w [KHz] RLC - Serie A.A.003-004 Indice Introduzione pag. 3 Presupposti Teorici 5

Dettagli

METODI ITERATIVI PER SISTEMI LINEARI

METODI ITERATIVI PER SISTEMI LINEARI METODI ITERATIVI PER SISTEMI LINEARI LUCIA GASTALDI 1. Metodi iterativi classici Sia A R n n una matrice non singolare e sia b R n. Consideriamo il sistema (1) Ax = b. Un metodo iterativo per la soluzione

Dettagli

Il modello metodologico del Sistema di Misurazione e Valutazione della sicurezza aziendale (MVS)

Il modello metodologico del Sistema di Misurazione e Valutazione della sicurezza aziendale (MVS) Il modello metodologico del Sistema di Misurazione e Valutazione della sicurezza aziendale (MVS) >> Il Sistema MVS permette di misurare e valutare la sicurezza aziendale (nell accezione di Security) nei

Dettagli

C M Y K C M Y K. 5. La normativa

C M Y K C M Y K. 5. La normativa 5. La normativa 5.1 Il quadro normativo Numerose sono le norme di riferimento per la pianificazione e la progettazione delle strade. Vengono sinteticamente enunciate quelle che riguardano la regolazione

Dettagli

Vetro e risparmio energetico Controllo solare. Bollettino tecnico

Vetro e risparmio energetico Controllo solare. Bollettino tecnico Vetro e risparmio energetico Controllo solare Bollettino tecnico Introduzione Oltre a consentire l ingresso di luce e a permettere la visione verso l esterno, le finestre lasciano entrare anche la radiazione

Dettagli

esame di stato 2012 seconda prova scritta per il liceo scientifico di ordinamento

esame di stato 2012 seconda prova scritta per il liceo scientifico di ordinamento RTICL rchimede 4 esame di stato seconda prova scritta per il liceo scientifico di ordinamento Il candidato risolva uno dei due problemi e risponda a 5 quesiti del questionario PRBLEM Siano f e g le funzioni

Dettagli

1x1 qs-stat. Pacchetto Software per la Soluzione di Problemi Statistici nel Controllo Qualità. Versione: 1 / Marzo 2010 Doc. n.

1x1 qs-stat. Pacchetto Software per la Soluzione di Problemi Statistici nel Controllo Qualità. Versione: 1 / Marzo 2010 Doc. n. 1x1 qs-stat Pacchetto Software per la Soluzione di Problemi Statistici nel Controllo Qualità Versione: 1 / Marzo 2010 Doc. n.: PD-0012 Copyright 2010 Q-DAS GmbH & Co. KG Eisleber Str. 2 D - 69469 Weinheim

Dettagli

Risposta sismica dei terreni e spettro di risposta normativo

Risposta sismica dei terreni e spettro di risposta normativo Dipartimento di Ingegneria Strutturale, Aerospaziale e Geotecnica Risposta sismica dei terreni e spettro di risposta normativo Prof. Ing. L.Cavaleri L amplificazione locale: gli aspetti matematici u=spostamentoin

Dettagli

METODO DELLE FORZE 1. METODO DELLE FORZE PER LA SOLUZIONE DI STRUTTURE IPERSTATICHE. 1.1 Introduzione

METODO DELLE FORZE 1. METODO DELLE FORZE PER LA SOLUZIONE DI STRUTTURE IPERSTATICHE. 1.1 Introduzione METODO DELLE FORZE CORSO DI PROGETTZIONE STRUTTURLE a.a. 010/011 Prof. G. Salerno ppunti elaborati da rch. C. Provenzano 1. METODO DELLE FORZE PER L SOLUZIONE DI STRUTTURE IPERSTTICHE 1.1 Introduzione

Dettagli

Formazione a distanza nell Educazione Continua in Medicina

Formazione a distanza nell Educazione Continua in Medicina Formazione a distanza nell Educazione Continua in Medicina UN ESPERIENZA Dott.ssa Stefania Bracci Datré S.r.l via di Vorno 9A/4 Guamo (Lucca) s.bracci@datre.it Sommario In questo contributo presentiamo

Dettagli

esame di stato 2013 seconda prova scritta per il liceo scientifico di ordinamento

esame di stato 2013 seconda prova scritta per il liceo scientifico di ordinamento Archimede esame di stato seconda prova scritta per il liceo scientifico di ordinamento ARTICOLO Il candidato risolva uno dei due problemi e risponda a 5 quesiti del questionario. PROBLEMA La funzione f

Dettagli

Il Dipartimento per le Comunicazioni: uno studio dell età del personale. Miriam Tagliavia Marzo 2011

Il Dipartimento per le Comunicazioni: uno studio dell età del personale. Miriam Tagliavia Marzo 2011 Il Dipartimento per le Comunicazioni: uno studio dell età del personale Marzo 2011 2 Il Dipartimento per le Comunicazioni: uno studio dell età del personale Il Dipartimento per le Comunicazioni, uno dei

Dettagli

ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 2004

ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 2004 ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 004 Il candidato risolva uno dei due problemi e 5 dei 10 quesiti in cui si articola il questionario. PROBLEMA 1 Sia f la funzione definita da: f

Dettagli

UTILIZZO DEI METODI MULTICRITERI O MULTIOBIETTIVI NELL OFFERTA ECONOMICAMENTE PIÙ VANTAGGIOSA. Filippo Romano 1

UTILIZZO DEI METODI MULTICRITERI O MULTIOBIETTIVI NELL OFFERTA ECONOMICAMENTE PIÙ VANTAGGIOSA. Filippo Romano 1 UTILIZZO DEI METODI MULTICRITERI O MULTIOBIETTIVI NELL OFFERTA ECONOMICAMENTE PIÙ VANTAGGIOSA Filippo Romano 1 1. Introduzione 2. Analisi Multicriteri o Multiobiettivi 2.1 Formule per l attribuzione del

Dettagli

Metodi statistici per l economia (Prof. Capitanio) Slide n. 4. Materiale di supporto per le lezioni. Non sostituisce il libro di testo

Metodi statistici per l economia (Prof. Capitanio) Slide n. 4. Materiale di supporto per le lezioni. Non sostituisce il libro di testo Metodi statistici per l economia (Prof. Capitanio) Slide n. 4 Materiale di supporto per le lezioni. Non sostituisce il libro di testo Dipendenza di un carattere QUANTITATIVO da un carattere QUALITATIVO

Dettagli

Studio sperimentale della propagazione di un onda meccanica in una corda

Studio sperimentale della propagazione di un onda meccanica in una corda Studio sperimentale della propagazione di un onda meccanica in una corda Figura 1: Foto dell apparato sperimentale. 1 Premessa 1.1 Velocità delle onde trasversali in una corda E esperienza comune che quando

Dettagli

Studio grafico-analitico delle funzioni reali a variabile reale

Studio grafico-analitico delle funzioni reali a variabile reale Studio grafico-analitico delle funzioni reali a variabile reale Sequenza dei passi Classificazione In pratica Classifica il tipo di funzione: Funzione razionale: intera / fratta Funzione irrazionale: intera

Dettagli

CURRICOLI SCUOLA DELL INFANZIA LA CONOSCENZA DEL MONDO Ordine, misura, spazio, tempo, natura

CURRICOLI SCUOLA DELL INFANZIA LA CONOSCENZA DEL MONDO Ordine, misura, spazio, tempo, natura CURRICOLI SCUOLA DELL INFANZIA LA CONOSCENZA DEL MONDO Ordine, misura, spazio, tempo, natura TRAGUARDI PER LO SVILUPPO DELLE COMPETENZE Il bambino raggruppa e ordina secondo criteri diversi, confronta

Dettagli

l_debellis@libero.it PUBBLICA AMMINSTRAZIONE - REGIONE MARCHE

l_debellis@libero.it PUBBLICA AMMINSTRAZIONE - REGIONE MARCHE CURRICULUM VITAE INFORMAZIONI PERSONALI Nome PASQUALE DE BELLIS Indirizzo Via Piave, nr. 20-60027 Osimo Stazione (AN) ITALIA Telefono 347 8228478 071 7819651 Fax E-mail pasquale.de.bellis@regione.marche.it

Dettagli

DISTRIBUZIONE di PROBABILITA. Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che può assumere i

DISTRIBUZIONE di PROBABILITA. Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che può assumere i DISTRIBUZIONE di PROBABILITA Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che uò assumere i valori: ; ;, n al verificarsi degli eventi incomatibili e comlementari: E ; E ;..;

Dettagli

IL TEMPO METEOROLOGICO

IL TEMPO METEOROLOGICO VOLUME 1 CAPITOLO 4 MODULO D LE VENTI REGIONI ITALIANE IL TEMPO METEOROLOGICO 1. Parole per capire A. Conosci già queste parole? Scrivi il loro significato o fai un disegno: tempo... Sole... luce... caldo...

Dettagli

DERIVATE DELLE FUNZIONI. esercizi proposti dal Prof. Gianluigi Trivia

DERIVATE DELLE FUNZIONI. esercizi proposti dal Prof. Gianluigi Trivia DERIVATE DELLE FUNZIONI esercizi proposti dal Prof. Gianluigi Trivia Incremento della variabile indipendente e della funzione. Se, sono due valori della variabile indipendente, y f ) e y f ) le corrispondenti

Dettagli

Ing. Alessandro Pochì

Ing. Alessandro Pochì Lo studio di unzione Ing. Alessandro Pochì Appunti di analisi Matematica per la Classe VD (a.s. 011/01) Schema generale per lo studio di una unzione Premessa Per Studio unzione si intende, generalmente,

Dettagli

ESTRAZIONE DI RADICE

ESTRAZIONE DI RADICE ESTRAZIONE DI RADICE La radice è l operazione inversa dell elevamento a potenza. L esponente della potenza è l indice della radice che può essere: quadrata (); cubica (); quarta (4); ecc. La base della

Dettagli

Riscaldamento dell acqua con pannelli fotovoltaici

Riscaldamento dell acqua con pannelli fotovoltaici RISCALDATORI DI ACQUA IBRIDI LOGITEX LX AC, LX AC/M, LX AC/M+K Gamma di modelli invenzione brevettata Riscaldamento dell acqua con pannelli fotovoltaici Catalogo dei prodotti Riscaldatore dell acqua Logitex

Dettagli

errore I = numero soggetti (I = 4) K = numero livelli tratt. (K = 3) popolazione varianza dovuta ai soggetti trattamento

errore I = numero soggetti (I = 4) K = numero livelli tratt. (K = 3) popolazione varianza dovuta ai soggetti trattamento Analisi della varianza a una via a misure ripetute (Anova con 1 fattore within) modello strutturale dell'analisi della varianza a misure ripetute con 1 fattore: y = μ ik 0 +π i +α k + ik ε ik interazione

Dettagli

ESAME DI STATO 2010 SECONDA PROVA SCRITTA PER IL LICEO SCIENTIFICO DI ORDINAMENTO

ESAME DI STATO 2010 SECONDA PROVA SCRITTA PER IL LICEO SCIENTIFICO DI ORDINAMENTO Archimede ESAME DI STATO SECONDA PROVA SCRITTA PER IL LICEO SCIENTIFICO DI ORDINAMENTO ARTICOLO Il candidato risolva uno dei due problemi e risponda a 5 quesiti del questionario. Sia ABCD un quadrato di

Dettagli

LOGISTICA APPUNTI DI STATISTICA

LOGISTICA APPUNTI DI STATISTICA Cos'é la Statistica LOGISTICA APPUNTI DI STATISTICA La statistica è la disciplina che applica metodi scientifici alla raccolta di dati e informazioni per una loro classificazione, elaborazione e rappresentazione

Dettagli

L efficienza energetica dei condizionatori d aria da quest anno ha nuove direttive.

L efficienza energetica dei condizionatori d aria da quest anno ha nuove direttive. L efficienza energetica dei condizionatori d aria da quest anno ha nuove direttive. Un testo della redazione di Electro Online, il tuo esperto online. Data: 19/03/2013 Nuove regole per i condizionatori

Dettagli

Preprocessamento dei Dati

Preprocessamento dei Dati Preprocessamento dei Dati Raramente i dati sperimentali sono pronti per essere utilizzati immediatamente per le fasi successive del processo di identificazione, a causa di: Offset e disturbi a bassa frequenza

Dettagli

4 - Dati generali e climatici

4 - Dati generali e climatici 4 - Dati generali e climatici 88 Sommario 4.1 Dati catasto energetico... 91 4.1.1 Edificio... 91 4.1.2 Proprietario e responsabile dell impianto... 92 4.2 Dati generali... 96 4.2.1 Richiesta... 96 4.2.2

Dettagli

Consideriamo due polinomi

Consideriamo due polinomi Capitolo 3 Il luogo delle radici Consideriamo due polinomi N(z) = (z z 1 )(z z 2 )... (z z m ) D(z) = (z p 1 )(z p 2 )... (z p n ) della variabile complessa z con m < n. Nelle problematiche connesse al

Dettagli