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

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 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

Controllo di qualità dei dati giornalieri di temperatura minima e massima e di precipitazione

Controllo di qualità dei dati giornalieri di temperatura minima e massima e di precipitazione Quaderno Tecnico ARPA-SIM n 15/2003 Controllo di qualità dei dati giornalieri di temperatura minima e massima e di precipitazione Valentina Pavan Rodica Tomozeiu Andrea Selvini Stefano Marchesi Chiara

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

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

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

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

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

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

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

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

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

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

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

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

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

ANALISI CLIMATICA DELL INVERNO 2014-2015

ANALISI CLIMATICA DELL INVERNO 2014-2015 Provincia Autonoma di Trento METEOTRENTINO REPORT ANALISI CLIMATICA DELL INVERNO 214-215 Dipartimento Protezione Civile Servizio Prevenzione Rischi Ufficio Previsioni e Pianificazione Via Vannetti, 41-381

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

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

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

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

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

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

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

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

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

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

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

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

ESERCIZI DI STATISTICA DESCRITTIVA

ESERCIZI DI STATISTICA DESCRITTIVA ESERCIZI DI STATISTICA DESCRITTIVA ES1 Data la seguente serie di dati su Sesso e Altezza di 8 pazienti, riempire opportunamente due tabelle per rappresentare le distribuzioni di frequenze dei due caratteri,

Dettagli

Metodi statistici per le ricerche di mercato

Metodi statistici per le ricerche di mercato Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2013-2014 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per

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

Regressione Mario Guarracino Data Mining a.a. 2010/2011

Regressione Mario Guarracino Data Mining a.a. 2010/2011 Regressione Esempio Un azienda manifatturiera vuole analizzare il legame che intercorre tra il volume produttivo X per uno dei propri stabilimenti e il corrispondente costo mensile Y di produzione. Volume

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

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

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

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

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

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

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

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

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

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

Bollettino del clima dell anno 2014

Bollettino del clima dell anno 2014 anno 2014 MeteoSvizzera Bollettino del clima dell anno 2014 21 gennaio 2015 L anno 2014 è stato costellato di eventi meteorologici estremi. Dopo la nevicata record di inizio anno al sud, nel primo semestre

Dettagli

Il controllo delle prestazioni del provider. IL CONTROLLO DELLE PRESTAZIONI DEL PROVIDER (riferimenti)

Il controllo delle prestazioni del provider. IL CONTROLLO DELLE PRESTAZIONI DEL PROVIDER (riferimenti) del provider IL CONTROLLO DELLE PRESTAZIONI DEL PROVIDER (riferimenti) 1 del provider - premessa (1) in merito alla fase di gestione ordinaria dell outsourcing sono state richiamate le prassi di miglioramento

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

Metodi statistici per le ricerche di mercato

Metodi statistici per le ricerche di mercato Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per

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

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

Atti Parlamentari 33 Camera dei Deputati

Atti Parlamentari 33 Camera dei Deputati Atti Parlamentari 33 Camera dei Deputati Tabella 4: Numero di aziende che utilizzano il fondo regionale ogni dieci aziende che si avvalgano del regime assicurativo Area N.ro ogni 10 aziende Nord-Ovest

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

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

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

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

VERIFICA DELLE IPOTESI

VERIFICA DELLE IPOTESI VERIFICA DELLE IPOTESI Introduzione Livelli di significatività Verifica di ipotesi sulla media di una popolazione normale Verifica di ipotesi sulla varianza di una popolazione normale Verifica di ipotesi

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

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

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

Scheda n.5: variabili aleatorie e valori medi

Scheda n.5: variabili aleatorie e valori medi Scheda n.5: variabili aleatorie e valori medi October 26, 2008 1 Variabili aleatorie Per la definizione rigorosa di variabile aleatoria rimandiamo ai testi di probabilità; essa è non del tutto immediata

Dettagli

Il Controllo Interno di Qualità dalla teoria alla pratica: guida passo per passo IL MODELLO TEORICO. Pasquale Iandolo

Il Controllo Interno di Qualità dalla teoria alla pratica: guida passo per passo IL MODELLO TEORICO. Pasquale Iandolo Il Controllo Interno di Qualità dalla teoria alla pratica: guida passo per passo IL MODELLO TEORICO Pasquale Iandolo Laboratorio analisi ASL 4 Chiavarese, Lavagna (GE) 42 Congresso Nazionale SIBioC Roma

Dettagli

STATISTICA IX lezione

STATISTICA IX lezione Anno Accademico 013-014 STATISTICA IX lezione 1 Il problema della verifica di un ipotesi statistica In termini generali, si studia la distribuzione T(X) di un opportuna grandezza X legata ai parametri

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

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

Gli immobili in Italia - 2015

Gli immobili in Italia - 2015 LO STOCK IMMOBILIARE IN ITALIA: ANALISI DEGLI UTILIZZI Gli immobili in Italia - 2015 LO STOCK IMMOBILIARE IN ITALIA: ANALISI DEGLI UTILIZZI Il primo capitolo è dedicato alla presentazione dei risultati

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

Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica

Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica Nome N. Matricola Ancona, 14 luglio 2015 1. Tre macchine producono gli stessi pezzi

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

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

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

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

Indici di dispersione

Indici di dispersione Indici di dispersione 1 Supponiamo di disporre di un insieme di misure e di cercare un solo valore che, meglio di ciascun altro, sia in grado di catturare le caratteristiche della distribuzione nel suo

Dettagli

I dati ricavabili da suddette verifiche (tiranti, velocità, etc.) saranno comunque necessari per procedere con la fase progettuale esecutiva.

I dati ricavabili da suddette verifiche (tiranti, velocità, etc.) saranno comunque necessari per procedere con la fase progettuale esecutiva. INDICE 1. Premessa 1 2. Descrizione dei luoghi 1 3. Valutazione degli afflussi meteorici 3 4. Valutazione dei deflussi 6 5. Calcolo del DMV 7 6. Modifiche alle portate attese a seguito delle opere 10 1.

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

Il corso si colloca nell ambito del corso integrato di scienze quantitative, al primo anno.

Il corso si colloca nell ambito del corso integrato di scienze quantitative, al primo anno. Corso di Statistica Medica Il corso si colloca nell ambito del corso integrato di scienze quantitative, al primo anno. Sono previste 40 ore complessive, di cui almeno 16 di lezione frontale e le restanti

Dettagli

DUE PROPOSTE ANALISI MATEMATICA. Lorenzo Orio

DUE PROPOSTE ANALISI MATEMATICA. Lorenzo Orio DUE PROPOSTE DI ANALISI MATEMATICA Lorenzo Orio Introduzione Il lavoro propone argomenti di analisi matematica trattati in maniera tale da privilegiare l intuizione e con accorgimenti nuovi. Il tratta

Dettagli

Metodi Matematici ed Informatici per la Biologia Esame Finale, I appello 1 Giugno 2007

Metodi Matematici ed Informatici per la Biologia Esame Finale, I appello 1 Giugno 2007 Metodi Matematici ed Informatici per la Biologia Esame Finale, I appello 1 Giugno 2007 Nome: Alberto Cognome: De Sole Matricola: 01234567890 Codice 9784507811 Esercizio Risposta Voto 1 a b c d e 1 2 V

Dettagli

STUDIO DI SETTORE SG42U

STUDIO DI SETTORE SG42U ALLEGATO 2 NOTA TECNICA E METODOLOGICA STUDIO DI SETTORE SG42U NOTA TECNICA E METODOLOGICA CRITERI PER LA COSTRUZIONE DELLO STUDIO DI SETTORE Di seguito vengono esposti i criteri seguiti per la costruzione

Dettagli

I ESERCITAZIONE. Gruppo I 100 individui. Trattamento I Nuovo Farmaco. Osservazione degli effetti sul raffreddore. Assegnazione casuale

I ESERCITAZIONE. Gruppo I 100 individui. Trattamento I Nuovo Farmaco. Osservazione degli effetti sul raffreddore. Assegnazione casuale I ESERCITAZIONE ESERCIZIO 1 Si vuole testare un nuovo farmaco contro il raffreddore. Allo studio partecipano 200 soggetti sani della stessa età e dello stesso sesso e con caratteristiche simili. i) Che

Dettagli

VARIABILI METEROROLOGICHE E CONCENTRAZIONI DI PM10. 5.1 Introduzione

VARIABILI METEROROLOGICHE E CONCENTRAZIONI DI PM10. 5.1 Introduzione VARIABILI METEROROLOGICHE E CONCENTRAZIONI DI PM10 5.1 Introduzione Tra gli interventi finanziati dalla Regione Emilia Romagna per il 2004, ai fini della messa a punto di strumenti conoscitivi utili per

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

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

UNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA. Prof.ssa Donatella Siepi donatella.siepi@unipg.it tel: 075 5853525

UNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA. Prof.ssa Donatella Siepi donatella.siepi@unipg.it tel: 075 5853525 UNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA Prof.ssa Donatella Siepi donatella.siepi@unipg.it tel: 075 5853525 2 LEZIONE Statistica descrittiva STATISTICA DESCRITTIVA Rilevazione dei dati Rappresentazione

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

Bollettino agrometeorologico mensile novembre 2008

Bollettino agrometeorologico mensile novembre 2008 Bollettino agrometeorologico mensile novembre 2008 H2O - Deficit totale (mm) -200-150 -100-50 0 50 100 Situazione dei terreni rispetto alla condizione di Capacità di Campo Precipitazioni intense a fine

Dettagli

Ottobre 2015. Bollettino del clima Ottobre 2015. MeteoSvizzera. Inizio di mese freddo. Correnti da ovest e da sudovest. Breve estate indiana

Ottobre 2015. Bollettino del clima Ottobre 2015. MeteoSvizzera. Inizio di mese freddo. Correnti da ovest e da sudovest. Breve estate indiana Ottobre 2015 MeteoSvizzera Bollettino del clima Ottobre 2015 10 novembre 2015 Forti nevicate fino a basse quote e temperature gelide, perlomeno al nord delle Alpi, alternate a periodi di splendido tempo

Dettagli

RISCHIO E RENDIMENTO DEGLI STRUMENTI FINANZIARI. Docente: Prof. Massimo Mariani

RISCHIO E RENDIMENTO DEGLI STRUMENTI FINANZIARI. Docente: Prof. Massimo Mariani RISCHIO E RENDIMENTO DEGLI STRUMENTI FINANZIARI Docente: Prof. Massimo Mariani 1 SOMMARIO Il rendimento di un attività finanziaria: i parametri rilevanti Rendimento totale, periodale e medio Il market

Dettagli

ANALISI GRAFICHE PER IL CONTROLLO DELLA QUALITA : ESEMPI DI APPLICAZIONI

ANALISI GRAFICHE PER IL CONTROLLO DELLA QUALITA : ESEMPI DI APPLICAZIONI ANALISI GRAFICHE PER IL CONTROLLO DELLA QUALITA : ESEMPI DI APPLICAZIONI (sintesi da Prof.ssa Di Nardo, Università della Basilicata, http://www.unibas.it/utenti/dinardo/home.html) ISTOGRAMMA/DIAGRAMMA

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

STATISTICA E PROBABILITá

STATISTICA E PROBABILITá STATISTICA E PROBABILITá Statistica La statistica è una branca della matematica, che descrive un qualsiasi fenomeno basandosi sulla raccolta di informazioni, sottoforma di dati. Questi ultimi risultano

Dettagli

ISTITUTO COMPRENSIVO LOREDANA CAMPANARI

ISTITUTO COMPRENSIVO LOREDANA CAMPANARI ISTITUTO COMPRENSIVO LOREDANA CAMPANARI Via Monte Pollino, 45-00015 Monterotondo (RM) CURRICOLO VERTICALE DI GEOGRAFIA A.S. 2013/2014 CURRICOLO GEOGRAFIA Ambito disciplinare GEOGRAFIA CLASSE PRIMA PRIMARIA

Dettagli

Capitolo 20: Scelta Intertemporale

Capitolo 20: Scelta Intertemporale Capitolo 20: Scelta Intertemporale 20.1: Introduzione Gli elementi di teoria economica trattati finora possono essere applicati a vari contesti. Tra questi, due rivestono particolare importanza: la scelta

Dettagli

Indice Prefazione xiii 1 Probabilità

Indice Prefazione xiii 1 Probabilità Prefazione xiii 1 Probabilità 1 1.1 Origini del Calcolo delle Probabilità e della Statistica 1 1.2 Eventi, stato di conoscenza, probabilità 4 1.3 Calcolo Combinatorio 11 1.3.1 Disposizioni di n elementi

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

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 RIPASSO SULLE MATRICI 1 Addizione tra matrici Moltiplicazione Matrice diagonale Matrice identità Matrice trasposta

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

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

FINALITA. 1 Dalle Indicazioni nazionali per il curricolo della scuola nazionale dell infanzia e del primo ciclo d istruzione, passim.

FINALITA. 1 Dalle Indicazioni nazionali per il curricolo della scuola nazionale dell infanzia e del primo ciclo d istruzione, passim. FINALITA La geografia è la scienza che studia l'umanizzazione del nostro pianeta e, quindi, i processi attivati dalle collettività nelle loro relazioni con la natura. Tali processi nel corso del tempo

Dettagli

LA POVERTÀ IN ITALIA. Anno 2012. 17 luglio 2013

LA POVERTÀ IN ITALIA. Anno 2012. 17 luglio 2013 17 luglio 2013 Anno 2012 LA POVERTÀ IN ITALIA Nel 2012, il 12,7% delle famiglie è relativamente povero (per un totale di 3 milioni 232 mila) e il 6,8% lo è in termini assoluti (1 milione 725 mila). Le

Dettagli

Il clima delle Alpi e della Valle d Aosta

Il clima delle Alpi e della Valle d Aosta Il clima delle Alpi e della Valle d Aosta Il clima delle Alpi Il clima della Valle d Aosta Precipitazioni durante l alluvione del 2000 Temperature estreme registrate in Valle d Aosta Il ruolo delle montagne

Dettagli

STATISTICA ECONOMICA STATISTICA PER L ECONOMIA

STATISTICA ECONOMICA STATISTICA PER L ECONOMIA STATISTICA ECONOMICA STATISTICA PER L ECONOMIA a.a. 2009-2010 Facoltà di Economia, Università Roma Tre L Indagine sui bilanci delle famiglie italiane è un indagine campionaria condotta (ogni due anni)

Dettagli