Prof. Ing. Roberto BRUNO Ing. Serena Sgallari Dipartimento di Ingegneria Chimica, Mineraria e delle Tecnologie Ambientali Università di Bologna
|
|
- Miranda Serafini
- 7 anni fa
- Visualizzazioni
Transcript
1 Approfondimenti sull uso delle tecniche geostatistiche utilizzate in Emilia Romagna ai fini dell individuazione delle arre a rischio radon e prospettive metodologiche Prof. Ing. Roberto BRUNO Ing. Serena Sgallari Dipartimento di Ingegneria Chimica, Mineraria e delle Tecnologie Ambientali Università di Bologna LA CARATTERIZZAZIONE DELLE AREE A DIFFERENTE RISCHIO RADON Bologna 31 ottobre 2007
2 Una conclusione anticipata Occorre un approccio probabilistico coerente in quanto l incertezza è intrinseca al problema, sia perché la variabilità naturale ed artificiale delle grandezze in gioco non sono modellizzabili se non con strumenti probabilistici adeguati e consistenti; sia perché le decisioni degli amministratori dovranno essere prese non sui valori reali, ma inevitabilmente su valori stimati.
3 Una sintesi dello studio geostatistico La variabilità spaziale del radon indoor La variabilità spaziale del radon in falda per popolazioni omogenee in relazione ai vari elementi strutturali Cartografie e correlazioni radon indoor/in falda
4 La variabilità spaziale del radon indoor: le ipotesi e la scelta dei dati Lo studio della distribuzione e della variabilità spaziale richiede dati significativi e omogenei: solo dati dello stesso piano con l ipotesi, pragmatica anche se non verificabile, che le differenze di supporto spazio-temporale siano trascurabili scatter media/varianza per piano
5 La variabilità spaziale del radon indoor: dati equidistribuiti Occorre equilibrare la densità per ottenere dispersioni significative del territorio: La concentrazione dei dati nelle città maschera lo studio della variabilità su tutto il territorio
6 La variabilità spaziale del radon indoor: ridurre il peso dei dati di città Ai fini dello studio spaziale è necessario ridurre il numero di dati delle città Distinguendo fra città e paesi alcune caratteristiche possono variare, come la dispersione
7 La variabilità spaziale del radon indoor: il variogramma come strumento base Il variogramma è una misura della correlazione spaziale fra due punti Considerando tutta la regione è molto grande la variabilità non strutturata e a piccola scala
8 La variabilità spaziale del radon indoor: la differenziazione montagna - pianura Si può migliorare lo studio cercando insiemi più omogenei. Per es. differenziando le aree morfologiche
9 La variabilità spaziale del radon indoor: la differenziazione montagna pianura (segue) D altro canto le statistiche elementari sono ben differenti Scatter media/varianza dei dati di pianura e montagna
10 La variabilità spaziale del radon indoor: la differenziazione montagna pianura (segue) I variogrammi, diversi, hanno le 3 stesse strutture: una pepitica una a 8 km sferica una a 50 km esponenziale
11 La variabilità spaziale del radon indoor: la differenziazione montagna pianura (segue) La correlazione spaziale, netta, a due scale, estesa a tutta la regione, limita l ipotesi di un legame importante fra concentrazioni di radon osservate e materiali edilizi. La presenza delle stesse tre strutture evidenzia una medesima logica (origine, causalità, propagazione) di distribuzione spaziale del radon, da interpretare. L effetto proporzionale, ipotizzando la provenienza dal basso, potrebbe dipendere da un filtraggio della coltre sedimentaria in pianura: minori media e dispersione.
12 La variabilità spaziale del radon indoor: la differenziazione per litotipo I tre litotipi di montagna ed i tre di pianura hanno caratteristiche statistiche diverse, ma confermano l effetto proporzionale Zona Litotipo Media (Bq/m 3 ) Varianza (Bq/m 3 ) 2 P Limo P Sabbia P Ghiaia M M Calcare Marno so Marne e Argille M Arenarie
13 La variabilità spaziale del radon indoor: la differenziazione per litotipo (segue) I litotipi con un sufficiente n. di dati mostrano variabilità spaziali differenziate Sabbie e ghiaie (L.2 e 3) pur con le stesse statistiche, hanno due variabilità spaziali completamente diverse
14 La variabilità spaziale del radon indoor: correlazione con altri elementi strutturali Sono state cercate correlazioni con zone di faglia quali il limite pianura-montagna e la dorsale ferrarese; punti di emissione di idrocarburi.
15 La variabilità spaziale del radon indoor: correlazione con altri elementi strutturali (segue) Correlazioni con il limite pianura-montagna: non significative Totale (a) e per litotipo (b,c,d,e)
16 La variabilità spaziale del radon indoor: correlazione con altri elementi strutturali (segue) Correlazioni con punti di emissione di idrocarburi I valori superiori ai 150 Bq/m 3 sono registrati entro km dalle aree di emanazione gassosa E un elemento a favore della ipotesi di cessione del radon dal metano all atmosfera
17 La variabilità spaziale del radon in falda: i dati e le ipotesi I dati utilizzati derivano dalle campagne di misurazione effettuate in Emilia-Romagna in 233 pozzi; in Mar-Apr-Mag 1990 distribuiti principalmente in pianura nelle 9 province della regione.
18 La variabilità spaziale del radon in falda: i dati e le ipotesi (segue) La variabile spazio-temporale radon in pozzo, Rn(x,y,z,t), è stata ridotta a 2 dimensioni, Rn(x,y), eliminando: la Z (qslm / profondità), in quanto trascurabile ai fini dello studio; il tempo, in quanto si considera il fenomeno stazionario e la concentrazione in equilibrio (cfr. Martinelli). Non vi sono problemi di supporto spaziale, (misure puntuali), né temporale (misure pseudo-istantanee).
19 La variabilità spaziale del radon in falda: a scala regionale L analisi variografica alla scala dei 50 km dimostra una netta anisotropia NNW (N113) ENE (N23), una deriva a scala regionale ed una grande regolarità a piccola scala Mappa variografica Variogrammi sperimentali e modello (N113)
20 La variabilità spaziale del radon in falda: a scala regionale (segue) Ma esistono due popolazioni ben distinte Differenziabili con un cut-off di 7 Bq/l
21 La variabilità spaziale del radon in falda: La differenziazione per popolazione I variogrammi sono ben diversi quanto a variabilità, struttura, anisotropia
22 La variabilità spaziale del radon in falda correlazione con altri elementi strutturali Sono state cercate correlazioni con: profondità e quota piano campagna dei pozzi di misura. distanza dall emissione di gas naturale più vicina.
23 La variabilità spaziale del radon in falda correlazione con altri elementi strutturali (segue) La correlazione con la profondità: I variogrammi incrociati sono negativi ed anisotropi sino a km Il radon aumenta quando diminuisce la profondità; e effettivamente i valori alti di radon sono nelle falde più superficiali
24 La variabilità spaziale del radon in falda correlazione con altri elementi strutturali (segue) La correlazione con le emissioni gassose: i valori alti di radon sono quelli più vicini alle aree di emissione di gas; sembrerebbe confermato il quadro visto per il radon indoor, ma
25 La variabilità spaziale del radon in falda correlazione con altri elementi strutturali (segue) La correlazione con le emissioni gassose: il variogramma incrociato rimane nullo in entrambe le direzioni sino a circa 20 km; non c è correlazione spaziale locale fra incremento di radon e incremento della distanza dalle emissioni
26 La cartografia del radon in falda La cartografia si ottiene mediante stima ai nodi di una maglia. Gli stimatori della Geostatistica sono i Krigaggi Considerata: la dimensione del vicinaggio raffrontabile con la scala della parte stazionaria (< 50 km) dei variogrammi; la carenza di dati nell area appenninica; l equivalenza dei risultati utilizzando un modello di variogramma a scala regionale o semilocale è stato eseguito un Krigaggio Ordinario con un modello unico di variogramma, sulla sola variabile diretta
27 La cartografia del radon in falda (segue) La mappa stimata mediante krigaggio del radon in falda e la relativa mappa della varianza di stima È evidente la deriva (trend) e l anisotropia Mappa stimata del radon in falda Mappa della varianza di stima
28 La cartografia del radon in falda (segue) La qualità della stima è eccellente come verificabile dalla bassa varianza dell errore di stima dai risultati della cross-validazione Nuvola di correlazione valori veri / valori stimati Lo stimatore praticamente è condizionalmente corretto
29 La cartografia del radon indoor La cartografia si ottiene sempre mediante stima ai nodi di una maglia. Ma non esiste un edificio a ciascun nodo del grid! Né vi è definita la variabile radon indoor. Pragmaticamente si può pensare ad un cambio di variabile, definendone una spazialmente continua, tipo: potenzialità territoriale di radon indoor; correlata ad una variabile spazialmente discreta, appunto il radon indoor. Forse sarebbe opportuno riformulare il problema in termini di variabili regionalizzate di tipo indicatrici (0/1) e con esse partizionare il territorio.
30 La cartografia del radon indoor (segue) E stato eseguito un krigaggio ordinario con un modello unico di variogramma, senza differenziare fra pianura e montagna, questo perché numero, tipo e range delle strutture modello sono le stesse nei due casi e potrebbe parlare di una sorta effetto proporzionale ; sulla sola variabile diretta, non ritenendo di disporre di un modello multivariato consistente ed operativo.
31 La cartografia del radon indoor (segue) La mappa stimata mediante krigaggio del potenziale di radon indoor e la relativa mappa della varianza di stima Mappa della varianza di stima Mappa stimata del radon indoor È confermata la continuità, la regolarità, la stazionarietà e l isotropia strutturale sul territorio
32 Una analisi comparata fra radon indoor e radon in falda Quale correlazione strutturale, a scala regionale, esiste fra radon in falda e radon indoor? L interesse per questa domanda è molteplice, principalmente aumentare la comprensione del fenomeno e verificare alcune ipotesi; tentare di collegare una grandezza discontinua e fortemente variabile come il radon indoor ad una continua e regolare come il radon in falda.
33 Una analisi comparata fra radon indoor e radon in falda: quale approccio Il problema di uno studio di correlazione spaziale I dati sono eterotopici: per semplificare, dove c è il pozzo non c è la misura indoor Le possibili soluzioni: Covarianze incrociate in / po Studio su dati isotopici stimati ( ) [( ( ) ) ( ) ] h = E Rn x + h m Rn x m E stata scelta l analisi a partire dai valori krigati, in relazione alla maggiore robustezza dell analisi ed in relazione agli obiettivi C Rn in ko in Rn ko ( x) Rn ( x) ( ) in Rn po po po
34 Una analisi comparata fra radon indoor e radon in falda (segue) La correlazione fra i valori stimati è limitata e negativa Riflette differenziazioni di varia natura (morfologia, etc)
35 Una analisi comparata fra radon indoor e radon in falda (segue) La analisi in componenti principali fra valori veri di radon indoor e valori stimati (con molta precisione) di radon in falda E confermata la totale indipendenza fra le due variabili indoor (F1) ed il radon in falda F2
36 Conclusioni La analisi, geostatistica e non, dei dati spaziali consente di mettere a fuoco molti elementi essenziali del problema radon indoor, data la natura e le caratteristiche della variabile: una cosa è il monitoraggio dei livelli di radon indoor in edifici esistenti; altra la valutazione dei rischi su edifici esistenti non monitorati; altra ancora la previsione dei rischi potenziali sul territorio, in aree non edificate.
37 Conclusioni (segue) Monitoraggio dei livelli di radon indoor in edifici esistenti il monitoraggio in senso stretto vale solo per i locali muniti di strumentazioni di misura, mentre per gli altri locali dello stesso ambiente (es. casa) occorre stimarne la concentrazione; a rigore, anche il valore del locale misurato è una stima della concentrazione vera sia in relazione all estensione del valore puntuale allo spazio, l ambiente in cui è installato; sia in relazione al tempo, quando si estende all anno previsto le misure su intervalli minori
38 Conclusioni (segue) La normativa ambientale che fissa limiti di concentrazioni, è normalmente carente, e non solo quanto al radon. Infatti: non specifica il supporto al quale il valore limite fa riferimento, mentre i risultati della selezione variano col supporto non specifica il livello di probabilità associato ai valori limite da non superare
39 Conclusioni (segue) Effetto supporto A parità di ogni altra condizione (ubicazione, media, ) la percentuale di ambienti da bonificare varia al variare della loro superficie media: Per es. a fronte ambienti industriali con superfici di 1000 m 2 e concentrazione media 150 Bq/m 3 che potrebbero soddisfare il limite dei 200 Bq/m 3 nel 95% dei casi, ambienti di 60 m 2 con la stessa media potrebbero superare il limite nel 30% dei casi. Sullo stesso territorio. Densità di probabilità 0,14 0,12 0,1 0,08 0,06 0,04 0, Radon indoor (Bq/m3) 1000 m2 60 m2
40 Effetto supporto (segue) Conclusioni (segue) A parità di ogni altra condizione, il numero di scuole di superficie piccola da bonificare è maggiore del n. di scuole con maggiore superficie
41 Conclusioni (segue) Valutazione del rischio di radon indoor in edifici esistenti non monitorati o monitorati parzialmente Fissati valore limite e supporto, il rischio di superare la soglia dipende dalla incertezza dei valori stimati A rigore, esiste sempre la possibilità per un locale di superare i limiti fissati, anche quando il valore stimato è inferiore;. Densità di probabilità 0,14 0,12 0,1 0,08 0,06 0,04 0,02 0 Rn* Probabilità del valore vero e distribuzione dell'errore possibile attorno al valore stimato Radon indoor (Bq/m3)
42 Conclusioni (segue) Effetto informazione A parità di concentrazione media stimata inferiore al valore limite di intervento, un stesso ambiente può avere il 40 % di probabilità di superare il limite dei 500 Bq/m 3 se monitorato male, oppure il 5% se monitorato bene. Questo perché l affidabilità delle stime può essere diversa. La norma deve quindi associare al valore limite di intervento, le probabilità di superamento: es. obbligo di intervento se si hanno più del 30% di probabilità di superare la soglia
43 Conclusioni (segue) Previsione dei rischi potenziali sul territorio Uno studio approfondito come quello del gruppo di lavoro della RER può mettere in evidenza eventuali situazione strutturalmente più sensibili, da monitorare con maggiore attenzione. Peraltro, è ancora da definire una procedura ed un approccio metodologico generale e condivisibile in grado di quantificare simili rischi.
Distribuzione territoriale del radon indoor nel Triveneto: un approccio di tipo geostatistico
Distribuzione territoriale del radon indoor nel Triveneto: un approccio di tipo geostatistico Bertolo A. - Bigliotto C. ARPA Veneto Dipartimento di Padova Giovani C.- Garavaglia M. ARPA Friuli Venezia
DettagliAPPROCCIO GEOSTATISTICO PER L INDIVIDUAZIONE DELLE RADON PRONE AREAS IN LOMBARDIA
APPROCCIO GEOSTATISTICO PER L INDIVIDUAZIONE DELLE RADON PRONE AREAS IN LOMBARDIA Giorgio Somà Progetto Radon Prone Areas in Lombardia Giornata di studio Metodi statistici per l ambiente e il territorio
DettagliRADON IN LOMBARDIA: UN APPROCCIO GEOSTATISTICO PER L'INDIVIDUAZIONE DEI COMUNI CON ELEVATA PROBABILITA DI ALTE CONCENTRAZIONI
RADON IN LOMBARDIA: UN APPROCCIO GEOSTATISTICO PER L'INDIVIDUAZIONE DEI COMUNI CON ELEVATA PROBABILITA DI ALTE CONCENTRAZIONI Riccardo Borgoni 1, Andrea Cremonesi 1, Giorgio Somà 1, Daniela de Bartolo
DettagliIncertezza di Misura: Concetti di Base
Incertezza di Misura: Concetti di Base Roberto Ottoboni Dipartimento di Elettrotecnica Politecnico di Milano 1 Il concetto di misura Nella sua accezione più comune si è sempre inteso come misura di una
DettagliApprofondimento tecnico: inventario delle emissioni di gas serra della Provincia di Ravenna
Approfondimento tecnico: inventario delle emissioni di gas serra della Provincia di Ravenna Patrizia Lucialli, Elisa Pollini Il Piano Clima della Provincia di Ravenna 27 Settembre 2012 Sala Nullo Baldini
DettagliINDICE PARTE METODOLOGICA
INDICE PARTE METODOLOGICA 1. Il processo di ricerca 1.1.Individuazione di un problema e formulazione delle ipotesi 1.2.Individuazione e definizione operativa delle variabili 1.2.1. Le variabili definite
DettagliLEZIONI DI STATISTICA MEDICA
LEZIONI DI STATISTICA MEDICA Lezione n.11 - Principi dell inferenza statistica - Campionamento - Distribuzione campionaria di una media e di una proporzione - Intervallo di confidenza di una media e di
DettagliMetodologie Quantitative
Metodologie Quantitative Concetti statistici di base II M Q Marco Perugini Milano-Bicocca 1 Laboratorio Iscrizione/Scelta Turno Laboratorio Metodologie Quantitative Turno 1: Lunedì pomeriggio Turno 2:
DettagliMappatura radon: esempi in Europa e situazione in Italia. G.Torri, (ISIN Ispettorato per la sicurezza nucleare e la radioprotezione)
Mappatura radon: esempi in Europa e situazione in Italia G.Torri, (ISIN Ispettorato per la sicurezza nucleare e la radioprotezione) Obiettivo riduzione del rischio di cancro dei polmoni attribuibile all'esposizione
DettagliCorso C Geomatica. Teoria degli errori. Massimiliano Cannata
Corso C111.01 - Geomatica Teoria degli errori Rappresentazione di una misura di precisione ( x ± σ x ) u x = misura σ x = incertezza della misura u = unità di misura Il problema degli errori in topografia
DettagliUNIVERSITA DEGLI STUDI DI NAPOLI FEDERICO II
UNIVERSITA DEGLI STUDI DI NAPOLI FEDERICO II Scuola Politecnica e delle Scienze di Base Dipartimento di Ingegneria Civile, Edile ed Ambientale CORSO DI LAUREA MAGISTRALE IN INGEGNERIA PER L AMBIENTE ED
DettagliANALISI GEOSTATISTICA DELLA DISPERSIONE DI INQUINANTI IN FALDA
ANALISI GEOSTATISTICA DELLA DISPERSIONE DI INQUINANTI IN FALDA Rose-Line Spacagna DICeM, Università degli Studi di Cassino e del Lazio Meridionale rlspacagna@unicas.it Massimo Ramondini DIGA, Università
DettagliModellazione di sistemi ingegneristici (parte 2 di 2)
Corso di Teoria dei Sistemi Modellazione di sistemi ingegneristici (parte 2 di 2) Prof. Ing. Daniele Testi DESTeC, Dipartimento di Ingegneria dell Energia, dei Sistemi, del Territorio e delle Costruzioni
DettagliCAMPAGNA DI MONITORAGGIO DELLA QUALITA' DELL'ARIA - ARPA DAL 11/12/2013 AL 16/01/2014
CAMPAGNA DI MONITORAGGIO DELLA QUALITA' DELL'ARIA - ARPA DAL 11/12/2013 AL 16/01/2014 In Via Comunale Rovere, nel parcheggio antistante il nuovo Polo Scolastico, è stata installata, dal 11/12/2013 al 16/01/2014,
DettagliTipi di variabili. Indici di tendenza centrale e di dispersione
Tipi di variabili. Indici di tendenza centrale e di dispersione L. Boni Variabile casuale In teoria della probabilità, una variabile casuale (o variabile aleatoria o variabile stocastica o random variable)
DettagliSISTEMI INFORMATIVI GEOGRAFICI IN GEO- LOGIA
MARIA TERESA MELIS SISTEMI INFORMATIVI GEOGRAFICI IN GEO- LOGIA titimelis@unica.it ANNO ACCADEMICO 2017/ 2018 LEZIONE 7 MODELLI DI RAPPRESENTAZIONE GEOGRAFI- CA: DAI DATI ALLA MAPPA Corso di Sistemi Informativi
DettagliComputazione per l interazione naturale: Regressione probabilistica
Computazione per l interazione naturale: Regressione probabilistica Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2018.html
DettagliUlteriori Conoscenze di Informatica e Statistica
Ulteriori Conoscenze di Informatica e Statistica Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 (I piano) tel.: 06 55 17 72 17 meneghini@fis.uniroma3.it Indici di forma Descrivono le
DettagliRICHIAMI DI CALCOLO DELLE PROBABILITÀ
UNIVERSITA DEL SALENTO INGEGNERIA CIVILE RICHIAMI DI CALCOLO DELLE PROBABILITÀ ing. Marianovella LEONE INTRODUZIONE Per misurare la sicurezza di una struttura, ovvero la sua affidabilità, esistono due
DettagliPROCEDURE/TECNICHE DI ANALISI / MISURE DI ASSOCIAZIONE A) ANALISI DELLA VARIANZA
PROCEDURE/TECNICHE DI ANALISI / MISURE DI ASSOCIAZIONE A) ANALISI DELLA VARIANZA PROCEDURA/TECNICA DI ANALISI DEI DATI SPECIFICAMENTE DESTINATA A STUDIARE LA RELAZIONE TRA UNA VARIABILE NOMINALE (ASSUNTA
DettagliFranco Ferraris Marco Parvis Generalità sulle Misure di Grandezze Fisiche. Prof. Franco Ferraris - Politecnico di Torino
Generalità sulle Misure di Grandezze Fisiche Prof. - Politecnico di Torino - La stima delle incertezze nel procedimento di misurazione -modello deterministico -modello probabilistico - La compatibilità
DettagliDistribuzioni campionarie
1 Inferenza Statistica Descrittiva Distribuzioni campionarie Statistica Inferenziale: affronta problemi di decisione in condizioni di incertezza basandosi sia su informazioni a priori sia sui dati campionari
DettagliESAME. 9 Gennaio 2017 COMPITO A
ESAME 9 Gennaio 2017 COMPITO A Cognome Nome Numero di matricola 1) Approssimare tutti i calcoli alla quarta cifra decimale. 2) Ai fini della valutazione si terrà conto solo ed esclusivamente di quanto
DettagliIdraulica e Idrologia: Lezione 6
Idraulica e Idrologia: Lezione 6 Agenda del giorno - Eventi estremi in idrologia: legame fra magnitudo e probabilità; - Statistica e probabilità in idrologia; - Tempo di ritorno. 1 Analisi statistica di
DettagliUlteriori Conoscenze di Informatica e Statistica. Popolazione. Campione. I risultati di un esperimento sono variabili aleatorie.
Ulteriori Conoscenze di Informatica e Statistica Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 (I piano) tel.: 06 55 17 72 17 meneghini@fis.uniroma3.it I risultati di un esperimento
DettagliLa verità giace in un ambito molto ristretto, ma l errore è immenso... Henry St John, Reflextion on Exile
La verità giace in un ambito molto ristretto, ma l errore è immenso... Henry St John, Reflextion on Exile APPROCCIO TRADIZIONALE APPROCCIO MODERNO Variabilità Variabilita casuale + completamente dipendente
Dettagliassuma valori in un determinato intervallo è data dall integrale della sua densità ( = )=
VARIABILI ALEATORIE CONTINUE Esistono parecchi fenomeni reali per la cui descrizione le variabili aleatorie discrete non sono adatte. Per esempio è necessaria una variabile aleatoria continua ovvero una
DettagliRegressione lineare semplice
Regressione lineare semplice Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona Statistica con due variabili var. nominale, var. nominale: gruppo sanguigno - cancro
DettagliLa banca dati delle caratteristiche geotecniche del sottosuolo di Roma
La banca dati delle caratteristiche geotecniche del sottosuolo di Roma G. Cavarretta, G. P. Cavinato, M. Mancini, M. Moscatelli, A. Patera, G. Raspa, F. Stigliano, R. Vallone, F. Garbin, S. Milli, S. Storoni
DettagliSANA BOLOGNA 2018 Botanicals and contaminants: emerging issues or new managing of existing risks?
SANA BOLOGNA 2018 Botanicals and contaminants: emerging issues or new managing of existing risks? Icardi Laura - BIOQUALITÀ The question of controls: sampling, methods and analysis September 10, 2018 La
DettagliSTATISTICA INDUTTIVA: STIMA DI PARAMETRI STIMA PUNTUALE
S.S.I.S TOSCANA F.I.M. -II anno STATISTICA INDUTTIVA: STIMA DI PARAMETRI STIMA PUNTUALE PROBLEMA 1 Vogliamo valutare la percentuale p di donne fumatrici tra le donne in età fertile. Procediamo all estrazione
DettagliIl confronto fra medie
L. Boni Obiettivo Verificare l'ipotesi che regimi alimentari differenti non producano mediamente lo stesso effetto sulla gittata cardiaca Ipotesi nulla IPOTESI NULLA La dieta non dovrebbe modificare in
DettagliParte I Identificazione di modelli dinamici. 6: Teoria della stima e caratteristiche degli stimatori. Parte I 6, 1
Parte I 6, 1 Parte I Identificazione di modelli dinamici 6: Teoria della stima e caratteristiche degli stimatori Generalita` Parte I 6, 2 In generale abbiamo: dove sono i dati osservati e` la quantita`
DettagliIndice. centrale, dispersione e forma Introduzione alla Statistica Statistica descrittiva per variabili quantitative: tendenza
XIII Presentazione del volume XV L Editore ringrazia 3 1. Introduzione alla Statistica 5 1.1 Definizione di Statistica 6 1.2 I Rami della Statistica Statistica Descrittiva, 6 Statistica Inferenziale, 6
DettagliCORSO DI LAUREA MAGISTRALE IN INGEGNERIA PER L AMBIENTE ED IL TERRITORIO
CORSO DI LAUREA MAGISTRALE IN INGEGNERIA PER L AMBIENTE ED IL TERRITORIO DIPARTIMENTO DI INGEGNERIA CHIMICA, DEI MATERIALI E DELLA PRODUZIONE INDUSTRIALE TESI DI LAUREA Analisi dei dati di due campagne
DettagliUlteriori Conoscenze di Informatica e Statistica
ndici di forma Ulteriori Conoscenze di nformatica e Statistica Descrivono le asimmetrie della distribuzione Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 ( piano) tel.: 06 55 17 72 17
DettagliGIS E ATTIVITA ESTRATTIVA IN PIANURA
I GIS NELLA PROFESSIONE DEL GEOLOGO GIS E ATTIVITA ESTRATTIVA IN PIANURA Commissione Gis&Geomatica dell Ordine dei Geologi del Veneto andrea.mazzuccato@libero.it Con questa presentazione: Verrà simulato
DettagliSTIME STATISTICHE. Consideriamo il caso della misura di una grandezza fisica che sia affetta da errori casuali. p. 2/2
p. 1/1 INFORMAZIONI Prossime lezioni Giorno Ora Dove 10/02 14:30 P50 11/02 14:30 Laboratorio (via Loredan) 17/02 14:30 P50 23/02 14:30 P50 25/02 14:30 Aula informatica (6-7 gruppi) 02/03 14:30 P50 04/03
DettagliAcque sotterranee: l analisi conoscitiva in relazione agli impianti ittici, all industria e all agricoltura
Acque sotterranee: l analisi conoscitiva in relazione agli impianti ittici, all industria e all agricoltura DANIELA IERVOLINO Regione Friuli Venezia Giulia San Vito al Tagliamento 12 maggio 2015 Il modello
DettagliRicerca di outlier. Prof. Matteo Golfarelli Alma Mater Studiorum - Università di Bologna
Ricerca di outlier Prof. Matteo Golfarelli Alma Mater Studiorum - Università di Bologna Ricerca di Anomalie/Outlier Cosa sono gli outlier? L insieme di dati che sono considerevolmente differenti dalla
DettagliAnalisi statistica in simulazione
Analisi statistica in simulazione Aspetto fondamentale in simulazione, a volte sottovalutato Corrette interpretazione dei risultati Analisi dei dati di di input definizione e parametrizzazione del modello
DettagliAnalisi statistica classica. Analisi statistica in simulazione. Stima della media. Stima della media
Analisi statistica in simulazione Analisi statistica classica Aspetto fondamentale in simulazione, a volte sottovalutato Corrette interpretazione dei risultati Analisi dei dati di di input definizione
DettagliL'analisi bivariata (analisi della varianza e correlazione) Prof. Stefano Nobile. Corso di Metodologia della ricerca sociale
L'analisi bivariata (analisi della varianza e correlazione) Prof. Stefano Nobile Corso di Metodologia della ricerca sociale L analisi della varianza (ANOVA) La tecnica con cui si esplorano le relazioni
DettagliEsperimentazioni di Fisica 1. Prova in itinere del 12 giugno 2018
Esperimentazioni di Fisica 1 Prova in itinere del 1 giugno 018 Esp-1 Prova in Itinere n. - - Page of 6 1/06/018 1. (1 Punti) Quesito L incertezza da associare alle misurazioni eseguite con un certo strumento
DettagliL'INTERPOLAZIONE SPAZIALE DELLE MISURE DI PRESSIONE
L'INTERPOLAZIONE SPAZIALE DELLE MISURE DI PRESSIONE E stata utilizzata la tecnica di interpolazione spaziale geostatistica del cokriging, la quale risulta particolarmente idonea a descrivere grandezze
DettagliPUÒ RIPETERSI UN EVENTO SIMILE?
ORDINE DEGLI INGEGNERI DELLA PROVINCIA DI VENEZIA ing. Alvise Fiume i4 Consulting S.r.l. PUÒ RIPETERSI UN EVENTO SIMILE? ANALISI E RIFLESSIONI SULLE MISURE DI PRECIPITAZIONE 1992 2016 Martedì 26 settembre
DettagliCalcolo delle probabilità e statistica
Grazia Vicario Raffaello Levi Calcolo delle probabilità e statistica per 1ngegner1 - GO... PROGenO 00 LeoNARDO BOLOGNA r r, ) - Universi!a' IU~V Venezia DEPCIA w 1852 BIBLIOTECA G.ASTENGO G. Vicario~ R.
DettagliComprendere i fenomeni vuol dire studiare le relazioni tra 2 o più variabili. Esiste un legame tra le variabili?
Comprendere i fenomeni vuol dire studiare le relazioni tra 2 o più variabili. Esiste un legame tra le variabili? Quale tipo di legame? Quanto forte? Siamo sicuri che non sia dovuto al caso? Tutti i modelli
DettagliLEZIONI DI STATISTICA MEDICA
LEZIONI DI STATISTICA MEDICA Lezione n.12 - Test statistico Sezione di Epidemiologia & Statistica Medica Università degli Studi di Verona IPOTESI SCIENTIFICA Affermazione che si può sottoporre a verifica
DettagliIMPATTO DELLA RETE PLUVIOMETRICA NAZIONALE SULL ANALISI DI FREQUENZA DELLE PRECIPITAZIONI ESTREME
GIORNATE DELL IDROLOGIA Trento, 27-29 giugno 2016 Dipartimento di Ingegneria dell Ambiente, del Territorio e delle Infrastrutture IMPATTO DELLA RETE PLUVIOMETRICA NAZIONALE SULL ANALISI DI FREQUENZA DELLE
DettagliGenetica dei caratteri quantitativi
PAS Percorsi Abilitanti Speciali Classe di abilitazione A057 Scienza degli alimenti Tracciabilità genetica degli alimenti Genetica dei caratteri quantitativi 1 Concetti di base in genetica L informazione
DettagliREPORT INTERMEDIO. INDAGINE AMBIENTALE Campagna di misura della Qualità dell aria PAT/RFS305-14/01/
PAT/RFS305-14/01/2019-0021123 AGENZIA PROVINCIALE PER LA PROTEZIONE DELL AMBIENTE Settore tecnico per la tutela dell ambiente U.O. aria, agenti fisici e bonifiche Via Mantova, 16 38122 Trento P +39 0461
DettagliComputazione per l interazione naturale: Regressione probabilistica
Computazione per l interazione naturale: Regressione probabilistica Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2017.html
Dettagli4. Si supponga che il tempo impiegato da una lettera spedita dall Italia per arrivare a destinazione segua una distribuzione normale con media
Esercizi sulle distribuzioni, il teorema limite centrale e la stima puntuale Corso di Probabilità e Inferenza Statistica, anno 007-008, Prof. Mortera 1. Sia X la durata in mesi di una valvola per radio.
DettagliQuadro conoscitivo relativo agli acquiferi sotterranei nei comuni di Bagnolo, Cadelbosco di Sopra, Gualtieri e Novellara. Considerazioni conclusive
agenzia regionale prevenzione e ambiente dell emilia-romagna Quadro conoscitivo relativo agli acquiferi sotterranei nei comuni di Bagnolo, Cadelbosco di Sopra, Gualtieri e Novellara Considerazioni conclusive
DettagliMISURAZIONE. Sistema empirico (SE): ciò che si vuole misurare; costituito da elementi legati tra loro da relazioni
Attendibilità Misurazione I problemi di misurazione degli oggetti di studio sono comuni a tutte le discipline scientifiche. In psicologia il problema è solo più evidente, non più grave. I costrutti che
DettagliMatematica con elementi di Informatica
Statistica descrittiva ed inferenziale Matematica con elementi di Informatica Tiziano Vargiolu Dipartimento di Matematica vargiolu@math.unipd.it Corso di Laurea Magistrale in Chimica e Tecnologie Farmaceutiche
DettagliSTIMA DEI VOLUMI DI ACQUA IN UN ACQUIFERO ETEROGENEO: L ESEMPIO DELLA PROVINCIA DI MILANO.
Università degli studi di Milano-Bicocca Dipartimento di Scienze dell Ambiente e del Territorio STIMA DEI VOLUMI DI ACQUA IN UN ACQUIFERO ETEROGENEO: L ESEMPIO DELLA PROVINCIA DI MILANO. T. Bonomi, P.
DettagliComputazione per l interazione naturale: Regressione probabilistica
Computazione per l interazione naturale: Regressione probabilistica Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2016.html
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 6
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 6 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Associazione, correlazione e dipendenza tra caratteri In un collettivo di 11 famiglie è stata
DettagliMisurazione e attendibilità
Misurazione e attendibilità I problemi di misurazione degli oggetti di studio sono comuni a tutte le discipline scientifiche. In psicologia il problema e solo più evidente, non più grave. I costrutti che
DettagliREPORT PLUVIOMETRICO DEL MESE DI MARZO 2016
REPORT PLUVIOMETRICO DEL MESE DI MARZO 206 Pagina di 20 Commento generale METODOLOGIA Al fine di valutare l entità degli apporti pluviometrici, sono state considerate tutte le stazioni automatiche (circa
DettagliDistribuzione territoriale del radon indoor nella provincia di Belluno: analisi geostatistica
Distribuzione territoriale del radon indoor nella provincia di Belluno: analisi geostatistica Bertolo A. e Bigliotto C. Arpa Veneto, Dipartimento di Padova, Via Ospedale 22, 35121 Padova, abertolo@arpa.veneto.it
DettagliModelli per la stima dell esposizione degli operatori addetti all attività di scavo
Modelli per la stima dell esposizione degli operatori addetti all attività di scavo Ing. Iason Verginelli (verginelli@ing.uniroma2.it) Laboratorio di Ingegneria Ambientale Dipartimento di Ing. Civile e
DettagliTutta la scienza è fondata sulle misure (Helmholtz)
Tutta la scienza è fondata sulle misure (Helmholtz) L acquisizione di una osservazione come DATO SCIENTIFICO richiede che : osserviamo un fenomeno lo quantifichiamo correttamente lo confrontiamo con altri
Dettagli05. Errore campionario e numerosità campionaria
Statistica per le ricerche di mercato A.A. 01/13 05. Errore campionario e numerosità campionaria Gli schemi di campionamento condividono lo stesso principio di fondo: rappresentare il più fedelmente possibile,
DettagliCapitolo 8. Intervalli di confidenza. Statistica. Levine, Krehbiel, Berenson. Casa editrice: Pearson. Insegnamento: Statistica
Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 8 Intervalli di confidenza Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università
DettagliProblemi metodologici e metrologici nella valutazione degli indicatori di inquinamento acustico in ambito abitativo
Problemi metodologici e metrologici nella valutazione degli indicatori di inquinamento acustico in ambito abitativo Daniele Sepulcri ARPAV Dipartimento Provinciale di Venezia dsepulcri@arpa.veneto.it ARGOMENTI
DettagliRichiami di inferenza statistica Strumenti quantitativi per la gestione
Richiami di inferenza statistica Strumenti quantitativi per la gestione Emanuele Taufer Inferenza statistica Parametri e statistiche Esempi Tecniche di inferenza Stima Precisione delle stime Intervalli
DettagliModelli per la valutazione preliminare del rischio durante le attività di scavo di terreno contaminato
Venezia, 13-14 Giugno 2019 Modelli per la valutazione preliminare del rischio durante le attività di scavo di terreno contaminato Iason Verginelli, Renato Baciocchi Dipartimento di Ingegneria Civile e
DettagliBrevi richiami su variabili aleatorie e processi stocastici
Appendice Parte 9, 1 Brevi richiami su variabili aleatorie e processi stocastici Richiami di teoria della probabilita` Appendice Parte 9, 2 Esperimento casuale: analisi degli elementi caratteristici dei
DettagliRichiami di inferenza statistica. Strumenti quantitativi per la gestione. Emanuele Taufer
Richiami di inferenza statistica Strumenti quantitativi per la gestione Emanuele Taufer Inferenza statistica Inferenza statistica: insieme di tecniche che si utilizzano per ottenere informazioni su una
Dettaglip. 1/2 STIME STATISTICHE Consideriamo il caso della misura di una grandezza fisica che sia affetta da errori casuali.
p. 1/2 STIME STATISTICHE Consideriamo il caso della misura di una grandezza fisica che sia affetta da errori casuali. p. 1/2 STIME STATISTICHE Consideriamo il caso della misura di una grandezza fisica
DettagliESAME. 9 Gennaio 2017 COMPITO B
ESAME 9 Gennaio 2017 COMPITO B Cognome Nome Numero di matricola 1) Approssimare tutti i calcoli alla quarta cifra decimale. 2) Ai fini della valutazione si terrà conto solo ed esclusivamente di quanto
DettagliLa sorveglianza ambientale e la valutazione epidemiologica attorno agli impianti di incenerimento di rifiuti solidi urbani in Emilia-Romagna: il
La sorveglianza ambientale e la valutazione epidemiologica attorno agli impianti di incenerimento di rifiuti solidi urbani in Emilia-Romagna: il progetto MONITER Obiettivi generali del progetto Uniformare
DettagliMisura del campo magnetico generato da cabine di trasformazione MT/bt: criticità e definizione di un metodo Sara Adda, Enrica Caputo
Misura del campo magnetico generato da cabine di trasformazione MT/bt: criticità e definizione di un metodo Sara Adda, Enrica Caputo Obiettivi e metodi Finalità del lavoro: definire una metodologia di
DettagliEsercizio 1. Stima intervallare: IC per la media incognita (varianza ignota)
STATISTICA (2) ESERCITAZIONE 5 26.02.2014 Dott.ssa Antonella Costanzo Esercizio 1. Stima intervallare: IC per la media incognita (varianza ignota) Il responsabile del controllo qualità di un azienda che
DettagliQuadro conoscitivo relativo agli acquiferi sotterranei nei comuni di Bagnolo, Cadelbosco di Sopra, Gualtieri e Novellara. Considerazioni conclusive
Quadro conoscitivo relativo agli acquiferi sotterranei nei comuni di Bagnolo, Cadelbosco di Sopra, Gualtieri e Novellara Considerazioni conclusive a cura di: Adriano Fava Arpa Sezione di Reggio Emilia
Dettagli1.1 Obiettivi della statistica Struttura del testo 2
Prefazione XV 1 Introduzione 1.1 Obiettivi della statistica 1 1.2 Struttura del testo 2 2 Distribuzioni di frequenza 2.1 Informazione statistica e rilevazione dei dati 5 2.2 Distribuzioni di frequenza
DettagliIsadora Mariani, Mares S.r.l.
CONFRONTO TRA MIP - TECNICA D INDAGINE TRADIZIONALE SU SITI CONTAMINATI DA IDROCARBURI PETROLIFERI DA AUTOTRAZIONE (BENZINA E GASOLIO): CASI APPLICATIVI Isadora Mariani, Mares S.r.l. Partnership Strategica
DettagliServizio Sistemi Ambientali Viale Fontanelli, Modena - Tel Fax
Sezione Provinciale di Modena Viale Fontanelli, 23 41121 Modena - Tel. 059 433611 - Fax 059 433658 e-mail: urpmo@arpa.emr.it pec: aoomo@cert.arpa.emr.it Servizio Sistemi Ambientali Viale Fontanelli, 23
DettagliStatistica multivariata Donata Rodi 17/10/2016
Statistica multivariata Donata Rodi 17/10/2016 Quale analisi? Variabile Dipendente Categoriale Continua Variabile Indipendente Categoriale Chi Quadro ANOVA Continua Regressione Logistica Regressione Lineare
DettagliGEOMATEMATICA. Dott.ssa ELVIRA DI NARDO Dipartimento di Matematica e Informatica
GEOMATEMATICA Dott.ssa ELVIRA DI NARDO Dipartimento di Matematica e Informatica http://www.unibas.it/utenti/dinardo/ G. Ciotoli, M. Finoia Dalla Statistica alla Geostatistica: Introduzione all analisi
DettagliCorso di STATISTICA EGA - Classe 1 aa Docenti: Luca Frigau, Claudio Conversano
Corso di STATISTICA EGA - Classe 1 aa 2017-2018 Docenti: Luca Frigau, Claudio Conversano Il corso è organizzato in 36 incontri, per un totale di 72 ore di lezione. Sono previste 18 ore di esercitazione
DettagliApplicazioni dei modelli CTM: analisi di scenario
Applicazioni dei modelli CTM: analisi di scenario Sommario Cos è un analisi di scenario Esempio di applicazione: il progetto City-Delta Scelte tecniche (impostazione di un analisi di scenario) Validazione
DettagliMisure meteorologiche in ambito urbano
Misure meteorologiche in ambito urbano 3 - L incertezza delle misure in ambito urbano G. Frustaci Osservatorio Cavanis Venezia L incertezza delle misure in ambito urbano Definizione dell incertezza di
DettagliVerifica delle ipotesi
Statistica inferenziale Stima dei parametri Verifica delle ipotesi Concetti fondamentali POPOLAZIONE o UNIVERSO Insieme degli elementi cui si rivolge il ricercatore per la sua indagine CAMPIONE Un sottoinsieme
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 6 Abbiamo visto: Definizione di popolazione, di campione e di spazio campionario Distribuzione
DettagliTeoria e tecniche dei test
Teoria e tecniche dei test Lezione 9 LA STANDARDIZZAZIONE DEI TEST. IL PROCESSO DI TARATURA: IL CAMPIONAMENTO. Costruire delle norme di riferimento per un test comporta delle ipotesi di fondo che è necessario
DettagliInformatica Industriale - no 3
Informatica Industriale - no 3 prof. Lorenzo MEZZALIRA Caratterizzazioni di tempo ed evoluzione - Cap. 2 ERRORI DI MISURA E DI QUANTIZZAZIONE IL MODELLO DEL TEMPO STATI ED EVENTI, AZIONI ED ATTIVITA' CARATTERIZZAZIONE
DettagliConvegno. Le pompe di calore geotermiche: I vincoli e gli incentivi per lo sviluppo
Convegno Le pompe di calore geotermiche: I vincoli e gli incentivi per lo sviluppo Le prospettive di sviluppo delle pompe di calore geotermiche in Lombardia Ing. Domenico Savoca Direzione Generale Qualità
DettagliPIANO REGIONALE DELLA PREVENZIONE
PIANO REGIONALE DELLA PREVENZIONE 2014-2018 MACRO OBIETTIVO 8 Codici indicatori: 8.2.1 8.2.2 8.10.1 Programma: Monitoraggio del gas radon nelle scuole (nidi e materne, pubbliche e private) e supporto alla
Dettagli04/05/2009 DEFINIZIONE DI RADIAZIONI. Corso di Igiene. Igiene delle radiazioni ionizzanti e non
UNIVERSITÀ DEGLI STUDI DI SALERNO Corso di Igiene Igiene delle radiazioni ionizzanti e non Prof. P. Cavallo 1 DEFINIZIONE DI RADIAZIONI In fisica: particolare forma di energia, o di materia corpuscolare,
DettagliConvegno. Le pompe di calore geotermiche nel contesto dei sistemi energetici integrati sul territorio urbano
Convegno Le pompe di calore geotermiche nel contesto dei sistemi energetici integrati sul territorio urbano La valorizzazione delle risorse geotermiche in Lombardia Ing. Domenico Savoca Regione Lombardia,
DettagliMisura del periodo di oscillazione e della costante elastica della molla di un oscillatore armonico semplice
Misura del periodo di oscillazione e della costante elastica della molla di un oscillatore armonico semplice Crisafulli Paride Curseri Federica Raia Salvatore Torregrossa M. Roberto Valerio Alessia Zarcone
DettagliI dati disponibili in Lombardia Rosella Rusconi. Centro Regionale di Radioprotezione (CRR) ARPA Lombardia Via Juvara Milano
I dati disponibili in Lombardia Rosella Rusconi Centro Regionale di Radioprotezione (CRR) ARPA Lombardia Via Juvara 22-20129 Milano 1 La quantità di radioattività nelle acque è monitorata sin dai tempi
DettagliProbabilità e Statistica
Diario delle lezioni e del tutorato di Probabilità e Statistica a.a. 2012/2013 www.mat.uniroma2.it/~caramell/did 1213/ps.htm 05/03/2013 - Lezioni 1, 2, 3 Breve introduzione al corso. Fenomeni deterministici
DettagliProbabilità e Statistica
Diario delle lezioni e del tutorato di Probabilità e Statistica a.a. 2014/2015 www.mat.uniroma2.it/~caramell/did 1415/ps.htm 02/03/2015 - Lezioni 1, 2 Breve introduzione al corso. Fenomeni deterministici
DettagliCONTROLLI SUGLI ELETTRODOTTI DI ALTA TENSIONE TRANSITANTI SUL TERRITORIO DELLA VALLE D AOSTA
CONTROLLI SUGLI ELETTRODOTTI DI ALTA TENSIONE TRANSITANTI SUL TERRITORIO DELLA VALLE D AOSTA Valeria Bottura, C. Desandré, E. Imperial, Leo Cerise ARPA Valle d Aosta, Loc. Grande Charrière 44, 11020 St.
DettagliFacciamo 1 cicli di 25 misure da una popolazione per scatola di resistenze
Si supponga di voler verificare che due forniture di resistenze di valore nominale dichiarato (per esempio sia = 470 ) sia affidabile. Si supponga che ogni fornitura sia normalmente distribuita con deviazione
Dettagli