Il modello spazio temporale per la previsione dell'erosione nel breve termine. Note Metodologiche
|
|
- Silvano Capelli
- 7 anni fa
- Visualizzazioni
Transcript
1 Il modello spazio temporale per la previsione dell'erosione nel breve termine Note Metodologiche 1
2 Analisi della dinamica temporale dei fenomeni meteo marini sulla Spiaggia di Alimini Descrizione dei dati disponibili I dati analizzati in questa sezione sono relativi alle misurazioni effettuate nella stazione di Otranto. Le misurazioni, effettuate a cadenza oraria dal 1/1/1998 al 9/5/2014, sono relative alle seguenti variabili: 1. Direzione del vento (in gradi) 2. Velocità del vento (in m/s) 3. Livello del mare (ultrasuoni) (m) 4. Pressione atmosferica (in millibar) 5. Temperatura dell acqua (in C) Si dispone, inoltre, di 10 fotografie, che permettono di classificare le informazioni disponibili in 10 intervalli temporali (Tabella 1). Dopo l esclusione dei valori mancanti, il dataset è costituito da osservazioni. Nelle analisi successive sono state utilizzate le variabili Direzione del vento (in gradi), Velocità del vento (in m/s) e Livello del mare (ultrasuoni) (m). Intervalli temporali e calcolo dei pesi Poiché i 10 intervalli temporali hanno diversa ampiezza, è stato calcolato un peso associato a ciascuno di essi. Tale peso è inversamente proporzionale all ampiezza dell intervallo (calcolata in numero di giorni come differenza tra la data finale e quella iniziale). Ogni volta che vengono prese in considerazioni delle quantità totali per intervallo (es. energia totale osservata per un particolare vento), queste sono pesate in modo appropriato attraverso il seguente sistema di pesi. i = Data FINE,i Data INIZIO,i W i = 1 i i Data_INIZIO Data_FINE Descrizione Immagine i W i 1 01JAN JUN /01/ /06/ /06/2004 Ortofoto JUN SEP /06/ /09/ /07/2006 Eros A SEP JUL /09/ /07/ /07/2007 QuickBird JUL JUN /07/ /06/ /06/2008 Ortofoto JUN MAY /06/ /05/ /06/2009 PRISM MAY JUN /05/ /06/ /06/2010 Ortofoto JUN MAY /06/ /05/ /05/2011 Spot MAY AUG /05/ /08/ /08/2012 RapidEye AUG JUN /08/ /06/ /06/2013 RapidEye JUN MAY /06/ /05/ /06/2014 RapidEye Tabella 1 Il primo intervallo temporale contiene molti valori mancanti, per questo è stato generalmente escluso dalle analisi. 2
3 Definizione delle tipologie di vento e dei livelli del mare I criteri di classificazione relativi alle tipologie di vento ed ai livelli del mare sono riportati nelle Tabelle 2 e 3. La classificazione del livello del mare tiene conto del livello z 0 (m) di Otranto (z 0 = 0.13). Intervallo direzione (in gradi) Tipo di vento Grecale Levante Scirocco Ostro, austro o mezzogiorno Libeccio Ponente Maestrale Tramontana Tabella 2 Intervallo livello del mare (ultrasuoni) (m) Livello del mare (6 classi) Livello del mare (3 classi) Superiore a Estremo alto Alto Da A Alto Alto Da A Medio alto Medio Da A Medio basso Medio Da A Basso Basso Inferiore a Estremo basso Basso Tabella 3 Analisi temporale dei fenomeni meteo marini Nei grafici seguenti sono riportati dei bubble plot in cui: Il diametro di ogni bolla è proporzionale all energia media osservata per il particolare pattern tipo di vento livello del mare (3 classi) ; L etichetta riportata su ogni bolla indica il numero degli eventi che si sono verificati in corrispondenza del particolare pattern tipo di vento livello del mare (3 classi). Alcuni aspetti interessanti che è possibile analizzare attraverso questi grafici: Come è variata l energia media di un particolare vento dato il livello del mare (alto, medio, basso), se consideriamo l andamento orizzontale del diametro delle bolle; Se, per ciascun tipo di vento, sono cambiati i casi ricorrenti di livello del mare (alto, medio, basso), se consideriamo come variano le frequenze riportate nelle etichette in verticale. Note In queste analisi, lavorando sui valori medi dell energia (non sui totali), non è necessario standardizzare per l ampiezza dell intervallo. Come anticipato, è stato escluso il primo intervallo (01/01/ /06/2004). 3
4 4
5 5
6 6
7 7
8 Analisi dell incidenza dei fenomeni meteo marini sull erosione costiera Analisi dell andamento dell area costiera Sono state definite 10 macrozone della spiaggia di Alimini (figura a lato). Le macrozone 9 e 10 non sono presenti nel dataset analizzato in quanto costituite prevalentemente da rocce (Zona 9: 95% roccia, Zona 10: 100% roccia). La macrozona 1 è stata esclusa dall analisi per incongruenze nei dati che avrebbero potuto portare a risultati inconsistenti. Per ciascuna macrozona, si dispone dell informazione sull area di spiaggia nei diversi intervalli temporali. I valori delle aree di spiaggia in corrispondenza del 2004 (quindi osservate in data 09/06/2004) sono da considerare come punto di partenza per le analisi successive. I valori delle aree di spiaggia (in mq) nei diversi intervalli temporali e per macrozona sono riportati in Tabella 4. Macrozona Spiaggia Spiaggia Spiaggia Spiaggia Spiaggia Spiaggia Spiaggia Spiaggia Spiaggia Spiaggia /06/ /09/ /07/ /06/ /05/ /06/ /05/ /08/ /06/ /05/2014 Zona Zona Zona Zona Zona Zona Zona Tabella 4 Gli istogrammi riportati in seguito mostrano l andamento dell area di spiaggia (in mq) per ciascuna macrozona soggetta ad erosione costiera. Per completezza è stato riportato anche il valore associato al La linea continua rappresenta l andamento delle variazioni percentuali rispetto al periodo precedente. 8
9 9
10 10
11 11
12 Correlazione tra fenomeni meteo marini ed area di spiaggia Nelle analisi di correlazione sono stati considerati i 48 pattern distinti tipo di vento livello del mare (6 classi), ottenibili tramite le combinazioni delle tipologie di vento e dei livelli del mare (vedi Tabelle 2 e 3). Per ciascun pattern è stata calcolata l energia totale 1 che si è osservata in ciascun intervallo temporale. Sono stati quindi calcolati i coefficienti di correlazione tra l energia totale pesata di ciascun pattern e l area di spiaggia (in mq), divisa in macrozone. Il risultato è una serie di coefficienti di correlazione da interpretare nel modo seguente: se di segno positivo (negativo) all aumentare dell energia si ha un processo di accrescimento (erosione) della spiaggia; il suo valore assoluto indica l intensità della correlazione: 0 < ρ < 0,3 si ha correlazione debole 0,3 < ρ < 0,7 si ha correlazione moderata ρ > 0,7 si ha correlazione forte In giallo sono riportati i coefficienti significativi (*** al 0.05%, * al 0.10%). In Tabella 5 sono riportati soltanto i valori significativi, in ordine decrescente. 1 Appropriatamente standardizzata in base all ampiezza dell intervallo, secondo il sistema di pesi definito in Tabella 1. 12
13 Macrozona Tipo di vento Livello del mare Correlazione stimata (ρ ) Int. confidenza 95% p Value (H0: ρ =0) Zona 4 Maestrale Medio alto <.0001 *** Zona 6 Ostro Estremamente alto *** Zona 6 Ponente Estremamente alto *** Zona 7 Maestrale Basso *** Zona 8 Maestrale Alto *** Zona 6 Tramontana Medio basso *** Zona 4 Tramontana Estremamente alto *** Zona 7 Levante Estremamente basso *** Zona 6 Levante Basso *** Zona 2 Ostro Medio basso *** Zona 4 Maestrale Medio basso *** Zona 7 Tramontana Estremamente alto *** Zona 6 Tramontana Basso *** Zona 6 Ostro Alto *** Zona 4 Ponente Medio basso *** Zona 8 Maestrale Medio alto *** Zona 8 Ostro Medio alto *** Zona 7 Ponente Medio basso *** Zona 5 Scirocco Medio alto *** Zona 6 Libeccio Estremamente alto *** Zona 4 Maestrale Basso *** Zona 8 Maestrale Estremamente alto *** Zona 8 Levante Estremamente alto *** Zona 4 Grecale Alto *** Zona 7 Maestrale Medio basso *** Zona 4 Levante Estremamente basso *** Zona 5 Tramontana Alto *** Zona 5 Grecale Medio alto *** Zona 4 Tramontana Alto *** Zona 2 Levante Estremamente alto *** Zona 3 Ostro Medio basso *** Zona 4 Ponente Medio alto *** Zona 4 Levante Estremamente alto *** Zona 6 Libeccio Medio alto *** Zona 6 Libeccio Medio basso *** Zona 5 Scirocco Estremamente basso *** Zona 5 Tramontana Medio alto *** Zona 6 Ponente Alto * Zona 7 Grecale Medio basso * Zona 5 Grecale Estremamente alto * Zona 7 Ponente Basso * Zona 8 Tramontana Alto * Zona 8 Grecale Medio alto * Zona 6 Libeccio Alto * Zona 8 Ostro Alto * Zona 5 Scirocco Alto * Zona 8 Ponente Medio basso * Zona 8 Tramontana Estremamente alto * Zona 4 Grecale Medio alto * Zona 8 Ostro Medio basso * Zona 6 Scirocco Estremamente alto * Zona 2 Tramontana Alto * Zona 7 Tramontana Medio alto * Zona 7 Maestrale Estremamente basso * Zona 7 Maestrale Medio alto * Zona 6 Ponente Basso * Zona 8 Ponente Medio alto * Zona 8 Maestrale Basso * Tabella 5 13
14 Il modello di previsione dell erosione costiera a breve termine Modello previsione erosione a breve termine Una volta accertata la presenza di correlazione tra energia del vento di particolari pattern ed area di spiaggia, è stata svolta un analisi di regressione, che permette di definire una relazione di causa/effetto. Sono state eseguite delle regressioni semplici per spiegare l effetto dell energia media di ciascuna combinazione tipo di vento livello del mare (6 classi) per zona di spiaggia. Al fine dello sviluppo del modello di previsione a breve termine sono stati considerati soltanto i coefficienti che risultavano significativi con un livello di α pari al 10% (significatività del 90%). La scelta di stimare modelli di regressione semplici, ovvero considerando soltanto un regressore, è stata dettata dalla limitazione dei dati disponibili 9 intervalli temporali. I modelli di regressione stimati hanno la seguente forma: Area z = y z = γ + β p energia p + ε Dove l area è espressa in mq, il pedice z indica le 9 zone di spiaggia, il pedice p indica il pattern vento livello del mare considerato e γ rappresenta l intercetta. Pertanto sono stati stimati 432 modelli di regressione, dati da 9 (numero di zone) x 8 (numero tipologie di vento) x 6 (numero livelli del mare). Il coefficiente β p misura la variazione stimata (in mq) subita dall area di spiaggia nella zona z, a seguito di un incremento unitario nell energia del pattern p. I coefficienti di regressione significativamente diversi da zero risultano 67 (con α = 0.1). Per questi è stato possibile calcolare l area di spiaggia stimata dal modello: y z = γ + β p energia p Utilizzando le previsioni relative alla velocità e alla direzione del vento è possibile creare una serie di scenari sulla base dei modelli stimati. La direzione prevista incide sul pattern attraverso la classificazione illustrata in Tabella 2. La velocità prevista è classificata secondo la scala Beaufort (Tabella 6). L energia prevista (Watt/m 2 ) è calcolata attraverso la formula: energia = velocità Si considera l energia prevista in corrispondenza del valore centrale della classe Beaufort in cui cade la velocità prevista. Tale valore viene considerato come variabile indipendente nel modello di regressione. Si considerano i diversi livelli del mare come scenari di analisi distinti. 14
15 Intervalli velocità del vento (m/s) Classe Beaufort Calma Bava di vento Brezza leggera Brezza tesa Vento moderato Vento teso Vento fresco Vento forte Burrasca Burrasca forte Tempesta Tempesta violenta * Uragano * Valore fittizio per chiudere la classe Tabella 6 Sono state calcolate le variazioni tra l area di spiaggia al 2014 e l area di spiaggia stimata/prevista: z = y z y z,2014 y z,2014 E stata quindi effettuata una classificazione in modo da attribuire un grado di rischio a seconda del pattern tipologia vento livello del mare, della classe Beaufort e della zona di spiaggia. La classificazione è stata svolta sulla base delle variazioni z dell area delle spiagge rispetto al 2014 utilizzando i quartili (questo perché alcune variazioni estreme erano eccessivamente sovra o sotto stimate, a causa dei pochi dati temporali disponibili). La classificazione sulla base dei quartili è svolta separatamente per variazioni in accumulo e in erosione, per evitare di compattare troppo le classi dell erosione. La classificazione finale è riportata in Tabella 7. Classe rischio Id classe rischio Possibile accumulo forte 1 Possibile accumulo medio 2 Possibile accumulo basso 3 Equilibrio 4 Rischio erosione basso 5 Rischio erosione alto 6 Rischio erosione molto alto 7 Tabella 7 15
Incontro Pre Collaudo
Incontro Pre Collaudo Cascina (Pisa) Cascina (Pisa) Agenda della giornata Sistemi Territoriali Stato Avanzamento Lavori SSD 1 1. Il modello di valutazione economica 2. Il cruscotto direzionale: dimostrazione
DettagliIl Sistema di Supporto alle Decisioni (SSD)
"PON01_02651 - Sistema di gestione integrato per l'erosione costiera" Il Sistema di Supporto alle Decisioni (SSD) Dr. Alessandro Greco Dr. Ivo Tartaglia «Obiettivo ultimo del progetto SIGIEC è la realizzazione
DettagliIl modello di regressione (VEDI CAP 12 VOLUME IEZZI, 2009)
Il modello di regressione (VEDI CAP 12 VOLUME IEZZI, 2009) Quesito: Posso stimare il numero di ore passate a studiare statistica sul voto conseguito all esame? Potrei calcolare il coefficiente di correlazione.
DettagliCapitolo 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 Ingegneria Gestionale Facoltà di Ingegneria, Università
DettagliEsercitazione del
Esercizi sulla regressione lineare. Esercitazione del 21.05.2013 Esercizio dal tema d esame del 13.06.2011. Si consideri il seguente campione di n = 9 osservazioni relative ai caratteri ed Y: 7 17 8 36
DettagliPrecipitazioni (mm.) ,6 875,4 571,4 727,5 463,6 391,8 208,4 511,2 465,6 806,6
CLIMATOLOGIA I dati relativi alla climatologia sono stati forniti dal Servizio meteorologico della Protezione Civile e riguardano gli anni dal 1999 al 2008. Le stazioni meteo considerate sono due e rispettivamente
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
DettagliANALISI STATISTICA DELLA SERIE STORICA DEI NUMERI INDICE DEI VOLUMI DI FATTURATO MANIFATTURIERO IN ITALIA, DAL 2002 AL 2016
STATISTICA ECONOMICA PER L ANALISI MICROECONOMICA Prof. Alessandro ZINI ANALISI STATISTICA DELLA SERIE STORICA DEI NUMERI INDICE DEI VOLUMI DI FATTURATO MANIFATTURIERO IN ITALIA, DAL 2002 AL 2016 Tesi
DettagliEMESSO LUNEDÌ 1/10/2018 ORE 12:52 LOCALI VALIDITA' ORE 14:00-24:00 LOCALI DEL 1/10/2018 CRITICITA' IDROGEOLOGICA
BOLLETTINO DI CRITICITÀ IDROGEOLOGICA E IDRAULICA REGIONALE Riferimenti normativi: L.R. 32/2001, DPCM 27.02.2004, DPGR 41/2005, Legge 100/2012, DPGR 160/2016, DPGR 63/2017 EMESSO LUNEDÌ 1/10/2018 ORE 12:52
DettagliBLAND-ALTMAN PLOT. + X 2i 2 la differenza ( d ) tra le due misure per ognuno degli n campioni; d i. X i. = X 1i. X 2i
BLAND-ALTMAN PLOT Il metodo di J. M. Bland e D. G. Altman è finalizzato alla verifica se due tecniche di misura sono comparabili. Resta da comprendere cosa si intenda con il termine metodi comparabili
DettagliArgomenti: Indice dei prezzi 2016 (dati ISTAT) il meteo nel 2016 (dati meteo.it) la popolazione straniera nella Provincia di Roma (dati ISTAT)
Aprile 2017 Argomenti: Indice dei prezzi 2016 (dati ISTAT) il meteo nel 2016 (dati meteo.it) la popolazione straniera nella Provincia di Roma (dati ISTAT) Al 30 Aprile 2017 siamo 38.499-18.356 maschi e
DettagliEsercitazioneII. In questa esercitazione faremi un ripasso generale: rappresentazioni grafiche, medie e varianze;
EsercitazioneII In questa esercitazione faremi un ripasso generale: rappresentazioni grafiche, medie e varianze; la correlazione; la regressione; introduzione alla probabilità. 1 Esercizio 1 Gli stipendi
DettagliR - Esercitazione 6. Andrea Fasulo Venerdì 22 Dicembre Università Roma Tre
R - Esercitazione 6 Andrea Fasulo fasulo.andrea@yahoo.it Università Roma Tre Venerdì 22 Dicembre 2017 Il modello di regressione lineare semplice (I) Esempi tratti da: Stock, Watson Introduzione all econometria
DettagliSettimana 3. G. M. Marchetti. Marzo 2017
Settimana 3 G. M. Marchetti Marzo 2017 1 / 26 Prima parte Relazioni tra variabili e regressione lineare 2 / 26 Una legge fisica approssimata Il fisico scozzese Forbes 3 / 26 L esperimento di Forbes Sulla
DettagliMetodi statistici per la ricerca sociale Capitolo 9. Regressione Lineare e Correlazione Esercitazione
Metodi statistici per la ricerca sociale Capitolo 9. Regressione Lineare e Correlazione Esercitazione Alessandra Mattei Dipartimento di Statistica, Informatica, Applicazioni (DiSIA) Università degli Studi
DettagliAi sensi della normativa vigente e sulla base dei modelli e delle informazioni meteorologiche disponibili, si emette il seguente:
AVVISO DI CONDIZIONI METEO AVVERSE nr. 16 del 3/5/2019 Riferimenti normativi: L.R. 32/2001, DPCM 27.02.2004, DPGR 41/2005, Legge 100/2012, DPGR 160/2016, DPGR 63/2017 Data Emissione 3/5/2019 ore 13:00
DettagliDispensa di Statistica
Dispensa di Statistica 1 parziale 2012/2013 Diagrammi... 2 Indici di posizione... 4 Media... 4 Moda... 5 Mediana... 5 Indici di dispersione... 7 Varianza... 7 Scarto Quadratico Medio (SQM)... 7 La disuguaglianza
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
Dettagli3. rappresentare mediante i grafici ritenuti più idonei le distribuzioni di frequenze assolute dei diversi caratteri;
Esercizio 1 Il corso di Statistica è frequentato da 10 studenti che presentano le seguenti caratteristiche Studente Sesso Colore Occhi Voto Soddisfazione Età Stefano M Nero 18 Per niente 21 Francesca F
DettagliPolitecnico di Milano - Scuola di Ingegneria Industriale. II Prova in Itinere di Statistica per Ingegneria Energetica 25 luglio 2011
Politecnico di Milano - Scuola di Ingegneria Industriale II Prova in Itinere di Statistica per Ingegneria Energetica 25 luglio 2011 c I diritti d autore sono riservati. Ogni sfruttamento commerciale non
DettagliEMESSO MERCOLEDÌ 13/6/2018 ORE 12:30 LOCALI VALIDITA' ORE 14:00-24:00 LOCALI DEL 13/6/2018 CRITICITA' IDROGEOLOGICA
BOLLETTINO DI CRITICITÀ IDROGEOLOGICA E IDRAULICA REGIONALE Riferimenti normativi: L.R. 32/2001, DPCM 27.02.2004, DPGR 41/2005, Legge 100/2012, DPGR 160/2016, DPGR 63/2017 EMESSO MERCOLEDÌ 13/6/2018 ORE
DettagliNel modello omoschedastico la varianza dell errore non dipende da i ed è quindi pari a σ 0.
Regressione [] el modello di regressione lineare si assume una relazione di tipo lineare tra il valore medio della variabile dipendente Y e quello della variabile indipendente X per cui Il modello si scrive
DettagliCAPITOLO 11 ANALISI DI REGRESSIONE
VERO FALSO CAPITOLO 11 ANALISI DI REGRESSIONE 1. V F Se c è una relazione deterministica tra due variabili,x e y, ogni valore dato di x,determinerà un unico valore di y. 2. V F Quando si cerca di scoprire
DettagliScale di Misurazione Lezione 2
Last updated April 26, 2016 Scale di Misurazione Lezione 2 G. Bacaro Statistica CdL in Scienze e Tecnologie per l'ambiente e la Natura II anno, II semestre Tipi di Variabili 1 Scale di Misurazione 1. Variabile
DettagliMonitoraggio settimanale della mortalità estiva in provincia di Modena nell anno 2016.
Monitoraggio settimanale della mortalità estiva in provincia di Modena nell anno 2016. Come per gli anni precedenti, nel periodo compreso tra il 23 Maggio 2016 e il 04 Settembre 2016 presso il Servizio
DettagliSituazione meteorologica
Situazione meteorologica Ad integrazione della presentazione dei dati rilevati nella rete di monitoraggio della qualità dell aria, si riportano in maniera sintetica i dati relativi ai parametri meteorologici
DettagliStatistica Applicata all edilizia: il modello di regressione
Statistica Applicata all edilizia: il modello di regressione E-mail: orietta.nicolis@unibg.it 27 aprile 2009 Indice Il modello di Regressione Lineare 1 Il modello di Regressione Lineare Analisi di regressione
DettagliESERCITAZIONE REGRESSIONE MULTIPLA
ESERCITAZIONE REGRESSIONE MULTIPLA Dati delle Nazioni Unite del 2005 riferiti, per diverse nazioni, al tasso di feconditá (bambini per donna) (variabile Fert), alla percentuale di donne che usa contraccettivi
DettagliL impatto sulla salute delle ondate di calore estive in Piemonte
Torino 21 maggio 2009 Centro Incontri Regione Piemonte Ondate di calore e impatto sulla salute Interventi di monitoraggio e prevenzione L impatto sulla salute delle ondate di calore estive in Piemonte
DettagliCOGNOME.NOME...MATR..
STATISTICA 29.01.15 - PROVA GENERALE (CHALLENGE) Modalità A (A) ai fini della valutazione verranno considerate solo le risposte riportate dallo studente negli appositi riquadri bianchi: in caso di necessità
DettagliSTATISTICA A K (60 ore)
STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it Richiami sulla regressione Marco Riani, Univ. di Parma 1 MODELLO DI REGRESSIONE y i = a + bx i + e i dove: i = 1,, n a + bx i rappresenta
Dettaglii dati escludono vi sia una relazione tra variabile indipendente e variabile dipendente (rispettivamente
TEST DI AUTOVALUTAZIONE - SETTIMANA 6 I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. Metodi statistici per la biologia Parte A. La retta di regressione.2
DettagliStatistica. Capitolo 12. Regressione Lineare Semplice. Cap. 12-1
Statistica Capitolo 1 Regressione Lineare Semplice Cap. 1-1 Obiettivi del Capitolo Dopo aver completato il capitolo, sarete in grado di: Spiegare il significato del coefficiente di correlazione lineare
DettagliElaborazione dei dati sperimentali. Problemi di Fisica
Problemi di Fisica Elaborazione dei dati sperimentali Nella seguente tabella riportiamo alcune regole per esprimere ualunue numero mediante una potenza di 0: 00000000 = 0 9 456789 = 45,6789 0 4 3, = 0,3
DettagliEsercizi di statistica
Esercizi di statistica Test a scelta multipla (la risposta corretta è la prima) [1] Il seguente campione è stato estratto da una popolazione distribuita normalmente: -.4, 5.5,, -.5, 1.1, 7.4, -1.8, -..
DettagliCAMPAGNA ANEMOMETRICA DEL PARCO EOLICO: MISURAZIONI PER ANALISI ENERGETICHE E FUNZIONALI
CAMPAGNA ANEMOMETRICA DEL PARCO EOLICO: MISURAZIONI PER ANALISI ENERGETICHE E FUNZIONALI Nel Campo Eolico Sperimentale di Trento sono presenti due torri anemometriche, di altezza pari a 18 m. Sulle torri
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
DettagliCorso di Laurea: Numero di Matricola: Esame del 31 maggio 2018 Tempo consentito: 120 minuti
Corso di Laurea: Numero di Matricola: Esame del 31 maggio 2018 Tempo consentito: 120 minuti Professor Paolo Vitale Anno Accademico 2017-8 UdA, Scuola d Economia Domanda 1 [6 punti]. (a) La multi-collineartità
DettagliConfronto stime-misure
Confronto stime-misure L approccio modellistico adottato per la stima del campo di vento ha previsto, nella fase di configurazione del modello CALMET utilizzato per il downscaling, una verifica delle stime
DettagliMESSAGGIO DI ALLERTAMENTO N.21/2019 del 5/5/2019 ore 12:42 Riferimenti normativi: DPGR 160/2016, DPGR 63/2017
MESSAGGIO DI ALLERTAMENTO N.21/2019 del 5/5/2019 ore 12:42 Riferimenti normativi: DPGR 160/2016, DPGR 63/2017 VALIDO DAL 6/5/2019 ORE 00:00 AL 7/5/2019 ORE 00:00 AVVISO DI CONDIZIONI METEO AVVERSE PIOGGIA
DettagliElaborazione dati della qualità dell aria Provincia di Ravenna - Rapporto S.S.A. Sistema Complesso Qualità dell Aria, Rumore, CEM Pag.
2 - LE CONDIZIONI METEOROLOGICHE NEL TERRITORIO DELLA PROVINCIA DI RAVENNA (Elaborazioni grafiche a cura di Michele Stortini e Marco Deserti ARPA - S M R) 2.1 - Gli indicatori meteorologici per lo studio
DettagliCHEMIOMETRIA. CONFRONTO CON VALORE ATTESO (test d ipotesi) CONFRONTO DI VALORI MISURATI (test d ipotesi) CONFRONTO DI RIPRODUCIBILITA (test d ipotesi)
CHEMIOMETRIA Applicazione di metodi matematici e statistici per estrarre (massima) informazione chimica (affidabile) da dati chimici INCERTEZZA DI MISURA (intervallo di confidenza/fiducia) CONFRONTO CON
DettagliEsercizi Svolti. 2. Costruire la distribuzione delle frequenze cumulate del tempo di attesa
Esercizi Svolti Esercizio 1 Per una certa linea urbana di autobus sono state effettuate una serie di rilevazioni sui tempi di attesa ad una determinata fermata; la corrispondente distribuzione di frequenza
Dettaglilezione 10 AA Paolo Brunori
AA 2016-2017 Paolo Brunori Redditi svedesi - il dataset contiene i dati di reddito di 838 individui - il dataset contiene le variabili: sex = sesso age = età edu = anni di istruzione y_gross = reddito
DettagliECONOMETRIA: Laboratorio I
ECONOMETRIA: Laboratorio I Luca De Angelis CLASS - Università di Bologna Programma Laboratorio I Valori attesi e varianze Test di ipotesi Stima di un modello lineare attraverso OLS Valore atteso Data una
DettagliPeriodicità: annuale ANDAMENTO AGROCLIMATICO MESE MAGGIO 2011
Dipartimento per la Sicurezza del Territorio Servizio Centro Meteorologico di Teolo Copertura: regionale Frequenza: mensile Periodicità: annuale ANDAMENTO AGROCLIMATICO MESE MAGGIO 2011 Il mese di maggio
DettagliATMOSFERA, CARATTERIZZAZIONE METEOCLIMATICA
1 / 20 ST-001 ALLEGATO I ATMOSFERA, CARATTERIZZAZIONE METEOCLIMATICA 2 / 20 ST-001 DESCRIZIONE DELLE CONDIZIONI METEOCLIMATICHE Gli impianti di trattamento e di compressione gas della Concessione Stoccaggio
DettagliDettaglio di prodotto. Strutture L series
Dettaglio di prodotto Strutture L series 900 1200 1600. $9:;
DettagliPeriodicità: annuale ANDAMENTO AGROCLIMATICO MESE GIUGNO 2012
Dipartimento per la Sicurezza del Territorio Servizio Centro Meteorologico di Teolo Copertura: regionale Frequenza: mensile Periodicità: annuale ANDAMENTO AGROCLIMATICO MESE GIUGNO 212 Nella prima metà
DettagliExcel. È data la distribuzione di 1863 famiglie italiane secondo il numero di componenti:
Excel È data la distribuzione di 1863 famiglie italiane secondo il numero di componenti: Calcolare per ogni classe della distribuzione: (a) le frequenze relative; Sia data la distribuzione degli studenti
DettagliMetodi statistici per la ricerca sociale Capitolo 12. Confronto fra gruppi: L analisi della varianza. Esercitazione
Metodi statistici per la ricerca sociale Capitolo 12. Confronto fra gruppi: L analisi della varianza Esercitazione Alessandra Mattei Dipartimento di Statistica, Informatica, Applicazioni (DiSIA) Università
DettagliSTATISTICA MULTIVARIATA SSD MAT/06
Università degli studi di Ferrara Dipartimento di Matematica A.A. 2018/2019 I semestre STATISTICA MULTIVARIATA SSD MAT/06 LEZIONE 4 - Questioni di analisi e applicazione della regressione lineare Pratica
DettagliQuesti indicatori sono stati elaborati in relazione al territorio della Provincia di Ravenna.
3 - LE CONDIZIONI METEOROLOGICHE NEL TERRITORIO DELLA PROVINCIA DI RAVENNA (Elaborazioni grafiche a cura di G. Bonafè - ARPA - SIMC) 3.1 - Gli indicatori meteorologici per lo studio della qualità dell
DettagliEsercitazione III Soluzione
Esercitazione III Soluzione Esercizio 1 a) Frequenze congiunte assolute: n ij Reddito mensile Titolo di studio 1000-000 000-5000 5000-8000 Totale Laurea triennale 4 1 0 5 Laurea magistrale 1 4 7 Dottorato
DettagliCalcolo dell incertezza combinata estesa
Nei risultati riportare solo le cifre significative!!!!!!! Esempio di stesura della relazione III (Tutta a relazione va scritta usando l impersonale. Si è Fatto è stato fatto ecc.) Titolo Scopo Calcolo
DettagliRegressione Lineare Semplice e Correlazione
Regressione Lineare Semplice e Correlazione 1 Introduzione La Regressione è una tecnica di analisi della relazione tra due variabili quantitative Questa tecnica è utilizzata per calcolare il valore (y)
DettagliDipartimento di Matematica, Informatica ed Economia (DiMIE) Statistica. Antonio Azzollini
Dipartimento di Matematica, Informatica ed Economia (DiMIE) Statistica Antonio Azzollini antonio.azzollini@unibas.it Anno accademico 2018/2019 Diagramma delle frequenze relative Si chiama diagramma delle
Dettagliobbligatorio - n. iscrizione sulla lista
02.09.2015 - appello di STATISTICA per studenti ENE - docente: E. Piazza obbligatorio - n. iscrizione sulla lista il presente elaborato si compone di 5 (cinque) pagine se non ve lo ricordate siete fritti;
DettagliSTATISTICA CORSO BASE. Prova scritta del Tempo: 2 ore Cognome e Nome:... Matricola:...
STATISTICA CORSO BASE. Prova scritta del 4-6-2013. Tempo: 2 ore Cognome e Nome:.............................. Matricola:.............................. Attenzione: Prima di affrontare la prova si consiglia
DettagliMonitoraggio settimanale della mortalità estiva in provincia di Modena nell anno 2015.
Dipartimento di Sanità Pubblica Servizio Epidemiologia Monitoraggio settimanale della mortalità estiva in provincia di Modena nell anno 2015. Come per gli altri anni, anche nel corso dell estate 2015,
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
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2015-2016 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliAnalisi economica NUTS (regioni) Europee
Analisi economica NUTS (regioni) Europee Con riferimento al dataset fornito: 1. Calcolare la distribuzione di frequenze assolute, relative e percentuali delle microaree NUTS per le cinque classi di popolazione
Dettaglile scale di misura scala nominale scala ordinale DIAGNOSTICA PSICOLOGICA lezione si basano su tre elementi:
DIAGNOSTICA PSICOLOGICA lezione! Paola Magnano paola.magnano@unikore.it si basano su tre elementi: le scale di misura sistema empirico: un insieme di entità non numeriche (es. insieme di persone; insieme
DettagliProva scritta di Statistica
Prova scritta di Statistica 5 Febbraio 2016 1. Da un indagine riguardante l utilizzo del telefono cellulare si sono ottenuti i seguenti risultati: Età No.telefonini Chiamate Spesa sett. Bluetooth 20 2
DettagliStatistica Esercitazione. alessandro polli facoltà di scienze politiche, sociologia, comunicazione
Statistica Esercitazione alessandro polli facoltà di scienze politiche, sociologia, comunicazione Obiettivo Esercizio 1. Questo e alcuni degli esercizi che proporremo nei prossimi giorni si basano sul
DettagliCOMUNE DI CONSIGLIO DI RUMO
COMUNE DI CONSIGLIO DI RUMO Provincia di Como Aggiornamento della componente geologica, idrogeologica e sismica di supporto al Piano di Governo del Territorio - L.R. 1/05 e successive modifiche. ANALISI
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
DettagliMetodi Matematici e Informatici per la Biologia. Appello del 14 luglio 2011
Metodi Matematici e Informatici per la Biologia Appello del 14 luglio 2011 ALCUNI ESERCIZI ASSEGNATI con SOLUZIONI ESERCIZIO 1 Data una distribuzione normale standard trovare quel valore z tale che la
DettagliQuanti soggetti devono essere selezionati?
Quanti soggetti devono essere selezionati? Determinare una appropriata numerosità campionaria già in fase di disegno dello studio molto importante è molto Studi basati su campioni troppo piccoli non hanno
DettagliSTATISTICA esercizi svolti su: INTERPOLAZIONE PONDERATA, REGRESSIONE E CORRELAZIONE
STATISTICA esercizi svolti su: INTERPOLAZIONE PONDERATA, REGRESSIONE E CORRELAZIONE 1 1 INTERPOLAZIONE PONDERATA, REGRESSIONE E CORRELAZIONE 2 1 INTERPOLAZIONE PONDERATA, REGRESSIONE E CORRELAZIONE 1.1
DettagliCognome e nome Tempo disponibile: 75 minuti
Corso di Laurea in Biotecnologia Statistica medica. A.A. 2010-2011 21 giugno 2011 Cognome e nome Tempo disponibile: 75 minuti 1. Immaginate di condurre uno studio sperimentale in cui si confronta l effetto
DettagliCorso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VI
Corso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VI Test del χ 2 (il file Excel test_chi.xls mostra possibili sviluppi degli esercizi proposti) Esercizio 1a) un
DettagliSTATISTICA. Regressione-2
STATISTICA Regressione-2 Fare sempre il grafico! Fig. 5.12 pg 178, Statistica di S. Iacus Fare sempre il grafico! y 0 2 4 6 8 10 =-1 =+0.79 outlier o dato influente 0 2 4 6 8 10 x Inferenza Il modello
DettagliTest per la correlazione lineare
10 Test per la correlazione lineare Istituzioni di Matematica e Statistica 2015/16 E. Priola 1 Introduzione alla correlazione lineare Problema: In base ai dati che abbiamo possiamo dire che c è una qualche
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2016-2017 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliMedia: è la più comune misura di tendenza centrale. Può essere calcolata per variabili numeriche.
Misure di tendenza centrale e di variabilità: Media: è la più comune misura di tendenza centrale. Può essere calcolata per variabili numeriche. Il valore medio di una variabile in un gruppo di osservazioni
DettagliVariabilità o Dispersione Definizione Attitudine di un fenomeno ad assumere diverse modalità
Punti deboli della media aritmetica Robustezza: sensibilità ai valori estremi Non rappresentava nei confronti di distribuzioni asimmetriche. La media aritmetica è un valore rappresentativo nei confronti
DettagliNote sulla probabilità
Note sulla probabilità Maurizio Loreti Dipartimento di Fisica Università degli Studi di Padova Anno Accademico 2002 03 1 La distribuzione del χ 2 0.6 0.5 N=1 N=2 N=3 N=5 N=10 0.4 0.3 0.2 0.1 0 0 5 10 15
DettagliVariabili indipendenti qualitative. In molte applicazioni si rende necessario l introduzione di un fattore a due o più livelli.
Variabili indipendenti qualitative Di solito le variabili nella regressione sono variabili continue In molte applicazioni si rende necessario l introduzione di un fattore a due o più livelli Ad esempio:
DettagliStatistica descrittiva: analisi di regressione
Statistica descrittiva: analisi di regressione L analisi di regressione permette di esplorare le relazioni tra due insiemi di valori (p.e. i valori di due attributi di un campione) alla ricerca di associazioni.
DettagliData Mining. Prova parziale del 20 aprile 2017: SOLUZIONE
Università degli Studi di Padova Corso di Laurea Magistrale in Informatica a.a. 2016/2017 Data Mining Docente: Annamaria Guolo Prova parziale del 20 aprile 2017: SOLUZIONE ISTRUZIONI: La durata della prova
DettagliLM 88 SOCIOLOGIA E RICERCA SOCIALE. Metodi Statistici per la Ricerca Sociale. Regressione lineare e correlazione
LM 88 SOCIOLOGIA E RICERCA SOCIALE Metodi Statistici per la Ricerca Sociale Regressione lineare e correlazione 1. Su un campione di individui sono rilevati i caratteri X (peso in Kg) e Y (altezza in cm),
DettagliPendolo - Scheda n.1. Obiettivo dell esperimento. Materiale a disposizione. Relazioni usate e approssimazioni fatte. Modalità di esecuzione
Pendolo - Scheda n.1 Obiettivo dell esperimento Materiale a disposizione Relazioni usate e approssimazioni fatte Modalità di esecuzione Pendolo - Scheda n.1 Tabella con Dataset ii Fate attenzione a: Unità
DettagliStatistica di base per l analisi socio-economica
Laurea Magistrale in Management e comunicazione d impresa Statistica di base per l analisi socio-economica Giovanni Di Bartolomeo gdibartolomeo@unite.it Definizioni di base Una popolazione è l insieme
DettagliREGIONE MOLISE I Dipartimento della Presidenza della Giunta Regionale Servizio di Protezione Civile Centro Funzionale Decentrato
Il vasto promontorio di alta pressione, presente sul Mediterraneo centro-occidentale, determina condizioni di generale stabilità su tutto il Paese, ad eccezione dei settori alpini orientali e di confine.
Dettagli3.2. Statistiche descrittive
Generalmente, nella fase di trasmissione all elaboratore centrale viene eseguito manualmente un controllo preliminare dei dati su base empirica; ciò nonostante, accade di frequente che i dati archiviati
DettagliIntervallo di fiducia del coefficiente angolare e dell intercetta L intervallo di fiducia del coefficiente angolare (b 1 ) è dato da:
Analisi chimica strumentale Intervallo di fiducia del coefficiente angolare e dell intercetta L intervallo di fiducia del coefficiente angolare (b 1 ) è dato da: (31.4) dove s y è la varianza dei valori
DettagliEsercizi su similitudine ed analisi dimensionale
Esercizi su similitudine ed analisi dimensionale versione 0.3 1 Esercizio Il comportamento aerodinamico di una nuova vettura è caratterizzato dalla relazione fra due parametri adimensionali Π 1 = F Π 2
DettagliDipartimento di Fisica a.a. 2003/2004 Fisica Medica 2 Indici statistici 22/4/2005
Dipartimento di Fisica a.a. 23/24 Fisica Medica 2 Indici statistici 22/4/25 Ricerca statistica La ricerca può essere deduttiva (data una legge teorica nota cerco verifica tramite più misure) ovvero induttiva
DettagliCorrelazione e regressione
Correlazione e regressione Il termine associazione è largamente usato nella letteratura scientifica ed esprime la relazione che esiste tra due variabili Per studiare l associazione tra due variabili bisogna
DettagliClasse 1A TUR Materia MATEMATICA Anno Scolastico 2017/2018
Classe 1A TUR Materia MATEMATICA Anno Scolastico 2017/2018 numerico letterale Scomposizione di polinomi Equazioni di primo grado e di grado superiore al primo scomponibili Disequazioni di primo grado Insiemistica
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2017-2018 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliRapporto di sintesi sull andamento dei principali parametri ambientali delle acque lagunari e costiere della provincia di Ferrara Dicembre 2017
Struttura Autorizzazioni e Concessioni Ferrara Unità Acque Costiere Rapporto di sintesi sull andamento dei principali parametri ambientali delle acque lagunari e costiere della provincia di Ferrara Dicembre
DettagliGRUPPO QUATTRO RUOTE. Alessandro Tondo Laura Lavazza Matteo Scordo Alessandro Giosa Gruppo Quattro Ruote 1
GRUPPO QUATTRO RUOTE Alessandro Tondo 19632 Laura Lavazza 19758 Matteo Scordo 19813 Alessandro Giosa 19894 Gruppo Quattro Ruote 1 3.1 Analisi fattoriale (continua) Confrontando dal punto di vista interpretativo
DettagliP R I M AV ERA 2 010
SETTORE ACQUE Copertura: regionale Frequenza: trimestrale OSSERVATORIO O ALTO ADRIATICO www. arpa.veneto.it Rapporto di sintesi sugli andamenti dei principali parametri oceanografici e meteo-marini delle
Dettagli