Analisi statistica dei dati storici di vento registrati dalle stazioni anemometriche
|
|
- Valentino Sasso
- 8 anni fa
- Visualizzazioni
Transcript
1 Università di Genova Dipartimento di Ingegneria delle Costruzioni, dell Ambiente e del Territorio Analisi statistica dei dati storici di vento registrati dalle stazioni anemometriche Progetto dell Unione Europea VENTO E PORTI La previsione del vento per la gestione e la sicurezza delle aree portuali Programma di cooperazione transfrontaliero Italia Francia Marittimo Relazione: 1 Versione: B del 6 aprile 2011
2 Elaborazione ed analisi dei dati, predisposizione del testo, grafica ed impaginazione a cura di: dott. Marco Tizzi In collaborazione con: dott. Patrizia De Gaetano dott. Marina Pizzo Supervisione scientifica e coordinamento di: Prof. Ing. Maria Pia Repetto Prof. Ing. Giovanni Solari Il responsabile del contratto (Prof. Ing. Giovanni Solari) Il Direttore del Dipartimento (Prof. Ing. Paolo Blondeaux)
3 Indice Indice... 3 Indice delle figure... 7 Indice delle tabelle Introduzione Metodi per le analisi delle basi dati Controllo delle basi dati Rappresentatività delle basi dati Correzione delle basi dati Analisi probabilistica della popolazione dei dati Analisi probabilistiche del massimo annuale Analisi asintotica del I tipo Analisi di processo Correzione delle analisi probabilistiche Correzioni relative ai dati mancanti Correzione relative ad acquisizioni discontinue Mancanza di misure nelle ore notturne Analisi probabilistiche dei dati misurati dalle stazioni Capo Mele Presentazione della stazione Presentazione della base dati Analisi probabilistica della popolazione dei dati Analisi probabilistiche del massimo annuale Correzione e sintesi delle analisi probabilistiche Albenga/Villanova Presentazione della stazione Presentazione della base dati Analisi probabilistica della popolazione dei dati Analisi probabilistiche del massimo annuale Correzione e sintesi delle analisi probabilistiche... 71
4 4 Indice 3.3 Capo Vado (ENEL) Presentazione della stazione Presentazione della base dati Analisi probabilistica della popolazione dei dati Analisi probabilistiche del massimo annuale Correzione e sintesi delle analisi probabilistiche Capo Vado Presentazione della stazione Presentazione della base dati Analisi probabilistica della popolazione dei dati Analisi probabilistiche del massimo annuale Correzione e sintesi delle analisi probabilistiche Genova/Sestri Ponente Presentazione della stazione Presentazione della base dati Analisi probabilistica della popolazione dei dati Analisi probabilistiche del massimo annuale Correzione e sintesi delle analisi probabilistiche Genova/Sestri Ponente (METAR) Presentazione della stazione Presentazione della base dati Analisi probabilistica della popolazione dei dati Analisi probabilistiche del massimo annuale Correzione e sintesi delle analisi probabilistiche Isola di Palmaria Presentazione della stazione Presentazione della base dati Analisi probabilistica della popolazione dei dati Analisi probabilistiche del massimo annuale Correzione e sintesi delle analisi probabilistiche Monte Rocchetta
5 Indice Presentazione della stazione Presentazione della base dati Analisi probabilistica della popolazione dei dati Analisi probabilistica del massimo annuale Correzione e sintesi delle analisi probabilistiche Sarzana/Luni Presentazione della stazione Presentazione della base dati Analisi probabilistica della popolazione dei dati Analisi probabilistica del massimo annuale Correzione e sintesi delle analisi probabilistiche Pisa/San Giusto Presentazione della stazione Presentazione della base dati Analisi probabilistica della popolazione dei dati Analisi probabilistiche del massimo annuale Correzione e sintesi delle analisi probabilistiche Volterra Presentazione della stazione Presentazione della base dati Analisi probabilistica della popolazione dei dati Analisi probabilistiche del massimo annuale Correzione e sintesi delle analisi probabilistiche Volterra (METAR) Presentazione della stazione Presentazione della base dati Analisi probabilistica della popolazione dei dati Analisi probabilistiche del massimo annuale Correzione e sintesi delle analisi probabilistiche Firenze/Peretola Presentazione della stazione
6 6 Indice Presentazione della base dati Analisi probabilistica della popolazione dei dati Analisi probabilistiche del massimo annuale Correzione e sintesi delle analisi probabilistiche Cap Corse Presentazione della stazione Presentazione della base dati Analisi probabilistica della popolazione dei dati Analisi probabilistiche del massimo annuale Correzione e sintesi delle analisi probabilistiche Cap Sagro Presentazione della stazione Presentazione della base dati Analisi probabilistica della popolazione dei dati Analisi probabilistiche del massimo annuale Correzione e sintesi delle analisi probabilistiche Bastia/Poretta Presentazione della stazione Presentazione della base dati Analisi probabilistica della popolazione dei dati Analisi probabilistiche del massimo annuale Correzione e sintesi delle analisi probabilistiche Riepilogo e conclusioni Bibliografia
7 Indice delle figure Figura 2.1 Esempi di strumenti posti in vicinanza di corpi perturbativi (a) e in condizioni orografiche complesse (b) (immagine ripresa da [Rif. 2]). 24 Figura 2.2 Esempio di dato rimosso dalla base dati (in rosso). 26 Figura 2.3 Figura 2.4 Figura 2.5 Figura 2.6 Figura 2.7 Figura 2.8 Figura 2.9 Figura 2.10 Figura 2.11 Rapporto tra le velocità medie associate a 100 anni di tempo di ritorno al variare del campionamento giornaliero. In legenda la lettera A è seguita dal numero di anni considerati nel caso che siano considerati periodi diversi per la stessa base dati. In verde sono rappresentate le stazioni liguri (verde chiaro per i dati ARPAL, verde scuro per i dati METAR), in magenta le stazioni padane, in ciano i dati simulati e in rosso la stazione toscana. 33 Andamento del coefficiente 24 K (100) M,8 in funzione del numero M di misure giornaliere. 34 Andamento del coefficiente 48 K (100) M,8 in funzione del numero M di misure giornaliere. 34 Coefficienti correttivi per le velocità medie associate a 100 anni di tempo di ritorno in funzione delle misure giornaliere. I valori estrapolati sono calcolati in corrispondenza di P = Coefficienti correttivi per le velocità medie associate a 100 anni di tempo di ritorno in funzione delle misure giornaliere. I valori estrapolati sono calcolati in corrispondenza di P = Mappa dei coefficienti correttivi da applicare alle velocità medie associate a 100 anni di tempo di ritorno e stimate a partire da una base dati sinottica per ottenere i corrispondenti valori per una base dati continua. I valori estrapolati sono calcolati in corrispondenza di P = 24.La mappa è realizzata con un interpolazione bilineare dei valori ottenuti nelle stazioni anemometriche considerate. 37 Diagrammi polari della distribuzione di probabilità delle velocità correnti sull Isola di Palmaria considerando i dati gli intervalli orari 0 21 (sinistra) e 6 18 (destra). 39 Variazione dei parametri K (sinistra) e C (destra) delle distribuzioni di Weibull ottenute dalla regressione dei dati negli intervalli orari 0 21, 3 21, 3 18 e I parametri sono rapportati al valore risultante nell intervallo Variazione delle velocità medie a 100 anni di periodo di ritorno ottenute dalla regressione dei dati negli intervalli orari 0 21, 3 21, 3 18 e Le velocità sono rapportate al valore risultante nell intervallo
8 8 Indice delle figure Figura 3.1 Figura 3.2 Figura 3.3 Figura 3.4 Figura 3.5 Figura 3.6 Collocazione delle stazioni anemometriche rispetto alle aree portuali coinvolte nel progetto Vento e Porti (fotografia satellitare di Google Earth). 45 Collocazione delle stazioni anemometriche della macroarea savonese rispetto alle aree portuali di Vado Ligure e Savona (fotografia satellitare di Google Earth). 46 Collocazione della stazione anemometrica della macroarea genovese rispetto alle aree portuali di Genova e Prà Voltri (fotografia satellitare di Google Earth). 46 Collocazione delle stazioni anemometriche della macroarea spezzina rispetto all area portuale della Spezia (fotografia satellitare di Google Earth). 47 Collocazione delle stazioni anemometriche della macroarea livornese rispetto all area portuale di Livorno (fotografia satellitare di Google Earth). 47 Collocazione delle stazioni anemometriche della macroarea corsa rispetto all area portuale di Bastia (fotografia satellitare di Google Earth). 48 Figura 3.7 Inserimento orografico della stazione anemometrica di Capo Mele (elaborazione tridimensionale di Google Earth). 50 Figura 3.8 Esatta collocazione della stazione anemometrica di Capo Mele (fotografia Panoramio; vista da sudovest da Capo Cervo verso Capo Mele). 51 Figura 3.9 Esempio di dato rimosso dalla base dati (in rosso). 52 Figura 3.10 Panoramica della serie storica delle misure di velocità media. 53 Figura 3.11 Distribuzione oraria (a sinistra) e mensile (a destra) delle misure valide. 53 Figura 3.12 Distribuzione di probabilità della provenienza del vento. 55 Figura 3.13 Funzione di distribuzione della velocità. 56 Figura 3.14 Probabilità di superamento. 57 Figura 3.15 Diagramma polare della distribuzione di probabilità. Nei settori evidenziati in grigio sono disponibili meno di 1500 dati: l intensità di grigio indica la minore affidabilità dell estrapolazione. 58 Figura 3.16 Distribuzione di probabilità del massimo annuale. 59 Figura 3.17 Figura 3.18 Inserimento orografico della stazione anemometrica di Albenga/Villanova (elaborazione tridimensionale di Google Earth). 61 Esatta collocazione della stazione anemometrica di Albenga/Villanova (fotografia in alto tratta dal sito vista da est verso la valle Arroscia; fotografia in basso tratta dall archivio Panoramio, vista nordovest verso la val Lerrone). 62 Figura 3.19 Esempio di dato rimosso dalla base dati (in rosso). 63
9 Indice delle figure 9 Figura 3.20 Panoramica della serie storica delle misure. 64 Figura 3.21 Distribuzione oraria (a sinistra) e mensile (a destra) delle misure valide. 65 Figura 3.22 Distribuzione di probabilità della provenienza del vento. 67 Figura 3.23 Funzione di distribuzione della velocità. 68 Figura 3.24 Probabilità di superamento 69 Figura 3.25 Diagramma polare della distribuzione di probabilità. Nei settori evidenziati in grigio sono disponibili meno di 1500 dati: l intensità di grigio indica la minore affidabilità dell estrapolazione. 70 Figura 3.26 Distribuzione di probabilità del massimo annuale. 71 Figura 3.27 Figura 3.28 Figura 3.29 Inserimento orografico della stazione anemometrica di Capo Vado (ENEL) (elaborazione tridimensionale di Google Earth). 73 Esatta collocazione della stazione anemometrica di Capo Vado (ENEL): in alto, vista da nord dal mare verso il promontorio; in basso, vista da nordest dalla stazione meteorologica OMIRL (l anemometro ENEL è collocato sul palo biancorosso). 74 Esempio di dato rimosso dalla base dati (in rosso). La velocità è mediata su mezz ora. 75 Figura 3.30 Panoramica della serie storica delle misure di velocità media. 77 Figura 3.31 Distribuzione oraria (a sinistra) e mensile (a destra) delle misure valide. 77 Figura 3.32 Distribuzione di probabilità della provenienza del vento. 79 Figura 3.33 Funzione di distribuzione della velocità. 80 Figura 3.34 Probabilità di superamento. 81 Figura 3.35 Diagramma polare della distribuzione di probabilità. Nei settori evidenziati in grigio sono disponibili meno di 1500 dati: l intensità di grigio indica la minore affidabilità dell estrapolazione. 82 Figura 3.36 Distribuzione di probabilità del massimo annuale. 83 Figura 3.37 Inserimento orografico della stazione anemometrica di Capo Vado (elaborazione tridimensionale di Google Earth). 85 Figura 3.38 Esatta collocazione della stazione anemometrica di Capo Vado: in alto, vista da nord dal mare verso il promontorio; in basso, vista da sud dal promontorio verso il mare. 86 Figura 3.39 Esempio di un evento estremo presente nella base dati. 87 Figura 3.40 Panoramica della serie storica delle misure di velocità media. 88 Figura 3.41 Distribuzione oraria (a sinistra) e mensile (a destra) delle misure valide. 88
10 10 Indice delle figure Figura 3.42 Distribuzione di probabilità della provenienza del vento. 90 Figura 3.43 Funzione di distribuzione della velocità. 91 Figura 3.44 Probabilità di superamento. 92 Figura 3.45 Diagramma polare della distribuzione di probabilità. Nei settori evidenziati in grigio sono disponibili meno di 1500 dati: l intensità di grigio indica la minore affidabilità dell estrapolazione. 93 Figura 3.46 Distribuzione di probabilità del massimo annuale. 94 Figura 3.47 Figura 3.48 Figura 3.49 Figura 3.50 Inserimento orografico della stazione anemometrica di Genova/Sestri Ponente nelle sue tre collocazioni storiche (elaborazione tridimensionale di Google Earth). 97 Collocazione approssimativa della stazione anemometrica di Genova/Sestri Ponente dal 1963 al 1965 (fotografia Bing Maps). L area ha subito diversi cambiamenti nel corso degli anni; in particolare è stato realizzato un tombamento nel piazzale antistante il ricovero delle barche. 97 Esatta collocazione della stazione anemometrica di Genova/Sestri Ponente dal 1966 al 1991 (fotografia Bing Maps). 98 Esatta collocazione della stazione anemometrica di Genova/Sestri Ponente dal 1991 ad oggi (fotografia Bing Maps). 98 Figura 3.51 Panoramica della serie storica delle misure di velocità media. 100 Figura 3.52 Distribuzione oraria (a sinistra) e mensile (a destra) delle misure valide. 100 Figura 3.53 Distribuzione di probabilità della provenienza del vento. 102 Figura 3.54 Funzione di distribuzione della velocità. 103 Figura 3.55 Probabilità di superamento. 104 Figura 3.56 Diagramma polare della distribuzione di probabilità. Nei settori evidenziati in grigio sono disponibili meno di 1500 dati: l intensità di grigio indica la minore affidabilità dell estrapolazione. 105 Figura 3.57 Distribuzione di probabilità del massimo annuale. 106 Figura 3.58 Esempio di un evento estremo presente nella base dati. 109 Figura 3.59 Panoramica della serie storica delle misure di velocità media. 110 Figura 3.60 Distribuzione oraria (a sinistra) e mensile (a destra) delle misure valide. 110 Figura 3.61 Distribuzione di probabilità della provenienza del vento. 112 Figura 3.62 Funzione di distribuzione della velocità. 113 Figura 3.63 Probabilità di superamento. 114
11 Indice delle figure 11 Figura 3.64 Diagramma polare della distribuzione di probabilità. Nei settori evidenziati in grigio sono disponibili meno di 1500 dati: l intensità di grigio indica la minore affidabilità dell estrapolazione. 115 Figura 3.65 Distribuzione di probabilità del massimo annuale. 116 Figura 3.66 Figura 3.67 Inserimento orografico della stazione anemometrica dell Isola di Palmaria (elaborazione tridimensionale di Google Earth). 119 Possibile collocazione della stazione anemometrica dell Isola di Palmaria: in alto un elaborazione di Google Earth con segnalata la zona del faro della Marina Militare sulla sommità dell isola; in basso una fotografia aerea di Bing Maps. L Aeronautica Militare ha indicato l area racchiusa dall ellisse arancione. Qui si è ipotizzato che il palo anemometrico fosse fissato alla struttura bianca simile a un contenitore a est del faro della Marina Militare. 120 Figura 3.68 Esempio di dato rimosso dalla base dati (in rosso). 121 Figura 3.69 Panoramica della serie storica delle misure di velocità media. 122 Figura 3.70 Distribuzione oraria (a sinistra) e mensile (a destra) delle misure valide. 123 Figura 3.71 Distribuzione di probabilità della provenienza del vento. 125 Figura 3.72 Funzione di distribuzione della velocità. 126 Figura 3.73 Probabilità di superamento. 127 Figura 3.74 Diagramma polare della distribuzione di probabilità. 128 Figura 3.75 Distribuzione di probabilità del massimo annuale. 129 Figura 3.76 Figura 3.77 Inserimento orografico della stazione anemometrica di Monte Rocchetta (elaborazione tridimensionale di Google Earth). 131 Esatta collocazione della stazione anemometrica di Monte Rocchetta in un elaborazione tridimensionale di Google Earth (in alto) e vista da sud o sudovest dal palo anemometrico verso la Val di Magra (in basso). 132 Figura 3.78 Esempio di un evento estremo presente nella base dati. 133 Figura 3.79 Panoramica della serie storica delle misure di velocità media. 134 Figura 3.80 Distribuzione oraria (a sinistra) e mensile (a destra) delle misure valide. 134 Figura 3.81 Distribuzione di probabilità della provenienza del vento. 136 Figura 3.82 Funzione di distribuzione della velocità. 137 Figura 3.83 Probabilità di superamento. 138 Figura 3.84 Diagramma polare della distribuzione di probabilità. 139 Figura 3.85 Distribuzione di probabilità del massimo annuale. 140
12 12 Indice delle figure Figura 3.86 Inserimento orografico della stazione anemometrica di Sarzana/Luni (elaborazione tridimensionale di Google Earth). 142 Figura 3.87 Esatta collocazione della stazione anemometrica di Sarzana/Luni (fotografie satellitari di Google Earth). 143 Figura 3.88 Esempio di dato rimosso dalla base dati (in rosso). 144 Figura 3.89 Panoramica della serie storica delle misure di velocità media. 145 Figura 3.90 Distribuzione oraria (a sinistra) e mensile (a destra) delle misure valide. 146 Figura 3.91 Distribuzione di probabilità della provenienza del vento. 148 Figura 3.92 Funzione di distribuzione della velocità. 149 Figura 3.93 Probabilità di superamento. 150 Figura 3.94 Diagramma polare della distribuzione di probabilità. Nei settori evidenziati in grigio sono disponibili meno di 1500 dati: l intensità di grigio indica la minore affidabilità dell estrapolazione. 151 Figura 3.95 Distribuzione di probabilità del massimo annuale. 152 Figura 3.96 Figura 3.97 Inserimento orografico della stazione anemometrica di Pisa/San Giusto (elaborazione tridimensionale di Google Earth). 154 Esatta collocazione della stazione anemometrica di Pisa/San Giusto: in alto, vista da sudovest verso nordest (fotografia Panoramio); in basso, vista da sud verso nord (fotografia Bing Maps). 155 Figura 3.98 Esempio di dato rimosso dalla base dati (in rosso). 156 Figura 3.99 Panoramica della serie storica delle misure di velocità media. 157 Figura Distribuzione oraria (a sinistra) e mensile (a destra) delle misure valide. 158 Figura Distribuzione di probabilità della provenienza del vento. 160 Figura Funzione di distribuzione della velocità. 161 Figura Probabilità di superamento. 162 Figura Diagramma polare della distribuzione di probabilità. Nei settori evidenziati in grigio sono disponibili meno di 1500 dati: l intensità di grigio indica la minore affidabilità dell estrapolazione. 163 Figura Distribuzione di probabilità del massimo annuale. 164 Figura Figura Inserimento orografico della stazione anemometrica di Volterra (elaborazione tridimensionale di Google Earth). 166 Esatta collocazione della stazione anemometrica di Volterra: in alto, in un elaborazione tridimensionale della città di Google Earth; in basso,una vista del Palazzo Pretorio in Piazza dei Priori a Volterra con la Torre del Porcellino da cui spicca il palo anemometrico (fotografia Panoramio). 167
13 Indice delle figure 13 Figura Esempio di dato rimosso dalla base dati (in rosso). 168 Figura Panoramica della serie storica delle misure di velocità media. 169 Figura Distribuzione oraria (a sinistra) e mensile (a destra) delle misure valide. 170 Figura Distribuzione di probabilità della provenienza del vento. 172 Figura Funzione di distribuzione della velocità. 173 Figura Probabilità di superamento. 174 Figura Diagramma polare della distribuzione di probabilità. 175 Figura Distribuzione di probabilità del massimo annuale. 176 Figura Esempio di dato rimosso dalla base dati (in rosso). 179 Figura Panoramica della serie storica delle misure di velocità media. 180 Figura Distribuzione oraria (a sinistra) e mensile (a destra) delle misure valide. 180 Figura Distribuzione di probabilità della provenienza del vento. 182 Figura Funzione di distribuzione della velocità. 183 Figura Probabilità di superamento. 184 Figura Diagramma polare della distribuzione di probabilità. 185 Figura Distribuzione di probabilità del massimo annuale. 186 Figura Figura Inserimento orografico della stazione anemometrica di Firenze/Peretola (elaborazione tridimensionale di Google Earth). 188 Esatta collocazione della stazione anemometrica di Firenze/Peretola: in alto, una fotografia satellitare di Google Earth dell area di Peretola; in basso, una fotografia aerea di Bing Maps dells pista di atterraggio. 189 Figura Esempio di dato rimosso dalla base dati (in rosso). 190 Figura Panoramica della serie storica delle misure di velocità media. 191 Figura Distribuzione oraria (a sinistra) e mensile (a destra) delle misure valide. 192 Figura Distribuzione di probabilità della provenienza del vento. 194 Figura Funzione di distribuzione della velocità. 195 Figura Probabilità di superamento. 196 Figura Diagramma polare della distribuzione di probabilità. 197 Figura Distribuzione di probabilità del massimo annuale. 198 Figura Inserimento orografico della stazione anemometrica di Cap Corse (elaborazione tridimensionale di Google Earth). 200
14 14 Indice delle figure Figura Esatta collocazione delle due successive stazioni anemometriche di Cap Corse (in alto: fotografia Panoramio; vista da est verso Cap Corse; in basso: fotografia Google Street View; vista da sud verso il faro). La stazione storica è posta più internamente rispetto al promontorio; la stazione attiva dal 2003 è collocata sulla sommità del faro. 201 Figura Esempio di dato rimosso dalla base dati (in rosso). 202 Figura Panoramica della serie storica delle misure di velocità media. 203 Figura Distribuzione oraria (a sinistra) e mensile (a destra) delle misure valide. 204 Figura Distribuzione di probabilità della provenienza del vento. 206 Figura Funzione di distribuzione della velocità. 207 Figura Probabilità di superamento. 208 Figura Diagramma polare della distribuzione di probabilità. 209 Figura Distribuzione di probabilità del massimo annuale. 210 Figura Inserimento orografico della stazione anemometrica di Cap Sagro (elaborazione tridimensionale di Google Earth). 212 Figura Esatta collocazione della stazione anemometrica di Cap Sagro (vista da sud verso nord). 213 Figura Esempio di dato rimosso dalla base dati (in rosso). 214 Figura Panoramica della serie storica delle misure di velocità media. 215 Figura Distribuzione oraria (a sinistra) e mensile (a destra) delle misure valide. 215 Figura Distribuzione di probabilità della provenienza del vento. 217 Figura Funzione di distribuzione della velocità. 218 Figura Probabilità di superamento. 219 Figura Diagramma polare della distribuzione di probabilità. 220 Figura Distribuzione di probabilità del massimo annuale. 221 Figura Inserimento orografico della stazione anemometrica di Bastia/Poretta (elaborazione tridimensionale di Google Earth). 223 Figura Esatta collocazione della stazione anemometrica di Bastia/Poretta (elaborazione tridimensionale di Google Earth). 224 Figura Dato rimosso dalla base dati (in rosso). 225 Figura Panoramica della serie storica delle misure di velocità media. 226 Figura Distribuzione oraria (a sinistra) e mensile (a destra) delle misure valide. 226 Figura Distribuzione di probabilità della provenienza del vento. 228
15 Indice delle figure 15 Figura Funzione di distribuzione della velocità. 229 Figura Probabilità di superamento. 230 Figura Diagramma polare della distribuzione di probabilità. 231 Figura Distribuzione di probabilità del massimo annuale. 232
16
17 Indice delle tabelle Tabella 2.1 Tabella 2.2 Tabella 3.1 Coefficienti correttivi da applicare alle velocità a determinato tempo di ritorno R ottenute tramite l analisi di processo della base dati sinottica per ricavare i valori delle corrispondenti velocità valutate su una base dati continua. 38 Anni di misura e intervalli orari considerati per le analisi probabilistiche atte ad indagare l effetto della mancanza dei dati notturni. 39 Principali caratteristiche delle stazioni anemometriche coinvolte nel progetto Vento e Porti e delle relative basi dati. Per alcune stazioni sono indicate più basi dati qualora l anemometro sia stato spostato (come per Genova/Sestri Ponente) o siano disponibili basi dati differenti (ad esempio di tipo SYNOP e METAR). 49 Tabella 3.2 Numero totale e percentuale di misure mancanti, valide, nulle e non nulle. 52 Tabella 3.3 Popolazione delle misure. 54 Tabella 3.4 Parametri della distribuzione di probabilità. 56 Tabella 3.5 Parametri delle distribuzioni di estremo. 58 Tabella 3.6 Valori massimi annuali della velocità media risultanti dalle analisi statistiche e dalle successive correzioni. 60 Tabella 3.7 Numero totale e percentuale di misure mancanti, valide, nulle e non nulle. 64 Tabella 3.8 Popolazione delle misure. 66 Tabella 3.9 Parametri della distribuzione di probabilità. 68 Tabella 3.10 Parametri delle distribuzioni di estremo. 71 Tabella 3.11 Valori massimi annuali della velocità media risultanti dalle analisi statistiche e dalle successive correzioni. 72 Tabella 3.12 Numero totale e percentuale di misure mancanti, valide, nulle e non nulle. 76 Tabella 3.13 Popolazione delle misure. 78 Tabella 3.14 Parametri della distribuzione di probabilità. 80 Tabella 3.15 Parametri delle distribuzioni di estremo. 83 Tabella 3.16 Valori massimi annuali della velocità media risultanti dalle analisi statistiche e dalle successive correzioni. 84 Tabella 3.17 Numero totale e percentuale di misure mancanti, valide, nulle e non nulle. 89 Tabella 3.18 Popolazione delle misure. 89 Tabella 3.19 Parametri della distribuzione di probabilità. 91 Tabella 3.20 Parametri delle distribuzioni di estremo. 94
18 18 Indice delle tabelle Tabella 3.21 Valori massimi annuali della velocità media risultanti dalle analisi statistiche e dalle successive correzioni. 95 Tabella 3.22 Numero totale e percentuale di misure mancanti, valide, nulle e non nulle. 99 Tabella 3.23 Popolazione delle misure. 101 Tabella 3.24 Parametri della distribuzione di probabilità. 103 Tabella 3.25 Parametri delle distribuzioni di estremo. 105 Tabella 3.26 Valori massimi annuali della velocità media risultanti dalle analisi statistiche e dalle successive correzioni. 107 Tabella 3.27 Numero totale e percentuale di misure mancanti, valide, nulle e non nulle. 109 Tabella 3.28 Popolazione delle misure. 111 Tabella 3.29 Parametri della distribuzione di probabilità. 113 Tabella 3.30 Parametri delle distribuzioni di estremo. 115 Tabella 3.31 Valori massimi annuali della velocità media risultanti dalle analisi statistiche e dalle successive correzioni. 117 Tabella 3.32 Numero totale e percentuale di misure mancanti, valide, nulle e non nulle. 122 Tabella 3.33 Popolazione delle misure. 124 Tabella 3.34 Parametri della distribuzione di probabilità. 126 Tabella 3.35 Parametri delle distribuzioni di estremo. 128 Tabella 3.36 Valori massimi annuali della velocità media risultanti dalle analisi statistiche e dalle successive correzioni. 130 Tabella 3.37 Numero totale e percentuale di misure mancanti, valide, nulle e non nulle. 135 Tabella 3.38 Popolazione delle misure. 135 Tabella 3.39 Parametri della distribuzione di probabilità. 137 Tabella 3.40 Parametri delle distribuzioni di estremo. 140 Tabella 3.41 Valori massimi annuali della velocità media risultanti dalle analisi statistiche e dalle successive correzioni. 141 Tabella 3.42 Numero totale e percentuale di misure mancanti, valide, nulle e non nulle. 145 Tabella 3.43 Popolazione delle misure. 147 Tabella 3.44 Parametri della distribuzione di probabilità. 149 Tabella 3.45 Parametri delle distribuzioni di estremo. 152 Tabella 3.46 Valori massimi annuali della velocità media risultanti dalle analisi statistiche e dalle successive correzioni. 153 Tabella 3.47 Numero totale e percentuale di misure mancanti, valide, nulle e non nulle. 157
19 Indice delle tabelle 19 Tabella 3.48 Popolazione delle misure. 159 Tabella 3.49 Parametri della distribuzione di probabilità. 161 Tabella 3.50 Parametri delle distribuzioni di estremo. 163 Tabella 3.51 Valori massimi annuali della velocità media risultanti dalle analisi statistiche e dalle successive correzioni. 165 Tabella 3.52 Numero totale e percentuale di misure mancanti, valide, nulle e non nulle. 169 Tabella 3.53 Popolazione delle misure. 171 Tabella 3.54 Parametri della distribuzione di probabilità. 173 Tabella 3.55 Parametri delle distribuzioni di estremo. 175 Tabella 3.56 Valori massimi annuali della velocità media risultanti dalle analisi statistiche e dalle successive correzioni. 177 Tabella 3.57 Numero totale e percentuale di misure mancanti, valide, nulle e non nulle. 179 Tabella 3.58 Popolazione delle misure. 181 Tabella 3.59 Parametri della distribuzione di probabilità. 183 Tabella 3.60 Parametri delle distribuzioni di estremo. 185 Tabella 3.61 Valori massimi annuali della velocità media risultanti dalle analisi statistiche e dalle successive correzioni. 187 Tabella 3.62 Numero totale e percentuale di misure mancanti, valide, nulle e non nulle. 191 Tabella 3.63 Popolazione delle misure. 193 Tabella 3.64 Parametri della distribuzione di probabilità. 195 Tabella 3.65 Parametri delle distribuzioni di estremo. 197 Tabella 3.66 Valori massimi annuali della velocità media risultanti dalle analisi statistiche e dalle successive correzioni. 199 Tabella 3.67 Numero totale e percentuale di misure mancanti, valide, nulle e non nulle. 203 Tabella 3.68 Popolazione delle misure. 205 Tabella 3.69 Parametri della distribuzione di probabilità. 207 Tabella 3.70 Parametri delle distribuzioni di estremo. 209 Tabella 3.71 Valori massimi annuali della velocità media risultanti dalle analisi statistiche e dalle successive correzioni. 211 Tabella 3.72 Numero totale e percentuale di misure mancanti, valide, nulle e non nulle. 214 Tabella 3.73 Popolazione delle misure. 216 Tabella 3.74 Parametri della distribuzione di probabilità. 218
20 20 Indice delle tabelle Tabella 3.75 Parametri delle distribuzioni di estremo. 221 Tabella 3.76 Valori massimi annuali della velocità media risultanti dalle analisi statistiche e dalle successive correzioni. 222 Tabella 3.77 Numero totale e percentuale di misure mancanti, valide, nulle e non nulle. 225 Tabella 3.78 Popolazione delle misure. 227 Tabella 3.79 Parametri della distribuzione di probabilità. 229 Tabella 3.80 Parametri delle distribuzioni di estremo. 231 Tabella 3.81 Tabella 4.1 Tabella 4.2 Valori massimi annuali della velocità media risultanti dalle analisi statistiche e dalle successive correzioni. 233 Riassunto delle principali caratteristiche delle stazioni anemometriche considerate e delle relative basi dati analizzate nel presente progetto. Per Genova/Sestri Ponente e Cap Corse, dove l anemometro è stato spostato nel corso degli anni, le coordinate si riferiscono a una media pesata delle diverse collocazioni. 237 Quadro riassuntivo della analisi statistiche e delle successive correzioni. La velocità V( R ) associata a un determinato tempo di ritorno R è riferita all analisi di processo corretta secondo la procedura indicata nel paragrafo 2.4 (per Cap Sagro la stima della velocità ottenuta dall analisi di processo non è ritenuta attendibile). Non è riportata la velocità associata a un determinato tempo di ritorno ottenuta mediante l analisi asintotica di I tipo; tali valori sono riportati per ciascuna stazione nella tabella finale nel paragrafo 3.N.3, dove N è il numero d ordine della singola stazione; val la pena ricordare che i valori della velocità ottenuti dall analisi asintotica non tengono conto delle correzioni dovute all incompletezza delle basi dati. 238
21 1 Introduzione Le aree portuali godono di situazioni particolari e spesso precarie: da un lato si affacciano sul mare esponendosi a venti intensi, dall'altro ospitano attività la cui sicurezza e funzionamento risentono in modo decisivo delle azioni e degli effetti del vento. Il progetto VENTO E PORTI La previsione del vento per la gestione e la sicurezza delle aree portuali (finanziato dall Unione Europea a valere sui fondi del programma di cooperazione transfrontaliero Italia Francia Marittimo ) si propone di affrontare lo studio del vento nei porti in modo generale e operativo, mediante l'uso congiunto del monitoraggio, delle simulazioni e della statistica. Nell ambito del progetto, il Dipartimento di Ingegneria delle Costruzioni, dell Ambiente e del Territorio (DICAT) dell Università di Genova svolge il ruolo di attuatore scientifico, curando in particolare le attività connesse alle previsioni del vento a breve e medio termine e alla realizzazione di una mappa statistica delle aree portuali per la pianificazione di lungo termine. Lo studio statistico è affrontato in diverse fasi: in prima istanza è stato condotta un analisi statistica dei dati storici di vento misurati in alcune stazioni anemometriche collocate in aree limitrofe ai porti inclusi nel progetto; successivamente le basi dati individuate saranno trasferite con metodi opportuni nelle aree portuali; infine saranno analizzate con metodi probabilistici le basi dati trasferite, in modo da realizzare la mappa statistica dei porti considerati. Il presente studio si riferisce alla prima fase dell analisi statistica, ovvero all individuazione, alla catalogazione e all analisi probabilistica delle basi dati delle stazioni anemometriche storiche. Il termine storico allude alla presenza di misure su archi temporali di alcuni decenni, un intervallo indispensabile allo scopo di ricostruire un affidabile statistica dei massimi annuali. In particolare sono state considerate basi dati con oltre 40 anni di misure. In alcuni casi, come controllo, sono state altresì incluse basi dati con appena un decennio di misure. Poiché nell ambito del progetto il presente documento risulta il primo riguardante l analisi statistica, ampio spazio è dedicato alla descrizione delle metodologie adottate in tale analisi. Nello specifico, viene discusso come debba essere trattata ed eventualmente corretta una base dati e quali distribuzioni di probabilità siano comunemente impiegate per la regressione dei dati. Più in dettaglio, il documento è strutturato come segue: nel capitolo 2 sono descritti i principali metodi per le analisi delle basi dati, includendo ill controllo preventivo necessario per stabilire la rappresentatività e le eventuali operazioni di correzione della base dati (paragrafo 2.1), l analisi probabilistica della popolazione dei dati (paragrafo 2.2) e del massimo annuale (paragrafo 2.3), considerando anche la loro successiva correzione (paragrafo 2.4); nel capitolo 3 sono presentate nel dettaglio le analisi probabilistiche condotte su ogni stazione anemometrica inclusa nello studio; le analisi sono presentate stazione per stazione seguendo un ordine geografico da nordovest verso sudest, dalle stazioni relative al porto di Savona a quelle relative al porto di Bastia; per ogni stazione vengono fornite una breve descrizione della collocazione geografica dello strumento (paragrafo
22 22 Introduzione 3.N.1, dove N indica il numero progressivo delle stazioni come sono presentate) e un analisi delle caratteristiche della base dati (paragrafo 3.N.2); in seguito sono presentate le analisi probabilistiche della popolazione dei dati (paragrafo 3.N.3) e del massimo annuale (paragrafo 3.N.4) con la relativa correzione corredata da una sintesi dell analisi (paragrafo 3.N.5); nel capitolo 3.14 viene offerto un quadro riassuntivo e d insieme delle analisi svolte e sono presentate alcune conclusioni preliminari sullo studio statistico; sono infine elencati alcuni riferimenti bibliografici.
23 2 Metodi per le analisi delle basi dati Preliminarmente alla presentazione delle stazioni anemometriche considerate e delle analisi probabilistiche sulle relative basi dati, occorre precisare quali siano le metodologie impiegate nello studio dei dati storici di vento. In particolare le basi dati fornite dall ente gestore dello strumento sono sottoposte ad un analisi preventiva allo scopo di correggere o rimuovere eventuali anomalie nei dati (paragrafo 2.1). Sono quindi effettuate le analisi probabilistiche, sia della popolazione dei dati (paragrafo 2.2) sia dei massimi annuali (paragrafo 2.3). I risultati di queste ultime sono infine corretti per tenere debitamente in conto delle eventuali incompletezze delle basi dati (paragrafo 2.4). 2.1 Controllo delle basi dati Rappresentatività delle basi dati Affinché una base dati eolica possa venire correttamente sottoposta ad analisi statistica, è necessario che essa sia [Rif. 1]: rappresentativa, ovvero acquisita su un arco temporale sufficientemente esteso da una stazione adeguatamente ubicata; affidabile, ovvero priva di errori; omogenea, ovvero con valori registrati in condizioni uniformi. Una generica stazione meteorologica acquisisce a una determinata frequenza di campionamento i valori di diverse variabili meteorologiche, quali velocità e direzione del vento, pressione, temperatura, Da questi dati possono essere estratte diverse informazioni; per quanto riguarda il vento, per esempio, generalmente sono calcolate la velocità mediata su 10 minuti e la velocità di picco sul medesimo intervallo (ottenuta dopo aver mediato la velocità su 1 5 secondi, qualora i dati siano disponibili a una tale frequenza). I dati sono quindi registrati su un supporto digitale. La base dati anemologica iniziale è composta dall insieme delle misure della direzione di provenienza α e della velocità media V del vento.
24 24 Metodi per le analisi delle basi dati Figura 2.1 Esempi di strumenti posti in vicinanza di corpi perturbativi (a) e in condizioni orografiche complesse (b) (immagine ripresa da [Rif. 2]). La condizione di rappresentatività che ispira la scelta delle basi dati iniziali è di tipo relativo. La durata del periodo di registrazione che rende la base dati rappresentativa è commisurata al massimo periodo di ritorno che si vuole analizzare, alla qualità dei procedimenti statistici impiegati e alla precisione voluta. Il concetto di adeguata ubicazione va riguardato in ottica locale e in ottica generale. Da un punto di vista locale, i dati registrati da strumenti posti nelle vicinanze di corpi perturbativi (Figura 2.1(a), [Rif. 3], [Rif. 4]) oppure siti in condizioni orografiche complesse (Figura 2.1(b), [Rif. 5]) sono rappresentativi nella misura in cui sono efficaci i procedimenti di trasformazione successivamente impiegati. Da un punto di vista generale, l'insieme delle stazioni anemometriche selezionate costituisce una rete rappresentativa se fitta e uniforme in proporzione al livello di dettaglio richiesto e alla finalità dello studio Correzione delle basi dati Le basi dati iniziali, quantunque rappresentative, contengono in linea di principio errori riconducibili a cinque fondamentali categorie: misure effettuate in condizioni di malfunzionamento strumentale, ad esempio per carenza manutentiva o usura del tempo; misure esterne all'intervallo di lettura ( V1, V 2), quali calme di vento ( V V m/s ) o fenomeni eolici di eccezionale intensità ( V V2 50 m/s ); registrazione di eventi estranei al problema trattato, quali, ad esempio, misure aeroportuali concomitanti con operazioni di atterraggio o di decollo di velivoli; perdita di dati per arresto strumentale causato da eventi naturali (tornado, fenomeni d'urto, fulminazioni, ) o da interventi di operatori (manutenzioni, sostituzioni o trasferimenti dell'anemometro, proibitive condizioni atmosferiche, ); errori insorti nel trasferimento dei dati. Si definisce base dati corretta l insieme delle misure anemometriche reso affidabile mediante opportuna depurazione o correzione dei dati sbagliati. Un controllo preliminare viene effettuato
25 2.1 Controllo delle basi dati 25 allo scopo di eliminare tutti i dati fisicamente errati (generalmente dovuti a errori nel trasferimento), quali misure di direzione fuori dall intervallo di misura o corrispondenti a calme di vento (durante le quali non è definita una direzione) o misure di velocità negative. Il successivo passaggio dalle basi dati iniziali alle basi dati corrette comporta differenti interventi a seconda dell'entità dei dati in questione. L'intervento sui dati corrispondenti alle velocità minori della soglia inferiore di lettura anemometrica è significativo nell'analisi delle distribuzioni di probabilità delle popolazioni globali dei dati. Nel presente studio sono state considerate inverosimili e quindi eliminate le calme di vento superiori a 15 giorni continuativi. Tale scelta è giustificata dal fatto che in molti casi l assenza di misura viene registrata con una velocità nulla, anziché con un codice di errore. L'intervento sui dati afferenti al corpo centrale delle basi dati iniziali è generalmente ininfluente sui risultati dell'analisi statistica e come tale non necessario. L'intervento sui dati corrispondenti alle velocità maggiori costituisce un elemento fondamentale nello studio dei venti estremi e si articola in due fasi. Inizialmente vengono individuati i valori potenzialmente sbagliati. L'operazione comporta la selezione preliminare dei dati che verranno impiegati nell'analisi statistica dei massimi. Questi dati vengono posti a confronto con i dati immediatamente anteriori e posteriori (ad esempio nell arco di una o più giornate) e, qualora disponibili, con quelli di altri strumenti posizionati in prossimità della stazione sotto esame (ad esempio i dati SYNOP e METAR di una medesima stazione ENAV) e con le velocità di picco registrate nel medesimo periodo. Sono assunti corretti i dati omogenei con tali misure, mentre vengono considerati potenzialmente sbagliati e denominati valori singolari quelli avulsi da regolari tendenze. I valori singolari vengono eliminati o accettati sulla base di un ulteriore confronto con gli altri parametri meteorologici disponibili nello stesso intervallo temporale, quali, per esempio, la direzione del vento o la pressione al suolo. In particolare, la presenza di un improvviso e duraturo salto di vento in corrispondenza del dato singolare o di una rilevante caduta di pressione precedente ad esso preludono l arrivo di un perturbazione e possono giustificare il dato singolare [Rif. 1], che in tal caso viene accettato. In questa fase può anche essere effettuata una ricerca acquisendo le immagini satellitari della giornata relativa al dato singolare e controllando l effettiva presenza di eventi compatibili con il dato registrato; nel caso che tali immagini non siano disponibili, la ricerca può essere rivolta anche a notizie di cronaca recanti informazioni sull eventuale registrazione di fenomeni estremi. Il dato singolare viene giudicato errato e quindi rimosso se non risulta possibile attribuirne il valore a una perturbazione in atto. In Figura 2.2 è fornito un esempio di un dato singolare rimosso dalla base dati di Volterra. Altri esempi di dati singolari esaminati sono presentati stazione per stazione nel capitolo 3 e in particolare in Figura 3.9, Figura 3.19, Figura 3.39, Figura 3.68, Figura 3.78, Figura 3.88, Figura e Figura
26 26 Metodi per le analisi delle basi dati vel. (m/s) time series examined data (36.5 m/s) (3 h)-averaged time series threshold (20 m/s) METAR data Volterra - 13-May :00: /05/ /05/ /05/ /05/ dir. ( N) /05/ /05/ /05/ /05/1992 pres. (hpa) MSL pressure air temperature 12/05/ /05/ /05/ /05/1992 date temp. ( C) Figura 2.2 Esempio di dato rimosso dalla base dati (in rosso). Un attenzione supplementare va dedicata alla base dati sottoposta all analisi d estremo. Infatti, siccome gli eventi temporaleschi di breve durata devono essere esclusi dall analisi probabilistica del massimo annuale per essere analizzati a parte (paragrafo 2.3), anche i dati singolari riconducibili a tali eventi sono rimossi dalla base dati. Inoltre, sempre ai fini delle analisi d estremo, per valutare il massimo annuale su periodi di misure il più possibile omogenei, sono stati interamente rimossi tutti gli anni contenenti meno di un mese di misure valide. Le varie analisi probabilistiche previste sono state ripetute più di una volta su ogni base dati in modo da valutare la sensibilità dei risultati alla presenza o meno di alcuni dati considerati di dubbia validità. In particolare si sono impiegati nei vari casi criteri più o meno restrittivi per l eliminazione dei dati sospetti. I risultati presentati nel capitolo 3 si riferiscono alle analisi finali e sono ritenuti quelli maggiormente attendibili, anche alla luce dell esito delle precedenti analisi. Val la pena notare che nella maggior parte dei casi, comunque, non sono emersi sensibili scostamenti tra le diverse analisi sulla medesima base dati. Sono debitamente segnalati i casi dove ciò risulta parzialmente non valido. 2.2 Analisi probabilistica della popolazione dei dati L analisi e la regressione dei dati relativi alla popolazione delle misure sono state effettuate utilizzando un cosiddetto modello ibrido di Weibull [Rif. 2][Rif. 6]. La distribuzione di Weibull può essere impiegata per effettuare una regressione della totalità dei dati indipendentemente dalla direzione di provenienza (analisi adirezionale) oppure una regressione per ogni settore di provenienza del vento e successivamente ricostruendo la
27 2.2 Analisi probabilistica della popolazione dei dati 27 distribuzione probabilità dell intera popolazione (analisi direzionale). Nel presente studio sono state considerate entrambe le analisi. Nel caso dell analisi direzionale sono stati impiegati 12 settori, corrispondenti a un ampiezza di 30. Operativamente, sia N t il numero delle coppie dei valori medi della velocità e della direzione di provenienza del vento ( V, α ) che costituiscono la base dati preventivamente corretta. Le direzioni sono calcolate in senso orario ponendo 0 in corrispondenza di vento proveniente da nord. Denominato con N 0 il numero delle coppie dei valori nulli relativi alle calme di vento, N = Nt N0 è il numero delle coppie dei valori non nulli. Dalle N coppie dei valori non nulli di ( V, α ) possono essere estratte S sottobasi dati, la j esima delle quali comprende gli velocità N j valori di V j associati al j esimo settore di provenienza del vento; tale settore risulta ampio 1 Δ α = 360 / S e centrato sull'angolo α = ( j ) Δ α. La probabilità che il vento provenga dal j esimo settore è data dalla formula: j 2 S f () v = a f () v v> 0; j = 1,, S (2.1) Vj j Vj dove v è la variabile di stato di V e a rappresenta la probabilità, condizionata a V > 0, che il vento provenga dal j esimo settore ed è perciò vincolata dalla relazione j S S a j = 1; infine fv () v è j la funzione di densità della velocità media del vento proveniente dal j esimo settore, che, nella forma proposta da Weibull [Rif. 7], risulta espressa come: j= 1 k 1 v k j j k S j v c j fv = e v> 0; j = 1,, S j c j c j (2.2) dove k j e c j sono i parametri, rispettivamente, di forma e di scala del modello. Si considerano limitatamente affidabili le distribuzioni calcolate sulla base di un numero N j di valori minore dell'1% del numero N di valori non nulli disponibili. Sotto questa condizione, la funzione di densità fv () v e la funzione di distribuzione FV () v della popolazione dei dati sono fornite, rispettivamente, dalle espressioni: S ( ) δ ( ) ( ) f v = P v + A f v v 0 V 0 j V j= 1 ( ) S j F v = 1 A e v 0 V j= 1 j S v c k j j (2.3) nelle quali δ è la distribuzione di Dirac e P 0 è la probabilità di velocità nulla, vincolata perciò alla relazione Aj = (1 P0 ) aj.
28 28 Metodi per le analisi delle basi dati In alternativa alle equazioni (2.3), la funzione di densità e la funzione di distribuzione possono essere espresse in forma adirezionale mediante le formule [Rif. 8]: ( ) K 1 v C K v fv ( v) = P0 δ ( v) + A e v 0 C C v K C F v = 1 Ae v 0 V K (2.4) nelle quali K e C sono i parametri della distribuzione di Weibull della base dati globale e A= 1 P Analisi probabilistiche del massimo annuale Nello studio delle basi dati anemologiche l analisi della distribuzione di probabilità dei valori estremi riveste una ruolo importante, specialmente perché permette di effettuare un analisi dei rischi correlati ai venti intensi e di stabilire i periodi medi di ritorno di tali fenomeni. Tale studio è normalmente riferito alla distribuzione del massimo valore annuale della velocità. Nella comunità scientifica non c è un consenso unanime sulla distribuzione di probabilità che meglio regredisca i dati sperimentali. Diversi modelli sono stati proposti, quali le distribuzioni asintotiche di I, II e III tipo [Rif. 9], l analisi di processo [Rif. 10] o la distribuzione di Pareto [Rif. 11]. Si rimanda a [Rif. 12] per una discussione approfondita su vantaggi e svantaggi nel ricorso a uno dei suddetti modelli. Nel presente studio la distribuzione di probabilità del massimo valore annuale di V è calcolata applicando sia l analisi asintotica del I tipo (paragrafo 2.3.1) sia l analisi di processo (paragrafo 2.3.2). È noto che l analisi asintotica svolta applicando la distribuzione del I tipo tende a fornire stime molto prudenti [Rif. 8], mentre l analisi di processo offre stime che sono generalmente intermedie tra quelle dell analisi asintotica e quelle ottenute attraverso la distribuzione generalizzata di Pareto [Rif. 11], che consente di valutare la distribuzione cumulativa degli estremi includendo tutti i valori superiori a una soglia opportuna. Quest ultima distribuzione degli estremi è stata utilizzata in un precedente studio effettuato dallo scrivente Dipartimento [Rif. 13], essenzialmente al fine di definire gli intervalli di stima della velocità attesa del vento. In quella analisi è stato evidenziato che la scelta di operare usando i risultati dell analisi di processo appare ragionevole e prudente. A questo si aggiunga che l impiego dell analisi di processo facilita l applicazione di procedimenti di correzione che tengano conto dei dati mancanti (paragrafo 2.4). Per ulteriori approfondimenti si rimanda a [Rif. 14], dove è presente un accurato studio sul ruolo dell analisi di processo su basi dati di lungo periodo Analisi asintotica del I tipo Il procedimento per l analisi asintotica del I tipo assegna ai primi r massimi annuali di V la distribuzione di Gumbel [Rif. 9]. La funzione di distribuzione del massimo valore annuale di V è data dalla formula: F A( v U) e M () v e v 0 = (2.5)
VALORE DELLE MERCI SEQUESTRATE
La contraffazione in cifre: NUOVA METODOLOGIA PER LA STIMA DEL VALORE DELLE MERCI SEQUESTRATE Roma, Giugno 2013 Giugno 2013-1 Il valore economico dei sequestri In questo Focus si approfondiscono alcune
DettagliMonitoraggio sulla conversione dei prezzi al consumo dalla Lira all Euro
ISTAT 17 gennaio 2002 Monitoraggio sulla conversione dei prezzi al consumo dalla Lira all Euro Nell ambito dell iniziativa di monitoraggio, avviata dall Istat per analizzare le modalità di conversione
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 Economia Facoltà di Economia, Università di Ferrara
DettagliPremessa. L esame di queste diverse fonti ha portato a conclusioni analoghe e sovrapponibili
Premessa In Sardegna vastissime esposizioni di fetch (superfici di mare aperto su cui spira il vento con direzione e intensità costante) di centinaia di km espongono l'isola a forti venti tutto l anno.
DettagliDI IDROLOGIA TECNICA PARTE III
FACOLTA DI INGEGNERIA Laurea Specialistica in Ingegneria Civile N.O. Giuseppe T. Aronica CORSO DI IDROLOGIA TECNICA PARTE III Idrologia delle piene Lezione XII: I metodi diretti per la valutazione delle
DettagliMETODOLOGIA DI PREVISIONE DELLA DOMANDA ELETTRICA E DELLA
1 di 5 METODOLOGIA DI PREVISIONE DELLA DOMANDA ELETTRICA E DELLA PREVISIONE DA FONTI RINNOVABILI AI FINI DELLA FASE DI PROGRAMMAZIONE DI MSD Storia delle revisioni Rev.00 25/02/2016 Versione iniziale 2
Dettagli6.1. Risultati simulazioni termovalorizzatore Osmannoro2000
pag. 217 6. Risultati Di seguito si riportano i risultati relativi alle diverse simulazioni di diffusione atmosferica degli inquinanti effettuate. In particolare sono riportati i risultati sotto forma
DettagliAnalisi d estremo di base dati eoliche simulate di grandi dimensioni
Analisi d estremo base dati eoliche simulate gran mensioni Alessio Torrielli, Maria Pia Repetto, Giovanni Solari DICAT degli Stu XI Convegno Nazionale Ingegneria del ento Spoleto, 30 Giugno 3 Luglio 2010
DettagliStatistica. Lezione 6
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante
DettagliMetodologia di monitoraggio Impianti fotovoltaici
Metodologia di monitoraggio Impianti fotovoltaici Per effettuare il monitoraggio degli impianti fotovoltaici è stato scelto il metodo di acquisizione dati proposto dal Dott. Ing. F. Spertino, Dott. Ing.
DettagliDocumento di accompagnamento: mediane dei settori bibliometrici
Documento di accompagnamento: mediane dei settori bibliometrici 1. Introduzione Vengono oggi pubblicate sul sito dell ANVUR e del MIUR 3 tabelle, deliberate nel CD dell ANVUR del 13 agosto 2012, relative
DettagliPROGRESS: UN CODICE PER IL CALCOLO DELLE EMISSIONI DA VEICOLI STRADALI IN AMBITO URBANO
VIII Incontro EXPERT PANEL EMISSIONI DA TRASPORTO STRADALE Roma, 5 novembre 2003 PROGRESS: UN CODICE PER IL CALCOLO DELLE EMISSIONI DA VEICOLI STRADALI IN AMBITO URBANO Massimo Capobianco, Giorgio Zamboni
DettagliCorso di. Dott.ssa Donatella Cocca
Corso di Statistica medica e applicata Dott.ssa Donatella Cocca 1 a Lezione Cos'è la statistica? Come in tutta la ricerca scientifica sperimentale, anche nelle scienze mediche e biologiche è indispensabile
DettagliPSR CAMPANIA 2007/2013 FONDO FEASR MANUALE OPERATIVO DELLE ATTIVITA DI CONTROLLO DELL AUDIT
PSR CAMPANIA 2007/2013 FONDO FEASR MANUALE OPERATIVO DELLE ATTIVITA DI CONTROLLO DELL AUDIT INDICE - Premessa Pag 1 1 Tipologia dei controlli 1 1a Controlli di gestione 1 1b Controlli di ammissibilità
DettagliNota interpretativa. La definizione delle imprese di dimensione minori ai fini dell applicazione dei principi di revisione internazionali
Nota interpretativa La definizione delle imprese di dimensione minori ai fini dell applicazione dei principi di revisione internazionali Febbraio 2012 1 Mandato 2008-2012 Area di delega Consigliere Delegato
DettagliAutorità Nazionale Anticorruzione e per la valutazione e la trasparenza delle amministrazioni pubbliche
Autorità Nazionale Anticorruzione e per la valutazione e la trasparenza delle amministrazioni pubbliche Metodologia dell attività di vigilanza e controllo dell Autorità in relazione agli obblighi di pubblicazione
DettagliCome archiviare i dati per le scienze sociali
Come archiviare i dati per le scienze sociali ADPSS-SOCIODATA Archivio Dati e Programmi per le Scienze Sociali www.sociologiadip.unimib.it/sociodata E-mail: adpss.sociologia@unimib.it Tel.: 02 64487513
DettagliALLEGATO 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
DettagliCOMUNE DI SOLBIATE ARNO
SISTEMA DI MISURAZIONE E VALUTAZIONE DEL PERSONALE DIPENDENTE Approvato con deliberazione della Giunta Comunale n. 98 del 14.11.2013 1 GLI ELEMENTI DEL SISTEMA DI VALUTAZIONE Oggetto della valutazione:obiettivi
DettagliALLEGATO A ALLE NORME TECNICHE PER LE COSTRUZIONI: PERICOLOSITÀ SISMICA
ALLEGATO A ALLE NORME TECNICHE PER LE COSTRUZIONI: PERICOLOSITÀ SISMICA Le Norme Tecniche per le Costruzioni (NTC) adottano un approccio prestazionale alla progettazione delle strutture nuove e alla verifica
DettagliMetodi statistici per l economia (Prof. Capitanio) Slide n. 9. Materiale di supporto per le lezioni. Non sostituisce il libro di testo
Metodi statistici per l economia (Prof. Capitanio) Slide n. 9 Materiale di supporto per le lezioni. Non sostituisce il libro di testo 1 TEST D IPOTESI Partiamo da un esempio presente sul libro di testo.
DettagliPRINCIPALI ATTIVITA TECNICHE PER LA MISURA DEL GAS
ALLEGATO 10/A PRINCIPALI ATTIVITA TECNICHE PER LA MISURA DEL GAS Il presente allegato fornisce una descrizione sintetica delle principali attività tecniche relative alla misura del gas; tali attività coinvolgono
DettagliUniversità degli Studi di Brescia Facoltà di Ingegneria
REGOLAMENTO ORGANIZZATIVO DELLE PROVE FINALI PER I CORSI DI LAUREA EX DM 270/04 (Approvato CDF 9-3-2011) 1. Riferimenti normativi. 1.1. Decreto Ministeriale 22-10-2004 n. 270, art. 10 (Obiettivi ed attività
DettagliReport Monitoraggio Traffico
214 Campagna di Monitoraggio nel Comune di Gussago nel periodo da 5/8/214 al 7/8/214 Reperimento dati Geom. Giovanni Santoro Redazione e verifica Prof. Ing. Maurizio Tira Sommario Premessa... 3 Obiettivo
DettagliComune di San Martino Buon Albergo
Comune di San Martino Buon Albergo Provincia di Verona - C.A.P. 37036 SISTEMA DI VALUTAZIONE DELLE POSIZIONI DIRIGENZIALI Approvato dalla Giunta Comunale il 31.07.2012 INDICE PREMESSA A) LA VALUTAZIONE
DettagliIntroduzione allo studio sulla pericolosità meteorologica a scala nazionale: la sensibilità del mercato assicurativo ai
Introduzione allo studio sulla pericolosità meteorologica a scala nazionale: la sensibilità del mercato assicurativo ai danni da eventi atmosferici Ronchi Romina Milano, 1 Giugno 2011 CONTENUTI Lo studio
DettagliCOMUNE DI MOLFETTA NUOVO PORTO COMMERCIALE - MONITORAGGIO TRASPORTO SOLIDO CON IMPIEGO DI SONDA MULTIPARAMETRICA E CORRENTOMETRO
Università degli Studi di Napoli Parthenope COMUNE DI MOLFETTA NUOVO PORTO COMMERCIALE - MONITORAGGIO TRASPORTO SOLIDO CON IMPIEGO DI SONDA MULTIPARAMETRICA E CORRENTOMETRO Relazione Preliminare n.2/2013
DettagliPROGETTO INDAGINE DI OPINIONE SUL PROCESSO DI FUSIONE DEI COMUNI NEL PRIMIERO
PROGETTO INDAGINE DI OPINIONE SUL PROCESSO DI FUSIONE DEI COMUNI NEL PRIMIERO L indagine si è svolta nel periodo dal 26 agosto al 16 settembre 2014 con l obiettivo di conoscere l opinione dei residenti
DettagliCOMUNE DI MOLFETTA NUOVO PORTO COMMERCIALE - MONITORAGGIO TRASPORTO SOLIDO CON IMPIEGO DI SONDA MULTIPARAMETRICA E CORRENTOMETRO
Università degli Studi di Napoli Parthenope COMUNE DI MOLFETTA NUOVO PORTO COMMERCIALE - MONITORAGGIO TRASPORTO SOLIDO CON IMPIEGO DI SONDA MULTIPARAMETRICA E CORRENTOMETRO Relazione Preliminare n.1/2013
DettagliSVILUPPO, CERTIFICAZIONE E MIGLIORAMENTO DEL SISTEMA DI GESTIONE PER LA SICUREZZA SECONDO LA NORMA BS OHSAS 18001:2007
Progettazione ed erogazione di servizi di consulenza e formazione M&IT Consulting s.r.l. Via Longhi 14/a 40128 Bologna tel. 051 6313773 - fax. 051 4154298 www.mitconsulting.it info@mitconsulting.it SVILUPPO,
DettagliENERGY HUNTERS. dettagli sulla procedura di lavoro per il mini eolico
ENERGY HUNTERS dettagli sulla procedura di lavoro per il mini eolico ENERGY HUNTERS E IL VENTO Il core business di Energy Hunters, nonchè la risorsa e l idea che ci ha motivato è il vento, e in particolare
DettagliUNI EN ISO 9001:2008 Certificato n.9175.arpl
L aeroporto di Bergamo Orio al Serio insiste sul territorio dei comuni di Orio al Serio, di Grassobbio e di Seriate, e si trova a pochi chilometri dal centro di Bergamo. Lo sviluppo programmato a partire
DettagliCOMUNE DI PERUGIA AREA DEL PERSONALE DEL COMPARTO DELLE POSIZIONI ORGANIZZATIVE E DELLE ALTE PROFESSIONALITA
COMUNE DI PERUGIA AREA DEL PERSONALE DEL COMPARTO DELLE POSIZIONI ORGANIZZATIVE E DELLE ALTE PROFESSIONALITA METODOLOGIA DI VALUTAZIONE DELLA PERFORMANCE Approvato con atto G.C. n. 492 del 07.12.2011 1
DettagliIng. Simone Giovannetti
Università degli Studi di Firenze Dipartimento di Elettronica e Telecomunicazioni Ing. Simone Giovannetti Firenze, 29 Maggio 2012 1 Incertezza di Misura (1/3) La necessità di misurare nasce dall esigenza
DettagliAbbiamo 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
DettagliAppendice 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,
DettagliADETTO ISTALLAZIONE E MANUTENZIONE IMPIANTI A RISPARMIO ENERGETICO E AD ENERGIA ALTERNATIVA
ADETTO ISTALLAZIONE E MANUTENZIONE IMPIANTI A RISPARMIO ENERGETICO E AD ENERGIA ALTERNATIVA 1 Si è supposto di dover realizzare un impianto eolico a Palermo, Enna, Trapani Agrigento, Messina. Determinare
DettagliLA PROGETTAZIONE DI UN NUOVO STRUMENTO PER IL WEB
UNIVERSITÀ DEGLI STUDI DI PADOVA FACOLTÀ DI LETTERE E FILOSOFIA CORSO DI LAUREA MAGISTRALE IN STRATEGIE DI COMUNICAZIONE LA PROGETTAZIONE DI UN NUOVO STRUMENTO PER IL WEB LA PROPOSTA DI UN MODELLO MIRATO
Dettagli11. Analisi statistica degli eventi idrologici estremi
. Analisi statistica degli eventi idrologici estremi I processi idrologici evolvono, nello spazio e nel tempo, secondo modalità che sono in parte predicibili (deterministiche) ed in parte casuali (stocastiche
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 12-Il t-test per campioni appaiati vers. 1.2 (7 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliGestione Turni. Introduzione
Gestione Turni Introduzione La gestione dei turni di lavoro si rende necessaria quando, per garantire la continuità del servizio di una determinata struttura, è necessario che tutto il personale afferente
DettagliGuida Compilazione Piani di Studio on-line
Guida Compilazione Piani di Studio on-line SIA (Sistemi Informativi d Ateneo) Visualizzazione e presentazione piani di studio ordinamento 509 e 270 Università della Calabria (Unità organizzativa complessa-
DettagliElaborazione di una scheda di budget
LAUREA MAGISTRALE PREVENZIONE A.A 2005-2006 Elaborazione di una scheda di budget Maria Patrizia Becheroni Università degli Studi di Firenze Facoltà di Medicina e chirurgia Dipartimento di sanità Pubblica
DettagliREGOLAMENTO (UE) N. 1235/2011 DELLA COMMISSIONE
30.11.2011 Gazzetta ufficiale dell Unione europea L 317/17 REGOLAMENTO (UE) N. 1235/2011 DELLA COMMISSIONE del 29 novembre 2011 recante modifica del regolamento (CE) n. 1222/2009 del Parlamento europeo
DettagliProf. Ing. Andrea Giuseppe CAPODAGLIO. Prof. Ing. Arianna CALLEGARI
RIDUZIONE IMPATTO AMBIENTALE CERTIFICATI DI VALIDAZIONE DIFFUSIONE DELLE EMISSIONI ODORIGENE DAL CANALE DI INGRESSO DELL IMPIANTO DI NOSEDO: STUDIO DIFFUSIONALE DI CONFRONTO TRA RISULTATI DEL SISTEMA ODOWATCH
DettagliCOMUNE DI RAVENNA GUIDA ALLA VALUTAZIONE DELLE POSIZIONI (FAMIGLIE, FATTORI, LIVELLI)
COMUNE DI RAVENNA Il sistema di valutazione delle posizioni del personale dirigente GUIDA ALLA VALUTAZIONE DELLE POSIZIONI (FAMIGLIE, FATTORI, LIVELLI) Ravenna, Settembre 2004 SCHEMA DI SINTESI PER LA
Dettagli6.5. Risultati simulazioni sistema rifiuti e riscaldamento
Capitolo 6 Risultati pag. 301 6.5. Risultati simulazioni sistema rifiuti e riscaldamento Come già detto nel paragrafo 5.8, i risultati riportati in questo paragrafo fanno riferimento alle concentrazione
DettagliConfronto attuale-futuro (con termovalorizzatore a Case Passerini) sistema rifiuti e riscaldamento
Capitolo 6 Risultati pag. 447 Confronto attuale-futuro (con termovalorizzatore a Case Passerini) sistema rifiuti e riscaldamento Come già detto nel paragrafo 5.8, i risultati riportati in questo paragrafo
DettagliAPPALTI e CONCESSIONI
DOTAZIONE INFRASTRUTTURE: DATI UE E NAZIONALI L ISPO (Istituto per gli studi sulla Pubblica opinione) ha reso noti i dati di una ricerca comparata sulle infrastrutture, sia a livello comunitazio che nazionnale.
DettagliRiassunto L intervento mira a descrivere la rete agrometeorologica nazionale del Ministero delle Politiche Agrarie e Forestali.
74 LA RETE AGROMETEOROLOGICA NAZIONALE DEL MINISTERO PER LE POLITICHE AGRICOLE E FORESTALI Maria Carmen Beltrano Ufficio Centrale di Ecologia Agraria - Roma Riassunto L intervento mira a descrivere la
DettagliPiano delle Performance
Comune di Pavullo nel Frignano Provincia di Modena Bilancio di Previsione 2011 Bilancio Pluriennale 2011 / 2013 Piano delle Performance *** Documento sulla compatibilità del sistema di programmazione,
DettagliEffetti sull opinione di pazienti riguardo all utilizzo di un computer in uno studio medico nell assistenza ordinaria
Effetti sull opinione di pazienti riguardo all utilizzo di un computer in uno studio medico nell assistenza ordinaria Christopher N. Sciamanna, Scott P. Novak, Bess H. Marcus. International Journal of
DettagliPotenza dello studio e dimensione campionaria. Laurea in Medicina e Chirurgia - Statistica medica 1
Potenza dello studio e dimensione campionaria Laurea in Medicina e Chirurgia - Statistica medica 1 Introduzione Nella pianificazione di uno studio clinico randomizzato è fondamentale determinare in modo
DettagliIl confronto fra proporzioni
L. Boni Il rapporto Un rapporto (ratio), attribuendo un ampio significato al termine, è il risultato della divisione di una certa quantità a per un altra quantità b Il rapporto Spesso, in maniera più specifica,
DettagliDISTRIBUZIONE PERCENTUALE PER TIPOLOGIA DI ATTIVITÀ/INFRASTRUTTURE DELLE SORGENTI CONTROLLATE NEL LAZIO
DISTRIBUZIONE PERCENTUALE PER TIPOLOGIA DI ATTIVITÀ/INFRASTRUTTURE DELLE SORGENTI CONTROLLATE NEL LAZIO Anno 2014 Inquadramento del tema Il rumore è fra le principali cause del peggioramento della qualità
DettagliOsservatorio sull occupazione straniera nelle piccole imprese in Italia. Struttura e dinamiche Andamento 1 semestre 2012 Previsioni 2 semestre 2012
Studi e ricerche sull economia dell immigrazione Osservatorio sull occupazione straniera nelle piccole imprese in Italia Struttura e dinamiche Andamento 1 semestre 2012 Previsioni 2 semestre 2012 Andamento
DettagliAGENZIA NAZIONALE PER LE NUOVE TECNOLOGIE, L ENERGIA E LO SVILUPPO ECONOMICO SOSTENIBILE
AGENZIA NAZIONALE PER LE NUOVE TECNOLOGIE, L ENERGIA E LO SVILUPPO ECONOMICO SOSTENIBILE Impostazione della diagnosi energeticadelle attivita di Trasporto Generalità Secondo la norma UNI CEI EN16247-4,
DettagliUn 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
DettagliRISORSE UMANE PROFILI TECNICI STIMA DEL FABBISOGNO PER IL PTA
Pagina: 1 di 9 Registro delle modifiche Data Sezione del documento / Motivo della revisione Revisione 11/03/2010 Emissione formale A ALLEGATI: ---- DISTRIBUZIONE DEL DOCUMENTO: Direttore Generale Dott.
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 29-Analisi della potenza statistica vers. 1.0 (12 dicembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliAnalisi statistica dei dati storici di vento registrati dalle stazioni anemometriche
Università di Genova Dipartimento di Ingegneria delle Costruzioni, dell Ambiente e del Territorio Analisi statistica dei dati storici di vento registrati dalle stazioni anemometriche relativa al progetto
DettagliElementi 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
DettagliSTATISTICA 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
DettagliRapporto dal Questionari Insegnanti
Rapporto dal Questionari Insegnanti SCUOLA CHIC81400N N. Docenti che hanno compilato il questionario: 60 Anno Scolastico 2014/15 Le Aree Indagate Il Questionario Insegnanti ha l obiettivo di rilevare la
DettagliIntroduzione all analisi dei segnali digitali.
Introduzione all analisi dei segnali digitali. Lezioni per il corso di Laboratorio di Fisica IV Isidoro Ferrante A.A. 2001/2002 1 Segnali analogici Si dice segnale la variazione di una qualsiasi grandezza
DettagliReport Monitoraggio Traffico
2012 Campagna di Monitoraggio presso il Comune di Berlingo nel periodo da 26/06/2012 al 28/06/2012 Redatta Giovanni Santoro Verificata e Approvata Prof. Ing. Maurizio Tira Sommario Premessa... 3 Obiettivo
DettagliS i s t e m a d i v a l u t a z i o n e d e l l e p r e s t a z i o n i d e i d i p e n d e n t i
S i s t e m a d i v a l u t a z i o n e d e l l e p r e s t a z i o n i d e i d i p e n d e n t i P r o d o t t o d a A l b e r t o P a o l i n i G r o s s e t o P a r c h e g g i s r l V e n g o n o p
DettagliANALISI DEI QUESTIONARI PER LA RILEVAZIONE DELLE OPINIONI DEGLI STUDENTI SUI SINGOLI INSEGNAMENTI
ANALISI DEI QUESTIONARI PER LA RILEVAZIONE DELLE OPINIONI DEGLI STUDENTI SUI SINGOLI INSEGNAMENTI Anno Accademico 008/009 Rapporto statistico riassuntivo Corso di Laurea in Scienze politiche e delle Relazioni
DettagliANALISI DEI QUESTIONARI PER LA RILEVAZIONE DELLE OPINIONI DEGLI STUDENTI SUI SINGOLI INSEGNAMENTI
ANALISI DEI QUESTIONARI PER LA RILEVAZIONE DELLE OPINIONI DEGLI STUDENTI SUI SINGOLI INSEGNAMENTI Anno Accademico 008/009 Rapporto statistico riassuntivo Scuola di specializzazione per gli insegnanti della
DettagliREGOLAMENTO INTERNO DEL CONTROLLO DI GESTIONE
COMUNE DI CORMANO PROVINCIA DI MILANO REGOLAMENTO INTERNO DEL CONTROLLO DI GESTIONE (approvato con deliberazione C.C. n. 58 del 01/12/2003) 1 INDICE ART. 1 ART. 2 ART. 3 ART. 4 ART. 5 ART. 6 AMBITO DI
DettagliSTATISTICHE. A CURA di Nunzio Cuozzo e Luigi Praitano
GIUNTA REGIONALE DELLA CAMPANIA AREA GENERALE DI COORDINAMENTO RICERCA SCIENTIFICA, STATISTICA, SISTEMI INFORMATIVI ED INFORMATICA SETTORE ANALISI, PROGETTAZIONE E GESTIONE SISTEMI INFORMATIVI SERVIZIO
DettagliAllegato 11 Modello di Rapporto annuale di controllo
Allegato 11 Modello di Rapporto annuale di controllo Modello di Rapporto annuale di controllo a norma dell articolo 62 par. 1, lettera d) punto i) del Regolamento (CE) n. 1083/2006 e dell articolo 18 paragrafo
DettagliManuale per il Responsabile
PORTALE SELF WEB Manuale per il Responsabile Per connettersi al Portale/Self Web digitare dal browser il seguente sito : https://hsweba16.inaz.it/icsdip_dongnocchi/default.aspx Digitare il proprio USERNAME
DettagliIl Direttore DISCIPLINARE DEL PROCESSO DI BUDGET 2015
Il Direttore DISCIPLINARE DEL PROCESSO DI BUDGET 2015 DEFINIZIONE DI BUDGET Il Budget è lo strumento per attuare la pianificazione operativa che l Istituto intende intraprendere nell anno di esercizio
DettagliEsercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco Alfonso Iodice D Enza April 26, 2007 1...prima di cominciare Contare, operazione solitamente semplice, può diventare complicata se lo scopo
DettagliNote per la lettura dei report
Note per la lettura dei report Report strutturali 0. IMPRESE REGISTRATE PER STATO DI ATTIVITÀ. ANNO 2012 E TASSO DI CRESCITA 2012 Contiene la distribuzione dell insieme delle imprese registrate, ovvero
DettagliUTILIZZATORI A VALLE: COME RENDERE NOTI GLI USI AI FORNITORI
UTILIZZATORI A VALLE: COME RENDERE NOTI GLI USI AI FORNITORI Un utilizzatore a valle di sostanze chimiche dovrebbe informare i propri fornitori riguardo al suo utilizzo delle sostanze (come tali o all
Dettagli5. MODULO DEI CARICHI ECCEZIONALI NEL SOFTWARE BRIDGE
5. MODULO DEI CARICHI ECCEZIONALI NEL SOFTWARE BRIDGE 5.1 Premessa L ausilio dell informatica è particolarmente utile poiché l ente preposto alla gestione dei ponti deve esaminare un grande numero di transiti
DettagliGUIDA RAPIDA PER LA COMPILAZIONE DELLA SCHEDA CCNL GUIDA RAPIDA PER LA COMPILAZIONE DELLA SCHEDA CCNL
GUIDA RAPIDA BOZZA 23/07/2008 INDICE 1. PERCHÉ UNA NUOVA VERSIONE DEI MODULI DI RACCOLTA DATI... 3 2. INDICAZIONI GENERALI... 4 2.1. Non modificare la struttura dei fogli di lavoro... 4 2.2. Cosa significano
DettagliRelazioni 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
DettagliCABINE DI TRASFORMAZIONE MT/BT Fasce di rispetto e Interconfronto
CABINE DI TRASFORMAZIONE MT/BT Fasce di rispetto e Interconfronto Dr. Silvia Violanti Arpa Emilia Romagna Dr. Sara Adda Arpa Piemonte b.2) misure in campo presso cabine elettriche di trasformazione (task
DettagliIl 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
DettagliNuovi toner HP ColorSphere
Nuovi toner HP ColorSphere Nuove tecnologie e una speciale formulazione, frutto di oltre 20 anni di impegno nell'innovazione, garantiscono ai clienti HP risultati ottimali nella stampa laser a colori Troppo
DettagliNOTA METODOLOGICA I DIVERSI CONTRIBUTI
I DIVERSI CONTRIBUTI I dati per questo 11 Rapporto sulla Formazione nella Pubblica Amministrazione sono stati raccolti dall Osservatorio sui bisogni formativi nella PA istituito presso la SSPA, con il
DettagliPRESCRIZIONI PARTICOLARI DIRETTIVA 2006/42/CE RELATIVA ALLE MACCHINE Allegato X Garanzia Qualità Totale
Titolo PRESCRIZIONI PARTICOLARI DIRETTIVA 2006/42/CE RELATIVA ALLE MACCHINE Allegato X Garanzia Qualità Totale Riferimento Data entrata in vigore Approvato da PR PART ON/MACC/X Rev. 0 del 01/06/2016 IMQ
DettagliIndagine sismica. MASW - Multichannel Analysis of Surface Waves
Indagine sismica MASW - Multichannel Analysis of Surface Waves relativa alla determinazione della stratigrafia sismica VS e del parametro VS30 in un'area di Sestri Levanti NS rif 09140SA Dott. Geol. Franco
DettagliGLI ENTI D EROGAZIONE IN ITALIA
GLI ENTI D EROGAZIONE IN ITALIA Sono 4.388 gli enti di diritto privato che hanno indicato come attività prevalente o esclusiva l erogazione di sussidi a individui, piuttosto che quella di contributi a
DettagliCITTÀ DI IMOLA REGOLAMENTO DI DISCIPLINA DELLA VALUTAZIONE, INTEGRITÀ E TRASPARENZA DELLA PERFORMANCE
CITTÀ DI IMOLA REGOLAMENTO DI DISCIPLINA DELLA VALUTAZIONE, INTEGRITÀ E TRASPARENZA DELLA PERFORMANCE Approvato con deliberazione C.C. n. 30 del 23/02/2011 1 INDICE Titolo I Programmazione e valutazione
DettagliBANDO. Progetti di formazione per il volontariato
BANDO Progetti di formazione per il volontariato Anno 2016 1. Chi può presentare I progetti possono essere presentati da tutte le associazioni di volontariato con sede legale nel territorio della regione
DettagliIL SISTEMA DI CONTROLLO INTERNO
http://www.sinedi.com ARTICOLO 27 OTTOBRE 2008 IL SISTEMA DI CONTROLLO INTERNO PRODUZIONE DI VALORE E RISCHIO D IMPRESA Nel corso del tempo, ogni azienda deve gestire un adeguato portafoglio di strumenti
DettagliPROCESSO DI BUDGET PARTE SANITARIA METODOLOGIA DI ASSEGNAZIONE E VARIAZIONE DEGLI OBIETTIVI DI BUDGET
PROCESSO DI BUDGET PARTE SANITARIA METODOLOGIA DI ASSEGNAZIONE E VARIAZIONE DEGLI OBIETTIVI DI BUDGET Il budget è un importante strumento operativo per la gestione aziendale, ha la funzione di definire
DettagliIL SISTEMA DI PREVISIONE DEL DISAGIO BIOCLIMATICO IN EMILIA-ROMAGNA
IL SISTEMA DI PREVISIONE DEL DISAGIO BIOCLIMATICO IN EMILIA-ROMAGNA Studio del fenomeno dell isola di calore Area urbana di Bologna Struttura Tematica di Epidemiologia Ambientale ARPA Emilia Romagna IL
DettagliIn tabella 2 si riportano alcuni parametri statistici del campo elettrico (E) misurato, suddivisi per anno. Valore del Campo Elettrico E (V/m)
Report campagne di misura CEM per il sito: Hotel Londra Comune: Cervia Località: Milano Marittima - Periodo: 2003 2008 1. PARAMETRI IDENTIFICATIVI DELLA CAMPAGNA DI MISURA - Luogo dei rilievi: Hotel Londra
DettagliLE CARTE DI CONTROLLO (4)
LE CARTE DI CONTROLLO (4) Tipo di carta di controllo Frazione difettosa Carta p Numero di difettosi Carta np Dimensione campione Variabile, solitamente >= 50 costante, solitamente >= 50 Linea centrale
DettagliStrumenti e metodi per la redazione della carta del pericolo da fenomeni torrentizi
Versione 2.0 Strumenti e metodi per la redazione della carta del pericolo da fenomeni torrentizi Corso anno 2011 E. MANUALE UTILIZZO HAZARD MAPPER Il programma Hazard Mapper è stato realizzato per redarre,
DettagliLiceo Scientifico Statale N. Copernico Viale Borgovalsugana n. 63 59100 Prato-tel. 0574596616-fax 0574592888 email pops02000g@istruzione.
Liceo Scientifico Statale N. Copernico Viale Borgovalsugana n. 63 59100 Prato-tel. 0574596616-fax 0574592888 email pops02000g@istruzione.it Prato, 17 dicembre 2007 Circolare n. Ai Docenti Agli Studenti
DettagliPROCEDURA DI COORDINAMENTO TRA GESTORI DI RETE AI SENSI DEGLI ARTICOLI 34 E 35 DELL ALLEGATO A ALLA DELIBERA ARG/ELT 99/08 (TICA)
PROCEDURA DI COORDINAMENTO TRA GESTORI DI RETE AI SENSI DEGLI ARTICOLI 34 E 35 DELL ALLEGATO A ALLA DELIBERA ARG/ELT 99/08 (TICA) Il presente documento descrive le modalità di coordinamento tra gestori
DettagliSistemi di Gestione dei Dati e dei Processi Aziendali. Computer-Assisted Audit Technique (CAAT)
Sistemi di Gestione dei Dati e dei Processi Aziendali Computer-Assisted Audit Technique (CAAT) Indice degli argomenti Introduzione Metodologia Esempi Conclusioni Slide 2 Introduzione Metodologia Esempi
DettagliOnestà di un dado. Relazione sperimentale
Onestà di un dado Relazione sperimentale La valutazione dell onesta di un qualunque dado a n facce è svolta mediante l analisi statistica di un set di tiri del medesimo ed il confronto con i valori teorici.
DettagliIl sistema di valutazione delle prestazioni del Comune di Arzignano. Finalità, metodo e strumenti
Il sistema di valutazione delle prestazioni del Comune di Arzignano Finalità, metodo e strumenti 1 1. LE FINALITA DEL SISTEMA DI VALUTAZIONE DELLE PRESTAZIONI Il sistema di valutazione delle prestazioni
Dettagli