Corso di Idraulica ed Idrologia Forestale
|
|
- Gloria Lolli
- 8 anni fa
- Visualizzazioni
Transcript
1 Corso di Idraulica ed Idrologia Forestale Docente: Prof. Santo Marcello Zimbone Collaboratori: Dott. Giuseppe Bombino - Ing. Demetrio Zema Lezione n. 16: Le precipitazioni (parte seconda) Anno Accademico
2 Indice Le analisi elementari delle osservazioni pluviometriche La distribuzione spaziale delle precipitazioni Tecniche per il calcolo dell altezza di pioggia ragguagliata La curva di possibilità pluviometrica Il tempo di ritorno e la probabilità di superamento La linea segnalatrice di probabilità pluviometrica Analisi statistica delle piogge La curva di possibilità pluviometrica La distribuzione di Gumbel La distribuzione TCEV La determinazione della curva di probabilità pluviometrica ragguagliata Gli ietogrammi (ietogrammi storici e sintetici) Tipi di ietogrammi sintetici
3 Materiale didattico Slides delle lezioni frontali Greppi M.: Idrologia. Il ciclo dell acqua e i suoi effetti, Ed. Hoepli, Milano, 1999 Moisello U.: Idrologia tecnica, Ed. La Goliardica Pavese, Pavia, 1999
4 Le analisi elementari delle osservazioni pluviometriche Per poter conseguire gli obiettivi che l idrologo l si prefigge le osservazioni pluviometriche devono essere opportunamente elaborate Periodi di osservazioni di anni sono in generale sufficienti per estrapolare a periodi più lunghi stime dei valori medi annui di precipitazione
5 A seconda dei volumi di precipitazione gli anni si possono classificare in secchi ed umidi dopo l ordinamento in classi dei totali annui: anni molto secchi (15% delle osservazioni) anni secchi (20%) normali (30%) umidi (20%) Le analisi elementari delle osservazioni pluviometriche molto umidi (15%)
6 Le analisi elementari delle osservazioni pluviometriche Si definisce indice di umidità dell anno il rapporto tra il totale annuo e la media dei totali annui Anche i totali mensili possono essere classificati sulla base del coefficiente pluviometrico del mese,, pari al rapporto fra la precipitazione media di ciascun mese ed 1/12 della precipitazione media annua Se tale coefficiente è maggiore di 0,6,, il mese viene considerato piovoso
7 La distribuzione spaziale delle precipitazioni La precipitazione su un area non puntuale,, ma avente una determinata estensione superficiale, non è mai costante Per calcolare l afflussol meteorico su un bacino imbrifero,, occorre passare dalle misure puntuali, eseguite in corrispondenza delle stazioni pluviometriche ricadenti all interno del bacino e supposte coincidenti con il centro di scroscio dell evento evento,, a quelle ragguagliate all intero bacino
8 La distribuzione spaziale delle precipitazioni Si definisce solido di pioggia quel prismoide che ha come base inferiore la proiezione orizzontale dell area in esame e come base superiore una superficie che si trova in ogni punto a una distanza dalla base inferiore pari all altezza altezza di pioggia caduta in quel punto Il solido di pioggia definisce l afflusso meteorico ad un bacino (si deve tuttavia tenere conto dell influenza del vento e della pendenza dei versanti)
9 La distribuzione spaziale delle precipitazioni L afflusso meteorico ad un bacino è anche pari al prodotto della sua area A per l altezza l media della precipitazione ad esso affluita, detta altezza di pioggia ragguagliata h r E possibile passare dall altezza altezza di pioggia puntuale a quella ragguagliata con diverse tecniche, che consentono di tener conto della variabilità spaziale della precipitazione
10 Tecniche per il calcolo dell altezza di pioggia ragguagliata Media aritmetica w i = 1/N (per N stazioni interne all area) area) Pesatura in funzione della distanza (griglia regolare) w i = f(d i ) Metodo delle isoiete w i = a i /A, dove: a i = superficie compresa fra due isoiete Metodo dei topoieti (Thiessen) w i = a i /A, dove: a i = area di influenza della stazione pluviometrica Metodi geostatistici (Kriging) w i : minima varianza di stima
11 Tecniche per il calcolo dell altezza di pioggia ragguagliata Metodo della media aritmetica
12 Tecniche per il calcolo dell altezza di pioggia ragguagliata
13 Tecniche per il calcolo dell altezza di pioggia ragguagliata Metodo delle isoiete: si definisce isoieta il luogo dei punti cui compete lo stesso valore di altezza di pioggia in un intervallo di tempo di determinata lunghezza (evento, giorno, mese, anno)
14 Tecniche per il calcolo dell altezza di pioggia ragguagliata Metodo delle isoiete
15 Tecniche per il calcolo dell altezza di pioggia ragguagliata Esempio Metodo delle isoiete
16 Tecniche per il calcolo dell altezza di pioggia ragguagliata Metodo dei topoieti di Thiessen I singoli pluviografi (A) vengono assegnati alle aree più vicine a essi, dopo avere tracciato le linee congiungenti le stazioni e bisezionato tali linee, costruendone le mediane Ogni poligono è formato da tali linee e, se periferico, dai limiti del bacino Il volume della pioggia media è dato dalla somma delle altezze di pioggia pesata sull area
17 Tecniche per il calcolo dell altezza di pioggia ragguagliata Metodo dei topoieti di Thiessen
18 Tecniche per il calcolo dell altezza di pioggia ragguagliata Metodo dei topoieti di Thiessen ESEMPIO ANIMATO SUL SITO INTERNET offices/weather/flash/ /flash/thiessen.swf
19 Tecniche per il calcolo dell altezza di pioggia ragguagliata Fattore di riduzione areale
20 La curva di possibilità pluviometrica Supponiamo di disporre di un periodo sufficientemente lungo di osservazioni pluviografiche (20-30 anni) per una determinata località Per ognuna di 5 durate (1, 3, 6,12 e 24 ore) ordiniamo gli N valori in ordine decrescente e rappresentiamoli in un diagramma cartesiano avente in ascissa la durata t (ore) ed in ordinata le altezze di pioggia
21 La curva di possibilità pluviometrica La curva che interpola le altezze maggiori è denominata curva dei primi casi critici (rappresenta gli eventi di pioggia raggiunti o superati una sola volta nel periodo di osservazione) Tali eventi hanno una frequenza empirica di raggiungimento o superamento pari ad 1/N Analogamente è possibile definire le curve dei secondi, terzi ed n-esimi n casi critici Tali curve sono denominate curve di possibilità pluviometrica
22 La curva di possibilità pluviometrica
23 La curva di possibilità pluviometrica Tali curve sono con buona precisione rappresentabili con la seguente espressione esponenziale: n h = at dove a ed n sono due parametri caratteristici della stazione pluviografica in esame; il loro valore numerico è determinabile con il metodo dei minimi quadrati, ricorrendo all espressione lineare che si ottiene estraendo il logaritmo della relazione precedente: h = at n log h = loga + nlogt
24 Il tempo di ritorno e la probabilità di superamento L altezza di precipitazione h si tratta in idrologia come una variabile casuale,, facendo corrispondere ad ogni suo valore un valore della probabilità di non superamento (associato ad un certo evento idrologico) è spesso associato a quello di tempo di ritorno T 1 T = P( X dove x T è la variabile caratterizzata da un tempo di ritorno T se P = 0.01, T = 100 anni x T )
25 Il tempo di ritorno e la probabilità di superamento Il tempo di ritorno di un evento di assegnata intensità è quindi interpretabile come: il numero di anni che in media separa il verificarsi di due eventi di intensità eguale o superiore a quella assegnata il numero di anni in cui l evento l di intensità assegnata viene eguagliato o superato in media una volta La probabilità di non superamento P è legata al tempo di ritorno T dalla seguente relazione: T 1 = 1 P
26 Il tempo di ritorno e la probabilità di superamento Quando si deve valutare il rischio intrinseco associato ad un certo evento, si calcola la probabilità che l evento l temibile (evento che eguaglia o supera una assegnata soglia progettuale) si verifichi almeno una volta durante la vita presunta dell opera Per scopi progettuali (ad esempio quando si voglia determinare le caratteristiche dell evento evento che portano all esondazione di un corso d acqua d e quindi insufficienza idraulica della sua sezione), si definisce un evento critico, caratterizzato da un tempo di ritorno T c, da una portata critica Q c, da una durata critica d c e da un altezza di precipitazione critica h c
27 La curva di probabilità pluviometrica Per la determinazione delle curve di probabilità pluviometrica ci si basa sull analisi delle curve di frequenza cumulata (CDF), costruite per le serie storiche dei massimi annuali delle piogge di durata 1, 3, 6, 12, 24 ore, adattando a ciascuna di esse, attraverso la stima dei parametri,, un predefinito modello probabilistico (TCEV, Gumbel,, ecc.) Dalle curve di frequenza, fissato il tempo di ritorno T (tipicamente 10, 20, 50, 100, 200, 1000 anni) e per ogni durata t è possibile, quindi, ricavare il valore h t,t I valori così determinati vengono riportati su un diagramma (h, t) ed interpolati mediante delle curve caratterizzate dall espressione h = t, T at n
28 La curva di probabilità pluviometrica Per la stima dei parametri a ed n di ciascuna curva conviene considerare la trasformata logaritmica dei valori delle precipitazioni e delle durate ed applicare il metodo dei minimi quadrati Una volta stimati i parametri è possibile entrare nella curva di probabilità pluviometrica caratterizzata da un certo tempo di ritorno e ricavare l altezza di pioggia corrispondente a durate differenti da quelle considerate dal servizio idrografico
29 La curva di probabilità pluviometrica Gli eventi di pioggia aventi durata compresa fra 1 e 24 ore vengono denominati eventi lunghi,, mentre quelli di durata inferiore ad 1 h sono denominati eventi brevi Seguendo questi ultimi dinamiche meteorologiche differenti da quelli lunghi, la curva di probabilità pluviometrica non può essere estrapolata per durate inferiori ad 1 h Si può dimostrare che il rapporto tra l altezzal di pioggia h t,t (con t < 60 minuti) e l altezzal di pioggia h 60,T (con durata 60 minuti), entrambe di tempo di ritorno T, è pari a: h h t,t 60,T = (T con s variabile in funzione della regione in esame f ) t = 60 s
30 Analisi statistica delle piogge La curva di probabilità pluviometrica serve ad esprimere in modo sintetico, per: la località a cui si riferiscono un dato tempo di ritorno T ad una data durata di pioggia d le informazioni relative alle: massime altezze di pioggia h massime intensità di pioggia i allo scopo di elaborare poi ietogrammi sintetici che siano significativi per problemi di progetto e di verifica
31 La curva di probabilità pluviometrica L obiettivo è l interpretazione delle registrazioni degli eventi verificatisi in passato in termini di probabilità di futuro accadimento Può avere espressioni: a 2 parametri (es. h = a d n ; i = a d -1 n ) a 3 parametri (es. h = a d/(b+d b+d)c; i = a/(b+d b+d)c)
32 La curva di probabilità pluviometrica L analisi di frequenza si sviluppa secondo i seguenti passi: 1. scelta di una serie campionaria (casuale, indipendente e stazionaria) 2. adattamento della legge di distribuzione di probabilità teorica al campione con l utilizzo l del più idoneo metodo di stima dei parametri 3. uso della distribuzione di probabilità adattata al campione in studio per un analisi di inferenza statistica (stima del valore del quantile x T di assegnato tempo di ritorno T) T
33 La distribuzione di Gumbel Le massime altezze di pioggia annue per assegnata durata possono seguire un legame probabilistico di tipo Gumbel o di tipo log-normale In base alla distribuzione di Gumbel si ha: dove: P(h d ) = exp( exp( (h d u d )/a d )) h d = altezza di pioggia di durata d a d = σ(h d ) u d = µ(h d ) 0.45 σ(h d ) µ(h d ), σ(h d ) = media e s.q.m. della variabile h d Per ogni durata d i parametri a d ed u d della distribuzione di probabilità P(h d ) di Gumbel sono diversi
34 La distribuzione di Gumbel In generale, trattandosi di un legame biunivoco, la distribuzione di probabilità P(h d ) può essere esplicitata rispetto ad h d Nel caso specifico della distribuzione di Gumbel si ottiene con semplici passaggi l espressione l di h d per una generica durata d e per una generica probabilità di non superamento P(h d ): h d = u d a d ln( ln(p( (P(h d ))) Sostituendo al posto di u d ed a d le loro espressioni in funzione di µ(h d ) e σ(h d ) e ricordando che V(h d ) = σ/µ si ha che: h d = µ(h d ) {1 V(h d ) [ ln( ln(p( (P(h d )))]}
35 La distribuzione di Gumbel In generale la probabilità di non superamento P è legata al tempo di ritorno T dalla relazione: P = 1 1/T Così la precedente espressione: h d = µ(h d ) {1 V(h d ) [ ln( ln(p( (P(h d )))]} può essere quindi riscritta come: h d,t = µ(h d ) {1 V(h d ) [ ln( ln(1 1/T ))]} Curva di probabilità pluviometrica di tempo di ritorno T
36 La distribuzione di Gumbel Stazione pluviografica di Trento Cartogramma probabilistico di GUMBEL massimi annuali (1 ora) y: variabile ridotta Extr.Val Expected Observed
37 La distribuzione TCEV Una migliore interpretazione probabilistica di serie caratterizzate dalla presenza di valori eccezionali (outliers) si ha con il modello a doppia componente denominato TCEV (acronimo di Two Component Extreme Value distribution), che si rappresenta con una funzione di probabilità cumulata del tipo: dove: F X (x) = funzione di probabilità cumulata (probabilità di non superamento) della variabile x nel tempo X x = variabile altezza di pioggia di durata d (h( d )
38 La distribuzione TCEV Questa distribuzione, in cui si possono distinguere formalmente una componente base (pedice 1), relativa agli eventi normali e più frequenti,, ed una componente straordinaria (pedice 2), relativa ad eventi più gravosi e rari,, permette di interpretare fisicamente il processo dei massimi annuali tramite due popolazioni distinte
39 La distribuzione TCEV I quattro parametri del modello TCEV hanno un chiaro significato fisico, dal momento che Λ 1 e Λ 2 esprimono il numero medio annuo di eventi della componente base e della straordinaria e θ 1 e θ 2 esprimono il valore medio di tali eventi
40 La distribuzione TCEV L espressione della TCEV si può mettere nella forma: equivalendo formalmente al prodotto di due funzioni di distribuzione cumulata di Gumbel,, avendo posto: con i =1, 2 e
41 La distribuzione TCEV La funzione di probabilità cumulata è esprimibile in altra forma effettuando la trasformazione di variabili: In questo caso, in modo del tutto equivalente, la si può scrivere: e i quattro parametri che caratterizzano il modello diventano Λ 1, Λ *, θ 1 e θ *
42 La distribuzione TCEV Per la determinazione di x occorre avere in definitiva una stima dei quattro parametri Λ 1, Λ *, θ 1 e θ * (ad esempio con il metodo della massima verosimiglianza) con i quali si può ricostruire integralmente la funzione di probabilità cumulata Per ridurre l incertezza l si utilizzano tecniche di analisi regionale che consentono di stimare almeno alcuni dei parametri sulla base di tutte le serie storiche ricadenti all interno di vaste aree indicate come zone e sottozone omogenee
43 La distribuzione TCEV Al 1 livello di regionalizzazione per i due parametri di forma del modello, Λ * e θ *, si può assumere un valore costante all interno di ampie zone omogenee La stima dei valori che tali parametri assumono nella singola zona omogenea risulta pertanto molto affidabile, perché si può ottenere utilizzando tutti i dati delle serie ricadenti all interno di essa
44 La distribuzione TCEV Al 2 livello di regionalizzazione,, oltre ai valori costanti dei parametri Λ * e θ * nelle zone omogenee, all interno di queste è possibile identificare sottozone omogenee,, entro cui si può ritenere costante anche il parametro di scala Λ 1 Anche in questo caso, utilizzando per la stima di Λ 1 tutti i dati delle serie ricadenti all interno della singola sottozona, risulta essere accresciuta l affidabilitl affidabilità della stima di questo parametro In totale quindi per questo livello di analisi sono tre i parametri di cui si può assumere a priori un valore regionale
45 La distribuzione TCEV Al 3 livello di regionalizzazione,, oltre ai tre parametri Λ 1, Λ * e θ * di cui si può assumere un valore regionale, identificato al livello precedente, si ottiene anche una stima regionale del quarto parametro θ 1
46 La determinazione della curva di probabilità pluviometrica ragguagliata Si procede alla determinazione dell altezza di precipitazione ragguagliata h r relativa ad un assegnata durata t ed ad un assegnato tempo di ritorno T, T moltiplicando l altezza di precipitazione puntuale h relativa alla stessa durata ed allo stesso tempo di ritorno per un opportuno coefficiente di riduzione R (o coefficiente di ragguaglio all area area), funzione del tempo di ritorno T, dell area A e della durata t h r ( t, T, A) = R( t, T, A) h( t, T )
47 La determinazione della curva di probabilità pluviometrica ragguagliata Tale concetto implica che l intera l zona alla quale si riferiscono le osservazioni sperimentali sia soggetta ad un identico regime delle precipitazioni La precipitazione puntuale viene misurata nel centro di scroscio In linea generale R: è pressochè costante con il tempo di ritorno T decresce all aumentare aumentare dell area A cresce all aumentare aumentare della durata della precipitazione t
48 Gli ietogrammi Il grafico che rappresenta l andamentol nel tempo dell intensit intensità di precipitazione (che in pratica è sempre un intensit intensità media, calcolata su intervalli di tempo di una certa durata), prende il nome di ietogramma Per la sua costruzione si procede alla discretizzazione della durata totale della pioggia in intervalli di durata idonea d, in cui si misura l'altezza di pioggia h
49 Gli ietogrammi
50 Gli ietogrammi Il rapporto fra l altezza l e la durata fornisce l'intensit intensità media nell'intervallo di discretizzazione A piccoli intervalli corrisponde un dettaglio maggiore dell'informazione, ma la quantità di dati da gestire aumenta
51 Gli ietogrammi La serie precedente può discretizzarsi in intervalli di 10', secondo la seguente tabella, cui fa fronte il grafico corrispondente
52 I singoli ietogrammi e le serie possono essere: storici,, costruiti mediante serie storiche di piogge sintetici,, costruiti secondo schemi concettuali di diversa natura Ietogrammi storici Gli ietogrammi Derivano da precipitazioni effettivamente registrate, utilizzate per ricostruire gli ietogrammi di eventi reali per: tarare un modello afflussi-deflussi deflussi,, noto l'idrogramma storico alla sezione di chiusura valutare la portata nella sezione di chiusura,, quando l'idrogramma storico non è noto
53 Ietogrammi sintetici Gli ietogrammi Per verificare o dimensionare un'opera, bisogna far riferimento a condizioni critiche Quando queste non possono esser rappresentate da un singolo ietogramma storico, si ricorre allo ietogramma sintetico
54 Tipi di ietogrammi sintetici Ietogramma rettangolare
55 Ietogramma triangolare Tipi di ietogrammi sintetici
56 Ietogramma Chicago Tipi di ietogrammi sintetici
57 Ietogramma Chicago Tipi di ietogrammi sintetici Nella sua forma generale lo ietogramma ha il picco ad un generico tempo T r, minore della durata complessiva T c : r = T r /T c La posizione del picco è determinata sulla base delle caratteristiche degli eventi pluviometrici intensi della località che interessa
11. 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
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
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
DettagliPolitecnico di Torino. Esercitazioni di Protezione idraulica del territorio
Politecnico di Torino Esercitazioni di Protezione idraulica del territorio a.a. 2012-2013 ESERCITAZIONE 1 VALUTAZIONE DELLA RARITÀ DI UN EVENTO PLUVIOMETRICO ECCEZIONALE 1. Determinazione del periodo di
DettagliStatistica descrittiva
Corso di Laurea in Ingegneria per l Ambiente ed il Territorio Corso di Costruzioni Idrauliche A.A. 2004-05 www.dica.unict.it/users/costruzioni Statistica descrittiva Ing. Antonino Cancelliere Dipartimento
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
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
DettagliCURVE DI POSSIBILITA PLUVIOMETRICA Ancona Torrette Osimo Baraccola Recanati
CURVE DI POSSIBILITA PLUVIOMETRICA Ancona Torrette Osimo Baraccola Recanati ANALISI DELLE PRECIPITAZIONI INTENSE Le curve di possibilità pluviometrica sono state stimate a partire dai dati delle massime
Dettagli1. Distribuzioni campionarie
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie
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
DettagliStima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una
DettagliLa distribuzione Normale. La distribuzione Normale
La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una
Dettagli1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:
Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi
DettagliEsame di Idrologia - 1 Gennaio 1111 Saranno assegnati tre punti per ciascuna risposta corretta. Utilizzare 4 cifre significative per le risposte.
Studente 1: nome 1 1. In un bacino idrografico di dominio 707 km 2 è stata misurata una altezza di afflusso meteorico pari a 195.1 mm in un mese di 31 giorni. Calcolare la portata media mensile del deflusso
Dettagli1. PREMESSA... 2 2. PARAMETRI IDROLOGICI DI PROGETTO... 3 3. VERIFICHE IDRAULICHE... 5
INDICE 1. PREMESSA... 2 2. PARAMETRI IDROLOGICI DI PROGETTO... 3 3. VERIFICHE IDRAULICHE... 5 PROGETTO ESECUTIVO 1/9 1. PREMESSA La presente relazione descrive gli aspetti idraulici connessi con lo smaltimento
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
DettagliCENNI DI METODI STATISTICI
Corso di Laurea in Ingegneria Aerospaziale CENNI DI METODI STATISTICI Docente: Page 1 Page 2 Page 3 Due eventi si dicono indipendenti quando il verificarsi di uno non influisce sulla probabilità di accadimento
DettagliAutomazione Industriale (scheduling+mms) scheduling+mms. adacher@dia.uniroma3.it
Automazione Industriale (scheduling+mms) scheduling+mms adacher@dia.uniroma3.it Introduzione Sistemi e Modelli Lo studio e l analisi di sistemi tramite una rappresentazione astratta o una sua formalizzazione
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
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
DettagliProbabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a)
Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B Eventi indipendenti: un evento non influenza l altro Eventi disgiunti: il verificarsi di un evento esclude l altro Evento prodotto:
Dettaglimatematica probabilmente
IS science centre immaginario scientifico Laboratorio dell'immaginario Scientifico - Trieste tel. 040224424 - fax 040224439 - e-mail: lis@lis.trieste.it - www.immaginarioscientifico.it indice Altezze e
DettagliProva di autovalutazione Prof. Roberta Siciliano
Prova di autovalutazione Prof. Roberta Siciliano Esercizio 1 Nella seguente tabella è riportata la distribuzione di frequenza dei prezzi per camera di alcuni agriturismi, situati nella regione Basilicata.
DettagliESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE
ESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE e-mail: tommei@dm.unipi.it web: www.dm.unipi.it/ tommei Ricevimento: su appuntamento Dipartimento di Matematica, piano terra, studio 114
DettagliPROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ -
DettagliSerie Storiche Trasformazioni e Aggiustamenti
Serie Storiche Trasformazioni e Aggiustamenti Per facilitare l interpretazione dei dati, si ricorre spesso a trasformazione della serie originale. I principali tipi di aggiustamenti che consideriamo sono:.
DettagliEsercizio per casa n 2: Riesame dei risultati del metodo razionale con due metodi di stima della pioggia netta. Elena Diamantini, matricola 197496
Esercizio per casa n 2: Riesame dei risultati del metodo razionale con due metodi di stima della pioggia netta. Elena Diamantini, matricola 197496 Scopo dell'esercizio è riesaminare la formulazione tradizionale
DettagliE naturale chiedersi alcune cose sulla media campionaria x n
Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile
DettagliStatistica inferenziale
Statistica inferenziale Popolazione e campione Molto spesso siamo interessati a trarre delle conclusioni su persone che hanno determinate caratteristiche (pazienti, atleti, bambini, gestanti, ) Osserveremo
DettagliLezione 1. Concetti Fondamentali
Lezione 1 Concetti Fondamentali 1 Sonetto di Trilussa Sai ched è la statistica? E E na cosa che serve pe fa un conto in generale de la gente che nasce, che sta male, che more, che va in carcere e che sposa.
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Stima puntuale per la proporzione Da un lotto di arance se ne estraggono 400, e di queste 180
DettagliUniversità del Piemonte Orientale. Corsi di Laurea Triennale di area tecnica. Corso di Statistica Medica
Università del Piemonte Orientale Corsi di Laurea Triennale di area tecnica Corso di Statistica Medica Campionamento e distribuzione campionaria della media Corsi di laurea triennale di area tecnica -
DettagliINDICE PREFAZIONE VII
INDICE PREFAZIONE VII CAPITOLO 1. LA STATISTICA E I CONCETTI FONDAMENTALI 1 1.1. Un po di storia 3 1.2. Fenomeno collettivo, popolazione, unità statistica 4 1.3. Caratteri e modalità 6 1.4. Classificazione
DettagliGUIDA AL CALCOLO DEI COSTI DELLE ATTIVITA DI RICERCA DOCUMENTALE
GUIDA AL CALCOLO DEI COSTI DELLE ATTIVITA DI RICERCA DOCUMENTALE L applicazione elaborata da Nordest Informatica e disponibile all interno del sito è finalizzata a fornirvi un ipotesi dell impatto economico
DettagliSlide Cerbara parte1 5. Le distribuzioni teoriche
Slide Cerbara parte1 5 Le distribuzioni teoriche I fenomeni biologici, demografici, sociali ed economici, che sono il principale oggetto della statistica, non sono retti da leggi matematiche. Però dalle
DettagliELEMENTI DI DEMOGRAFIA
ELEMENTI DI DEMOGRAFIA 2. Caratteristiche strutturali della popolazione Posa Donato k posa@economia.unisalento.it Maggio Sabrina k s.maggio@economia.unisalento.it UNIVERSITÀ DEL SALENTO DIP.TO DI SCIENZE
DettagliCAPACITÀ DI PROCESSO (PROCESS CAPABILITY)
CICLO DI LEZIONI per Progetto e Gestione della Qualità Facoltà di Ingegneria CAPACITÀ DI PROCESSO (PROCESS CAPABILITY) Carlo Noè Università Carlo Cattaneo e-mail: cnoe@liuc.it 1 CAPACITÀ DI PROCESSO Il
DettagliLa distribuzione Gaussiana
Università del Piemonte Orientale Corso di Laurea in Biotecnologie Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in biotecnologie - Corso di Statistica Medica La distribuzione
DettagliIndice. pagina 2 di 10
LEZIONE PROGETTAZIONE ORGANIZZATIVA DOTT.SSA ROSAMARIA D AMORE Indice PROGETTAZIONE ORGANIZZATIVA---------------------------------------------------------------------------------------- 3 LA STRUTTURA
DettagliRegressione Logistica: un Modello per Variabili Risposta Categoriali
: un Modello per Variabili Risposta Categoriali Nicola Tedesco (Statistica Sociale) Regressione Logistica: un Modello per Variabili Risposta Categoriali 1 / 54 Introduzione Premessa I modelli di regressione
DettagliLEZIONE n. 5 (a cura di Antonio Di Marco)
LEZIONE n. 5 (a cura di Antonio Di Marco) IL P-VALUE (α) Data un ipotesi nulla (H 0 ), questa la si può accettare o rifiutare in base al valore del p- value. In genere il suo valore è un numero molto piccolo,
Dettagli2. Leggi finanziarie di capitalizzazione
2. Leggi finanziarie di capitalizzazione Si chiama legge finanziaria di capitalizzazione una funzione atta a definire il montante M(t accumulato al tempo generico t da un capitale C: M(t = F(C, t C t M
DettagliVERIFICA DELLE IPOTESI
VERIFICA DELLE IPOTESI Nella verifica delle ipotesi è necessario fissare alcune fasi prima di iniziare ad analizzare i dati. a) Si deve stabilire quale deve essere l'ipotesi nulla (H0) e quale l'ipotesi
DettagliRaccomandazione del Parlamento europeo 18/12/2006 CLASSE PRIMA COMPETENZE ABILITÀ CONOSCENZE. Operare con i numeri
COMPETENZA CHIAVE MATEMATICA Fonte di legittimazione Raccomandazione del Parlamento europeo 18/12/2006 CLASSE PRIMA COMPETENZE ABILITÀ CONOSCENZE L alunno utilizza il calcolo scritto e mentale con i numeri
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
DettagliCalcolo delle probabilità
Calcolo delle probabilità Laboratorio di Bioinformatica Corso A aa 2005-2006 Statistica Dai risultati di un esperimento si determinano alcune caratteristiche della popolazione Calcolo delle probabilità
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
DettagliFondamenti e didattica di Matematica Finanziaria
Fondamenti e didattica di Matematica Finanziaria Silvana Stefani Piazza dell Ateneo Nuovo 1-20126 MILANO U6-368 silvana.stefani@unimib.it 1 Unità 9 Contenuti della lezione Operazioni finanziarie, criterio
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.
DettagliCURRICOLO DI MATEMATICA SCUOLA PRIMARIA MATEMATICA SEZIONE A : Traguardi formativi
CURRICOLO DI MATEMATICA SCUOLA PRIMARIA MATEMATICA SEZIONE A : Traguardi formativi FINE CLASSE TERZA SCUOLA PRIMARIA FINE SCUOLA PRIMARIA COMPETENZE SPECIFICHE ABILITÀ CONOSCENZE ABILITÀ CONOSCENZE Utilizzare
DettagliAnalisi e diagramma di Pareto
Analisi e diagramma di Pareto L'analisi di Pareto è una metodologia statistica utilizzata per individuare i problemi più rilevanti nella situazione in esame e quindi le priorità di intervento. L'obiettivo
DettagliIndici (Statistiche) che esprimono le caratteristiche di simmetria e
Indici di sintesi Indici (Statistiche) Gran parte della analisi statistica consiste nel condensare complessi pattern di osservazioni in un indicatore che sia capace di riassumere una specifica caratteristica
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
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
DettagliAnalisi di scenario File Nr. 10
1 Analisi di scenario File Nr. 10 Giorgio Calcagnini Università di Urbino Dip. Economia, Società, Politica giorgio.calcagnini@uniurb.it http://www.econ.uniurb.it/calcagnini/ http://www.econ.uniurb.it/calcagnini/forecasting.html
DettagliVARIABILI E DISTRIBUZIONI DI FREQUENZA A.A. 2010/2011
VARIABILI E DISTRIBUZIONI DI FREQUENZA A.A. 2010/2011 1 RAPPRESENTARE I DATI: TABELLE E GRAFICI Un insieme di misure è detto serie statistica o serie dei dati 1) Una sua prima elementare elaborazione può
DettagliCorso Integrato: Matematica e Statistica. Corso di Matematica (6 CFU)
Corso di Laurea in Scienze e Tecnologie Agrarie Corso Integrato: Matematica e Statistica Modulo: Matematica (6 CFU) (4 CFU Lezioni +2 CFU Esercitazioni) Corso di Laurea in Tutela e Gestione del territorio
DettagliPro e contro delle RNA
Pro e contro delle RNA Pro: - flessibilità: le RNA sono approssimatori universali; - aggiornabilità sequenziale: la stima dei pesi della rete può essere aggiornata man mano che arriva nuova informazione;
DettagliESAME DI STATISTICA Nome: Cognome: Matricola:
ESAME DI STATISTICA Nome: Cognome: Matricola: ISTRUZIONI: Per la prova è consentito esclusivamente l uso di una calcolatrice tascabile, delle tavole della normale e della t di Student. I risultati degli
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 3.1 Introduzione all inferenza statistica Prima Parte Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico 2013-2014
DettagliUniversità degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI
Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI 1. L azienda Wood produce legno compensato per costruzioni
DettagliESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE P.N.I. 2004
ESAME DI STAT DI LICE SCIENTIFIC CRS SPERIMENTALE P.N.I. 004 Il candidato risolva uno dei due problemi e 5 dei 0 quesiti in cui si articola il questionario. PRBLEMA Sia la curva d equazione: ke ove k e
DettagliELEMENTI DI STATISTICA PER IDROLOGIA
Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 ELEMETI DI STATISTICA PER IDROLOGIA Introduzione Una variabile si dice casuale quando assume valori che dipendono
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
Dettagli1 Serie di Taylor di una funzione
Analisi Matematica 2 CORSO DI STUDI IN SMID CORSO DI ANALISI MATEMATICA 2 CAPITOLO 7 SERIE E POLINOMI DI TAYLOR Serie di Taylor di una funzione. Definizione di serie di Taylor Sia f(x) una funzione definita
DettagliCodifiche a lunghezza variabile
Sistemi Multimediali Codifiche a lunghezza variabile Marco Gribaudo marcog@di.unito.it, gribaudo@elet.polimi.it Assegnazione del codice Come visto in precedenza, per poter memorizzare o trasmettere un
DettagliLa categoria «ES» presenta (di solito) gli stessi comandi
Utilizzo delle calcolatrici FX 991 ES+ Parte II PARMA, 11 Marzo 2014 Prof. Francesco Bologna bolfra@gmail.com ARGOMENTI DELLA LEZIONE 1. Richiami lezione precedente 2.Calcolo delle statistiche di regressione:
DettagliInsegnamento di Idrologia. Esercitazione n. 2
Insegnamento di Idrologia Esercitazione n. 2 Si vuole determinare la quota da assegnare alla sommità di un argine del Po, posto in corrispondenza del ponte ferroviario di Piacenza, dove esiste una stazione
DettagliFacciamo qualche precisazione
Abbiamo introdotto alcuni indici statistici (di posizione, di variabilità e di forma) ottenibili da Excel con la funzione Riepilogo Statistiche Facciamo qualche precisazione Al fine della partecipazione
DettagliFacoltà di Psicologia Università di Padova Anno Accademico 2010-2011
Facoltà di Psicologia Università di Padova Anno Accademico 010-011 Corso di Psicometria - Modulo B Dott. Marco Vicentini marco.vicentini@unipd.it Rev. 10/01/011 La distribuzione F di Fisher - Snedecor
DettagliCorso di Analisi Matematica. Polinomi e serie di Taylor
a.a. 2013/14 Laurea triennale in Informatica Corso di Analisi Matematica Polinomi e serie di Taylor Avvertenza Questi sono appunti informali delle lezioni, che vengono resi disponibili per comodità degli
DettagliLA STATISTICA NEI TEST INVALSI
LA STATISTICA NEI TEST INVALSI 1 Prova Nazionale 2011 Osserva il grafico seguente che rappresenta la distribuzione percentuale di famiglie per numero di componenti, in base al censimento 2001. Qual è la
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
DettagliCORSO DI DEMOGRAFIA APPLICATA 2^ PARTE. A.A. 2009-2010 PROF. GIUSEPPE DE BARTOLO
1 CORSO DI DEMOGRAFIA APPLICATA 2^ PARTE. A.A. 2009-2010 PROF. GIUSEPPE DE BARTOLO Le previsioni demografiche. Una sintesi LE PREVISIONI DEMOGRAFICHE La determinazione futura della popolazione è detta:
DettagliPer studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R
Studio di funzione Per studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R : allo scopo di determinarne le caratteristiche principali.
DettagliProgrammazione Disciplinare: Calcolo Classe: Quarte - Quinte
Istituto Tecnico Tecnologico Basilio Focaccia Salerno Programmazione Disciplinare: Calcolo Classe: Quarte - Quinte Anno scolastico 01-01 I Docenti della Disciplina Salerno, settembre 01 Anno scolastico
DettagliIndici di dispersione
Indici di dispersione 1 Supponiamo di disporre di un insieme di misure e di cercare un solo valore che, meglio di ciascun altro, sia in grado di catturare le caratteristiche della distribuzione nel suo
DettagliLE FINESTRE E L ISOLAMENTO ACUSTICO
LE FINESTRE E L ISOLAMENTO ACUSTICO Roberto Malatesta. William Marcone Ufficio Tecnico (giugno 2008) LA PROTEZIONE DAL RUMORE DEGLI EDIFICI, LA NORMATIVA NAZIONALE La maggior sensibilità delle persone
DettagliInteresse, sconto, ratei e risconti
TXT HTM PDF pdf P1 P2 P3 P4 293 Interesse, sconto, ratei e risconti Capitolo 129 129.1 Interesse semplice....................................................... 293 129.1.1 Esercizio per il calcolo dell
DettagliTraccia di soluzione dell esercizio del 25/1/2005
Traccia di soluzione dell esercizio del 25/1/2005 1 Casi d uso I casi d uso sono in Figura 1. Ci sono solo due attori: il Capo officina e il generico Meccanico. Figura 1: Diagramma dei casi d uso. 2 Modello
DettagliSoluzione di equazioni quadratiche
Soluzione di equazioni quadratiche Soluzione sulla Retta Algebrica Inseriamo sulla Retta Algebrica le seguenti espressioni polinomiali x e x 3 e cerchiamo di individuare i valori di x per i quali i punti
DettagliRicerca di outlier. Ricerca di Anomalie/Outlier
Ricerca di outlier Prof. Matteo Golfarelli Alma Mater Studiorum - Università di Bologna Ricerca di Anomalie/Outlier Cosa sono gli outlier? L insieme di dati che sono considerevolmente differenti dalla
DettagliUniversità del Piemonte Orientale. Corsi di Laurea Triennale. Corso di Statistica e Biometria. Introduzione e Statistica descrittiva
Università del Piemonte Orientale Corsi di Laurea Triennale Corso di Statistica e Biometria Introduzione e Statistica descrittiva Corsi di Laurea Triennale Corso di Statistica e Biometria: Introduzione
DettagliCapitolo 2 Distribuzioni di frequenza
Edizioni Simone - Vol. 43/1 Compendio di statistica Capitolo 2 Distribuzioni di frequenza Sommario 1. Distribuzioni semplici. - 2. Distribuzioni doppie. - 3. Distribuzioni parziali: condizionate e marginali.
DettagliESERCIZI SVOLTI PER LA PROVA DI STATISTICA
ESERCIZI SVOLTI PER LA PROVA DI STATISTICA Stefania Naddeo (anno accademico 4/5) INDICE PARTE PRIMA: STATISTICA DESCRITTIVA. DISTRIBUZIONI DI FREQUENZA E FUNZIONE DI RIPARTIZIONE. VALORI CARATTERISTICI
DettagliCapitolo 13: L offerta dell impresa e il surplus del produttore
Capitolo 13: L offerta dell impresa e il surplus del produttore 13.1: Introduzione L analisi dei due capitoli precedenti ha fornito tutti i concetti necessari per affrontare l argomento di questo capitolo:
Dettagli3. Confronto tra medie di due campioni indipendenti o appaiati
BIOSTATISTICA 3. Confronto tra medie di due campioni indipendenti o appaiati Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO
DettagliCONTINUITÀ E DERIVABILITÀ Esercizi proposti. 1. Determinare lim M(sinx) (M(t) denota la mantissa di t)
CONTINUITÀ E DERIVABILITÀ Esercizi proposti 1. Determinare lim M(sin) (M(t) denota la mantissa di t) kπ/ al variare di k in Z. Ove tale limite non esista, discutere l esistenza dei limiti laterali. Identificare
DettagliTRAGUARDI PER LO SVILUPPO DELLE COMPETENZE AL TERMINE DELLA SCUOLA PRIMARIA
SCUOLA PRIMARIA DI CORTE FRANCA MATEMATICA CLASSE QUINTA TRAGUARDI PER LO SVILUPPO DELLE COMPETENZE AL TERMINE DELLA SCUOLA PRIMARIA L ALUNNO SVILUPPA UN ATTEGGIAMENTO POSITIVO RISPETTO ALLA MATEMATICA,
DettagliLa pista del mio studio Riflettiamo sulla pista. Guida per l insegnante
Riflettiamo sulla pista Guida per l insegnante Obiettivi educativi generali Compito di specificazione - possiede capacità progettuale - è in grado di organizzare il proprio tempo e di costruire piani per
DettagliL Analisi della Varianza ANOVA (ANalysis Of VAriance)
L Analisi della Varianza ANOVA (ANalysis Of VAriance) 1 CONCETTI GENERALI Finora abbiamo descritto test di ipotesi finalizzati alla verifica di ipotesi sulla differenza tra parametri di due popolazioni
DettagliChe cosa e come valutano le prove di matematica e con quali risultati. nell A.S. 2008 2009
Che cosa e come valutano le prove di matematica e con quali risultati nell A.S. 2008 2009 Presentazione a cura di Roberta Michelini Casalpusterlengo, 8 gennaio 2010 http://www.invalsi.it/esamidistato0809/
DettagliCICLO DI GESTIONE CICLO DI GESTIONE
CICLO DI GESTIONE CICLO DI GESTIONE Entrate mezzi monetari e simili Entrate mezzi monetari e simili Finanziamenti Investimenti Trasformazioni Disinvestimenti Rimborsi o Remunerazioni Uscite mezzi monetari
DettagliOSSERVAZIONI TEORICHE Lezione n. 4
OSSERVAZIONI TEORICHE Lezione n. 4 Finalità: Sistematizzare concetti e definizioni. Verificare l apprendimento. Metodo: Lettura delle OSSERVAZIONI e risoluzione della scheda di verifica delle conoscenze
DettagliRegime finanziario dell interesse semplice: formule inverse
Regime finanziario dell interesse semplice: formule inverse Il valore attuale di K è il prodotto del capitale M disponibile al tempo t per il fattore di sconto 1/(1+it). 20 Regime finanziario dell interesse
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,
DettagliPIANO GENERALE DI BONIFICA E DI TUTELA DEL TERRITORIO
PIANO GENERALE DI BONIFICA E DI TUTELA DEL TERRITORIO (L.R. 8 maggio 29 n. 12, art. 23) PRIMA STESURA LUGLIO 21 2) CARATTERIZZAZIONE PLUVIOMETRICA DEL COMPRENSORIO CONSORZIALE CONSORZIO DI BONIFICA BACCHIGLIONE
DettagliCAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI
VERO FALSO CAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI 1. V F Un ipotesi statistica è un assunzione sulle caratteristiche di una o più variabili in una o più popolazioni 2. V F L ipotesi nulla unita
DettagliANALISI DI RISCHIO SEMIQUANTITATIVA IN SUPPORTO ALLE VALUTAZIONI IN PRESENZA DI ATMOSFERE ESPLOSIVE (ATEX)
ANALISI DI RISCHIO SEMIQUANTITATIVA IN SUPPORTO ALLE VALUTAZIONI IN PRESENZA DI ATMOSFERE ESPLOSIVE (ATEX) T. Pezzo *, D. Vannucci *, G. Uguccioni + * D Appolonia SpA, Genova + D Appolonia SpA, San Donato
Dettagli