ANALISI STATISTICA DELLE PROPRIETÀ ACUSTICHE DI SERRAMENTI DA DATI DI LABORATORIO
|
|
- Bernadetta Casadei
- 7 anni fa
- Visualizzazioni
Transcript
1 ANALISI STATISTICA DELLE PROPRIETÀ ACUSTICHE DI SERRAMENTI DA DATI DI LABORATORIO Valeria Fumagalli (1), Chiara Scrosati (2), Riccardo Borgoni (3), Fabio Scamoni (2) 1) Facoltà di Scienze Statistiche, Università degli Studi di Milano-Bicocca, Milano 2) Istituto per le Tecnologie della Costruzione, ITC-CNR, Milano 3) Dipartimento di Statistica, Università degli Studi di Milano-Bicocca, Milano 1. Abstract Visto l interesse a livello nazionale ed internazionale sulla scelta del descrittore che meglio può identificare l isolamento acustico di componenti edilizi, si è indagato quale tra R w, R w +C e R w +C tr riassuma meglio le prestazioni acustiche del serramento, utilizzando il data set delle prove di potere fonoisolante di serramenti, svolte negli ultimi decenni dal laboratorio dell ITC. Lo scopo è quello di trovare in che misura le variabili strutturali del serramento (spessore delle vetrate, R w dei vetri, materiale costituente, numero di ante, superficie e tipologia di apertura) riescano a spiegare la variabilità di R w, C e C tr ; identificare le variabili più significative e quanto queste contribuiscano singolarmente (in termini di devianza spiegata su totale). Sebbene R w, R w + C e R w + C tr siano molto correlati tra loro, le variabili strutturali risultano avere un effetto statisticamente più significativo su R w. 2. Dati utilizzati In questo articolo si presenta un lavoro di analisi statistica, sulle proprietà acustiche di serramenti, di cui si può trovare una trattazione più approfondita in [1]. L analisi statistica è stata effettuata su dati che si riferiscono a prove di laboratorio per la misura del potere fonoisolante di finestre e portefinestre. Si sono considerate le prove effettuate, negli ultimi decenni, dal Laboratorio di Acustica dell ITC-CNR di San Giuliano Milanese secondo la UNI EN ISO [2]. A partire dai relativi rapporti di prova si è costruito un dataset in cui, per ciascun serramento considerato, sono stati riportati i risultati della prova (R w, C, C tr ) e le relative caratteristiche strutturali (finestra/portafinestra, materiale, spessore del vetro, numero di ante, numero di cerniere, presenza/assenza anta a ribalta, presenza/assenza anta scorrevole, presenza/assenza cassonetto, ecc.). Il dataset contiene le informazioni relative a 109 serramenti. 1
2 39 Convegno Nazionale AIA Roma 4-6 luglio Statistiche sugli indici di valutazione I serramenti analizzati hanno R w compresi tra un valore minimo di 31 db ed un massimo di 48 db e il loro valore medio è attorno ai db (media esatta = 40.6 db). Con il test di Kolmogorov-Smirnov [3] si è confrontata la funzione di ripartizione empirica di R w con quella di una normale e le due funzioni sono risultate assimilabili. Le distribuzioni di R w +C e R w +C tr sono simili a quella di R w traslata rispettivamente del valor medio di C e del valor medio di C tr, come si vede dal confronto tra la retta di regressione e la bisettrice in figura 1 e figura 2. Ciò è dovuto al fatto che C e C tr assumono valori bassi e non variano molto sul dataset. Questo è vero in particolare per C, che fra i serramenti del dataset assume valore -1 o -2 nell 87% dei casi (e ha come valore minimo e massimo osservati rispettivamente -4 e 0 db). C tr varia invece fra -8 e -2 con mediana pari a -4. R w risulta molto correlato con gli indici R w +C e R w +C tr, in particolare più con il primo che con il secondo, come è possibile vedere in figura 1 e figura 2, con coefficiente di determinazione R 2 rispettivamente pari a e a 0.844, il che vuol dire, per e- sempio, che a partire dal valore di R w si può prevedere in modo più affidabile il valore di R w +C piuttosto che il valore di R w +C tr. Si è notato anche che C e C tr risultano avere una correlazione non trascurabile (R 2 = 0.473), come si vede in figura 3. Rw 25 R 2 = Rw 25 R 2 = Ctr Rw+C Figura 1 Scatter - plot R w vs. R w +C, in rosso la retta di regressione lineare e in nero la bisettrice. 25 Rw+Ctr Figura 2 Scatter - plot R w vs. R w +C tr, in rosso la retta di regressione lineare e in nero la bisettrice Figura 3 Scatter - plot C tr vs. C, in rosso la retta di regressione lineare. C 4. Relazioni fra potere fonoisolante e caratteristiche strutturali del serramento Sono state studiate le relazioni fra i livelli delle seguenti variabili e R w : tipologia del serramento (livelli: finestra o portafinestra); materiale (livelli: alluminio, legno, legno/metallo, PVC); numero di ante (livelli: 0, 1, 2); numero di cerniere; presenza/assenza anta a ribalta (livelli: presenza, assenza); presenza/assenza di cassonetto per l avvolgibile (livelli: presenza, assenza); numero di punti di chiusura; presenza/assenza anta scorrevole (livelli: presenza, assenza); presenza/assenza di sopraluce (livelli: presenza, assenza). 2
3 Roma 4-6 luglio Convegno Nazionale AIA L informazione sul numero di punti di chiusura non è stata in fine considerata nell analisi perché un elevato numero dei serramenti esaminati aveva questa informazione come mancante (43%). Della variabile presenza/assenza di anta scorrevole non si è potuto valutare l influenza su R w per la scarsa presenza di infissi con anta scorrevole fra quelli analizzati (6%). Una situazione analoga si è verificata per la variabile presenza/assenza di sopraluce. Le altre variabili considerate risultano invece influire significativamente su R w. In tabella 1 è riportato il risultato del test di Kruskal-Wallis [4] utilizzato per verificare tale aspetto. Il test ha evidenziato come, le mediane degli R w dei serramenti condizionate ai livelli delle diverse variabili considerate risultano essere, in molti casi, significativamente diverse. Queste variabili discriminano sulla prestazione media del potere fonoisolante (la diversità di appartenenza a un livello di una variabile piuttosto che a un altro, dà un indicazione diversa sulla sua prestazione attesa di potere fonoisolante) e, quindi, conoscere la tipologia di serramento rispetto a queste caratteristiche, può dare un importante indicazione sulla sua prestazione attesa di R w. Infine si osserva che il test di Kruskal-Wallis conferma come le tre variabili precedentemente escluse risultano essere ininfluenti (p-value > 0.01). Tabella 1 - Test di Kruskal-Wallis: una variabile è indicata significativa se dal test si perviene al rifiuto dell ipotesi di uguaglianza delle mediane di R w condizionate ai diversi livelli. Variabile Kruskal-Wallis df p-value Signific. tipologia significativa materiale E-07 significativa n ante significativa cerniere significativa p.ti di chiusura non significativa ribalta significativa scorrevole non significativa cassonetto significativa sopraluce non significativa 5. Variabili relative alla vetrata Dalla figura 4 la variabile R w del vetro sembra influire in maniera importante su R w del serramento (R 2 è pari a 0.563). Bisogna considerare però che R w del vetro è dichiarato solo nel 22% dei rapporti di prova visionati e che, per i restanti casi, è stato imputato tramite delle valutazioni di R w del vetro fornite da un produttore. Si nota dalla figura 5 che anche la variabile spessore della vetrocamera influisce molto su R w del serramento (R 2 è pari a 0.544). Dal momento che, sia la variabile R w del vetro, che la variabile spessore, sono abbastanza correlate con R w totale del serramento, per tenere conto delle caratteristiche del vetro si è preferito considerare la variabile spessore invece di R w del vetro in quanto l attendibilità dei valori è maggiore. Un altra caratteristica della vetrocamera che sembra incidere, più di altre, sulla prestazione finale di R w del serramento è la presenza o meno all interno della vetrocamera di vetri stratificati (gli infissi con i vetri non stratificati sono i punti colorati in rosso in figura 5). Inoltre, in figura 4, il fatto che il coefficiente angolare della retta di regressione lineare sia inferiore a 1 (coeff. della bisettrice) indica che per valori bassi di R w del vetro, si 3
4 39 Convegno Nazionale AIA Roma 4-6 luglio 2012 hanno valori maggiori di R w del serramento, mentre per valori alti di R w del vetro il valore di R w del serramento è minore e questo è dovuto principalmente al limite intrinseco del serramento. Il punto in cui si incrociano le due rette è circa 39 db. Rw [db] Rw [db] Rw della vetrocamera [db] Figura 4 - Scatter - plot R w vs. R w del vetro. La retta tratteggiata è la retta di regressione lineare. La linea continua è la bisettrice. I punti in nero rappresentano gli infissi il cui R w del vetro era dichiarato nel rapporto di prova spessore della vetrocamera [mm] Figura 5 - Scatter - plot R w vs. spessore del vetro. La retta tratteggiata è la retta di regressione lineare degli infissi con vetri stratificati. I punti in rosso sono gli infissi con vetri non stratificati. La retta rossa è la regressione con solo questi ultimi 6. Modellizzazione del potere fonoisolante del serramento Si è analizzato che fra gli indicatori R w, R w +C e R w +C tr quello che dipende più strettamente dalle caratteristiche strutturali dell infisso è R w. Si è creato un modello lineare [3] per la spiegazione di quest indicatore utilizzando come variabili esplicative quelle identificate come importanti nei paragrafi precedenti, con esclusione della variabile presenza/assenza di cassonetto, caratterizzata da troppe informazioni mancanti. Si è riscontrata la presenza di valori influenti, che avrebbero potuto compromettere i risultati. Si è quindi deciso di togliere queste osservazioni influenti prima di produrre le stime finali del modello. Il modello ha presentato un buon fit (R 2 =0.808, vedi figura 6). La sua performance è stata inoltre valutata tramite una procedura di cross-validation jackknife [5]. Il valore di R 2 di cross-validation è risultato comunque elevato, pari a La procedura in questione consiste nell escludere di volta in volta un osservazione dal dataset. Il modello viene ristimato sui dati rimanenti e, il valore dell osservazione esclusa, previsto in base al modello ottenuto. R 2 di cross validation è il quadrato del coefficiente di correlazione lineare tra i valori osservati e i loro corrispettivi, previsti in base alla procedura descritta. Nel 90% dei casi (del dataset) il modello sbaglia nella previsione di R w al più di 2 db (vedi figura 7). Il valore di R 2 indica che complessivamente il modello riesce a spiegare l 80.8% della devianza totale di R w. Dall analisi della varianza di tabella 1 si nota come le componenti che, all interno del modello, riescono a spiegare la maggior quota di devianza di R w sono lo spessore del vetro (che spiega il 22.69% della variabilità totale) e il materiale dell infisso (che spiega il 29.29%). Altre componenti importanti nella spiegazione sono la presenza di stratificazione nel vetro, il numero di cerniere in relazione al numero di 4
5 Roma 4-6 luglio Convegno Nazionale AIA ante e la tipologia di serramento (ciascuna delle quali spiega circa il 7-9% della devianza totale). Le variabili esplicative rappresentanti l impatto dei fattori strutturali del vetro, cioè lo spessore del vetro e la presenza/assenza di stratificazione del vetro, all interno del modello, riescono a spiegare complessivamente circa il 30% della variabilità di R w. Le restanti variabili che si riferiscono alle altre componenti strutturali dell infisso riescono a spiegarne circa il 50%. È possibile utilizzare questo modello anche con fini previsivi per avere un idea di quale possa essere la prestazione di isolamento acustico di un infisso a partire da alcune sue caratteristiche strutturali. R w Frequenza% Rw stimato dal modello Figura 6 - Scatter plot R w vs. R w stimato dal modello. Modello finale sul dataset di 102 osservazioni Residui di regressione Figura 7 - Distribuzione dei residui del modello sul dataset di 102 osservazioni. confrontata con una distribuzione normale (curva tratteggiata) Tabella 1 - Tabella ANOVA (analisi della varianza) del modello di regressione costruito per la spiegazione di R w. Dataset con 102 osservazioni. Fonte di variazione: Df Sum Sq Mean Sq F value Pr(>F) Dev.spiegata/ dev. tot Tipologia infisso E Materiale E Numero ante Cerniere E Ribalta Spessore vetro E Strati vetro E Residua Totale
6 39 Convegno Nazionale AIA Roma 4-6 luglio Conclusioni L analisi eseguita ha evidenziato che, sebbene R w, R w + C e R w + C tr siano molto correlati tra loro, le variabili strutturali, essenzialmente di tipo categoriale, risultano avere un effetto statisticamente più significativo su R w. Le variabili relative alla struttura del vetro utilizzato e alle altre caratteristiche strutturali del serramento considerate, spiegano circa l 81% della variabilità totale di R w. Tra queste sono risultate particolarmente rilevanti lo spessore del vetro e il materiale dell infisso. Un altro risultato interessante che si ottiene dall analisi di R w del serramento vs. R w del vetro è che per valori bassi di R w del vetro, si hanno valori maggiori di R w del serramento, mentre per valori alti di R w del vetro il valore di R w del serramento è minore, e questo comportamento statistico si può ricondurre al limite intrinseco del serramento. 8. Bibliografia [1] Fumagalli V., Analisi statistica delle proprietà acustiche di serramenti da dati di laboratorio, tesi di laurea discussa presso la facoltà di Scienze Statistiche dell Università degli Studi di Milano-Bicocca, A.A 2010/2011 [2] UNI EN ISO 140-3: 2006 Acustica - Misurazione dell isolamento acustico in edifici e di elementi di edificio, Parte 3: Misurazione in laboratorio dell isolamento acustico per via aerea di elementi di edificio [3] Piccolo D., Statistica, il Mulino, 2010 [4] William H. Kruskal and W. Allen Wallis. Use of ranks in one-criterion variance analysis. Journal of the American Statistical Association 47 (260): , December [5] Stone M., Cross-validatory choice and assessment of statistical predictions, 3. Royal Statistical Society. Ser. B, 36, pp , [6] UNI EN ISO 717-1: 2007 Acustica - Valutazione dell isolamento acustico in edifici e di elementi di edificio, Parte 1: Isolamento acustico per via aerea [7] UNI EN : 2010 Finestre e porte - Norma di prodotto, caratteristiche prestazionali, Parte 1: Finestre e porte esterne pedonali senza caratteristiche di resistenza al fuoco e/o tenuta al fumo [8] Scrosati C., Scamoni F., Façade Sound Insulation: the Italian Experience, Proceedings of 1st EAA EuroRegio 2010, Ljubljana, Slovenia, 2010 [9] Scamoni F., Parati L., Baccan V., Scrosati C., Le prestazioni dei serramenti dal laboratorio al collaudo in opera, in atti della Convention Nazionale del Gruppo di Acustica Edilizia, Ferrara,
Chiara Scrosati (1), Fabio Scamoni (1), Francesca Torchia (2), Paola Ricciardi (2), Paolo Deforza (3), Elena Massoletti (3), Rocco Martelli (3)
ISOLAMENTO ACUSTICO STANDARDIZZATO DI FACCIATA DI EDIFICI SCOLASTICI IN PROSSIMITÀ DELL AEROPORTO DI ORIO AL SERIO: MISURE ANTE OPERAM E PROGETTO DI BONIFICA Chiara Scrosati (1), Fabio Scamoni (1), Francesca
DettagliFINESTRE E PORTE. Determinazione isolamento acustico secondo UNI EN 14351-1:2006. Via G.M. Ferraroni 7-42100 Reggio Emilia
EUROPEAN CERTIFYING ORGANIZATION S.P.A. LABORATORIO NOTIFICATO N. 0714 AI SENSI DELLA DIRETTIVA 89/106/CEE RAPPORTO N 7/2010 FINESTRE E PORTE Determinazione isolamento acustico secondo UNI EN 14351-1:2006
DettagliLE PRESTAZIONI ACUSTICHE DEI SERRAMENTI IN RELAZIONE ALLA MARCATURA CE DEI SERRAMENTI. Dott. Andrea Bruschi Sezione di Acustica
LE PRESTAZIONI ACUSTICHE DEI SERRAMENTI IN RELAZIONE ALLA Dott. Andrea Bruschi Sezione di Acustica Situazione normativa e legislativa In questi ultimi anni si è assistito ad una crescita esponenziale nella
DettagliL ISOLAMENTO ACUSTICO DEGLI EDIFICI NELL INTORNO DEGLI AEROPORTI
L ISOLAMENTO ACUSTICO DEGLI EDIFICI NELL INTORNO DEGLI AEROPORTI Collaborazione Regione Lombardia/-CNR - Tipologia - INTERVENTO PILOTA INSONORIZZAZIONE ACUSTICA Soggetti coinvolti: Regione Lombardia -CNR
DettagliSTATISTICA. Regressione-2
STATISTICA Regressione-2 Esempio Su un campione di =5unità sono state osservate due variabili, ed : x i 1 2 3 4 5 y i 1.5 2.5 3 2.5 3.5 1. Rappresentare l andamento congiunto di in funzione di mediante
Dettaglis a Inferenza: singolo parametro Sistema di ipotesi: : β j = β j0 H 1 β j0 statistica test t confronto con valore t o p-value
Inferenza: singolo parametro Sistema di ipotesi: H 0 : β j = β j0 H 1 : β j β j0 statistica test t b j - b s a jj j0 > t a, 2 ( n-k) confronto con valore t o p-value Se β j0 = 0 X j non ha nessuna influenza
DettagliCapitolo 12 La regressione lineare semplice
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università
DettagliESTENDIBILITÀ DEL POTERE FONOISOLANTE DI SERRAMENTI E ALTRI COMPONENTI EDILIZI
Associazione Italiana di Acustica 38 Convegno Nazionale Rimini, 08-10 giugno 2011 ESTENDIBILITÀ DEL POTERE FONOISOLANTE DI SERRAMENTI E ALTRI COMPONENTI EDILIZI Roberto Baruffa (1), Andrea Celentano (2),
DettagliPREMESSA. I prezzi comprendono spese generali ed utili d impresa del 24,30% come da Prezzario succitato.
PREMESSA La presente Analisi Prezzi viene redatta utilizzando il Prezzario della Regione Piemonte 2014 edizione dicembre 2013, al fine di una migliore leggibilità del Computo Metrico Estimativo e del relativo
DettagliAnova e regressione. Andrea Onofri Dipartimento di Scienze Agrarie ed Ambientali Universitá degli Studi di Perugia 22 marzo 2011
Anova e regressione Andrea Onofri Dipartimento di Scienze Agrarie ed Ambientali Universitá degli Studi di Perugia 22 marzo 2011 Nella sperimentazione agronomica e biologica in genere è normale organizzare
DettagliLaboratorio di Statistica Aziendale Modello di regressione lineare multipla
Laboratorio di Statistica Aziendale Modello di regressione lineare multipla Michela Pasetto michela.pasetto2@unibo.it Definizione del modello OLS (semplice) L obiettivo della regressione lineare è di valutare
Dettagli0.1 Percorrenza e Cilindrata
0.1 Percorrenza e Cilindrata Iniziamo ora un analisi leggermente più complessa basata sempre sui concetti appena introdotti. Innanzi tutto possiamo osservare, dal grafico ottenuto con il comando pairs,
DettagliStatistica multivariata Donata Rodi 17/10/2016
Statistica multivariata Donata Rodi 17/10/2016 Quale analisi? Variabile Dipendente Categoriale Continua Variabile Indipendente Categoriale Chi Quadro ANOVA Continua Regressione Logistica Regressione Lineare
DettagliPsicometria con Laboratorio di SPSS 2
Psicometria con Laboratorio di SPSS 2 Regressione lineare semplice (vers. 1.2, 20 marzo 2018) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2017-18
DettagliStima dei parametri di modelli lineari
Stima dei parametri di modelli lineari Indice Introduzione................................ 1 Il caso studio................................ 2 Stima dei parametri............................ 3 Bontà delle
DettagliL'analisi bivariata (analisi della varianza e correlazione) Prof. Stefano Nobile. Corso di Metodologia della ricerca sociale
L'analisi bivariata (analisi della varianza e correlazione) Prof. Stefano Nobile Corso di Metodologia della ricerca sociale L analisi della varianza (ANOVA) La tecnica con cui si esplorano le relazioni
DettagliI SERRAMENTI IN ACUSTICA. Dr. Carola Aratari. Tecnico Competente Regione Lombardia Esperto Certificato CIC-Pnd Liv.II Acustica-Suono-Vibrazioni
Dr. Carola Aratari Tecnico Competente Regione Lombardia Esperto Certificato CIC-Pnd Liv.II Acustica-Suono-Vibrazioni IDET Srl idet@idet.it 1 ISOLAMENTO DI FACCIATA COLLAUDO PROGETTAZIONE FATTORI CHE CONTRIBUISCONO
DettagliCLASSIFICAZIONE ACUSTICA IN UN EDIFICIO RESIDENZIALE A TIPOLOGIA SERIALE: ANALISI STATISTICA DELLA PROCEDURA DI CAMPIONAMENTO
Associazione Italiana di Acustica 38 Convegno Nazionale Rimini, 08-10 giugno 2011 CLASSIFICAZIONE ACUSTICA IN UN EDIFICIO RESIDENZIALE A TIPOLOGIA SERIALE: ANALISI STATISTICA DELLA PROCEDURA DI CAMPIONAMENTO
DettagliMetodi Quantitativi per Economia, Finanza e Management. Lezione n 8 Regressione lineare multipla: le ipotesi del modello, la stima del modello
Metodi Quantitativi per Economia, Finanza e Management Lezione n 8 Regressione lineare multipla: le ipotesi del modello, la stima del modello 1. Introduzione ai modelli di regressione 2. Obiettivi 3. Le
DettagliRAPPORTO DI PROVA N /10253/CPR
Istituto Giordano S.p.A. Via Rossini, 2-47814 Bellaria-Igea Marina (RN) - Italia Tel. +39 0541 343030 - Fax +39 0541 345540 istitutogiordano@giordano.it - www.giordano.it PEC: ist-giordano@legalmail.it
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 6
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 6 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Associazione, correlazione e dipendenza tra caratteri In un collettivo di 11 famiglie è stata
DettagliINFISSI. calke.it. calke.it
INFISSI > Ecoenergy a / w > Ecoenergy al > Ecoenergy PVC calke.it calke.it Calke è attenzione per i dettagli, accurata scelta dei materiali e ricerca del design più funzionale, tecnologico e sostenibile.
Dettagli9. Esempi, difetti e cause
Grandezze di riferimento GRANDEZZA DI RIFERIMENTO R w DESCRIZIONE Indice mononumerico del potere fono isolante apparente FORUMULE PER IL CALCOLO DELL INDICE R w =10log W1/(W2+W3) R w = L1 - L2 + 10log
DettagliRegressione Lineare Semplice e Correlazione
Regressione Lineare Semplice e Correlazione 1 Introduzione La Regressione è una tecnica di analisi della relazione tra due variabili quantitative Questa tecnica è utilizzata per calcolare il valore (y)
DettagliData Mining. Prova parziale del 20 aprile 2017: SOLUZIONE
Università degli Studi di Padova Corso di Laurea Magistrale in Informatica a.a. 2016/2017 Data Mining Docente: Annamaria Guolo Prova parziale del 20 aprile 2017: SOLUZIONE ISTRUZIONI: La durata della prova
DettagliLezione 10: Interpolazione lineare Corso di Statistica Facoltà di Economia Università della Basilicata. Prof. Massimo Aria
Lezione 10: Interpolazione lineare Corso di Statistica Facoltà di Economia Università della Basilicata Prof. Massimo Aria aria@unina.it Il concetto di interpolazione In matematica, e in particolare in
DettagliMetodi Quantitativi per Economia, Finanza e Management
Metodi Quantitativi per Economia, Finanza e Management Lezione n 9 Regressione lineare multipla: la valutazione del modello, multicollinearità, metodi automatici di selezione dei regressor, analisi di
DettagliLaboratorio R Corso di Algebra e Modelli lineari (Anno Accademico )
Laboratorio R Corso di Algebra e Modelli lineari (Anno Accademico 05-6) REGRESSIONE LINEARE SEMPLICE OPEN STATISTICA 8.44 Per 8 settimanali, appartenenti alla medesima fascia di prezzo e presenti in edicola
DettagliAncova: il modello lineare in generale
Ancova: il modello lineare in generale Massimo Borelli May 9, 2014 Massimo Borelli () Ancova: il modello lineare in generale May 9, 2014 1 / 18 Contenuti 1 L analisi della covarianza la notazione di Wilkinson
DettagliAntonella Bodini Istituto di Matematica Applicata e Tecnologie Informatiche E. Magenes del CNR
Antonella Bodini Istituto di Matematica Applicata e Tecnologie Informatiche E. Magenes del CNR Materiale ad uso dei ricercatori che hanno seguito il corso di formazione interna in Statistica, edizione
DettagliSTATISTICA A K (60 ore)
STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it Richiami sulla regressione Marco Riani, Univ. di Parma 1 MODELLO DI REGRESSIONE y i = a + bx i + e i dove: i = 1,, n a + bx i rappresenta
DettagliEsercitazione 9 del corso di Statistica (parte seconda)
Esercitazione 9 del corso di Statistica (parte seconda) Dott.ssa Paola Costantini 17 Marzo 9 Esercizio 1 Esercizio Un economista del Ministero degli Esteri desidera verificare se gli accordi di negoziazione
DettagliIl modello di regressione (VEDI CAP 12 VOLUME IEZZI, 2009)
Il modello di regressione (VEDI CAP 12 VOLUME IEZZI, 2009) Quesito: Posso stimare il numero di ore passate a studiare statistica sul voto conseguito all esame? Potrei calcolare il coefficiente di correlazione.
DettagliTipologie vetri. Codici colori. Fermavetri. Parafreddi
Marzo 2014 Tipologie vetri Codici colori Prestazioni tecniche Sezione dei profili Fermavetri Accoppiamenti Profili Piantoni e traverse Aggiuntivi telaio Parafreddi Saldabilità dei telai.2.4.5.6.8.9.11.13.1.18
DettagliStabilimento di Torre di Mosto (VE) Data di campionamento. Data di consegna 31/01/2017. Numero accettazione Data di accettazione 06/02/2017
Pagina 1 di 9 Porta con vetrata singola mod. GLASS SOLUTIONS. Descrizione Campione Vetro: 4 mm (0,76 mm PVB acustico ) 4 mm. Cliente AD SOLUTIONS S.r.l. Via L. da Vinci, 4 30020 Torre di Mosto (VE) Provenienza
DettagliBiostatistica Laurea Magistrale in Biologia
Biostatistica Laurea Magistrale in Biologia Risultati dell esame del 1 Giugno 2016 Matricola 704922 715340 718052 7263 735674 741637 751823 751833 752143 752451 7537 7534 766091 766657 767606 781510 797434
DettagliStudio di osservazione, perché non viene imposto nessun trattamento alle unità campionarie
ALCUNI ESERCIZI ASSEGNATI (3 e 6 crediti) NELLA SESSIONE DI LUGLIO CON RELATIVE SOLUZIONI ATTENZIONE I VALORI OTTENUTI NEI CALCOLI (OTTENUTI CON UN SOFTWARE STATISTICO) POSSONO DIFFERIRE DI POCO DA QUELLI
DettagliMetodi statistici per la ricerca sociale Capitolo 11. Regressione Multipla e Correlazione
Metodi statistici per la ricerca sociale Capitolo 11. Regressione Multipla e Correlazione Alessandra Mattei Dipartimento di Statistica, Informatica, Applicazioni (DiSIA) Università degli Studi di Firenze
DettagliTra i non fumatori qual è la percentuale di non utilizzatori di sostanze stupefacenti? Scegli un'alternativa: a. 86% b. 10% c. 50% d. 25% e.
Domanda 1 Una misura di sintesi di una distribuzione si dice robusta se... a. Risulta particolarmente sensibile ai valori anomali (valori molto piccoli o molto grandi) c. Non risulta particolarmente sensibile
DettagliCalcolo delle prestazioni acustiche degli edifici
Calcolo delle prestazioni acustiche degli edifici Prof. Massimo Garai Facoltà di Ingegneria - Bologna massimo.garai@mail.ing.unibo.it Prof. Massimo Garai - Copyright 2006 1 Potere fonoisolante R di una
DettagliPrestazioni e soluzioni tecniche per il controllo del rumore di facciata
SAIE 2012 - FORUM Sicurezza & Sostenibilità Sabato 20 ottobre 2012 Prestazioni e soluzioni tecniche per il controllo del rumore di facciata Simone Secchi Dipartimento di Ingegneria Industriale simone.secchi@unifi.it
Dettagli0408G - A02_rev 1.0 SOMMARIO
SOMMARIO 1 INQUADRAMENTO GENERALE... 2 1.1 Aspetti energetici stato di fatto... 3 1.2 Aspetti funzionali stato di fatto... 3 2 INTERVENTO DI RIQUALIFICAZIONE ENERGETICA E FUNZIONALE... 3 2.1 Identificazione
DettagliTipologie vetri. Codici colori. Fermavetri. Parafreddi
Marzo 2014 Tipologie vetri Codici colori Prestazioni tecniche Sezione dei profili Fermavetri Accoppiamenti Profili Piantoni e traverse Aggiuntivi telaio Parafreddi Saldabilità dei telai.2.4.5.6.8.9.11.13.1.18
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@gmail.com Università degli studi di Cassino () Statistica 1 / 24 Outline 1 2 3 4 5 () Statistica 2 / 24 Dipendenza lineare Lo studio della relazione tra caratteri
DettagliCapitolo 12. Suggerimenti agli esercizi a cura di Elena Siletti. Esercizio 12.1: Suggerimento
Capitolo Suggerimenti agli esercizi a cura di Elena Siletti Esercizio.: Suggerimento Per verificare se due fenomeni sono dipendenti in media sarebbe necessario confrontare le medie condizionate, in questo
DettagliAnalisi economica NUTS (regioni) Europee
Analisi economica NUTS (regioni) Europee Con riferimento al dataset fornito: 1. Calcolare la distribuzione di frequenze assolute, relative e percentuali delle microaree NUTS per le cinque classi di popolazione
DettagliACUSTICA NEI SERRAMENTI. In sintesi
ACUSTICA NEI SERRAMENTI In sintesi 1 CONTENUTI Aspetti pratici relativi all Acustica nei serramenti 2 Il DPCM del 5/12/1997 introduce l obbligo per legge di requisiti acustici passivi delle strutture in
Dettagli10 Congresso Nazionale Ciriaf. Sviluppo Sostenibile, Tutela dell Ambiente e della Salute Umana. Atti
Centro Interuniversitario di Ricerca sull Inquinamento da Agenti Fisici - Mauro Felli Università degli Studi di Perugia Facoltà di Ingegneria 10 Congresso Nazionale Ciriaf Sviluppo Sostenibile, Tutela
DettagliRegressione. Monica Marabelli. 15 Gennaio 2016
Regressione Monica Marabelli 15 Gennaio 2016 La regressione L analisi di regressione é una tecnica statistica che serve a studiare la relazione tra variabili. In particolare, nel modello di regressione
DettagliStatistica descrittiva: analisi di regressione
Statistica descrittiva: analisi di regressione L analisi di regressione permette di esplorare le relazioni tra due insiemi di valori (p.e. i valori di due attributi di un campione) alla ricerca di associazioni.
DettagliCOLLAUDO ACUSTICO IN SITU DELLE CARATTERISTICHE ACUSTICHE INTRINSECHE DELLE BARRIERE ANTIRUMORE LUNGO LA LINEA FERROVIARIA A.C.
33 Convegno Nazionale Ischia, 10-12 maggio 6 COLLAUDO ACUSTICO IN SITU DELLE CARATTERISTICHE ACUSTICHE INTRINSECHE DELLE BARRIERE ANTIRUMORE LUNGO LA LINEA FERROVIARIA A.C. TORINO - NOVARA Massimo Garai,
DettagliRegressione Lineare Multipla
Regressione Lineare Multipla Fabio Ruini Abstract La regressione ha come scopo principale la previsione: si mira, cioè, alla costruzione di un modello attraverso cui prevedere i valori di una variabile
DettagliScheda Tecnica. Ferramenta:
Isoltek Scheda Tecnica Sistema: Profili in PVC estruso classe A, con mescole classe S (climi severi). Doppia guarnizione di battuta TPE/EPDM. Trasmittanza termica del nodo = 1,3 W/mqK. Telaio fisso: Telaio
DettagliPrestazioni ALPHA IN LINE Dimensioni ALPHA IN LINE Prestazioni ALPHA 70 Dimensioni ALPHA 70 Trasmittanza termica U =2,3 W/m2K
ALPHA ALPHA 70. ALPHA PRESTIGIO. ALPHA LUCE Prestazioni ALPHA 70 Permeabilità all aria (UNI EN 12207:2016 CLASSE 4) Tenuta all acqua (UNI EN 12208:2000 fino a E1500) Resistenza al vento (UNI EN12210:2016
DettagliStatistica economica
Statistica economica a.a. 013/14 Dr. Luca Secondi 10.a. Output tipico di un modello di regressione lineare multipla 1 Le analisi basate sul modello di regressione prevedono la stima dei coefficienti associati
DettagliScheda Tecnica. Ferramenta:
Isoltek Scheda Tecnica Sistema: Profili in PVC estruso classe A, con mescole classe S (climi severi). Doppia guarnizione di battuta TPE/EPDM. Trasmittanza termica del nodo = 1,3 W/mqK. Telaio fisso: Telaio
Dettaglilezione n. 6 (a cura di Gaia Montanucci) Verosimiglianza: L = = =. Parte dipendente da β 0 e β 1
lezione n. 6 (a cura di Gaia Montanucci) METODO MASSIMA VEROSIMIGLIANZA PER STIMARE β 0 E β 1 Distribuzione sui termini di errore ε i ε i ~ N (0, σ 2 ) ne consegue : ogni y i ha ancora distribuzione normale,
DettagliI problemi dalle nuove normative: dall acustica all illuminazione e ventilazione naturale
I problemi dalle nuove normative: dall acustica all illuminazione e ventilazione naturale Simone Secchi Dipartimento Tecnologie dell Architettura e Design Pierluigi Spadolini simone.secchi@unifi.it http://www.taed.unifi.it/fisica_tecnica
DettagliMetodi statistici per l economia (Prof. Capitanio) Slide n. 10. Materiale di supporto per le lezioni. Non sostituisce il libro di testo
Metodi statistici per l economia (Prof. Capitanio) Slide n. 10 Materiale di supporto per le lezioni. Non sostituisce il libro di testo 1 REGRESSIONE LINEARE Date due variabili quantitative, X e Y, si è
DettagliNel modello omoschedastico la varianza dell errore non dipende da i ed è quindi pari a σ 0.
Regressione [] el modello di regressione lineare si assume una relazione di tipo lineare tra il valore medio della variabile dipendente Y e quello della variabile indipendente X per cui Il modello si scrive
DettagliLa scelta dei campioni e relativi test Secondo Normativa UNI EN
La scelta dei campioni e relativi test www.giordano.it La scelta dei campioni e relativi test Secondo Normativa UNI EN 14351-1 2 La scelta dei campioni e relativi test www.giordano.it Con questa breve
DettagliUniversità degli Studi di Padova Facoltà di Scienze Politiche
Università degli Studi di Padova Facoltà di Scienze Politiche STATISTICA Nuovo ordinamento Scienze Sociologiche Prof.ssa A. Dalla Valle Vecchio ordinamento Prova del 27/6/2007 (A) Cognome e nome: N. matricola:
DettagliStatistica di base per l analisi socio-economica
Laurea Magistrale in Management e comunicazione d impresa Statistica di base per l analisi socio-economica Giovanni Di Bartolomeo gdibartolomeo@unite.it Definizioni di base Una popolazione è l insieme
Dettagliper togliere l influenza di un fattore es.: quoziente di mortalità = morti / popolazione
Rapporti statistici di composizione la parte rispetto al tutto percentuali di derivazione per togliere l influenza di un fattore es.: quoziente di mortalità = morti / popolazione di frequenza (tassi) rapporti
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 19-Rapporto fra varianze e 20-Introduzione all Anova vers. 1.0 (5 dicembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,
DettagliSOLUZIONI DI ALCUNI ESERCIZI. Appello del
SOLUZIONI DI ALCUNI ESERCIZI Appello del 21-06- 2012 E stato osservato per un certo tempo un tipo di piccoli animali galleggianti (zooplankton- Daphnia magna) e si è notato che questi animali tendono ad
DettagliStatistica Descrittiva Soluzioni 7. Interpolazione: minimi quadrati
ISTITUZIONI DI STATISTICA A. A. 2007/2008 Marco Minozzo e Annamaria Guolo Laurea in Economia del Commercio Internazionale Laurea in Economia e Amministrazione delle Imprese Università degli Studi di Verona
Dettagli7. La facciata e gli impianti: Le facciate
Problemi principali Il progetto delle facciate richiede particolari accorgimenti nella fase di progetto acustico Sono infatti numerose le variabili che determinano il buon funzionamento acustico della
DettagliESEMPI DI DOMANDE PER LA PROVA SCRITTA DI STATISTICA SOCIALE
ESERCITAZIONE DI FINE CORSO ESEMPI DI DOMANDE PER LA PROVA SCRITTA DI STATISTICA SOCIALE 1. Si prenda in esame la seguente tabella che riporta la suddivisione di una popolazione femminile per titolo di
DettagliDESCRIZIONE DELLE VOCI unità I M P O R T I E DEGLI di Quantità E L E M E N T I misura unitario TOTALE
pag. 1 Nr. 1 RIMOZIONE DI INFISSI IN LEGNO, inclusi la parte vetrata, il cassonetto e il telo D.0012.F001. avvolgibile in PVC; compresi altresì il telaio, il controtelaio, la smuratura delle 0001 grappe
DettagliIndice. Fondamenti di acustica: il controllo del rumore nei sistemi edilizi
Indice Introduzione pag. XI Parte I Capitolo 1 Fondamenti di acustica: il controllo del rumore nei sistemi edilizi 1.1 Fondamenti di acustica Natura del suono e principali grandezze acustiche - I campi
DettagliLa curva di regressione è il luogo dei punti aventi come ordinate le medie condizionate
Correlazione e regressione Correlazione: le due variabili casuali sono considerate in modo per così dire simmetrico. Regressione: una delle due variabili dipende dall'altra, che per così dire la precede
DettagliEFFETTI DELL ESSICCAZIONE SUL POTERE FONOISOLANTE DI PARETI IN MURATURA
Associazione Italiana di Acustica 35 Convegno Nazionale Milano, 11-13 giugno 2008 EFFETTI DELL ESSICCAZIONE SUL POTERE FONOISOLANTE DI PARETI IN MURATURA Fabio Scamoni, Chiara Scrosati Istituto per le
DettagliComprendere i fenomeni vuol dire studiare le relazioni tra 2 o più variabili. Esiste un legame tra le variabili?
Comprendere i fenomeni vuol dire studiare le relazioni tra 2 o più variabili. Esiste un legame tra le variabili? Quale tipo di legame? Quanto forte? Siamo sicuri che non sia dovuto al caso? Tutti i modelli
Dettaglib) Calcolare la devianza tra i gruppi (devianza esterna), la devianza entro i gruppi (devianza interna) e la devianza totale
ESERCIZIO 1 La tendenza recente del mercato dell auto vede i veicoli SUV ed i fuoristrada sempre di più soppiantare le macchine tradizionali. Il loro utilizzo, soprattutto nei centri cittadini, viene criticato
DettagliMatematica Lezione 22
Università di Cagliari Corso di Laurea in Farmacia Matematica Lezione 22 Sonia Cannas 14/12/2018 Indici di posizione Indici di posizione Gli indici di posizione, detti anche misure di tendenza centrale,
DettagliAnalisi della varianza a una via
Analisi della varianza a una via Statistica descrittiva e Analisi multivariata Prof. Giulio Vidotto PSY-NET: Corso di laurea online in Discipline della ricerca psicologico-sociale SOMMARIO Modelli statistici
DettagliSTATISTICA MULTIVARIATA SSD MAT/06
Università degli studi di Ferrara Dipartimento di Matematica A.A. 2018/2019 I semestre STATISTICA MULTIVARIATA SSD MAT/06 LEZIONE 4 - Questioni di analisi e applicazione della regressione lineare Pratica
DettagliPassaporto delle prestazioni del prodotto Schüco Sistemi scorrevoli in alluminio
Passaporto delle prestazioni del prodotto Schüco Sistemi scorrevoli in alluminio Secondo la EN 35- : 006-03 MB007805_DE-00 Valido fino al 3..0 Riferimenti normativi EN 35- (006-03) Finestre e porte esterne
DettagliVALUTAZIONI PRELIMINARI SUGLI INDICI DI PRESTAZIONE ENERGETICA NEL SETTORE DELLA PRODUZIONE DEL VETRO
AGENZIA NAZIONALE PER LE NUOVE TECNOLOGIE, L ENERGIA E LO SVILUPPO ECONOMICO SOSTENIBILE VALUTAZIONI PRELIMINARI SUGLI INDICI DI PRESTAZIONE ENERGETICA NEL SETTORE DELLA PRODUZIONE DEL VETRO 2 AGENZIA
DettagliANALISI SPERIMENTALE DEL POTERE FONOISOLANTE DI PARETI IN LEGNO
Associazione Italiana di Acustica 35 Convegno Nazionale Milano, 11-13 giugno 8 ANALISI SPERIMENTALE DEL POTERE FONOISOLANTE DI PARETI IN LEGNO Antonino Di Bella (1), Nicola Granzotto (1), Andrea Ferro
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2015-2016 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliSISTEMA 600 SEKUR. S6-i
SISTEMA 600 SEKUR S6-i S6-ii SISTEMA 600 SEKUR Caratteristiche del sistema e dotazioni di serie Serramento in PVC a 3 guarnizioni Telaio spessore 74mm Anta standard sagomata lato esterno (semicomplanare)
Dettaglilezione 4 AA Paolo Brunori
AA 2016-2017 Paolo Brunori dove eravamo arrivati - abbiamo individuato la regressione lineare semplice (OLS) come modo immediato per sintetizzare una relazione fra una variabile dipendente (Y) e una indipendente
DettagliAnalisi descrittiva: calcolando medie campionarie, varianze campionarie e deviazioni standard campionarie otteniamo i dati:
Obiettivi: Esplicitare la correlazione esistente tra l altezza di un individuo adulto e la lunghezza del suo piede e del suo avambraccio. Idea del progetto: Il progetto nasce dall idea di acquistare scarpe
DettagliStatistica Applicata Corso di Laurea in Scienze Naturali a. a. 2017/2018
Statistica Applicata Corso di Laurea in Scienze Naturali a. a. 2017/2018 prof. Federico Plazzi 22 Gennaio 2018 Nome: Cognome: Matricola: Alcune indicazioni: La prova è constituita da cinque esercizi; dopo
DettagliISOLAMENTO ACUSTICO. di Alessandro Schiavi, Franco Alasia, Andrea Pavoni Belli, Mario Corallo, e Francesco Russo
ISOLAMENTO ACUSTICO Determinazione della rigidità dinamica a lungo periodo di Alessandro Schiavi, Franco Alasia, Andrea Pavoni Belli, Mario Corallo, e Francesco Russo La valutazione delle prestazioni e
DettagliDichiarazione delle caratteristiche prestazionali Schüco di cui alla norma DIN EN :
Schüco Corona Alu Inside CT SI 7082 AS EuroLine Sistemi in PVC Porte e finestre Dichiarazione delle caratteristiche prestazionali Schüco di cui alla norma DIN EN 1351-1:2016-12 Nr. Nr. KS1007765_DE-01
DettagliMetodi statistici per la ricerca sociale Capitolo 13. Combinare regressione e ANOVA: predittori categoriali e quantitativi
Metodi statistici per la ricerca sociale Capitolo 13. Combinare regressione e ANOVA: predittori categoriali e quantitativi Alessandra Mattei Dipartimento di Statistica, Informatica, Applicazioni (DiSIA)
DettagliVALUTAZIONI PRELIMINARI SUGLI INDICI DI PRESTAZIONE ENERGETICA NEL SETTORE DELLA PRODUZIONE DEL VETRO
VALUTAZIONI PRELIMINARI SUGLI INDICI DI PRESTAZIONE ENERGETICA NEL SETTORE DELLA PRODUZIONE DEL VETRO Premessa... 1 Processo di costruzione degli IPE di riferimento... 2 Fabbricazione di vetro cavo...
DettagliSTATISTICA. Esercitazione 5
STATISTICA Esercitazione 5 Esercizio 1 Ad un esame universitario sono stati assegnati in modo casuale due compiti diversi con i seguenti risultati: Compito A Compito B Numero studenti 102 105 Media dei
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 07a-Ripasso: Anova ad un fattore (v. 1.9a, 29 dicembre 2018) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliIl modello di regressione lineare multipla. Il modello di regressione lineare multipla
Introduzione E la generalizzazione del modello di regressione lineare semplice: per spiegare il fenomeno d interesse Y vengono introdotte p, con p > 1, variabili esplicative. Tale generalizzazione diventa
DettagliStatistica. Capitolo 12. Regressione Lineare Semplice. Cap. 12-1
Statistica Capitolo 1 Regressione Lineare Semplice Cap. 1-1 Obiettivi del Capitolo Dopo aver completato il capitolo, sarete in grado di: Spiegare il significato del coefficiente di correlazione lineare
DettagliOTTIMIZZAZIONE DELLE PROPRIETÀ ASSORBENTI DI UNA BARRIERA STRADALE ANTIRUMORE SOSTENIBILE IN LEGNO E LANA
Associazione Italiana di Acustica 43 Convegno Nazionale Alghero, 25-27 maggio 2016 OTTIMIZZAZIONE DELLE PROPRIETÀ ASSORBENTI DI UNA BARRIERA STRADALE ANTIRUMORE SOSTENIBILE IN LEGNO E LANA Andrea Prato,
Dettaglile scale di misura scala nominale scala ordinale DIAGNOSTICA PSICOLOGICA lezione si basano su tre elementi:
DIAGNOSTICA PSICOLOGICA lezione! Paola Magnano paola.magnano@unikore.it si basano su tre elementi: le scale di misura sistema empirico: un insieme di entità non numeriche (es. insieme di persone; insieme
Dettaglii) Si tratta di uno studio di osservazione V F ii) Quale delle seguenti affermazioni è corretta? a b c
I COMPITO (3 crediti) ESERCIZIO 1 E stata effettuata una ricerca per studiare se il raccolto di una particolare specie di cereale Y (t/ha) è correlato linearmente con la quantità di fertilizzante applicato
Dettagli