Insegnamento di Idrologia. Esercitazione n. 4
|
|
- Dionisia Piva
- 7 anni fa
- Visualizzazioni
Transcript
1 Insegnamento di Idrologia Esercitazione n. 4 Si vogliono costruire delle opere di difesa lungo un affluente del torrente Staffora. Poiché non esistono osservazioni di portata, occorre stimare la portata di piena a partire da uno ietogramma di progetto con tempo di ritorno di 30 anni. Il bacino a monte del tratto interessato dai lavori ha un'area di 26,45 km 2. Il tempo di corrivazione, stimato con la formula di Giandotti, è di 2,07 h. Per le elaborazioni sono disponibili le osservazioni effettuate alla stazione pluviometrica di Varzi nel periodo , pubblicate nella tabella Precipitazioni di notevole intensità e breve durata registrate ai pluviografi e nella tabella Precipitazioni di massima intensità registrate ai pluviografi degli Annali Idrologici. Per le elaborazioni sono disponibili dei programmi di calcolo automatico. Effettuare le seguenti elaborazioni: 1) Determinare la curva di possibilità climatica della pioggia puntuale corrispondente al tempo di ritorno di 30 anni. 2) Determinare, per il tempo di ritorno di 30 anni, lo ietogramma di progetto di Sifalda, ponendo la durata dello ietogramma uguale al tempo di corrivazione ed effettuando il ragguaglio della pioggia all'area del bacino in due modi diversi: assumendo un coefficiente di ragguaglio variabile e assumendo un coefficiente di ragguaglio costante. 3) Determinare la curva di possibilità climatica della pioggia ragguagliata corrispondente al tempo di ritorno di 30 anni. 4) Determinare, per il tempo di ritorno di 30 anni, gli ietogrammi di progetto di Huff corrispondenti ai quattro quartili e alla probabilità di non superamento 0,5, ponendo la durata degli ietogrammi uguale al tempo di corrivazione. 5) Confrontare gli ietogrammi ottenuti. (Vale la pena di osservare, a proposito degli ietogrammi di Huff, che l'area del bacino considerato è di molto inferiore a 50 mi 2.)
2 Varzi: precipitazioni di notevole intensità e breve durata registrate al pluviografo (con l'eccezione dei valori contrassegnati con un asterisco, che sono precipitazioni di massima intensità registrate al pluviografo) Anno Durata [min] h 2h , , ,0 53, ,0* ,0* ,0* ,0* ,0* ,0* ,0* ,0* ,0 9,7 13, ,5 11,0 21, ,5 7,4 10, ,6 12,0 14,0 20, ,0 9,6 23,0 11,0 10,2 28,0 9,0 8,0 12,5 14,5 16,0 21,0 12,4 32,0 11,0 10, ,0 20,0 23, ,2 18,2 20, ,2 23, ,6 19, ,8 12, ,6 18,0 21, ,8 17,4 19, ,4 15, ,4 18, ,0 11,0 16, ,6 28,4 20, ,0 11,0 27,4 16, , ,2 29, , ,0 35,8 22, ,4 29,0
3 (continua) Anno Durata [min] h 2h ,8 17, ,6 24, ,6 35,0 26, ,0 15, , ,0 17,4 27, ,8 11,0 13, ,6 16,8 19, ,4 15,6 21,0 Varzi: precipitazioni di massima intensità registrate al pluviografo Anno Durata [h] Anno Durata [h] ,0 32,0 39,0 41,0 70, ,8 26,0 30,0 36,4 49, ,0 16,0 28,5 40,0 72, ,4 54,8 73,2 75,0 79, ,5 44,0 62,0 106, ,4 20,4 29,2 51,4 84, ,0 37,0 49,0 55,0 63, ,2 24,0 29,8 33,8 44, ,0 33,0 40,0 46,0 52, ,0 30,0 32,6 35,0 48, ,0 65,0 84,0 102,0 129, ,0 30,2 49,4 65,4 86, ,0 35,0 39,0 39,5 69, ,4 31,0 38,8 66,4 113, ,0 28,0 42,0 52,0 66, ,2 41,0 45,0 49,0 71, ,0 28,0 37,0 48,0 65, ,6 35,8 35,8 50,0 81, ,0 31,0 38,0 46,0 55, ,8 37,0 59,6 80,4 109, ,0 40,0 44,0 46,0 50, ,0 31,0 42,4 43,0 50, ,5 29,0 30,7 36,5 46, ,4 32,8 63,4 71,8 96, ,5 19,5 21,0 23,0 31, ,8 73,0 78,0 78,0 78, ,4 24,0 33,0 41,0 58, ,2 41,2 45,4 57,0 57, ,0 54,2 54,2 59,0 92, ,6 38,2 40,6 43,0 44, ,0 40,0 40,0 42,0 51, ,8 22,0 32,6 35,4 41, ,8 24,0 33,0 56,8 56, ,8 57,2 57,2 57, ,8 33,4 33,4 36,2 36, ,4 20,4 28,0 46,4 61, ,0 33,0 46,0 46,0 46, ,8 27,0 28,6 41,6 56, ,0 24,8 36,0 46,4 63, ,2 23,2 25,8 28,2 45, ,2 31,6 31,6 49,2 53,0
4 Elaborazioni Preparazione dei dati I dati provengono da due tabelle diverse degli Annali idrologici: dalla tabella Precipitazioni di notevole intensità e breve durata registrate ai pluviografi e dalla tabella Precipitazioni di massima intensità registrate ai pluviografi. I dati della seconda tabella sono esplicitamente presentati come massimi annuali. Invece quelli della prima tabella non sono necessariamente dei massimi annuali, ma sono semplicemente dei valori di precipitazione notevoli, che il rilevatore ha ritenuto opportuno mettere in evidenza. E in effetti la tabella fornisce spesso, per una stessa durata, più valori tra loro diversi. Per ricavare dalla prima tabella dei valori che si possano ragionevolmente assumere come massimi annuali relativi alle diverse durate occorre dunque effettuare due operazioni: in primo luogo occorre scegliere, per ogni durata, un solo valore, quello massimo; in secondo luogo occorre eliminare le incongruenze, vale a dire eliminare tutti i valori che risultino inferiori a quelli osservati nello stesso anno in corrispondenza di durate più brevi di quella considerata. I valori così selezionati sono con buona probabilità davvero dei massimi annuali. I campioni costituiti dai dati selezionati presentano però un difetto, che non è facilmente eliminabile (e che normalmente non si tenta nemmeno di eliminare). Negli anni in cui per una certa durata non sono state osservate altezze di pioggia notevoli, il rilevatore non ha inserito alcun valore; ci si deve quindi attendere che i campioni così ottenuti siano costituiti da insiemi di valori mediamente più alti di quelli di cui sono costituite le distribuzioni dei massimi annuali. Le operazioni sopra descritte producono, nel caso della stazione di Varzi, campioni di dimensione molto diversa. Per le elaborazioni si prendono in considerazione solo le durate (otto in tutto) per cui i campioni sono costituiti da almeno 10 elementi. Con questo criterio si ricavano dalla tabella Precipitazioni di notevole intensità e breve durata registrate ai pluviografi i campioni relativi a tre sole durate: 0,25 h (14 elementi), 0,50 h (29 elementi) e 0,75 h (14 elementi). Dalla tabella Precipitazioni di massima intensità registrate ai pluviografi, per la quale non esistono problemi di selezione dei dati, si ricavano campioni di 40 elementi per le durate di 1 h e di 3 h e campioni di 41 elementi per le durate di 6 h, 12 h e 24 h. Determinazione della curva di possibilità climatica della pioggia puntuale Scelta della distribuzione e stima dell'altezza di precipitazione Il tipo di distribuzione di probabilità dell'altezza di precipitazione massima annuale si assume lo stesso per tutte le durate e si sceglie adoperando (ripetutamente) il programma MASSIMI (versione 2011), per il cui uso si rimanda all'illustrazione dell'esercitazione n. 2. Il programma prevede l'uso di sei diversi tipi di distribuzione di probabilità, tutti a due parametri (poiché i campioni sono di dimensione piuttosto ridotta, è conveniente mantenere basso anche il numero dei parametri).
5 Nell'utilizzare il programma si prendono in considerazione tutte e sei le distribuzioni e ci si limita al calcolo dell'altezza di pioggia con tempo di ritorno di 30 anni. Distribuzione di Gumbel La distribuzione di Gumbel (o distribuzione asintotica del massimo valore del I tipo) è illimitata inferiormente e superiormente. La funzione di probabilità è rappresentata dall'espressione P(x) = exp{-exp[-α(x - u)]}. I parametri α e u sono legati alla media µ(x) e allo scarto quadratico medio σ(x) dalle relazioni α = 1,283, σ(x) u = µ(x) - 0,450σ(x). Distribuzione lognormale a due parametri La distribuzione lognormale a due parametri è limitata inferiormente, con limite inferiore uguale a zero, e illimitata superiormente. La distribuzione è caratterizzata dal fatto che a seguire la legge normale non è la variabile originaria x, ma il suo logaritmo naturale y. La funzione di probabilità è rappresentata dall'espressione P(x) = P(y) = - y 1 2π σ(y) exp y - µ(y) 2 σ(y) dy. Poiché la variabile y è distribuita normalmente ci si può ricondurre alla variabile gaussiana standardizzata u per mezzo della trasformazione u = ay + b, i cui parametri a e b sono forniti dalle espressioni a = 1 ln 1 +, σ 2 (x) µ 2 (x)
6 b = 1 - a ln µ(x). 2a Distribuzione Gamma a due parametri La distribuzione Gamma a due parametri è illimitata inferiormente, con limite inferiore uguale a zero, e illimitata superiormente. La funzione di probabilità della distribuzione Gamma è rappresentata dall'espressione P(x) = α γ x γ-1 e -αx dx. Γ(γ) 0 x I due parametri α e γ sono legati alla media µ(x) e allo scarto quadratico medio σ(x) dalle relazioni α = µ(x) σ 2 (x), µ γ = 2 (x) σ 2 (x). Distribuzione di Fréchet a due parametri La distribuzione di Fréchet (o distribuzione asintotica del massimo valore del II tipo) a due parametri è limitata inferiormente, con limite inferiore uguale a zero, e illimitata superiormente. La funzione di probabilità della distribuzione di Fréchet a due parametri è rappresentata dall'espressione P(x) = exp - x u -k, dove il parametro k è sempre positivo (e maggiore di uno affinché esista la media, di due affinché esista la varianza). I due parametri u e k sono legati alla media µ(x) e allo scarto quadratico medio σ(x) dalle relazioni µ(x) = u Γ 1-1 k,
7 σ 2 (x) = u 2 Γ 1-2 k - Γ k Distribuzione di Weibull a due parametri La distribuzione di Weibull a due parametri è limitata inferiormente, con limite inferiore uguale a zero, e illimitata superiormente. La funzione di probabilità della distribuzione di Weibull coincide con la funzione di probabilità (di non superamento) della distribuzione asintotica del minimo valore del III tipo a due parametri. (Il campo di esistenza della variabile che riveste il maggiore interesse è però naturalmente diverso nei due casi.) La funzione di probabilità è rappresentata dalla funzione k, P(x) = 1 - exp - x u dove il parametro k è sempre positivo. I due parametri u e k sono legati alla media µ(x) e allo scarto quadratico medio σ(x) dalle relazioni µ(x) = u Γ k, σ 2 (x) = u 2 Γ k - Γ k. Distribuzione loglogistica a due parametri La distribuzione loglogistica è limitata inferiormente, con limite inferiore uguale a zero, e illimitata superiormente. La funzione di probabilità (che coincide con la distribuzione logistica del logaritmo naturale di x) è rappresentata dalla funzione x β P(x) = α β + x. β I due parametri α e β (che deve essere maggiore di uno affinché esista la media, di due affinché esista la varianza) sono legati alla media µ(x) e allo scarto quadratico medio σ(x) dalle relazioni µ(x) = πα, β sin(π/β)
8 σ 2 (x) = α 2 2π - π 2 βsin(2π/β) β. 2 sin 2 (π/β) Si applica il programma MASSIMI ai campioni dei massimi annuali di precipitazione delle diverse durate e si stimano, per tutte le distribuzioni di probabilità previste dal programma, i parametri e l'altezza di precipitazione con tempo di ritorno di 30 anni. In generale il grado di adattamento della distribuzione alle osservazioni varia con il tipo di distribuzione e con la durata della precipitazione. Per tutte le durate si sceglie lo stesso tipo di distribuzione, quello che mediamente si adatta meglio, considerando tutte le durate. Nelle due tabelle che seguono sono riportati i valori calcolati del criterio X 2 del test di Pearson e quelli del massimo livello di significatività con cui si può accettare l'ipotesi che il campione provenga dal tipo di distribuzione considerato. (Sono riportati in grassetto i minimi di X 2 e i massimi di α.) Criterio X 2 del test di Pearson Durata t [h] Distribuzione 0,25 0,50 0, Gumbel 0,286 7,724 0,286 2,800 2,000 4,463 3,293 2,512 Lognormale 0,286 7,724 0,286 2,800 3,600 5,244 3,293 2,512 Gamma 0,286 6,000 0,286 2,400 4,400 6,805 5,244 5,634 Fréchet 0,286 14,276 0,286 3,200 10,00 8,756 5,634 3,683 Weibull 0,286 3,931 0,286 6,400 16,00 13,049 10,317 11,098 Loglogistica 0,286 7,379 0,286 2,000 1,200 4,854 2,512 6,415 Massimo livello di significatività α del test di Pearson Durata t [h] Distribuzione 0,25 0,50 0, Gumbel - 0,062-0,817 0,904 0,605 0,756 0,850 Lognormale - 0,062-0,817 0,716 0,509 0,756 0,850 Gamma - 0,124-0,863 0,613 0,343 0,509 0,463 Fréchet - 0,004-0,768 0,132 0,195 0,463 0,706 Weibull - 0,278-0,382 0,016 0,047 0,119 0,092 Loglogistica - 0,071-0,904 0,968 0,556 0,850 0,380 Poiché il numero di parametri è uguale per tutte le distribuzioni, i valori del criterio X 2 sono comparabili tra di loro. In base al criterio X 2 le distribuzioni che presentano il migliore
9 adattamento sono la distribuzione di Gumbel e quella loglogistica: la prima presenta il minimo valore di X 2 per due durate, la seconda per tre. Un analogo risultato si ottiene considerando il massimo livello di significatività α: la distribuzione di Gumbel presenta il massimo valore di α per due durate, quella loglogistica per tre. (Per le durate di 0,25 h e di 0,75 h il massimo livello di significatività non può essere calcolato, perché le osservazioni sono troppo poche; la tabella del criterio X 2 mostra comunque che il grado di adattamento è lo stesso per tutte le distribuzioni.) Come criterio di scelta si adotta la media del massimo livello di significatività α calcolata su tutte le durate (6) per cui il valore del massimo livello di significatività è stato calcolato. Le medie sono riportate nella tabella che segue. (È riportato in grassetto il massimo di α.) Distribuzione Valore medio di α Gumbel 0,666 Lognormale 0,618 Gamma 0,486 Fréchet 0,378 Weibull 0,156 Loglogistica 0,622 In base al criterio adottato si sceglie la distribuzione di Gumbel. È comunque opportuno osservare che il grado di adattamento è molto simile per la distribuzione di Gumbel, per quella lognormale e per quella loglogistica. Nella tabella che segue sono contenuti i valori dell'altezza di precipitazione h con tempo di ritorno di 30 anni ottenuti per le diverse durate t applicando la distribuzione di Gumbel: t [h] 0,25 0,50 0, h [mm] 23,77 31,52 34,51 45,32 60,03 72,32 84,06 114,24 Preparazione del file dati per il programma PIOGGIA Il programma PIOGGIA (versione 2012), che si utilizza per effettuare le elaborazioni seguenti, richiede un file dati preparato in un formato prestabilito. Il file dati è costituito - da un commento, costituito da un numero illimitato di righe di testo, ciascuna compresa tra due apici (non virgolette) e composta di non più di 80 caratteri; - da un codice di fine testo, costituito da tre asterischi contigui, compresi tra due apici; - da una riga che contiene il numero 0 (zero) oppure 1 (uno), a seconda che le osservazioni siano senza etichetta, oppure che ogni osservazione sia preceduta da un'etichetta; - dall'insieme delle durate (in ore) e delle altezze di pioggia calcolate (in millimetri); su ogni riga si riporta una sola durata, seguita dall'altezza di pioggia corrispondente; un'eventuale etichetta
10 deve essere compresa tra due apici, deve essere posta sulla stessa riga dell'osservazione e precederla; il modo più comodo per separare tra loro la durata e l'altezza di pioggia (e l'eventuale etichetta) è di interporre un carattere TAB. Tutti i numeri decimali si scrivono utilizzando il punto, non la virgola, come separatore dei decimali. L'ultima riga può essere seguita da un numero indefinito di righe vuote. Uso del programma PIOGGIA Il programma PIOGGIA permette di effettuare diverse elaborazioni e offre la possibilità di un certo numero di scelte diverse. Nell'utilizzare il programma PIOGGIA per lo svolgimento dell'esercitazione - non si scarta nessuna osservazione (il programma permette di scartare una o più osservazioni contenute nel file dati); - si sceglie di calcolare una curva di possibilità climatica a tre parametri; - si effettuano due calcoli successivi: nel primo calcolo si determinano la curva di possibilità climatica della pioggia puntuale e gli ietogrammi di Sifalda; nel secondo calcolo si determinano la curva di possibilità climatica della pioggia ragguagliata e gli ietogrammi di Huff; - il ragguaglio degllo ietogramma di Sifalda della pioggia puntuale si effettua in due modi: a coefficiente costante e a coefficiente variabile; - il ragguaglio si effettua, sia nel caso dello ietogramma di Sifalda, sia nel caso di quello di Huff, utilizzando la tabella NERC; - si risponde alle domande poste dal programma scrivendo i numeri decimali con il punto, non con la virgola. Determinazione della curva di possibilità climatica della pioggia puntuale e dello ietogramma di Sifalda con coefficiente di ragguaglio costante Adoperando il programma PIOGGIA si determina la curva di possibilità climatica (a tre parametri) dell'altezza di precipitazione puntuale. La curva che si ottiene è rappresentata dall'espressione 1 h = 35,6852t t 0, , I valori numerici dei parametri, calcolati con un procedimento approssimato, possono subire lievi variazioni a seconda dell'elaboratore utilizzato.
11 Si determina lo ietogramma di Sifalda discretizzando il tempo con intervalli elementari di 0,25 h e assegnando inizialmente una durata uguale al tempo di corrivazione del bacino (2,07 h). La durata assegnata dello ietogramma viene riaggiustata dal programma in 2 h per lo ietogramma di Sifalda (il numero degli intervalli deve risultare divisibile per quattro). Il coefficiente di ragguaglio costante si determina adoperando la tabella NERC. Il coefficiente di ragguaglio corrispondente alla durata di 2 h e all'area di 26,45 km 2 è uguale a 0,9065. I risultati del calcolo sono contenuti in un file allegato. Determinazione della curva di possibilità climatica della pioggia puntuale e dello ietogramma di Sifalda con coefficiente di ragguaglio variabile Si ripete il calcolo del punto precedente, assumendo un coefficiente di ragguaglio variabile anziché costante. Ancora si adopera la tabella NERC. Il coefficiente di ragguaglio variabile va da 0,779 per la durata di 0,25 h a 0,903 per la durata di 2 h. Tutti i risultati del calcolo sono contenuti in un file allegato. Determinazione della curva di possibilità climatica della pioggia ragguagliata e dello ietogramma di Huff Adoperando il programma PIOGGIA si determina la curva di possibilità climatica (a tre parametri) dell'altezza di pioggia ragguagliata. Per il ragguaglio all'area delle altezze di precipitazione puntuali stimate per le diverse durate (che si effettua necessariamente a coefficiente variabile) si adopera la tabella NERC. La curva che si ottiene è rappresentata dall'espressione (v. nota 1) 33,5668t h = t 0, , Si determina lo ietogramma di Huff discretizzando il tempo con intervalli elementari di 0,25 h. La durata originale dello ietogramma viene riaggiustata dal programma in 2,25 h per lo ietogramma di Huff. Il programma PIOGGIA determina lo ietogramma di Huff per tutti e quattro i quartili e per la probabilità di non superamento 0,50. I risultati del calcolo sono contenuti in un file allegato. Grafici Si costruiscono i grafici dei diversi ietogrammi ottenuti e si confrontano tra loro. Il confronto mette in rilievo la diversità dei risultati ottenuti con ietogrammi di progetto diversi.
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
La distribuzione normale o distribuzione di Gauss
La distribuzione normale o distribuzione di Gauss Gauss ha dimostrato che secondo questa legge si possono ritenere distribuiti gli errori accidentali di misura di una qualsivoglia grandezza. Densità di
DettagliUniversità della Calabria
Università della Calabria FACOLTA DI INGEGNERIA Corso di Laurea in Ingegneria Civile CORSO DI IDROLOGIA N.O. Prof. Pasquale Versace SCHEDA DIDATTICA N 3 CURVE DI PROBABILITÀ PLUVIOMETRICA A.A. 00- CURVE
Dettaglit (min) UH (1/min) Tabella 1. Idrogramma unitario
Esercizio n 1 Assegnato l idrogramma unitario riportato in tabella 1 calcolare l idrogramma alla sezione di chiusura di un bacino di 500 ha a fronte dello ietogramma di pioggia totale riportato in tabella
DettagliStima della portata di piena: un esempio
Stima della portata di piena: un esempio Giuseppe Pino APAT Dipartimento Nucleare, Rischio Tecnologico e Industriale 1 aprile 2008 Stima della portata di massima piena Obiettivo: determinare la portata
DettagliProblema tipico delle applicazioni idrologiche: qual'è la portata con tempo di ritorno T?
Problema tipico delle applicazioni idrologiche: qual'è la portata con tempo di ritorno T? Il problema dell'inferenza: dato un campione, individuare la distribuzione di probabilità da cui ha avuto origine.
DettagliLa relazione tra altezza di precipitazione e durata Per area piccola importa sopra tutto la dipendenza dalla durata.
Relazione tra altezza di pioggia media h m, durata t e area A L'altezza di pioggia media h m dipende dalla durata t e dall'area A. L'intensità di pioggia media i m diminuisce al crescere della durata t
DettagliFin qui si sono considerate le variabili casuali ciascuna per proprio conto. Ora consideriamo la possibilità di relazioni tra variabili.
Sistemi di variabili casuali Fin qui si sono considerate le variabili casuali ciascuna per proprio conto. Ora consideriamo la possibilità di relazioni tra variabili. Esempi: - il massimo annuale della
DettagliCURVE DI DURATA: Introduzione e Rappresentazione analitica
CURVE DI DURATA: Introduzione e Rappresentazione analitica Premesse Si definisce durata di una portata Q riferita ad una sezione di misura, l'intervallo di tempo in cui le portate naturali del corso d
DettagliCOMUNE DI CONSIGLIO DI RUMO
COMUNE DI CONSIGLIO DI RUMO Provincia di Como Aggiornamento della componente geologica, idrogeologica e sismica di supporto al Piano di Governo del Territorio - L.R. 1/05 e successive modifiche. ANALISI
DettagliStatistica Descrittiva Soluzioni 6. Indici di variabilità, asimmetria e curtosi
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
DettagliStudi sugli eventi estremi per stima delle portate di piena
Studi sugli eventi estremi per stima delle portate di piena Un obiettivo degli studi sugli eventi estremi idrometeorologici è la determinazione dell idrogramma delle portate di piena (o almeno della portata
Dettaglia 17,438 n 0,506 k 100 2,37
Si riportano i dati del Bacino del Chisone: Dove: - Ψ= coefficiente di afflusso del bacino - v= velocità - L= lunghezza dell asta principale Esercitazione di Idrologia z medio 1739 m z max 3234 m z min
DettagliIdraulica e idrologia: Lezione 9
Idraulica e idrologia: Lezione 9 Agenda del giorno - Relazioni per la stima della portata al colmo; - Tempo di corrivazione di un bacino; - Metodo razionale. 1 LINEA SEGNALATRICE DI PROBABILITA PLUVIOMETRICA
DettagliEsercitazione: La distribuzione NORMALE
Esercitazione: La distribuzione NORMALE Uno dei più importanti esempi di distribuzione di probabilità continua è dato dalla distribuzione Normale (curva normale o distribuzione Gaussiana); è una delle
Dettaglitabelle grafici misure di
Statistica Descrittiva descrivere e riassumere un insieme di dati in maniera ordinata tabelle grafici misure di posizione dispersione associazione Misure di posizione Forniscono indicazioni sull ordine
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2006/07
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 006/07 Esercizio 1 Prova scritta del 16/1/006 In un ufficio postale lavorano due impiegati che svolgono lo stesso compito in maniera indipendente, sbrigando
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
DettagliCapitolo 6 La distribuzione normale
Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 6 La distribuzione normale Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università
DettagliLezione 8: Esercizi di Idrologia
Lezione 8: Esercizi di Idrologia Problemi di Idrologia 1 Problemi di bilancio idrologico Problema 1 Alla sezione di ciusura di un bacino idrografico di 40 km di superficie è stata registrata una portata
Dettaglix ;x Soluzione Gli intervalli di confidenza possono essere ottenuti a partire dalla seguente identità: da cui si ricava: IC x ;x = +
ESERCIZIO 6.1 Si considerino i 0 campioni di ampiezza n = estratti da una popolazione X di N = 5 elementi distribuiti normalmente, con media µ = 13,6 e σ = 8,33. A partire dalle 0 determinazioni della
DettagliDistribuzione Normale
Distribuzione Normale istogramma delle frequenze di un insieme di misure di una grandezza che può variare con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata di
DettagliRiesame dei risultati del metodo razionale con due metodi di stima della pioggia netta
Angela Cianchi Matr. 188270 16 Dicembre 2012 Riesame dei risultati del metodo razionale con due metodi di stima della pioggia netta Svolgimento Il metodo della corrivazione si basa sulle seguenti ipotesi:
DettagliEsercizio n 1. Esercizio n 2. Esercizio n 3. Corso di Idrologia 19 settembre 2011 Prova Scritta
Corso di Idrologia 9 settembre 0 sercizio n Si stimi il valore del parametro φ per il calcolo della pioggia netta di un bacino di km per il quale a fronte dello ietogramma di tabella è stato osservato
DettagliApprossimazione normale alla distribuzione binomiale
Approssimazione normale alla distribuzione binomiale P b (X r) costoso P b (X r) P(X r) per N grande Teorema: Se la variabile casuale X ha una distribuzione binomiale con parametri N e p, allora, per N
DettagliLa precipitazione massima probabile. Esiste la necessità di determinare una portata di progetto praticamente insuperabile.
La precipitazione massima probabile Esiste la necessità di determinare una portata di progetto praticamente insuperabile. Due possibili soluzioni: - scelta di un tempo di ritorno elevatissimo, - individuazione
DettagliCapitolo 6. La distribuzione normale
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 6 La distribuzione normale Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università
DettagliPROVINCIA REGIONALE DI RAGUSA PROGETTO DEFINITIVO VERIFICHE IDROGEOLOGICHE. I e II TRATTO ING. MARIO ADDARIO ARCH. ORAZIA TRIBASTONE SCALA DATA
PROVINCIA REGIONALE DI RAGUSA PROGETTO: SISTEMAZIONE DELLA S.P. 45 "BUGILFEZZA - POZZALLO. TRATTI COMPRESI DAL KM 5+250 AL KM 5+550 E DAL KM 6+800 AL KM 7+000". PROGETTO DEFINITIVO TITOLO: VERIFICHE IDROGEOLOGICHE.
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 33 Outline 1 2 3 4 5 6 () Statistica 2 / 33 Misura del legame Nel caso di variabili quantitative
DettagliEsercitazione del
Esercizi sulla regressione lineare. Esercitazione del 21.05.2013 Esercizio dal tema d esame del 13.06.2011. Si consideri il seguente campione di n = 9 osservazioni relative ai caratteri ed Y: 7 17 8 36
DettagliScanned by CamScanner
Scanned by CamScanner Scanned by CamScanner Scanned by CamScanner Scanned by CamScanner Scanned by CamScanner Scanned by CamScanner Scanned by CamScanner Università di Cassino Corso di Statistica Esercitazione
DettagliIl processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni
La statistica inferenziale Il processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni E necessario però anche aggiungere con
DettagliCognome e Nome:... Matricola e corso di laurea:...
Statistica - corso base Prof. B. Liseo Prova di esame dell 8 gennaio 2014 Cognome e Nome:................................................................... Matricola e corso di laurea:...................................................
DettagliLa SCALA di Probabilità varia tra 0.00 e 1.00.
CHE COS E LA PROBABILITA La probabilità è la MISURA dell incertezza di un evento, cioè come noi classifichiamo gli eventi rispetto alla loro incertezza. La SCALA di Probabilità varia tra 0.00 e 1.00. 0.00
DettagliIl campionamento e l inferenza. Il campionamento e l inferenza
Il campionamento e l inferenza Popolazione Campione Dai dati osservati mediante scelta campionaria si giunge ad affermazioni che riguardano la popolazione da cui essi sono stati prescelti Il campionamento
DettagliTEORIA DEGLI ERRORI DI MISURA, IL CALCOLO DELLE INCERTEZZE
TEORIA DEGLI ERRORI DI MISURA, IL CALCOLO DELLE INCERTEZZE Errore di misura è la differenza fra l indicazione fornita dallo strumento e la dimensione vera della grandezza. Supponendo che la grandezza vera
Dettagli1. Pluviometria sulla città di Napoli
Il nubifragio del 17 e 18 settembre 2005 a Napoli 1. Pluviometria sulla città di Napoli Le precipitazioni registrate dai pluviometri in telemisura di Napoli Camaldoli e Napoli Capodimonte hanno avuto inizio
DettagliUNIVERSITA DEGLI STUDI DI PADOVA DIPARTIMENTO DI INGEGNERIA IDRAULICA, MARITTIMA E GEOTECNICA
UNIVERSITA DEGLI STUDI DI PADOVA DIPARTIMENTO DI INGEGNERIA IDRAULICA, MARITTIMA E GEOTECNICA CORSO DI COSTRUZIONI IDRAULICHE A.A. 00-0 PROF. LUIGI DA DEPPO ING. NADIA URSINO ESERCITAZIONE N : Progetto
DettagliStatistica Esercitazione. alessandro polli facoltà di scienze politiche, sociologia, comunicazione
Statistica Esercitazione alessandro polli facoltà di scienze politiche, sociologia, comunicazione Obiettivo Esercizio 1. Questo e alcuni degli esercizi che proporremo nei prossimi giorni si basano sul
DettagliIntervalli di confidenza
Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile
DettagliSTATISTICA AZIENDALE Modulo Controllo di Qualità
STATISTICA AZIENDALE Modulo Controllo di Qualità A.A. 009/10 - Sottoperiodo PROA DEL 14 MAGGIO 010 Cognome:.. Nome: Matricola:.. AERTENZE: Negli esercizi in cui sono richiesti calcoli riportare tutte la
DettagliESAME. 9 Gennaio 2017 COMPITO B
ESAME 9 Gennaio 2017 COMPITO B Cognome Nome Numero di matricola 1) Approssimare tutti i calcoli alla quarta cifra decimale. 2) Ai fini della valutazione si terrà conto solo ed esclusivamente di quanto
DettagliStatistica a breve termine: metodo delle onde apparenti
Esercitazione 1 Statistica a breve termine: metodo delle onde apparenti Si calcolino, applicando il metodo delle onde apparenti, le seguenti proprietà della registrazione ondametrica fornita nelle figure
DettagliSOLUZIONI ESERCITAZIONE NR. 8 Test statistici
SOLUZIONI ESERCITAZIONE NR. 8 Test statistici ESERCIZIO nr. 1 Un campione casuale di dieci pazienti di sesso maschile in cura per comportamenti aggressivi nell ambito del contesto familiare è stato classificato
DettagliSTATISTICA (2) ESERCITAZIONE 2. Dott.ssa Antonella Costanzo
STATISTICA (2) ESERCITAZIONE 2 5.02.2014 Dott.ssa Antonella Costanzo Esercizio 1. La v.c. Normale: uso delle tavole E noto che un certo tipo di dati si distribuiscono secondo una gaussiana di media 10
DettagliEsercitazione 8 del corso di Statistica 2
Esercitazione 8 del corso di Statistica Prof. Domenico Vistocco Dott.ssa Paola Costantini 6 Giugno 8 Decisione vera falsa è respinta Errore di I tipo Decisione corretta non è respinta Probabilità α Decisione
DettagliStrumenti di indagine per la valutazione psicologica
Strumenti di indagine per la valutazione psicologica.3 - La distribuzione normale Tempi di reazione Registrati i tempi di reazione (in millisecondi) a uno stimolo (n = 30). Classe Freq Freq relative Densità
DettagliA1. La curva normale (o di Gauss)
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 202/203 lezione n. 8 dell aprile 203 - di Massimo Cristallo - A. La curva normale (o di Gauss) La curva
DettagliVariabilità e Concentrazione Esercitazione n 02
Variabilità e Concentrazione Esercitazione n 02 ESERCIZIO 1 Nella tabella di seguito sono riportati i dati relativi al tempo necessario a 8 studenti per svolgere un test di valutazione (in ore): Tempo
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 4
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 4 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Stimatore media campionaria Il tempo in minuti necessario a un certo impiegato dell anagrafe
DettagliPAROLE CHIAVE Accuratezza, Accuracy, Esattezza, PRECISIONE, Precision, Ripetibilità, Affidabilità, Reliability, Scarto quadratico medio (sqm), Errore
PAROLE CHIAVE Accuratezza, Accuracy, Esattezza, PRECISIONE, Precision, Ripetibilità, Affidabilità, Reliability, Scarto quadratico medio (sqm), Errore medio, Errore quadratico medio (eqm), Deviazione standard,
Dettagli05. Errore campionario e numerosità campionaria
Statistica per le ricerche di mercato A.A. 01/13 05. Errore campionario e numerosità campionaria Gli schemi di campionamento condividono lo stesso principio di fondo: rappresentare il più fedelmente possibile,
DettagliCapitolo 8. Intervalli di confidenza. Statistica. Levine, Krehbiel, Berenson. Casa editrice: Pearson. Insegnamento: Statistica
Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 8 Intervalli di confidenza Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università
DettagliMatematica e Statistica per Scienze Ambientali
per Scienze Ambientali LABORATORIO R - Appunti 1 1 Dipartimento di Matematica Sapienza, Università di Roma Roma, Gennaio 2014 Argomenti La distribuzione normale e applicazioni La distribuzione binomiale
Dettaglix, y rappresenta la coppia di valori relativa La rappresentazione nel piano cartesiano dei punti ( x, y ),( x, y ),...,( x, y )
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 0/03 lezioni di statistica del 5 e 8 aprile 03 - di Massimo Cristallo - A. Le relazioni tra i fenomeni
DettagliLA DISTRIBUZIONE NORMALE (Vittorio Colagrande)
LA DISTRIBUZIONE NORMALE (Vittorio Colagrande) Allo scopo di interpolare un istogramma di un carattere statistico X con una funzione continua (di densità), si può far ricorso nell analisi statistica alla
DettagliTest delle Ipotesi Parte I
Test delle Ipotesi Parte I Test delle Ipotesi sulla media Introduzione Definizioni basilari Teoria per il caso di varianza nota Rischi nel test delle ipotesi Teoria per il caso di varianza non nota Test
DettagliCapitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari"
Levine, Krehbiel, Berenson Statistica Capitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari" Unità Integrata Organizzativa
DettagliRELAZIONE IDROLOGICA IDRAULICA
RELAZIONE IDROLOGICA IDRAULICA 1. PREMESSA In relazione ai lavori di realizzazione della nuova rotatoria sulla S.S. 16 Adriatica al km 326+040 in corrispondenza dell intersezione con la S.P. 24 Bellaluce
DettagliUlteriori conoscenze di informatica Elementi di statistica Esercitazione3
Ulteriori conoscenze di informatica Elementi di statistica Esercitazione3 Sui PC a disposizione sono istallati diversi sistemi operativi. All accensione scegliere Windows. Immettere Nome utente b## (##
DettagliIL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA
Metodi per l Analisi dei Dati Sperimentali AA009/010 IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA Sommario Massima Verosimiglianza Introduzione La Massima Verosimiglianza Esempio 1: una sola misura sperimentale
DettagliPROBABILITÀ SCHEDA N. 7 LA VARIABILE ALEATORIA NORMALE
Matematica e statistica: dai dati ai modelli alle scelte wwwdimaunige/pls_statistica Responsabili scientifici MP Rogantin e E Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ SCHEDA
DettagliR=Q(T)/q(T): R come funzione dei parametri del bacino e del tempo di ritorno.
Lo studio statistico delle piene Caratteristiche diverse: a seconda del problema (solo portata al colmo, oppure intera onda di piena) e a seconda dei dati disponibili. Classificazione: analisi basate su
DettagliEsercitazione n. 3 - Corso di STATISTICA - Università della Basilicata - a.a. 2011/12 Prof. Roberta Siciliano
Esercitazione n. 3 - Corso di STATISTICA - Università della Basilicata - a.a. 2011/12 Prof. Roberta Siciliano Esercizio 1 Una moneta viene lanciata 6 volte. Calcolare a) La probabilità che escano esattamente
Dettagli6. Applicazione di curve di probabilità pluviometrica in ambito di verifica.
6. Applicazione i curve i probabilità pluviometrica in ambito i verifica. Viene qui riportato un esempio i applicazione i curve i probabilità pluviometrica per la eterminazione el perioo i ritorno i un
DettagliEsercizio 1. Stima intervallare: IC per la media incognita (varianza ignota)
STATISTICA (2) ESERCITAZIONE 5 26.02.2014 Dott.ssa Antonella Costanzo Esercizio 1. Stima intervallare: IC per la media incognita (varianza ignota) Il responsabile del controllo qualità di un azienda che
DettagliUNIVERSITÀ DEGLI STUDI DI ROMA LA SAPIENZA
UNIVERSITÀ DEGLI STUDI DI ROMA LA SAPIENZA - 9.Statistica - CTF Matematica - Seconda Parte Codice Compito: - Numero d Ordine D. 1 Un veicolo marcia per 50 km alla velocita v, e per altri 50 km alla velocita
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@gmail.com Università degli studi di Cassino () Statistica 1 / 41 Outline 1 2 3 4 5 () Statistica 2 / 41 Misura del legame Data una variabile doppia (X, Y ), la
DettagliALLEGATO 1 METODO E DATI DI RIFERIMENTO PER LA DETERMINAZIONE DELLE QUANTITÀ DI PIOGGIA PER EVENTI ESTREMI
Regione Toscana Autorità di Bacino del Reno PROCEDURE, METODI E DATI DI RIFERIMENTO DA ADOTTARE NELLA PREDISPOSIZIONE DEI PIANI CONSORTILI INTERCOMUNALI ALLEGATO 1 METODO E DATI DI RIFERIMENTO PER LA DETERMINAZIONE
DettagliLE DISTRIBUZIONI CAMPIONARIE
LE DISTRIBUZIONI CAMPIONARIE Argomenti Principi e metodi dell inferenza statistica Metodi di campionamento Campioni casuali Le distribuzioni campionarie notevoli: La distribuzione della media campionaria
DettagliTRACCIA DI STUDIO. Indici di dispersione assoluta per misure quantitative
TRACCIA DI STUDIO Un indice di tendenza centrale non è sufficiente a descrivere completamente un fenomeno. Gli indici di dispersione assolvono il compito di rappresentare la capacità di un fenomeno a manifestarsi
DettagliEsame di stato per abilitazione alla professione di ingegnere civile e ambientale
http://svolgimentotracceesame.altervista.org/ Esame di stato per abilitazione alla professione di ingegnere civile e ambientale Prova pratica (IV prova) - Svolgimento tracce di idraulica Il documento contiene
DettagliStatistica descrittiva II
Probabilità e Statistica Esercitazioni a.a. 009/010 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Statistica descrittiva II Ines Campa Probabilità e Statistica - Esercitazioni
DettagliSTATISTICA: esercizi svolti sulla DISTRIBUZIONE NORMALE
STATISTICA: esercizi svolti sulla DISTRIBUZIONE NORMALE 1 2 Tavole della normale standard. Φ(x) = x 1 2π e t2 2 dt z.00.01.02.03.04.05.06.07.08.09 0.0 0.0 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279
DettagliPROBABILITA. Distribuzione di probabilità
DISTRIBUZIONI di PROBABILITA Distribuzione di probabilità Si definisce distribuzione di probabilità il valore delle probabilità associate a tutti gli eventi possibili connessi ad un certo numero di prove
DettagliMatematica II: Calcolo delle Probabilità e Statistica Matematica
Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docente: dott. F. Zucca Esercitazione # 2 1 Distribuzione normale Esercizio 1 Sia X una variabile aleatoria Normale N (5, ). Facendo
DettagliREPORT EVENTO METEO-IDROLOGICO DEI GIORNI 23 e 24 APRILE 2016
Regione Toscana Servizio Idrologico Regionale CENTRO FUNZIONALE DELLA REGIONE TOSCANA DL 11/07/1998, n. 180; Legge 3/08/1998, n. 267; DPCM del 15/12/1998 Delibera G.R. n. 1003 del 10/09/2001; Delibera
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 XIX: I metodi indiretti per la valutazione delle
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
Dettagli1 4 Esempio 2. Si determini la distribuzione di probabilità della variabile casuale X = punteggio ottenuto lanciando un dado. Si ha immediatamente:
CAPITOLO TERZO VARIABILI CASUALI. Le variabili casuali e la loro distribuzione di probabilità In molte situazioni, dato uno spazio di probabilità S, si è interessati non tanto agli eventi elementari (o
DettagliVariabili aleatorie continue
Variabili aleatorie continue Per descrivere la distribuzione di una variabile aleatoria continua, non si può più assegnare una probabilità positiva ad ogni valore possibile. Si assume allora di poter specificare
DettagliIdraulica e Idrologia: Lezione 5
Idraulica e Idrologia: Lezione 5 Agenda del giorno - Modello CN-SCS: ESERCIZI 1 MODELLO CN - SCS MODELLAZIONE DELLA FORMAZIONE DEL DEFLUSSO: METODO CN-SCS I modelli di piena sono formati da due moduli
DettagliDISTRIBUZIONE NORMALE (1)
DISTRIBUZIONE NORMALE (1) Nella popolazione generale molte variabili presentano una distribuzione a forma di campana, bene caratterizzata da un punto di vista matematico, chiamata distribuzione normale
DettagliL indagine campionaria Lezione 3
Anno accademico 2007/08 L indagine campionaria Lezione 3 Docente: prof. Maurizio Pisati Variabile casuale Una variabile casuale è una quantità discreta o continua il cui valore è determinato dal risultato
DettagliAnalisi Statistica dei Valori Estremi Massimi Annuali delle Portate del fiume Serio
dei Massimi Annuali delle Portate del fiume Serio UNIVERSITÀ DEGLI STUDI DI PALERMO Corso di Laurea Magistrale in Ingegneria Gestionale Analisi Statistica del Rischio Analisi Statistica dei Valori Estremi
DettagliX ~ N (20, 16) Soluzione
ESERCIZIO 3.1 Il tempo di reazione ad un esperimento psicologico effettuato su un gruppo di individui si distribuisce normalmente con media µ = 20 secondi e scarto quadratico medio σ = 4 secondi: X ~ N
DettagliElementi di Statistica
Università degli Studi di Palermo Dipartimento di Ingegneria Informatica Informatica ed Elementi di Statistica 3 c.f.u. Anno Accademico 2010/2011 Docente: ing. Salvatore Sorce Elementi di Statistica Statistica
DettagliLA DISTRIBUZIONE NORMALE o DI GAUSS
p. 1/2 LA DISTRIBUZIONE NORMALE o DI GAUSS Osservando gli istogrammi delle misure e degli scarti, nel caso di osservazioni ripetute in identiche condizioni Gli istogrammi sono campanulari e simmetrici,
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica Samuel Rota Bulò 6 giugno 26 Statistica Esercizio Sia {X n } n una famiglia di v.a. di media µ e varianza σ 2. Verificare che X = n n X i σ 2 = n (X i µ) 2 S 2 = n
DettagliSTATISTICA (2) ESERCITAZIONE Dott.ssa Antonella Costanzo
STATISTICA (2) ESERCITAZIONE 7 11.03.2014 Dott.ssa Antonella Costanzo Esercizio 1. Test di indipendenza tra mutabili In un indagine vengono rilevate le informazioni su settore produttivo (Y) e genere (X)
DettagliRelazione idrologica
03.01.01.00 ULSS N 17 - NUOVO POLO OSPEDALIERO UNICO - MONSELICE - ESTE S.P. dei Bersaglieri IDROLOGIA Generale Relazione idrologica RT I - 001 1 1-0 28/03/10 0 Emissione 28/03/2010 S. Cibin S. Flora G.
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
DettagliProbabilità classica. Distribuzioni e leggi di probabilità. Probabilità frequentista. Probabilità soggettiva
Probabilità classica Distribuzioni e leggi di probabilità La probabilità di un evento casuale è il rapporto tra il numero dei casi favorevoli ed il numero dei casi possibili, purchè siano tutti equiprobabili.
DettagliLa variabilità. Antonello Maruotti
La variabilità Antonello Maruotti Outline 1 Omogeneità ed eterogeneità 2 Variabilità per caratteri quantitativi 3 Varianza 4 Intervalli di variabilità 5 Teorema di Chebyshev Definizione Variabilità Attitudine
DettagliSTATISTICA ESERCITAZIONE
STATISTICA ESERCITAZIONE Dott. Giuseppe Pandolfo 1 Giugno 2015 Esercizio 1 Una fabbrica di scatole di cartone evade il 96% degli ordini entro un mese. Estraendo 300 campioni casuali di 300 consegne, in
DettagliMATEMATICA CORSO A II COMPITINO (Tema 1) 5 Aprile 2013
MATEMATICA CORSO A II COMPITINO (Tema 1) 5 Aprile 2013 Soluzioni 1. Due sperimentatori hanno rilevato rispettivamente 25 e 5 misure di una certa grandezza lineare e calcolato le medie che sono risultate
DettagliCognome e Nome:... Corso di laurea:...
Statistica - corso base Prof. B. Liseo Prova di esame dell 8 gennaio 201 Cognome e Nome:................................................................... Corso di laurea:.......................................................................
DettagliLaboratorio di Didattica di elaborazione dati 5 STIMA PUNTUALE DEI PARAMETRI. x i. SE = n.
5 STIMA PUNTUALE DEI PARAMETRI [Adattato dal libro Excel per la statistica di Enzo Belluco] Sia θ un parametro incognito della distribuzione di un carattere in una determinata popolazione. Il problema
DettagliDispensa di Statistica
Dispensa di Statistica 1 parziale 2012/2013 Diagrammi... 2 Indici di posizione... 4 Media... 4 Moda... 5 Mediana... 5 Indici di dispersione... 7 Varianza... 7 Scarto Quadratico Medio (SQM)... 7 La disuguaglianza
DettagliUNIVERSITA DEGLI STUDI DI BRESCIA-FACOLTA DI MEDICINA E CHIRURGIA CORSO DI LAUREA IN INFERMIERISTICA SEDE DI DESENZANO dg STATISTICA MEDICA.
Lezione 4 DISTRIBUZIONE DI FREQUENZA 1 DISTRIBUZIONE DI PROBABILITA Una variabile i cui differenti valori seguono una distribuzione di probabilità si chiama variabile aleatoria. Es:il numero di figli maschi
DettagliEsercitazioni di Statistica Matematica A Lezione 2. Variabili con distribuzione gaussiana
Esercitazioni di Statistica Matematica A Lezione 2 Variabili con distribuzione gaussiana.) Una bilancia difettosa ha un errore sistematico di 0.g ed un errore casuale che si suppone avere la distribuzione
Dettagli