Analisi Statistica dei Valori Estremi Massimi Annuali delle Portate del fiume Serio
|
|
- Geraldina Coco
- 6 anni fa
- Visualizzazioni
Transcript
1 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 Massimi Annuali delle Portate del fiume Serio Valeria Battaglia Docente: Prof. S. Barone Anno Accademico
2 «Terra bergamasca, che il Serio bagna e il Brembo innonda» (Torquato Tasso). INTRODUZIONE Il fiume è un corso d acqua che scorre principalmente in superficie (o parzialmente sotterraneo) e che può essere alimentato dalle precipitazioni piovose, dallo scioglimento di nevi o ghiacciai o dalle falde idriche sotterranee. La quantità d'acqua che scorre in un fiume si misura con la portata Q, definita come il volume d'acqua che passa attraverso una sezione trasversale del fiume nell'unità di tempo. Difficilmente essa è costante e nella maggior parte dei casi si possono distinguere tre situazioni: ) magra, nei periodi più secchi, quando nel fiume scorre poca acqua; 2) morbida, nei periodi umidi, in cui nel fiume scorre abbondante acqua; 3) piena, quando scorre una quantità eccezionale di acqua tale da inondare aree che normalmente sono asciutte. Nella storia della nostra Nazione sono state diverse le inondazioni che hanno registrato gravi danni all agricoltura, alle infrastrutture, al territorio in generale nonché vittime umane. Si possono citare, ad esempio, il caso dell alluvione del 965 e del 966 che colpì la cittadina di Latisana provocando ingenti danni o quello di Firenze del 844 causato dall inondazione dell'arno. Nonostante lo sviluppo di tecnologie avanzate, la società si dimostra ancora estremamente vulnerabile alle piene fluviali. In tale contesto, lo studio delle piene fluviali assume un importanza fondamentale, soprattutto per la difesa del territorio, sebbene la previsione dei volumi associati alle piene rimane di difficile determinazione ed a volte incerta a causa dei numerosi fattori coinvolti. Da questa valutazione, discende la scelta di effettuare un analisi statistica delle portate massime annuali del fiume Serio, preso come esempio. 2
3 2. I DATI Il Serio è un fiume che scorre interamente in Lombardia e attraversa le province di Bergamo e Cremona. Nasce dal Monte Torena e scende verso la pianura formando la valle Seriana, con una lunghezza complessiva di 24 km e una portata media di 23 m³/s. SERIO Lunghezza: 24 km Portata media: 23 m³/s Bacino idrografico:.256 km² Altitudine della sorgente: m s.l.m Nasce: Monte Torena Sfocia: Adda a Bocca Serio, presso Montodine Stati/regioni attraversati: Italia:Lombardia Tabella I "numeri" del fiume Serio Per interpretare e/o controllare con successo fenomeni di tipo naturali come, in questo caso, i massimi annuali delle portate di fiumi o i corrispondenti minimi, è possibile applicare i modelli di Gumbel, noti come distribuzioni dei Valori Estremi (Erto, 985). I dati riportati in Tabella, elaborati nel seguito staticamente, provengono dagli annali del S.I.M.N. (Servizio Idrografico e Mareografico Italiano) e si riferiscono ai valori massimi annuali delle portate al colmo dal 929 al 993, con alcune interruzioni soprattutto nell intervallo e , per un totale di 48 anni di osservazione. Anno Q[m 3 /s] Anno Q[m 3 /s] Anno Q[m 3 /s] Tabella 2: Portate al colmo [m 3 /s]. 3
4 3. ANALISI STATISTICA Il massimo annuale assunto dalla portata Q, in un intervallo di durata assegnata, è un esempio di valore estremo di una variabile aleatoria. La serie dei massimi valori di portata al colmo è caratterizzata da una forte persistenza, dovuta al fatto che le piene precedenti lasciano il bacino umido e aumentano l importanza delle piene successive. Tuttavia, considerando i massimi annuali, cioè che distano mediamente un anno l uno dall altro, possono essere considerati tra loro indipendenti. Si ipotizza, quindi, che i massimi colmi annuali siano equidistribuiti, abbiano cioè tutti la stessa distribuzione di probabilità. Si adotta, per questa analisi, la funzione di distribuzione Gumbel che ben si presta, come già anticipato, a regolarizzare serie empiriche di valori estremi di tipo idrogeologico. La funzione di distribuzione Gumbel dei valori massimi è data dalla seguente espressione: F Zm (z) = exp[ e α(z ε) ] per la portata Q P(Q) = exp[ e α(q ε) ] in cui α ed ε sono i parametri della distribuzione che, stimati attraverso il metodo dei momenti, risultano legati alla media μ e allo scarto quadratico medio σ del campione. In particolare, si ha: α =,2825/σ ε = μ 0,5772/α In relazione alla serie storica di dati sulle portate massime annuali in Tabella, attraverso l uso di un foglio di calcolo Excel, si sono ottenuti i seguenti valori: Parametro Valore N 48 μ 238,8958 σ 86,83862 α 0,04763 ε 99,798 Tabella 3: Parametri della distribuzione Gumbel Serie Figura : Portate massime annuali osservate. Per poter stabilire il buon adattamento di una distribuzione di probabilità è necessario, a livello formale, effettuare dei test come, ad esempio, il test del χ 2 o quello di Kolmogorov-Smirnov. In questo caso, per avere un riscontro immediato dell andamento sperimentale dei dati su quello probabilistico, si è messo a confronto la curva di frequenza cumulata con quella di distribuzione (Figura 2). Il set di dati in possesso è stato ordinato in ordine crescente, associando ad ogni Q un indice di posizione i, in modo da poter stimare il valore teorico di F(Q i ). La plotting position usata è quella di Weibull, data da: F = i N+ dove N è il numero di dati e i=..n Test non parametrico che verifica la forma delle distribuzioni campionarie. 4
5 P(Q) Valeria Battaglia,2 0,8 0,6 0,4 Valori Osservati Gumbel 0, Q [m 3 /s] Figura 2: Regolarizzazione dei valori osservati con frequenza empirica F i con la funzione di distribuzione Gumbel. Da una valutazione di tipo visivo possiamo affermare che la distribuzione Gumbel bene interpreta i dati misurati, in quanto le due dispersioni (ottenute per mezzo di un grafico a dispersione su Excel) sono simili. Per rendere più efficace il confronto, piuttosto che utilizzare un diagramma cartesiano normale, si utilizzano le carte di probabilità. Quest ultime sono specifiche per ogni tipo di funzione di probabilità (lognormale, Gumbel,..) e sono costruite in modo tale che, deformando opportunamente l asse delle ordinate, le curve tipiche delle distribuzione di probabilità teorica corrispondente siano delle rette. Nel caso in esame, ovviamente, è utilizzata la carta di probabilità Gumbel dove, in ascissa, sono riportati i valori delle portate e, in ordinata, è rappresentata la variabile standardizzata corrispondente. L espressione della distribuzione di Gumbel precedentemente riportata, indicando con y=α(q-ε) la variabile standardizzata, diventa: P(Q) = exp[ e α(q ε) ] y = α(q-ε) P(y) = exp[ e y ] Per rappresentare l andamento della frequenza empirica F(Q i ) è necessario effettuare una inversione del tipo: y = -ln{-ln[f(q i )]} 5
6 Variabile standardizzata y Valeria Battaglia Il confronto fra l andamento, su carta probabilistica Gumbel, della distribuzione della variabile standardizzata di Gumbel e della frequenza empirica, è rappresentato dal grafico in Figura 3: 5 4 R² = 0, Valori Osservati Gumbel Q [m 3 /s] Figura 3: Regolarizzazione dei valori osservati con frequenza empirica F i con la funzione distribuzione di Gumbel. Anche da questo grafico è possibile notare come i valori osservati sperimentalmente siano bene interpolati dalla retta rappresentante la distribuzione Gumbel, con un coefficiente di regressione R 2 pari a 0,9843 che misura la bontà del cosiddetto fitting 2 della distribuzione ai dati osservati. Le situazioni di rischio idraulico sono, in questo caso, inerenti alle elevate portate che possono formarsi in occasione di determinati eventi meteorici. Tali situazioni di rischio sono, dunque, legate ad un concetto di probabilità di accadimento, usualmente misurato in termini di tempo di ritorno. Il tempo di ritorno T r esprime il numero di intervalli di tempo in cui è atteso una piena di portata superiore al valore Q (Erto, 985): T r (Q) = P(Q) y = α(q-ε) P(Q) = - Tr(Q) Assegnando un fissato tempo di ritorno è, quindi, possibile calcolare la probabilità P e la portata Q corrispondente ad un assegnato tempo di ritorno. Infatti, dall espressione della distribuzione di Gumbel si ottiene: Q = ε - /α ln *-ln(- Tr(Q) )] In relazione a quattro periodi di ritorno prescelti si sono stimate le portate al colmo: T r [anni] Portata [m 3 /s] 5 260, , , ,03 2 Traduzione inglese del termine italiano adattamento. 6
7 Il confronto dei valori ottenuti del tempo di ritorno sul campione con quelli ricavati dalla distribuzione di probabilità di Gumbel, è mostrato in Figura 4: T i = Fi T r (Q) = P(Q) Gumbel Valori Osservati ,2 0,4 0,6 0,8,2 Figura 4: Confronto fra i tempi di ritorno osservati sperimentalmente e quelli ricavati dalla distribuzione di Gumbel. Anche in questo caso si vede come i due andamenti siano pressoché simili. Per completezza espositiva si può aggiungere come, assegnato un certo rischio R e un tempo di ritorno T r, sia possibile calcolare il corrispondente valore della portata massima al colmo. Si introduce, quindi, il concetto di rischio (R) ovvero la probabilità che un evento di piena, di dato tempo di ritorno, ha di manifestarsi in n anni. Si consideri l espressione seguente, ricavata dalla distribuzione Gumbel, in funzione del tempo di ritorno: Q = ε - /α ln *-ln(- Tr(Q) )] Si ha, per esempio, che per un fissato tempo di ritorno T r pari a 5 anni e n=2, ricordando i parametri stimati della distribuzione Gumbel α= 0,04763 e ε= 99,798, il rischio che nei prossimi n=2 anni si verifichi un valore di Q uguale a 30,3993 m 3 /s è del 96%. 7
8 dei Massimi Annuali delle Portate del fiume Serio P(Qi) Anno Portata Q P(Q) i Qi ordinati F(Qi) y=α(q-ε) P(y) -ln(-ln(f(qi))) T(Q) Ti ordinati Parametri del Campione , , , , , ,358877, , μ 238, , , , , , ,62736,044604, σ 86, , , , , , , , , , , , , , ,984987,967792, Parametri della Gumbel , , ,072483, , , , ,36364 α 0, , , , , , ,749663,099298, ε 99, , , , , , , ,573394, , , , , , , ,598482,9522 Plotting Position , , , , , , , ,225 F i/n , , , , , , ,52039, , , , , , ,404069,70609, Calcolo Rischio , , , , , ,343984,07674, T , , , , , , ,426349,36 n , , , , , , ,993328,4 R 0, , , , , , ,687043, ,44765 Q 30, , , , , , , ,436287, , , , , , , ,573394,5325 Portate Q per T r assegnato , , , , , , , , Q(Tr) , , , , , , ,69982, T 3 260, , , , , , , ,307650, T , , , , , , , ,373063,75 T , , , ,439486, , , , ,84848 T , , , , , , , ,47097, , , , , , ,337994,98388, , , , , , , , , , , , , , ,45642, , , , , , , , , , , , , , , , , , , , , , , , , , , , ,670855, , , , ,
9 , , , , , , , , , , , , , ,85378, , , , , , , ,928078, , , , , , ,987695, ,3065 3, , , , , ,670855, , , , , , , ,65372,766775, , , , , , ,943992, , , , , ,833424, , , , , , , , , , , , , , , , , ,66774, , , , , , , ,298804,724578, , , , , , ,063254, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,
10 dei Massimi Annuali delle Portate del fiume Serio 4. BIBLIOGRAFIA E. Pasquale, Probabilità e statistica per le scienze e l'ingegneria, 2008, McGraw-Hill Companies E. Pasquale, Rivista di Statistica Applicata Vol. 2 n. 4,
Stima 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
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
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
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
DettagliIl LAMBRO è un FIUME non è un TORRENTE
Il LAMBRO è un FIUME non è un TORRENTE Il fiume è un corso d acqua a regime perenne, non secca mai, scorre di solito in superficie, ma può scorrere anche sotterraneo, può essere alimentato da: 1) falde
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.
DettagliGRAFICI DI PROBABILITÀ Prof. Antonio Lanzotti
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI INGEGNERIA AEROSPAZIALE D.I.A.S. STATISTICA PER L INNOVAZIONE a.a. 2007/2008 GRAFICI DI PROBABILITÀ Prof. Antonio Lanzotti A cura di: Ing. Giovanna
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
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
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
DettagliUNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI INGEGNERIA AEROSPAZIALE D.I.A.S. STATISTICA PER L INNOVAZIONE. a.a.
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI INGEGNERIA AEROSPAZIALE D.I.A.S. STATISTICA PER L INNOVAZIONE a.a. 2007/2008 1,00 0,90 0,80 0,70 0,60 0,50 0,40 0,30 0,20 0,10 0,00 CDF empirica
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
DettagliStatistica Descrittiva. Analisi delle riserve siciliane dal 1991 al 2002
Statistica Descrittiva Analisi delle riserve siciliane dal 1991 al 2002 Dott.ssa Deborah Pirrello, Dottoranda di ricerca presso il Dip. ESAF, Facoltà di Agraria, Palermo. Anno accademico 2008-2009 Premesse
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
DettagliInsegnamento di Idrologia. Esercitazione n. 4
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
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
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
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
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
DettagliStatistica a lungo termine: calcolo dell onda di progetto
Esercitazione Statistica a lungo termine: calcolo dell onda di progetto Sulla base delle misure ondametriche effettuate dalla boa di Ponza si calcoli, utilizzando la distribuzione di probabilità di Gumbel,
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
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)
DettagliΣ (x i - x) 2 = Σ x i 2 - (Σ x i ) 2 / n Σ (y i - y) 2 = Σ y i 2 - (Σ y i ) 2 / n. 13. Regressione lineare parametrica
13. Regressione lineare parametrica Esistono numerose occasioni nelle quali quello che interessa è ricostruire la relazione di funzione che lega due variabili, la variabile y (variabile dipendente, in
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:...................................................
DettagliNote sulla probabilità
Note sulla probabilità Maurizio Loreti Dipartimento di Fisica Università degli Studi di Padova Anno Accademico 2002 03 1 La distribuzione del χ 2 0.6 0.5 N=1 N=2 N=3 N=5 N=10 0.4 0.3 0.2 0.1 0 0 5 10 15
DettagliCorso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VII
Corso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VII Un breve richiamo sul test t-student Siano A exp (a 1, a 2.a n ) e B exp (b 1, b 2.b m ) due set di dati i cui
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
DettagliDistribuzione esponenziale. f(x) = 0 x < 0
Distribuzione esponenziale Funzione densità f(x) = λe λx x 0 0 x < 0 Funzione parametrica (λ) 72 Funzione di densità della distribuzione esponenziale 1 0.9 0.8 0.7 λ=1 0.6 f(x) 0.5 0.4 0.3 λ=1/2 0.2 0.1
DettagliPresentazione dell edizione italiana
1 Indice generale Presentazione dell edizione italiana Prefazione xi xiii Capitolo 1 Una introduzione alla statistica 1 1.1 Raccolta dei dati e statistica descrittiva... 1 1.2 Inferenza statistica e modelli
DettagliDISTRIBUZIONE DEI VALORI ESTREMI Prof. Antonio Lanzotti
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI INGEGNERIA AEROSPAZIALE D.I.A.S. STATISTICA PER L INNOVAZIONE a.a. 007/008 DISTRIBUZIONE DEI VALORI ESTREMI Prof. Antonio Lanzotti A cura di:
DettagliFACOLTA DI INGEGNERIA
FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA PER L AMBIENTE ED IL TERRITORIO CORSO DI STATISTICA E CALCOLO DELLE PROBABILITA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N 5 ARGOMENTO: VERIFICA DEL MODELLO
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
DettagliUniversità della Calabria
Università della Calabria CORSO DI LAUREA IN SCIENZE GEOLOGICHE CORSO DI ELEMENTI DI STATISTICA IDROLOGICA E IDROLOGIA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N Caratteristiche geomorfiche del bacino idrografico
DettagliLezioni di Statistica del 15 e 18 aprile Docente: Massimo Cristallo
UIVERSITA DEGLI STUDI DI BASILICATA FACOLTA DI ECOOMIA Corso di laurea in Economia Aziendale anno accademico 2012/2013 Lezioni di Statistica del 15 e 18 aprile 2013 Docente: Massimo Cristallo LA RELAZIOE
DettagliIl livello del mare a Trieste: piani di riferimento e statistiche
UNIVERSITA DEGLI STUDI DI TRIESTE DIPARTIMENTO DI SCIENZE DELLA TERRA OM Oceanografia e Meteorologia RAPPORTO n. 112 OM 05/6 Franco Stravisi Nicolò Purga Il livello del mare a Trieste: piani di riferimento
DettagliBOLLETTINO IDROLOGICO
SINTESI SITUAZIONE Settimana dal 27 ottobre al 2 novembre 214 Afflussi meteorici (pag. 2): settimana caratterizzata da precipitazioni quasi assenti su tutta la regione lombarda. Temperature medie giornaliere
Dettaglidistribuzione normale
distribuzione normale Si tratta della più importante distribuzione di variabili continue, in quanto: 1. si può assumere come comportamento di molti fenomeni casuali, tra cui gli errori accidentali; 2.
DettagliR - Esercitazione 6. Andrea Fasulo Venerdì 22 Dicembre Università Roma Tre
R - Esercitazione 6 Andrea Fasulo fasulo.andrea@yahoo.it Università Roma Tre Venerdì 22 Dicembre 2017 Il modello di regressione lineare semplice (I) Esempi tratti da: Stock, Watson Introduzione all econometria
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 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
DettagliSTUDIO PER IL PIANO STRALCIO DI BACINO DEL FIUME MAGRA (Allegato 6)
STUDIO PER IL PIANO STRALCIO DI BACINO DEL FIUME MAGRA (Allegato 6) Elaborazione statistica dei dati di portata finalizzata alla valutazione della disponibilità idrica Ing. Branca Alessia 1. Periodi di
DettagliMisure Meccaniche e Termiche. punti massa. Valore atteso: Varianza:
Fenomeni aleatori Misure Meccaniche e Termiche Sezione di Misure e Tecniche Sperimentali I fenomeni aleatori (o casuali) sono fenomeni empirici il cui risultato non è prevedibile a priori, caratterizzati
DettagliFLORA: modellistica per la valutazione delle piene in Lombardia
FLORA: modellistica per la valutazione delle piene in Lombardia Ing. Matteo Cislaghi Dott. Michele Russo Ing. Roberto Serra ARPA Lombardia Servizio Idrografico Genova, 22 maggio 2013 AGGIORNAMENTO DELLE
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
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
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
DettagliUniversità del Piemonte Orientale Specializzazioni di area sanitaria Statistica Medica
Università del Piemonte Orientale Specializzazioni di area sanitaria Statistica Medica Regressione Lineare e Correlazione Argomenti della lezione Determinismo e variabilità Correlazione Regressione Lineare
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
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
Dettagli16/03/2017. Maurizio Giugni CENNI DI IDROLOGIA IL CICLO IDROLOGICO. Idrologia. Lezione n. Parole chiave: Reti di drenaggio urbano
Maurizio Giugni CENNI DI IDROLOGIA 11 Lezione n. Parole chiave: Reti di drenaggio urbano Corso di Laurea: IAeT Insegnamento: Infrastrutture idrauliche Email Docente: giugni@unina.it A.A. 2009-2010 IL CICLO
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
DettagliMacroattività B - Modellazione idrologica Attività B1: Regionalizzazione precipitazioni
ACCORDO DI COLLABORAZIONE SCIENTIFICA TRA REGIONE TOSCANA E DIPARTIMENTO DI INGEGNERIA CIVILE E AMBIENTALE DELL UNIVERSITA DEGLI STUDI DI FIRENZE PER ATTIVITA DI RICERCA PER LA MITIGAZIONE DEL RISCHIO
DettagliOgni misura è composta di almeno tre dati: un numero, un'unità di misura, un'incertezza.
Ogni misura è composta di almeno tre dati: un numero, un'unità di misura, un'incertezza. Misure ripetute forniscono dati numerici distribuiti attorno ad un valore centrale indicabile con un indice (indice
DettagliQUINCUNX: IL TUBO DI GALTON Prof. Antonio Lanzotti
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI INGEGNERIA AEROSPAZIALE D.I.A.S. STATISTICA PER L INNOVAZIONE a.a. 2007/2008 QUINCUNX: IL TUBO DI GALTON Prof. Antonio Lanzotti A cura di: Ing.
DettagliCasa dello Studente. Casa dello Studente
Esercitazione - 14 aprile 2016 ESERCIZIO 1 Di seguito si riporta il giudizio (punteggio da 0 a 5) espresso da un gruppo di studenti rispetto alle diverse residenze studentesche di un Ateneo: a) Si calcolino
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
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
DettagliLa statistica. Elaborazione e rappresentazione dei dati Gli indicatori statistici. Prof. Giuseppe Carucci
La statistica Elaborazione e rappresentazione dei dati Gli indicatori statistici Introduzione La statistica raccoglie ed analizza gruppi di dati (su cose o persone) per trarne conclusioni e fare previsioni
DettagliLa 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
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
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
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
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.
DettagliFACOLTÀ DI INGEGNERIA
a.a. 2012/2013 FACOLTÀ DI INGEGNERIA CORSO DI LAUREA IN: INGEGNERIA DELLE COSTRUZIONI EDILI E DEI SISTEMI AMBIENTALI Insegnamento: COSTRUZIONI IDRAULICHE OGGETTO: QUADERNO DELLE ESERCITAZIONI dott. ANDREA
DettagliESERCITAZIONE 1 ESTENSIMETRIA
UNIVERSITA DEGLI STUDI DI CAGLIARI FACOLTA DI INGEGNERIA E ARCHITETTURA DIPARTIMENTO DI MECCANICA, CHIMICA E MATERIALI CORSO DI LAUREA IN INGEGNERIA MECCANICA ESERCITAZIONE 1 ESTENSIMETRIA Relazione del
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:.......................................................................
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
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. Matematica con Elementi di Statistica a.a. 2015/16
Statistica La statistica è la scienza che organizza e analizza dati numerici per fini descrittivi o per permettere di prendere delle decisioni e fare previsioni. Statistica descrittiva: dalla mole di dati
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
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
DettagliLAUREA SPECIALISTICA IN FARMACIA - Prova scritta di MATEMATICA - 24/01/03 ANNI PRECEDENTI. 1. (Punti 10) Si consideri la funzione
MATEMATICA - 4//3 ANNI PRECEDENTI (Punti ) Si consideri la funzione ( ) f() = ln Si studi f, determinando in particolare dominio, limiti, intervalli di crescenza, decrescenza, concavità, convessità di
DettagliVariabili casuali. - di Massimo Cristallo -
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 16 e 27 maggio 2013 - di Massimo Cristallo - Variabili casuali
DettagliScale Logaritmiche. Matematica con Elementi di Statistica a.a. 2015/16
Scale Logaritmiche Scala Logaritmica: sull asse prescelto (ad esempio, l asse x) si rappresenta il punto di ascissa = 0 0 nella direzione positiva si rappresentano, a distanze uguali fra di loro, i punti
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
Dettagli[ ] L incremento di invaso in un intervallo di tempo t è dato da:
METODO DI MUSKINGUM-CUNGE E un modello del 1938 che prende il nome dal fiume in cui è stato applicato la prima volta. Alla base del modello ci sono le ipotesi che il volume d acqua invasato nel tronco
DettagliSTATISTICA (modulo I - Statistica Descrittiva) Soluzione Esercitazione I
2. e 3. STATISTICA (modulo I - Statistica Descrittiva) Soluzione Esercitazione I 1. Le unità statistiche sono costituite dai singoli ristoranti, mentre la popolazione è costituita da tutte le unità del
DettagliTeoria e tecniche dei test. Concetti di base
Teoria e tecniche dei test Lezione 2 2013/14 ALCUNE NOZIONI STATITICHE DI BASE Concetti di base Campione e popolazione (1) La popolazione è l insieme di individui o oggetti che si vogliono studiare. Questi
DettagliSTATISTICA esercizi svolti su: INTERPOLAZIONE PONDERATA, REGRESSIONE E CORRELAZIONE
STATISTICA esercizi svolti su: INTERPOLAZIONE PONDERATA, REGRESSIONE E CORRELAZIONE 1 1 INTERPOLAZIONE PONDERATA, REGRESSIONE E CORRELAZIONE 2 1 INTERPOLAZIONE PONDERATA, REGRESSIONE E CORRELAZIONE 1.1
DettagliLE PROVE DI AFFIDABILITA
4. LE PROVE DI AFFIDABILITA Ed.1 del 14/09/98 Rev. 3 del 08/09/00 AFFIDABILITA' DI COMPONENTI E SCHEDE ELETTRONICHE-sez 4 1 LE PROVE DI AFFIDABILITA SI RICAVANO INFORMAZIONI RELATIVE AD UN CAMPIONE E SI
DettagliEsercizi in preparazione all esame di. Laboratorio del corso di Principi di Informatica. Prof.sse M. Anselmo e R. Zizza. a.a.
Esercizi in preparazione all esame di Laboratorio del corso di Principi di Informatica Prof.sse M. Anselmo e R. Zizza a.a. 2012/13 NOTA: E necessario salvare il file come .xlsx e inserire
DettagliAnalisi di frequenza regionale delle precipitazioni estreme
Macroattività B - Modellazione idrologica Attività B1 - Regionalizzazione precipitazioni Analisi di frequenza regionale delle precipitazioni estreme Relazione Tecnica Finale Febbraio 2014 Sommario Metodologia
DettagliCriteri di Valutazione della scheda (solo a carattere indicativo)
Criteri di Valutazione della scheda (solo a carattere indicativo) Previsioni - A Sono state fatte le previsioni e discussi i valori attesi insieme al ragionamento con cui sono stati calcolati? E stata
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
DettagliStatistica 1 A.A. 2015/2016
Corso di Laurea in Economia e Finanza Statistica 1 A.A. 2015/2016 (8 CFU, corrispondenti a 48 ore di lezione frontale e 24 ore di esercitazione) Prof. Luigi Augugliaro 1 / 35 Il modello di regressione
DettagliProgetto fognatura di Trigoria
UNIVERSITA DEGLI STUDI ROMA TRE Facoltà di Ingegneria Corso di laurea in INGEGNERIA CIVILE Progetto fognatura di Trigoria Tesi di Laurea di Gaetano Passaro Ottobre 2011 Relatori: Prof. G. Calenda Prof.
DettagliGNDCI Linea 1. Rapporto di sintesi sulla valutazione delle piene in Italia 11. SINTESI DEL RAPPORTO REGIONALE SICILIA
11. SINTESI DEL RAPPORTO REGIONALE SICILIA 11.1 Premessa In questa breve nota vengono sintetizzati i risultati salienti del Progetto VAPI per la stima delle portate di assegnato tempo di ritorno, per qualsiasi
DettagliANOVA: ANALISI DELLA VARIANZA Prof. Antonio Lanzotti
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI INGEGNERIA AEROSPAZIALE D.I.A.S. STATISTICA PER L INNOVAZIONE a.a. 007/008 ANOVA: ANALISI DELLA VARIANZA Prof. Antonio Lanzotti A cura di: Ing.
DettagliSperimentazioni di Fisica I mod. A Statistica - Lezione 2
Sperimentazioni di Fisica I mod. A Statistica - Lezione 2 A. Garfagnini M. Mazzocco C. Sada Dipartimento di Fisica G. Galilei, Università di Padova AA 2014/2015 Elementi di Statistica Lezione 2: 1. Istogrammi
DettagliDistribuzione normale
Distribuzione normale istogramma delle frequenze di un insieme di misure relative a una grandezza che varia con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata
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
DettagliStatistica Un Esempio
Statistica Un Esempio Un indagine sul peso, su un campione di n = 100 studenti, ha prodotto il seguente risultato. I pesi p sono espressi in Kg e sono stati raggruppati in cinque classi di peso. classe
DettagliStatistica Metodologica
Statistica Metodologica Esercizi di Probabilita e Inferenza Silvia Figini e-mail: silvia.figini@unipv.it Problema 1 Sia X una variabile aleatoria Bernoulliana con parametro p = 0.7. 1. Determinare la media
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
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.
DettagliRicostruzione del periodo di ritorno del nubifragio di Molare del 13 Agosto 1935
Politecnico di Torino - Prima Facoltà di Ingegneria A.A.211-212 Corso di Laurea Magistrale in Ingegneria per l Ambiente e il Territorio Corso di Protezione Idraulica del Territorio (8 CFU) Prof. Pierluigi
DettagliEsame di Statistica del 19 settembre 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova).
Esame di Statistica del 19 settembre 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione: si
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
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
Dettagli