Valutazione dei fattori influenti per elevate concentrazioni del radon indoor nel caso della Lombardia. Un approccio basato sul modello autologistico.

Documenti analoghi
RADON IN LOMBARDIA: UN APPROCCIO GEOSTATISTICO PER L'INDIVIDUAZIONE DEI COMUNI CON ELEVATA PROBABILITA DI ALTE CONCENTRAZIONI

APPROCCIO GEOSTATISTICO PER L INDIVIDUAZIONE DELLE RADON PRONE AREAS IN LOMBARDIA

Statistica multivariata Donata Rodi 17/10/2016

PROGETTO D INDAGINE RADON IN PUGLIA

Quiz di verifica Classificazione

PROGETTO RADON NELLA PROVINCIA DI LECCE II FASE ( ) RISULTATI DEL QUESTIONARIO ARPA PUGLIA

Campagne di misure radon. Enrico Chiaberto Dipartimento Radiazioni ARPA Piemonte. Fonte dati ARPA Piemonte

VIII Indice 2.6 Esperimenti Dicotomici Ripetuti: Binomiale ed Ipergeometrica Processi Stocastici: Bernoul

Introduzione alla Regressione Logistica

La Presa In Carico degli anziani non autosufficienti: conoscere per decidere

RISULTATI INDAGINE CONOSCITIVA VALORI INDOOR DI GAS RADON NEL COMUNE DI CAPACCIO (SA)

LEZIONE N. 11 ( a cura di MADDALENA BEI)

Luigi Santoro. Hyperphar Group S.p.A., MIlano

Azioni di risanamento e prevenzione in Italia

Valenza didattica (aggiunta e principale) Individuazione della grandezza da misurare. Misure ccomplementari/alternative

1.1 CLASSIFICAZIONE DI VARIABILI

IL PROGETTO RADON PRONE AREAS IN FRIULI VENEZIA GIULIA

Facoltà di Economia - Università di Pavia Simulazione Prova Scritta di Statistica Sociale 19 dicembre 2012

Esercitazione. 24 Aprile 2012

ATTIVITÀ DI ARPA FRIULI VENEZIA GIULIA PRESSO IL POLIGONO CELLINA-MEDUNA: MISURE DI RADIOATTIVITÀ AMBIENTALE

Il modello di regressione (VEDI CAP 12 VOLUME IEZZI, 2009)

L individuazione delle radon-prone areas: metodologie e applicazioni.

STATISTICA BIVARIATA: ALCUNI STIMOLI DI APPROFONDIMENTO (Tecn. Lab. Biomedico e Tecn. Fisiop. e Perfus. Cardiovascolare 3 Anno)

Imputazione dati mancanti

protezione contro il radon

0 altimenti 1 soggetto trova lavoroentro 6 mesi}

La stabilità dei campioni fecali nello screening del carcinoma colorettale

Il calcolo del VAR operativo mediante la metodologia stocastica parametrica. Simona Cosma

ANALISI DELLA SOPRAVVIVENZA

LABORATORIO DI PROBABILITA E STATISTICA

Tecniche di misura del Radon e dei suoi prodotti di decadimento

RADON e SALUTE. MARANO VIC. 17 gennaio 2012

Statistica. Capitolo 12. Regressione Lineare Semplice. Cap. 12-1

Markov Chains and Markov Chain Monte Carlo (MCMC)

Misure in campo del Fattore di Equilibrio F del 222 Rn

LINEE GUIDA PER UNA CORRETTA PROGETTAZIONE CONSAPEVOLE UN NEMICO INVISIBILE: IL GAS RADON. Arch. Fausto Redondo

Multicollinearità. Strumenti quantitativi per la gestione

Davide Faranda- Caratterizzazione di traccianti atmosferici stabili e radioattivi presso la stazione GAW di Mt. Cimone

La situazione Radon nel Lazio

Esercitazione 8 del corso di Statistica 2

Modelli a effetti misti

Figura Area di Studio

Cos è il radon? Quali sono i suoi effetti e come ci si può proteggere Situazione in regione: abitazioni e scuole. Ottobre

Comune di Casazza (BG)

Confronto fra gruppi: il metodo ANOVA. Nicola Tedesco (Statistica Sociale) Confronto fra gruppi: il metodo ANOVA 1 / 23

Obiettivo: confrontare due proporzioni, studiare il legame in presenza di un fattore di stratificazione

Prova scritta di Complementi di Probabilità e Statistica. 7 Dicembre 2012

Variabili indipendenti qualitative. In molte applicazioni si rende necessario l introduzione di un fattore a due o più livelli.

VALUTAZIONE DEL RISCHIO RADON

AGENTI FISICI 2014 Radiazioni ionizzanti Concentrazione di attività di radon indoor

Presentazione dell edizione italiana

Prova Scritta di METODI STATISTICI PER L AMMINISTRAZIONE DELLE IMPRESE (Milano, )

NATURA, ORIGINE E DIFFUSIONE DEL RADON IN ITALIA

Elementi di Psicometria con Laboratorio di SPSS 1

Bologna, 17 marzo 2017

Questo progetto è cofinanziato dalla Unione europea (TEN-T) Ce projet est cofinancé par l Union européenne (RTE-T)

Tema d esame del 15/02/12

MONITORAGGIO DEL PM10 MEDIANTE STAZIONE RILOCABILE VICENZA. Località Maddalene - Strada Pasubio (Cortile Scuole Elementari J.

Statistica Applicata all edilizia: il modello di regressione

Statistica di base per l analisi socio-economica

Radon. un problema per la salute negli ambienti confinati. Centro Regionale per le Radiazioni Ionizzanti e non Ionizzanti

RaDON. Giuseppe Scielzo (Fisico) Filippo Grillo Ruggieri (Medico) Salvatore Melluso (Geologo)

Il modello di regressione lineare multipla. Il modello di regressione lineare multipla


CALCOLO DELLE PROBABILITÀ - 9 giugno 1998 Scrivere le risposte negli appositi spazi Motivare dettagliatamente le risposte su fogli allegati

Variabili casuali multidimensionali

Copyright Esselibri S.p.A.

ESAME. 9 Gennaio 2017 COMPITO B

Calcolo delle Probabilità 2

CRITERI E STRATEGIE PER LA DEFINIZIONE DELLE AREE A RISCHIO RADON IN PIEMONTE

Test F per la significatività del modello

Regressione lineare semplice

Servizio Sistemi Ambientali Viale Fontanelli, Modena - Tel Fax

Ecomondo 2013 Applicazione di un modello lagrangiano a particelle per la dispersione degli odori per superare i limiti di CALPUFF.

Test delle Ipotesi Parte I

JMP 10 Student Edition: Guida rapida

Algoritmi di ricerca locale

Prof.ssa G. Serio, Prof. P. Trerotoli, Cattedra di Statistica Medica, Università di Bari 1/16. Malato vs non malato. Esposto vs non esposto

Azioni di risanamento in strutture con elevate concentrazioni di radon

Regressione multipla

Scuola dell'infanzia Mons. E. Bullian - Ampezzo

4.1 Localizzazione e pianificazione delle base station per le reti UMTS

SPESA STORICA E FABBISOGNI STANDARD. METODOLOGIA ED APPLICAZIONE

Principali attività operative e di studio di ARPA Lazio sulle problematiche generali del Radon

UTILIZZO DELLO STRUMENTO ANALISI DATI DI EXCEL 1 PER ANALISI DI CORRELAZIONE E STIMA DI MODELLI DI REGRESSIONE

Statistica multivariata

MODELLI DI ASSEGNAZIONE PER LE RETI STRADALI

Una Breve Introduzione a E-views

Casi di Studio Radon. DACD / CCR / Titolo principale della presentazione 1

Quanti soggetti devono essere selezionati?

Prof. Ing. Roberto BRUNO Ing. Serena Sgallari Dipartimento di Ingegneria Chimica, Mineraria e delle Tecnologie Ambientali Università di Bologna

Analisi della sopravvivenza

STATISTICA 1, metodi matematici e statistici Introduzione al linguaggio R Esercitazione 7:

Matricola: Corso: 1. (4 Punti) Stimare la variazione del reddito quando il prezzo del prodotto finale raddoppia.

4. MODELLI DI SCELTA DEL PERCORSO

Modelli con predittori qualitativi e modelli con interazioni. Strumenti quantitativi per la gestione

Progetto: Nuovo collegamento ferroviario Torino Lione Cunicolo esplorativo La Maddalena

Previsioni sequenziali delle lunghezze del ciclo mestruale

Differenze tra metodi di estrazione

Esposizione ad acido solfidrico ed effetti acuti sulla salute

Transcript:

Valutazione dei fattori influenti per elevate concentrazioni del radon indoor nel caso della Lombardia. Un approccio basato sul modello autologistico. Andrea Cremonesi Progetto Radon Prone Areas in Lombardia Giornata di studio Metodi statistici per l ambiente e il territorio - 19 dicembre 2007

Analisi esplorativa (1) Missing n di casi media dev.std % di casi 200 % di casi 400 Aria condizionata 85 Destinazione uso 3 Anno costruzione 62 Piano campagna 138 Presente 348 95,9 112,6 8,62 2,01 Assente 3190 127,0 144,2 16,14 4,76 Luogo lavoro 1913 128,1 143,2 16,99 4,97 Abitazione 1707 120,3 138,9 14,00 3,87 Prima 1970 375 121,8 128,6 15,47 3,73 Dopo 1970 3186 124,6 142,2 15,57 4,49 Con sotterraneo 2172 111,3 130,2 12,34 2,95 Contatto terreno 1313 145,9 157,1 20,87 7,08

Analisi esplorativa (2) Materiale pareti 57 Materiale pavimenti Missing n di casi media dev.std 18 Apertura finestre in estate 452 % di casi 200 % di casi 400 Pietra 530 163,3 187,1 24,15 7,36 Altro 3036 117,9 131,4 14,23 4,02 Marmo/granito 278 109,5 126,4 12,23 2,88 Altro 3327 125,2 141,8 15,81 4,51 0-6 ore 1658 124,4 134,0 16,10 4,16 6-24 ore 1513 119,6 142,2 13,81 4,10

Modello autologistico (1) Y s rappresenta la concentrazione del radon indoor. Y s viene confrontata con le soglie di 200 e 400 Bq/m 3. Il risultato è una variabile dicotomica I s. L obiettivo è spiegare la probabilità di superare la soglia (I s =1) in relazione alle caratteristiche X dell edificio.

Modello autologistico (2) Dove: I s è la variabile di risposta dicotomica; N(s) è l insieme dei siti vicini a quello considerato; X è il vettore di covariate (caratteristiche edificio); ρ è il parametro che indica il livello di interazione fra siti vicini; c sj è una matrice di connettività che assume valore 1 quando due siti sono vicini, 0 altrimenti. [ ] + + + + + = = ) ( ) ( I X exp 1 I X exp ) (, I 1 I P s N j j sj s s N j j sj s j s c ' c ' s N j ρ β α ρ β α

Determinazione distanza vicinato Analisi per determinare entro quale distanza due siti vengono considerati vicini. Restrizione del range di possibili raggi di vicinato: Vicinato di s: d h-1 <d(s,s j ) d h con d h d h-1 = 1000 m e 0m h 20000m; Valutazione correlazione attraverso I di Moran (validi I>0.05). Procedura di fit per determinare il raggio ottimo, risultato a 7.5 Km.

Selezione del modello Le variabili sono state dicotomizzate Le variabili binarie sono state inserite nel modello in modo stepwise. L ordine di entrata è dato dall odds ratio tra la variabile e la risposta. Correlazione in ordine decrescente (400 Bq/m 3 ) Variabili Odds ratio Piano.camp 2.51 Air.cond 2.44 Pav 1.59 Anno.cost 1.21 Pri.est 0.98 Dest.uso 0.77 Par 0.53 Correlazione in ordine decrescente (200 Bq/m 3 ) Variabili Odds ratio Air.cond 2.04 Piano.camp 1.87 Pav 1.35 Anno.cost 1.01 Pri.est 0.83 Dest.uso 0.80 Par 0.52

Applicazione Risultati modello superamento 400 Bq/m 3 Estimate Std. Error p-value Intercetta -3.652 0.529 <0.0001 Vicinato 0.245 0.023 <0.0001 Contatto terr. 0.716 0.172 <0.0001 Abitazione -0.338 0.173 0.050 Par. no pietra -0.344 0.202 0.088 Risultati modello superamento 200 Bq/m 3 Estimate Std. Error p-value Intercetta -2.270 0.315 <0.0001 Vicinato 0.133 0.009 <0.0001 Contatto terr. 0.513 0.099 <0.0001 Abitazione -0.282 0.101 0.005 Par. no pietra -0.372 0.124 0.003

Risultati modelli (400 Bq/m 3 ) Inbaseaquantoemersoneimodellirisulta: Probabilità di alte concentrazioni maggiore di 2.05 volte per case a contatto con il terreno rispetto a case con sotterraneo. Probabilità maggiore di 1.41 volte per gli ambienti di lavoro rispetto alle abitazioni. Probabilità maggiore di 1.41 volte per case con pareti costruite in pietra rispetto a case con pareti costruite in altri materiali (non in pietra).

Risultati modelli (200 Bq/m 3 ) Inbaseaquantoemersoneimodellirisulta: Probabilità di alte concentrazioni maggiore di 1.67 volte per case a contatto con il terreno rispetto a case con sotterraneo. Probabilità maggiore di 1.33 volte per gli ambienti di lavoro rispetto alle abitazioni. Probabilità maggiore di 1.45 volte per case con pareti costruite in pietra rispetto a case con pareti costruite in altri materiali (non in pietra).

Mappatura (Gibbs Sampling) Definizione di una griglia regolare 100x100 da sovrapporre all area di studio. Associazione ad ogni punto della griglia del valore osservato più vicino per inizializzare la procedura. Creazione di 3 catene indipendenti con 4500 iterazioni ciascuna (le prime 2000 come burn in ). Stima della probabilità I s =1 come proporzione del numero di volte in cui è risultato 1 nelle simulazioni per ogni punto della griglia.

Mappatura

Confronto con simulazioni

Confronto profili (400 Bq/m 3 ) non radon prone radon prone non radon prone radon prone