ANALISI DEL FORBUSH Extreme Energy Events.

Slides:



Advertisements
Presentazioni simili
1 Principali analisi statistiche 1. Confronto fra medie (2 o piú campioni) 2. Correlazione e regressione 3. Analisi di tabelle di contigenza Variabile.
Advertisements

Statistica descrittiva: le variabili Frequenze: tabelle e grafici Indici di posizione, di dispersione e di forma Media e varianza di dati raggruppati Correlazione.
Le misure di oggi Analisi di alcune collisioni (vere!) protone-protone registrate dall’esperimento CMS Identificare le particelle+ determinate quello che.
Il metodo STATIS (L’Hermier des Plantes, 1976; Escoufier, 1983; Lavit et al., 1994) STATIS = Structuration des Tableaux A Trois IndiceS Tecnica esplorativa.
Le equazioni di Maxwell
Precorso di Statistica per le Lauree Magistrali
Distribuzioni limite La distribuzione normale
Giovanni Finaldi Russo Pietro Bruno
Analisi dei flussi finanziari
Analisi dei Dati – Tabelle e Grafici
Valutazione dell’incertezza associata alla mappa acustica dinamica di Milano Giovanni Zambon; Roberto Benocci; Maura Smiraglia; H. Eduardo Roman.
PROPRIETA' DELLE STELLE DI CAMPO
Universita’ di Milano Bicocca Corso di Basi di dati 1 in eLearning
Scuola Navale Militare F. Morosini
Le molecole.
GLI STRUMENTI AUSILIARI
Stage osservatorio di Asiago 2013
L’analisi monovariata
La rotazione delle galassie e l'effetto Doppler
Il raggiungimento dell’equilibrio
L’energia solare.
DISTRIBUZIONI TEORICHE DI PROBABILITA’
1 La lunghezza della circonferenza
L’analisi del comportamento delle imprese (seconda parte)
PIANIFICAZIONE DEI TRASPORTI Regressione lineare
Analisi delle Traiettorie: Modelli di Crescita Latente (LGM)
Esperimento di fisica OBIETTIVO:Determinazione sperimentale del valore di g ed analisi dei grafici relativi al M.U.A(moto uniformemente accelerato.
Il giorno 19 luglio 1999, verso le ore 0514, in posizione j=32°N – l=135°30’E durante la navigazione tra Manila (Filippine) e Tokio (Giappone), si effettua.
Excel 1 - Introduzione.
PRESENTA DELL' AMMASSO APERTO
22) Funzioni (prima parte)
SPETTROSCOPIA DELLE NEBULOSE
Corso di Laurea in Scienze e tecniche psicologiche
La misura del tempo.
Intervalli di Fiducia Introduzione Intervalli di fiducia per la media – Caso varianza nota Intervalli di fiducia per la media – Caso varianza non nota.
Confronto tra diversi soggetti:
Cerchio e Circonferenza
Informatica per Scienze Geologiche LT a.a
Precorso di Statistica per le Lauree Magistrali
La Statistica Istituto Comprensivo “ M. G. Cutuli”
SAS® OnDemand for Academics SAS Studio
I 7 strumenti della qualità
PENDOLO A FILO.
Momenti e valori attesi
Statistica descrittiva
Introduzione alla normalizzazione
Statistica Scienza che studia i fenomeni collettivi.
Le unità di misura astronomiche
La misura della circonferenza e del cerchio
Impariamo a conoscere le Matrici
Esercizi Sapendo che l’indicatore % di disoccupati in alcune province considerate varia da 1.74 a 28.15, applicando il metodo dei numeri indice utilizzato.
Confronto tra diversi soggetti:
Università degli Studi di Modena e Reggio Emilia
32 = 9 x2 = 9 x = 3 32 = 9 √9 = 3 L’estrazione di radice
PROCEDURA per la misura e la relativa stima
MORTALITA’ PER SCLEROSI MULTIPLA NELLA Obiettivo dello studio
INTERNATIONAL COSMIC DAY Become a Scientistic for a Day
The speed of muons project Extreme Energy Events - Liceo Scientifico Statale Bruno Touschek Goal to measure the average speed of muons from cosmic rays.
Metodi Quantitativi per Economia, Finanza e Management Lezione n°9 Regressione lineare multipla: le ipotesi del modello, la stima del modello.
RELAZIONE FINALE PROGETTO 4C
Metodi Quantitativi per Economia, Finanza e Management Lezione n°9 Regressione lineare multipla: le ipotesi del modello, la stima del modello.
ASTRO una cosmic box per EEE
Precorso di Statistica per le Lauree Magistrali
Associazione tra due variabili
SARAI ANCHE BELLA, MA QUANTO MI PESI !
Ricerca di oscillazioni di neutrino
Associazione tra variabili qualitative
Numeri indice di prezzi e quantità
Centro Fermi _ EEE Extreme Energy Events
DECADIMENTO DELLA SCHIUMA DI BIRRA
Transcript della presentazione:

ANALISI DEL FORBUSH Extreme Energy Events

I brillamenti solari si scatenano quando I brillamenti o flares solari sono eruzioni che avvengono nella Corona Solare caratterizzate da un intenso rilascio di energia sotto forma di emissione di luce e particelle. I brillamenti solari si scatenano quando le linee del campo magnetico alla superficie del Sole, dopo essersi attorcigliate fra loro sempre più, riescono a rompere una "gabbia" magnetica formata dalle linee del campo della corona solare che le confina in uno spazio ridotto. (© Tahar Amari et al. / Centre de physique théorique / CNRS/École Polytechnique)

Le emissioni (ejecta) creano un campo magnetico che comprime e spazza via le particelle cariche incontrate nel suo tragitto; si crea così un deficit di particelle cariche che giungono sulla Terra. Osservazioni sulla diminuzione del flusso di raggi cosmici furono effettuate già da S.E.Forbush nel 1937-38, da qui il nome di Effetto Forbush. Il grafico a destra rappresenta i dati presi dal rilevatore OULU in Finlandia a seguito di un brillamento solare.

Provenienza dati Abbiamo analizzato il Forbush avvenuto in data 6 settembre 2017 registrato dai telescopi nelle 48 ore successive. Tra i vari telescopi abbiamo scelto il telescopio TORI-03

Cosa abbiamo fatto Abbiamo: Ricavato il coefficiente di correlazione rate-pressione nei giorni precedenti il Forbush; Abbiamo corretto i dati rendendoli indipendenti dalla pressione; Calcolato i conteggi mediati ogni ora; Calcolato i conteggi relativi in modo tale da poterli confrontare con i dati di Oulu; Svolto lo stesso procedimento con i dati di Oulu; Creato un grafico in modo tale da confrontare i conteggi.

1 Per correggere i dati abbiamo utilizzato la covarianza e il coefficiente di correlazione La covarianza campionaria è la sommatoria del prodotto degli scarti dalla media delle due variabili X e Y, diviso per il numero dei dati meno 1 Il coefficiente di correlazione è: I valori di r variano tra −1 e 1

CALCOLO DEL COEFFICIENTE DI CORRELAZIONE LINEARE Abbiamo rappresentato la dipendenza dei RateTrackEvents dalla pressione Il coefficiente ottenuto usando la funzione «Regressione Lineare» è pari a: m = -0.0536

2 CORREZIONE BAROMETRICA DEI DATI Abbiamo dunque calcolato il valore della pressione media tra le pressioni relative ad ogni evento. Abbiamo normalizzato i dati per ottenere il flusso di muoni corretto dagli effetti della pressione Per ottenere il RateTrackEvents Corretto abbiamo utilizzato la seguente formula: T.R.corr.= T.R.events - m ( P - Pmedia)

3 IMPOSTAZIONE DELLA DATA La colonna «data esatta» raccoglie i dati ogni minuto Nella casella «ora conteggio» abbiamo inserito classi che raggruppassero i dati ogni ora La funzione utilizzata è «orario», aggiungendo un’ora

RATE ORARIO Per confrontare i nostri dati con quelli di OULU abbiamo calcolato la media del RateTrackEvents Corretto ogni ora Abbiamo utilizzato diverse funzioni: «scarto» e «riferimento riga» per spostarci di riga e colonna e raggruppare i dati «media» per calcolarne la media

4 RATE ORARIO MEDIATO I conteggi medi del nostro rivelatore differiscono per entità da quelli di OULU, quindi per poter confrontare le due serie di dati è necessario calcolare i conteggi relativi. Utilizziamo la seguente formula: ConteggiRelativi= (ConteggiOrari-ConteggioMedio)/ConteggioMedio Saranno valori compresi tra -1 e 1

5 I DATI REGISTRATI DAL RIVELATORE DI OULU Dopo aver richiesto a dati dal DataRequest di OULU

Abbiamo effettuato lo stesso procedimento per l’analisi dati, calcolando i conteggi mediati ogni ora e infine i conteggi relativi.

6 CONFRONTO GRAFICO TRA I CONTEGGI E’ evidente una diminuzione del Rate per entrambi i rivelatori in corrispondenza della data 08-09-17 TORI-03 OULU