Quanto e’ stellata la notte? Roma e Marche A.S. 2010/11 prof. Roberto Nesci (1), prof. Aldo Altamore(2), dr. Ilaria De Angelis (2) (1)Universita’ La Sapienza;

Slides:



Advertisements
Presentazioni simili
Festambiente – Vicenza, giugno 2008 Wikibooks Manuali e libri di testo liberi Ramac.
Advertisements

LA VARIABILITA’ IV lezione di Statistica Medica.
Il cielo notturno osservato da noi ragazzi Dalle osservazioni di studenti delle classi 1° anno E 1° anno C 2° anno E 3° anno B 4° anno C.
Colore dei corpi opachi riflettenti dispersione della luce paradosso di Olbers In funzione della frequenza della luce incidente e della natura dei pigmenti.
Lez. 3 - Gli Indici di VARIABILITA’
Orientamento e inserimento lavorativo
Pierangelo Degano, Emanuel Castellarin, Laura Passaponti
Descrizione dei dati Metodi di descrizione dei dati
Progetto Pilota 2 Lettura e interpretazione dei risultati
Inferenza statistica per un singolo campione
Seconda Lezione: Lavorare su una mappa Misurazioni Dati associati Salvare e riaprire un progetto Elementi decorativi.
On the sources of convergence: A close look at the Spanish regions (Angel de la Fuente) A cura di De Rose Daniela A.A
La materia oscura In cosmologia il termine materia oscura indica quella componente di materia che dovrebbe essere presente in quanto manifesta i suoi.
Università degli studi La Sapienza CLS Ingegneria Informatica a.a. 2007/2008 Visione e Percezione Face Recognition Studenti: Andrea Pennisi Daniele Perrone.
27/09/2009R. Nesci, UAI Padova1 Prof. Roberto Nesci, Dip. Di Fisica, Universita La Sapienza Quanto e stellata la notte? Monitoraggio della brillanza del.
Quanto e’ stellata la notte?
L’inquinamento luminoso
Fotometria astronomica
colori elettronici1 Immagini astronomiche a colori Prof. Roberto Nesci Universita La Sapienza, Roma.
introduzione astrofotografia1 Introduzione alla astrofotografia Prof. Roberto Nesci Universita La Sapienza, Roma.
Nella quarta lezione, a dimostrazione dellinteresse sempre vivo, nel passato come nel presente, per le figure animali nel loro valore allegorico, ho mostrato.
Misurazione Le osservazioni si esprimono in forma di misurazioni
Urbano, inconcentrato sulla città, Rurale: incentrato sulla campagna;
La Visibilità Delle Stelle
CMMI Presentazione del modello di supporto allassessment Febbraio 2008.
Cai Lin Lin Michela & Guidetti Emanuela presentano:
LAmbiente, inteso come sistema vivente, è un campo didattico che offre infinite possibilità di approccio e di proposte formative …
Fondamenti di informatica
Esperimento di statistica Palmo Fuoco – Giuseppe Valerio.
9:30 Aula B - Introduzione del Direttore del Dipartimento, C. Bacci Indirizzi di saluto da parte: del Magnifico Rettore, G. Fabiani dellAssessore alle.
I principali tipi di grafici
Curiel, 1/11/2004 Alessandro Pizzella – Dipartimento di Astronomia – Università di Padova.
Unità 7 Test parametrici ☐ Test t di Student ☐ Analisi della varianza ad una via ☐ Confronti multipli.
I motivi della scelta scolastica
SUPSI Scuola Universitaria Professionale della Svizzera Italiana Dipartimento Ambiente Costruzioni e Design Istituto di Sostenibilità Applicata all Ambiente.
Tesina Titolo, autori Introduzione Apparato sperimentale
Sintesi della lezione Il concetto di variabilità Campo di variazione Differenza interquartile La varianza La deviazione standard Scostamenti medi VARIABILITA’
Dalla Misurazione alla Valutazione
Lez. 3 - Gli Indici di VARIABILITA’
Statistica La statistica è
Titolo del progettoVedi le TALENTS ' APP Abstract del progetto Dar vita ad uno spazio reale e virtuale di aggregazione che riunisca studenti e neet; un.
Accenni di analisi monovariata e bivariata
Compito 1: 1) La seguente distribuzione riporta i punteggi di depressione su individui con disturbo post- traumatico da stress: a)Costruire.
Martina Serafini Martina Prandi
Esercizio 1: 1) La seguente distribuzione riporta i punteggi di ansia misurata su studenti di psicometria:
Misura di una quantità fisica
Marta Pinto Stefania Serra Valentina Paravidino
3 June Biostatistica Biostatitistica= Statistica per scienze Biostatitistica= Statistica per scienze biologiche e sanitarie. biologiche e sanitarie.
STATISTICHE DESCRITTIVE
Prof. Roberto Nesci, Dip. Di Fisica, Universita’ La Sapienza, Roma
Intervallo di Confidenza Prof. Ing. Carla Raffaelli A.A:
Metodologia della ricerca e analisi dei dati in (psico)linguistica 23 Giugno 2015 Statistica descrittiva
Istituto Comprensivo Rignano-Incisa Tirocinante TFA: G. Giuliani
Metodologie informatiche per la chimica Dr. Sergio Brutti Esercitazione di analisi dei dati II.
Accenni di analisi monovariata e bivariata
ANALISI E INTERPRETAZIONE DATI
Esercizio 1 La seguente distribuzione riporta i punteggi di ansia misurata prima dell’esame di psicometria: a) Costruire una tabella di frequenza, indicando:
TRATTAMENTO STATISTICO DEI DATI ANALITICI
Statistica – L33 (prof. Pellegrini)
Le carte geografiche.
analisi bidimensionale #2
Raccontare la tecnologia….. Un nuovo interesse verso le conoscenze ……. Il bisogno di un insegnamento che coinvolga gli alunni verso un apprendimento più.
Accenni di analisi monovariata e bivariata. ANALISI MONOVARIATA Analisi delle informazioni ricavabili da una variabile alla volta, prescindendo dalle.
1 Statistica descrittiva 2. Sintetizzare i dati con degli indici Come descrivere una variabile in un insieme di osservazioni 1. Utilizzare rappresentazioni.
La distribuzione normale. Oltre le distribuzioni di frequenza relative a un numero finito di casi si possono utilizzare distribuzioni con un numero di.
AVVIO DEL SISTEMA NAZIONALE DI VALUTAZIONE USR dell’Emilia-Romagna Roberto Ricci INVALSI Salsomaggiore (PR), 4 marzo 2015.
Scienze tecniche e psicologiche
DEFINIZIONE. La statistica è la disciplina che si occupa della raccolta di dati quantitativi relativi a diversi fenomeni, della loro elaborazione e del.
Gli Indici di VARIABILITA’
Quanto e’ stellata la notte? Campagna 2011/12
Transcript della presentazione:

Quanto e’ stellata la notte? Roma e Marche A.S. 2010/11 prof. Roberto Nesci (1), prof. Aldo Altamore(2), dr. Ilaria De Angelis (2) (1)Universita’ La Sapienza; (2)Universita’ RomaTre Con la collaborazione del Museo del Bali’ (Saltara, PU) Supporto informatico del dr. Giuseppe Cirimele Nell’A.S. 2010/11 il progetto “Quanto e’ stellata la notte” ha coivolto 180 ragazzi di 18 scuole, 12 nella zona di Roma e 6 nella Provincia di Pesaro-Urbino. Scopo del progetto e’ coinvolgere attivamente studenti delle scuole Medie e Superiori nella osservazione del cielo stellato per valutare la magnitudine delle stelle piu’ deboli visibili dal loro luogo di osservazione. Sono state compiute piu’ di 1100 osservazioni. Rispetto alle campagne del 2009 e del 2010, sono aumentati sia il numero di studenti attivi che la quantita’ di dati raccolti per studente. Le figure 1 e 2 indicano la distribuzione sul territorio degli osservatori. Per ottenere un valore ragionevole delle visibilita’ delle stelle, partendo da un insieme di dati di osservatori non esperti, si e’ seguita la seguente procedura: 1.prendere per ciascun osservatore il dato migliore; 2.definire zone geografiche omogenee; 3.calcolare la mediana dei dati in ciascuna zona geografica; 4.calcolare la deviazione standard dei dati come indice della dispersione dei dati nella zona. Tabella 1: magnitudini limite per zone geografiche zona n best mdn med sigma aspettato Lazio Roma Ostia colombo romaest romacentro Marche Fano Urbino Frontone Saltara Come per gli anni precedenti, i risultati sono stati confrontati con la mappa aspettata di visibiilta’ ad occhio nudo delle stelle, calcolata da Cinzano (2001) sulla base di dati dei satelliti DMSP e di un modello di diffusione della luce nell’atmosfera. I risultati sono sintetizzati nella Tabella 1, dove le colonne riportano i seguenti dati: zona, numero osservatori, magnitudine piu’ debole osservata, mediana, media e dispersione dei risultati ottenuti nella zona. Tabella 2: magnitudine limite per macroaree, indipendentemente dalla Regione Ambiente media dev.st Urbano Periferia Campagna Risultati principali: 1.Accordo della mappa del progetto con la mappa di Cinzano per quanto riguarda l’andamento generale. 2.Differenze sensibili nei valori numerici di magnitudine limite rispetto alle aspettative. 3.Forti dispersioni dei dati tra diversi osservatori anche a breve distanza geografica. 4.Bassa visibilita’ delle stelle al centro di una citta’ piccola (Fano), anche se migliore di quella al centro di Roma. 5.Visibilita’ migliore del previsto nelle localita’ di campagna. Fig. 2: Osservatori nel Lazio Fig. 1: Osservatori nelle Marche Bibliografia: Cinzano P Nesci R., Altamore A., Cirimele G. 2010, in Communicating Astronomy with the Public 2010, Capetown