Elaborazione dei valori di fondo nelle acque sotterranee del SIN laguna di Marano e Grado Dr. A. Felluga ARPA FVG - Laboratorio di Udine 27 giugno 2013.

Slides:



Advertisements
Presentazioni simili
Stime per intervalli Oltre al valore puntuale di una stima, è interessante conoscere qual è il margine di errore connesso alla stima stessa. Si possono.
Advertisements

Nel lavoro effettuato da ARPA sono valutati i risultati relativi alla campagna di misura condotta con Laboratorio Mobile tra il tra il 24 febbraio ed.
Intervalli di confidenza
Proprietà degli stimatori
Indici di dispersione Quantili: sono misure di posizione non centrale che dividono la serie ordinata di dati in un certo numero di parti di uguale numerosità.
Attività cerebrale = correnti neurali localizzate
Inferenza Statistica Le componenti teoriche dell’Inferenza Statistica sono: la teoria dei campioni la teoria della probabilità la teoria della stima dei.
Analisi preliminari dei dati
ERRORI L'errore è presente in ogni metodo analitico e può essere dovuto a cause diverse. L’errore può essere definito come la differenza tra il valore.
Progetto Pilota 2 Lettura e interpretazione dei risultati
Inferenza statistica per un singolo campione
Valutazione di aree a rischio per la produzione cerealicola a causa dell’inquinamento da ozono. De Marco A., Paoletti E., Screpanti A., Racalbuto S., Vialetto.
Analisi della varianza (a una via)
Tema 3: Teorema-Limite Centrale
Appunti di inferenza per farmacisti
Dott.ssa Eleonora Beccaloni
PATTERN RECOGNITION.
Misurazione Le osservazioni si esprimono in forma di misurazioni
Lezione 8 Numerosità del campione
Lezione 8 Numerosità del campione
Num / 36 Lezione 9 Numerosità del campione.
Classi prime programmazione didattica
Comune di Mantova INQUINAMENTO Sostenibilità ambientale
UN SISTEMA DI SUPPORTO ALLA DETERMINAZIONE DI ANOMALIE NEL TRAFFICO DI RETE Tesi di Laurea di: Luca VESCOVI Correlatori: Ing. Aldo Franco DRAGONI Ing.
METODI E CONTROLLI STATISTICI DI PROCESSO
Statistica Descrittiva
Attività proposte nell’ambito del progetto FIRB Abruzzo
Metodi Quantitativi per Economia, Finanza e Management Lezione n°3 Le distribuzioni di frequenza e le misure di sintesi univariate.
Introduzione Statistica descrittiva Si occupa dellanalisi dei dati osservati. Si basa su indicatori statistici (di posizione, di variazione, di concentrazione,
I valori di riferimento
Le distribuzioni campionarie
Unità 6 Test parametrici e non parametrici Test per la verifica della normalità Funzione di ripartizione.
Unità 2 Distribuzioni di probabilità Misure di localizzazione Misure di variabilità Asimmetria e curtosi.
Test parametrici I test studiati nelle lezioni precedenti (test- t, test-z) consentono la verifica di ipotesi relative al valore di specifici parametri.
Università degli Studi di Cagliari
Distribuzioni di frequenza
Obbiettivo L’obiettivo non è più utilizzare il campione per costruire un valore o un intervallo di valori ragionevolmente sostituibili all’ignoto parametro.
LABORATORIO DI ANALISI AVANZATA DEI DATI Andrea Cerioli Sito web del corso ESTENSIONI DEL MODELLO DI REGRESSIONE LINEARE MULTIPLA.
Statistica Descrittiva
ATTIVITÀ PIANO LAUREE SCIENTIFICHE Laboratorio di Statistica
R. Soncini Sessa, MODSS, L 26 Stima degli effetti Calcolo degli obiettivi (Laplace) Rodolfo Soncini Sessa MODSS Copyright 2004 © Rodolfo Soncini.
Esercitazione 1: Rispetto alla scala di pregiudizio sociale (Media=12; σ=3), calcolare: Quale percentuale della popolazione di adulti italiani otterrà.
Strumenti statistici in Excell
IL CAMPIONE.
La statistica F Permette di confrontare due varianze, per stabilire se sono o no uguali. Simile al valore t di Student o al chi quadrato, l’F di Fisher.
Metodi Quantitativi per Economia, Finanza e Management Lezione n°5.
La segmentazione a priori: CHAID
Metodi Quantitativi per Economia, Finanza e Management Lezione n°4
“Teoria e metodi della ricerca sociale e organizzativa”
Esercitazione 5 Corso di Elaborazione e Trasmissione delle Immagini Pisa, 27 ottobre 2004.
Intervalli di confidenza
Metodologia della ricerca e analisi dei dati in (psico)linguistica 23 Giugno 2015 Statistica descrittiva
1 Calcolo delle sezioni d’urto π + π - γ e μ + μ - γ in Kloe attraverso l’indagine statistica LABORATORI NAZIONALI DI FRASCATI STAGES ESTIVI RESIDENZIALI.
LA CASA E LA TERRA Corso di geopedologia.
ARPA FVG - Laboratorio di Udine
Scelta del metodo analitico:
Rapporti numerici e tra grandezze
TRATTAMENTO STATISTICO DEI DATI ANALITICI
Accademia europea dei pazienti sull'innovazione terapeutica Lo scopo e i fondamenti della statistica negli studi clinici.
STATISTICA P IA F ONDAZIONE DI C ULTO E R ELIGIONE C ARD. G. P ANICO Azienda Ospedaliera CORSO DI LAUREA IN INFERMIERISTICA Sr. Margherita Bramato.
Operazioni di campionamento CAMPIONAMENTO Tutte le operazioni effettuate per ottenere informazioni sul sito /area da monitorare (a parte quelle di analisi)
Elementi di statistica e probabilità Misure Meccaniche e Termiche - Università di Cassino 2 Eventi aleatori e deterministici Un evento aleatorio può.
SISTEMA DI RILEVAMENTO REGIONALE DELLA QUALITÀ DELL’ARIA NELLA PROVINCIA DI CUNEO E NELLA CITTÀ DI BRA Torino, 18 marzo 2016 Silvio Cagliero Arpa - Dipartimento.
L'acqua che beviamo. Seminario sulla qualità dell'acqua di Modena Modena, 12 gennaio 2012 Ing. Roberto Menozzi, Dott.ssa Francesca Romani, Gestione Impianti.
1 LA STATISTICA DESCRITTIVA Docente prof.sa Laura Mercuri.
STATISTICA ASSISTITA Esercitazione dott.ssa Clelia Cascella.
1 Prof. Fabio Murena Dipartimento di Ingegneria Chimica Università degli studi di Napoli “Federico II”
Scienze tecniche e psicologiche
17 giugno 2016 – Palazzo Gazzoli – Via del Teatro Romano, giugno 2016 – Palazzo uffici comunali – Corso del Popolo, 30 L'acqua che bevo, l'aria che.
Indici di dispersione Quantili: sono misure di posizione non centrale che dividono la serie ordinata di dati in un certo numero di parti di uguale numerosità.
Transcript della presentazione:

Elaborazione dei valori di fondo nelle acque sotterranee del SIN laguna di Marano e Grado Dr. A. Felluga ARPA FVG - Laboratorio di Udine 27 giugno 2013

2 Determinazione dei valori di fondo Elaborazione dati 1.Identificazione del valore critico di salinità 2.Suddivisione dei dataset per popolazioni 3.Verifica normalità e/o normalizzazione 4.Outliers detection 5.Q-Q plot per la ricerca della funzione di frequenza 6.Istogrammi e best-fitting 7.Calcolo dei percentili 8.Scelta del percentile limite dei «valori di fondo»

27 giugno valore critico di salinità Problema di elaborazione dei dati Dataset di 270 dati circa (dati ‘06-’07 e ‘08) Variabilità molto elevata Mancanza di correlazioni semplici Sospetto di presenza di più popolazioni sovrapposte, Necessità di ridurre il sistema a dataset più Compatti e omogenei Fattore salino come discriminante

27 giugno Unione dati di due campagne Two sample KS Test Blu: 2006 – 2007 Rosso: 2008 H0: i due set derivano dalla stessa popolazione Calcolo della probabilità Che H0 sia vera Respinta se P < 5% Eccetto per Mn, La variabilità temporale È significativa

27 giugno valore critico di salinità Quantificazione del valore critico

27 giugno valore critico di salinità Separazione attorno al valore 100

27 giugno Suddivisione per popolazioni Separando i dataset a priori, dividendo i campioni aventi cloruri >100 da quelli non superiori, si sono ottenuti due gruppi di campioni: Cl ≤ 100 mg/L172 campioni Cl > 100 mg/L 98 campioni La numerosità è più che sufficiente a studiare le popolazioni

27 giugno Determinazione dei valori di fondo Elaborazione dati 1.Identificazione del valore critico di salinità  2.Suddivisione dei dataset per popolazioni  3.Verifica normalità e/o normalizzazione  4.Outliers detection  5.Q-Q plot per la ricerca della funzione di frequenza 6.Istogrammi e best-fitting 7.Calcolo dei percentili 8.Scelta del percentile limite dei «valori di fondo»

27 giugno Q-Q plots

27 giugno Scelta della funzione di frequenza Manganese:log normale Ferro:rad normale (coniato per l’occasione)

27 giugno Istogrammi e best-fitting

27 giugno Istogrammi e best-fitting

27 giugno Calcolo dei percentili

27 giugno Scelta del percentile soglia Il percentile costituisce il nuovo limite dei «valori di fondo», ossia Il nuovo limite di legge Il valore di fondo fissato nel percentile 97.7% corrisponde, Su una distribuzione normale, Al valore  ± 2 . Esso è sostenibile in ragione della numerosità del dataset

27 giugno Conclusioni definizione di APAT (2004) introduce il concetto di valore di fondo antropico definendolo come “la concentrazione di una sostanza caratteristica di un tipo di suolo in un’area o in una regione che deriva sia da fattori naturali sia da sorgenti diffuse non naturali” I valori determinati sono omogenei e diffusi ARPA FVG ha proposto i nuovi limiti mediante valori di fondo valori limite di legge 152/06:

27 giugno Ringraziamenti ARPA FVG – Laboratorio Unico Dott.ssa Elena Pezzetta

27 giugno Relazioni ARPA FVG /approfondimenti/Attivit-ARPA-nei-SIN.html ricerca arpafvg(home page) →suolo →siti contaminati → Attività di ARPA nel SIN Percorso

27 giugno Relazioni ARPA FVG ricerca arpafvg →(home page) →suolo →siti contaminati → Attività di ARPA nel SIN

27 giugno Relazioni ARPA FVG