GNGTS 2013 - Atti del 32° Convegno Nazionale

b che compaiono nell’equazione. Si può poi calcolare il valore del χ 2 , tenendo conto del numero dei gradi di libertà del sistema dato dal numero N di variabili indipendenti diminuito del numero c di parametri calcolati, ovvero d = N – c. Precisamente, noto il valore di χ 2 è possibile calcolare il valore del “Chi quadro ridotto” definito come Calcolando dapprima il valore di chi quadro χ 2 e poi il valore del chi quadro ridotto si può dedurre se le misure si accordano soddisfacentemente con la distribuzione attesa. Come già osservato nell’analisi statistica effettuata per le misure relative all’area nordorientale della Pianura Padana piemontese, anche in questo caso, è stato appurato che, associando alle misure di temperatura un valore incertezza dato da ±0,1°C, pari alla sensibilità del termometro utilizzato, l’analisi statistica restituisce valori di decisamente elevati, indicativi del fatto che le misure termometriche appaiono difficilmente comparabili tra loro. Pertanto, è stata condotta un’analisi inversa, ovvero è stato ipotizzato che le misure sposassero un fit lineare, dal quale dedurre un valore d’incertezza sperimentale ragionevole da associare ai dati. L’ipotesi formulata viene accettata se il valore del è dell’ordine di uno. Associando rispettivamente alle misure primaverili un’incertezza sulla temperatura T = 0,6 °C e alle misure autunnali un’incertezza T = 0,7 °C si ottiene un valore di ragionevole per poter affermare che i dati in questione si adattano ad un fit lineare. Le equazioni delle rette trovate sono le seguenti (Fig. 3). Per i dati autunnali T = (14,96 ± 2,31) – (0,06 ± 0,09) z mentre per i dati primaverili si ha T = (14,14 ± 1,97) – (0,02 ± 0,08) z La verifica dell’andamento orizzontale delle rette, a cui corrisponderebbe il valore costante di temperatura, T 0 , effettuata con il metodo statistico detto “test normale”, ha mostrato che il coefficiente angolare delle rette trovate è confrontabile con lo zero a un livello di significatività del 5%, il che indica che il valore di T 0 può essere ritenuto costante entro un ampio livello di probabilità. Infine, poiché i valori di temperatura medi ottenuti per le misure primaverili e autunnali appaiono a prima vista leggermente differenti, < T > autunnale = 14,96 e < T > primaverile = 14,14, si è proceduto alla verifica della consistenza dei valori medi ottenuti attraverso il “Test di ipotesi” mediante la distribuzione di Student. Si è assunto che i campioni di misure appartengano a popolazioni distribuite normalmente aventi lo stesso valore aspettato, E, in modo che la variabile < T > autunnale – < T > primaverile abbia come valore aspettato E = [(< T > autunnale – < T > primaverile] = 0, e stessa varianza . Definendo quindi la variabile t di Student come si è proceduto alla verifica con un “test a due code”. In conclusione, dal momento che il valore della variabile osservata t cade ben dentro gli intervalli, a essa è associata una probabilità ben superire al 5%; in altre parole, la differenza dei valori medi di temperatura autunnale e primaverile in corrispondenza della superficie di omeotermia non è significativa ma è connessa solo a fluttuazioni statistiche, dunque i dati osservati sono consistenti 241 GNGTS 2013 S essione 1.3