ESERCITAZIONE 1: ANALISI ESPLORATIVA DI UNA SERIE DI DATI

Si considerino le due serie storiche di massimi annui riportati al fondo del documento. Si effettuino per
entrambe le serie le seguenti operazioni:
San Martino Chisone (TO) (Anno portata (m3 /s))
1. Tracciamento del diagramma cronologico della serie

Diagramma cronologico

19
55
19
58
19
61
19
64
19
67
19
70
19
73
19
76
19
79
19
82
19
85
19
88
19
91
19
94
19
97
20
00
20
03
20
06
20
09

m^3/s

1600
1400
1200
1000
800
600
400
200
0

Anni

Il diagramma cronologico della serie di dati rappresenta le portate massime in funzione degli anni in cui sono
state misurate. Sulle ascisse dunque sono posti gli anni mentre sulle ordinate i massimi annui di portata in
m^3/s (colmi di piena). Negli anni in cui non si hanno misure si lascia uno spazio cos da evidenziare la
mancanza di dati; per questo motivo che si scelto listogramma come tipo grafico, infatti se avessimo
scelto un grafico con delle linee non avremmo potuto notare i buchi di misura poich sarebbe stato tutto
collegato.

2. Tracciamento del diagramma a punti

Il diagramma a punti consiste in una retta nella quale sono rappresentate i vari massimi annui di portata.
Grazie a questa rappresentazione possibile capire quale sono state le portate pi frequenti andando a
vedere dove i punti sono pi addensati.

Diagramma a punti
0

200

3.

400

600

800
m^3/s

1000

Tracciamento del diagramma delle frequenze assolute e relative

1200

1400

1600

Dopo aver ordinato i campioni x in ordine crescente necessario dividere in k classi di uguale ampiezza
lintervallo [xmin , xmax]. Il numero di classi pu essere ricavato dalla formula k=int(1+3.3 Log (N)) con
N=numero di campioni.
Inserendo N=33 nella formula risulta k=6, ovvero lampiezza del campione devessere divisa in 6 classi.
Essendo lampiezza del campione pari a 1475, si deciso di fare 6 classi di ampiezza 250 m^3/s, avendo
arrotondato lampiezza esatta di 1475/6=245,8 m^3/s.
classe 1

classe 2

classe 3

classe 4

classe 5

classe 6

0-250

250-500

500-750

750-1000

1000-1250

1250-1500

Si poi contato il numero di elementi che ne facevano parte, ricavando cos un valore n per ciascuna classe.
n
classe 1

24

classe 2

classe 3

classe 4
classe 5

1
0

classe 6

n/N
0,72727
3
0,18181
8
0,03030
3
0,03030
3
0
0,03030
3

Graficando I limiti di classe in funzione di n o di n/N si ottengono rispettivamente i grafici della frquenza
assoluta e della frequenza cumulata.

Frequenza assoluta

20
15
Frequenza assoluta

10
5

15
00
12
50
-

025
0

Limiti di classe [m^3/s]

12
50
-

25

15
00

1
0.9
0.8
0.7
0.6
0.5
0.4
Frequenza relativa 0.3
0.2
0.1
0
025
0

30

Frequenza relativa

Limiti di classe [m^3/s]

4. Calcolo dei valori centrali e dei momenti campionari: media, varianza, scarto quadratico medio,
coefficiente di asimmetria (skewness), coefficiente di appiattimento (Kurtosi).

Media: rappresenta il valore intorno al quale si addensano i dati

Calcolato tramite la funzione MEDIA di Excel=267,61
Varianza: misura della variabilit dei valori assunti dalla variabile
Calcolata tramite la funzione VAR di Excel=80067,35
Deviazione standard: la radice della varianza
Calcolato tramite la funzione DEV.STD di Excel=282,96
Coefficiente di asimmetria: Rappresenta il grado di asimmetria del grafico della funzione di
probabilit della distribuzione.
Calcolato tramite la funzione ASIMMETRIA di Excel=2,99
Coefficiente di appiattimento: descrive lacutezza o la piattezza della distribuzione
Calcolato tramite la funzione CURTOSI di Excel=10,9

5. Costruzione del diagramma delle frequenze cumulate

Dopo aver ordinato i campioni in modo crescente, associo a ciascun valore il numero dordine i dove i la
posizione della x nella sequenza ordinata. Divendo il numero dordine i per N (33 nel nostro caso),
possibile graficare la portata in funzione del valore i/N e ottenere il diagramma delle frequenze cumulate.

Frequenza cumulata campionaria

1
0.8
0.6
Frequenza cumulata i/N 0.4
0.2
0
0

500

1000

1500

portata [m^3/s]

2000

Pragelato (TO) (Anno altezza (mm))

I concetti espressi precedentemente per la serie storica del Chisone sono analogi, con la differenza che in
questa serie si anno le altezze di pioggia in mm e non le portate.
1.

Diagramma cronologico
160
140
120
100
80
mm

60
40
20

19
55
19
57
19
59
19
61
19
63
19
65
19
67
19
69
19
71
19
73
19
75
19
77
19
79
19
81
19
83
19
85

Anni

Tracciamento del diagramma cronologico della serie

2.

Diagramma a punti
20

40

60

80
100
altezza di pioggia [mm]

120

140

Tracciamento del diagramma a punti

3. Tracciamento del diagramma delle frequenze assolute e relative:
classe 1
25-50

classe 2
50-75

classe 1
classe 2
classe 3
classe 4
classe 5

classe 3
75-100

n
11
8
3
3
1

classe 4
100-125

n/N
0,423077
0,307692
0,115385
0,115385
0,038462

classe 5
125-150

160

0
25
-5
0
75
-1
00
12
515
0

frequenza assoluta

10

12

Frequenza assoluta

Limiti di classe [mm]

4.

Frequenza relativa

25
-5
0
75
-1
00
12
515
0

1
0.9
0.8
0.7
0.6
0.5
0.4
frequenza relativa 0.3
0.2
0.1
0

Limiti di classe [mm]

Calcolo dei valori centrali e dei momenti

campionari: media, varianza, scarto quadratico medio, coefficiente di asimmetria (skewness),
coefficiente di appiattimento (Kurtosi).

Media=62.19
Varianza=864.16
Deviazione standard=29.4
Coefficiente di asimmetria=1.06
Coefficiente di appiattimento=0.61

5. Costruzione del diagramma delle frequenze cumulate

Frequenza cumulata campionaria

1
0.8
0.6
Frequenza cumulata 0.4
0.2
0
20

40

60

80

100 120 140 160

mm

ESERCITAZIONE 2: ESEMPIO INTRODUTTIVO DI INFERENZA STATISTICA FINALIZZATA ALLA

STIMA DELLA PORTATA DI PIENA DI PROGETTO.
Si consideri la serie storica dei massimi annui dei colmi di piena osservati alla stazione San Martino del
fiume Chisone
1. Si costruisca il diagramma delle frequenze cumulate e la curva di probabilit cumulata della
distribuzione normale (nel piano (X,F)).
Si procede disponendo i valori x del campione in ordine crescente, associando a ciasuno di essi il numero
dordine i. Successivamente si stima la frequenza empirica di non superamente usando lespressione
F(i)=i/(N+1), con N numero di valori del campione. A questo punto si pu graficare i valori di portata in
funzione ai valori di F(i) ed ottenere il diagramma di frequenze cumulate campionario.
E possibile sovrapporre landamento della funzione di probabilit cumulata Normale dopo aver calcolato i
parametri con il metodo dei momenti, che nello specifico risultano uguali a media e varianza.

Diagramma frequenze cumulate

1
0.9
0.8
0.7
0.6
F(i)

Campionaria

0.5

Normale

0.4
0.3
0.2
0.1
0
0

200

400

600

800

1000 1200 1400 1600

m^3/s

2.

Si verifichi graficamente ladattamento della funzione di probabilit (la distribuzione Normale) al

campione usando la carta probabilistica normale

Per effettuare una prima verifica sulladattamento del campione alla distribuzione normale utile utilizzare
la carta probabilistica. In tale diagramma, la rappresentazione delle x in funzione delle u(variabile standard)
una retta a causa della relazione lineare u=(x-media)/sqm. Di conseguenza, se il tipo di distribuzione risulta
adatto a rappresentare le osservazioni, queste dovranno disporsi attorno a tale retta. E una verifica
qualitativa che permette di escludere a priori certe distrubizioni.
Dunque, dopo aver diagrammato la retta relativa alla distribuzione normale (x in ascissa e u in ordinate), si
procede a diagrammare in ascissa i valori di portata campionari x e in ordinata le u ottenute per inversione
della funzione normale standardizzat u=INV.NORM.ST(F(i)).

Carta probabilistica normale

5
4
3
Normale

2
u

Linear (Normale)

Campionaria

0
-1 0

200

400

600

800 1000 1200 1400 1600

-2
-3
m^3/s

3. Si ipotizzi di assegnare al ponte una vita utile pari ad N=10 anni

Data la formula
N

RN =[1(1Pr ( s ) )]
Con Pr(s) =1-F = probabilit di superamento, legata al periodo di ritorno T dalla relazione 1F = Pr(s) =1/T
Si calcoli
- Il periodo di ritorno che deriva dallassegnare Rn = 5%;
Dalla formula, invertendola, posso ricavarmi Pr(s)=0.00516 e di conseguenza T=195 anni.
- il valore di rischio Rn associato ad un periodo di ritorno fissato a 200 anni
Dato T ricavo Pr(s)=0.005 ed inserendolo nella formula trovo Rn=0.04889=4.89%.
-

per entrambi i casi si ricavi la portata di progetto ipotizzando valida la legge normale

Dato Pr(s) si ricava F=1-Pr(s) e applicando la fuznione INV.NORM.STD(F) si ricava la u variabile

standard. Dalla u si passa alla x tramite la relazione x=u*varianza+media.
Nello specifico:
Pr(s)=0.00516F=0.99484u=2,567889x=994.2 m^3/s
Pr(s)=0.005F=0.995u= 2,575829x=996.5 m^3/s

ESERCITAZIONE 2: ESEMPIO INTRODUTTIVO DI INFERENZA STATISTICA FINALIZZATA ALLA

STIMA DELLA PORTATA DI PIENA DI PROGETTO. PARTE B
Avendo verificato la non idoneit della distribuzione normale a rappresentare il campione osservato, si
utilizzino le distribuzioni Lognormale e di Gumbel per rappresentare la serie storica dei massimi annui dei
colmi di piena osservati alla stazione San Martino sul fiume Chisone.
Si effettuino le seguenti operazioni:
1. stimare i parametri della distribuzioni Lognormale e di Gumbel con i metodi dei momenti e degli LMomenti;
Per stimare i parametri della distribuzione Lognormale si trasformano i valori x del campione applicando il
logaritmo naturale; a questo punto possibile calcolare i parametri con le stesse formule della distribuzione
Normale.
Metodo MOMENTI: 1= ; 2= .
Metodo L-MOMENTI: 1=L 1; 2=L2 ;

L1= ; L 2=2 b1 ; b1=

1
i1
x

N
N1 i

Per stimare i parametri della distribuzione Gumbel si utilizzano i valori di x cos come vengono dati,
inserendoli nelle formule seguenti:

6
1=0.5772 2 ; 2 = .

Metodo L-MOMENTI: 1=L 10.5772 2 ; 2=L 2/ln ( 2 ) .

1
i1
L1= ; L 2=2 b1 ; b1=
x
N
N1 i
Metodo MOMENTI:

METODO MOMENTI
Lognormale
teta1
teta2
5,221066
0,874068

Gumbel
teta1
140,26773

teta2
220,6244

METODO L-MOMENTI
Lognormale
Gumbel
teta1
teta2
teta1
5,221066 0,855672 164,3382
L1
L2
L1

teta2
178,9223286
L2

5,221066

0,482761

267,6121

124,0195076

2. verificare graficamente ladattamento al campione della funzione di probabilit Lognormale, usando la

relativa carta probabilistica;
A questo punto avendo tutti i paramenti si pu costruire la carta probabilistica che consiste nel graficare la x
in funzione di u=(x- 1 ) / 2 e sempre la x in funzione di u=INV.NORM.ST(F(i)). In questo modo si
pu verificare graficamente se il campione si adatta alla distribuzione Lognormale.

Lognormale_Momenti
3
2
1
u

0
-1 10

100

1000

10000

-2
-3
x [m^3/s]

Lognormale_Lmomenti
3
2
1
u

0
-1

10

100

1000

-2
-3
x [m^3/s]

10000

3. verificare graficamente ladattamento al campione della funzione di probabilit di Gumbel, usando la

carta probabilistica, costruita con gli stessi criteri delle precedenti;
Nello stesso modo costruiamo la carta probabilistica della distribuzione Gumbel; lunica differenza sta
nellinversa della u che per la Gumbel risulta u=-ln(-ln(F)).

Gumbel_momenti
8
6
u

4
2
0
-2

200

400

600

800

1000

x [m^3/s]

1200

1400

1600

Gumbel_Lmomenti
8
6
u

4
2
0
-2

200

400

600

800

1000

1200

1400

1600

x [m^3/s]

4. stimare le portate di progetto xT su entrambe le distribuzioni, usando entrambi i metodi di stima, per valori
di periodo di ritorno T pari a 50, 100, 200.
Per quanto riguarda la Lognormale il procedimento per il calcolo della portata di progetto il seguente:
Dal perido di ritorno T ricavo p=1/T probabilit di superamente e F=1-p probabilit di non superamento. A
questo punto facendo linversa di F ricavo u=INV.NORM.STD(F) e tramite la relazione lineare ricavo x=u*
1 + 2 ; tuttavia questa x rappresenta il logaritmo della portata dunque bisogna farne lesponenziale
per trovare il valore di xT.
lognorm_MOMENT
Gumbel_MOMENT
I
I
T
p
F
u
ln Xt
Xt
T
p
F
u
2,05374 7,01618
3,90193
50
0,02
0,98
9
2
1114,523
50
0,02
0,98
9
T

100

0,01

0,99

200

0,005

0,995

lognorm_L-

u
2,32634
8

ln Xt
7,25445
2

Xt
1414,38
8

100

0,01

0,99

u
2,57582
9

ln Xt
7,47251
6

Xt
1759,02
7

200

0,005

0,995

Gumbel_L-MOMENTI

Xt
1001,13
1

u
4,60014
9

Xt

u
5,29581
2

Xt
1308,65
3

1155,17

OMENTI
T
p

50

0,02

0,98

100

0,01

0,99

u
2,05374
9

ln Xt
6,97840
1

Xt
1073,20
1

50

0,02

0,98

u
2,32634
8

ln Xt
7,21165
6

Xt
1355,13
5

100

0,01

0,99

u
3,90193
9

Xt
862,482
1

u
4,60014
9

Xt
987,407
6

u
ln Xt
Xt
T
p
F
u
2,57582 7,42513 1677,61
5,29581
200
0,005
0,995 9
1
9
200
0,005
0,995 2
Nella distribuzione di Gumbel il procedimento analogo ma u=-ln(-ln(F)) e la x trovata dalla relazione
corrisponde direttamente alla xT e non al suo logaritmo.

ESERCITAZIONE 2: ESEMPIO INTRODUTTIVO DI INFERENZA STATISTICA FINALIZZATA ALLA

STIMA DELLA PORTATA DI PIENA DI PROGETTO. PARTE C
Verifica dei modelli probabilistici: Test del Massimo valore del Chi-Quadrato di Pearson
Con riferimento alla serie storica dei massimi annui dei colmi di piena osservati alla stazione San Martino
del fiume Chisone sottoporre le distribuzioni LOGNormale e di Gumbel ai test di adattamento del Massimo
valore e del Chi Quadrato di Pearson, adottando un livello di significativit del 5%. Verificare il risultato
del test del Massimo Valore con i set di parametri stimati sia con il metodo dei momenti che con quello degli
L-Momenti, procedendo alla verifica con il test di Pearson solo per i casi che passano il test del Max Valore.
Test del massimo valore:
Per una distribuzione qualsiasi si pu utilizzare una modalit speditiva per eseguire il test che consiste
semplicemente nel verificare la seguente disuguaglianza:

F x ( X N ) < ( 1 )

1
N

Xt

1111,877

Essendo =0,05 , X N =1493 (valore massimo) , N=33, lunico paramentro che ci manca la
probabilit cumulata F che si calcola utilizando la funzione DIST.NORM indicando come paramentri
1 , 2 , ln ( X N ) .
Distribuzione Lognormale MOMENTI
alfa
Xn
N
0,05
1493
33

Fx(Xn)
0,991535

Distribuzione Lognormale LMOMENTI

alfa
Xn
N
Fx(Xn)
0,05
1493
33
0,99264775

(1-alfa)^1/N
0,99844687

(1-alfa)^1/N
0,998446865

risultato
OK perch 0,9915<0,9985

risultato
OK perch 0,992<0,998

La differenza con la distribuzione di Gumbel che per trovare Fx(Xn) si usa la formula seguente:

F x ( X N )= e

x1 N
2

Distribuzione
MOMENTI
alfa
Xn
0,05
1493

Gumbel
N
33

Fx(Xn)
0,997829

(1-alfa)^1/N
0,99844687

risultato
OK perch 0,997<0,998

Distribuzione Gumbel LMOMENTI

alfa

Xn

Fx(Xn)

(1-alfa)^1/N

risultato

0,05

1493

33

0,999404561

0,998446865

NO perch 0,999>0,998

Test Chi-Quadrato

Essendo che la funzione chi-quadrato dipende dal numero di gradi di liberta f=k-s-1 bisogna innanzi tutto
trovare k (classi) e s (numero di parametri. Nel nostro caso utilizziamo distribuzioni a 2 parametri quindi s=2
mentre k=int(2*N^0,4)=8. Dunque i gradi di libert risultano f=5. Inoltre bisogna definire p=1/k=0,125, che
la probabilit di cadere nella i-esima classe (che sono equiprobabili).
A questo punto bisogna definire le ampiezze degli intervalli, ovvero le Xsup e Xinf per ogni classe.
Per la distribuzione Lognormale si calcola Xsup=INV.NORM(F, 1 , 2 ) mentre per la Gumbel
Xsup=

ln ( 1/ F)
), dove con F si indicato la frequenza empirica (0,125/0,250/1).
1 2 ln

A questo punto per ogni intervallo si contano gli elementi che stanno allinterno di [Xinf,Xsup] e si ricavano
i valori n.
Infine il chi-quadrato si calcola con la formula seguente:

n
2
( iNp)
Np
2

=
i=1

Fempirica
0,125
0,25
0,375
0,5

Gumbel MOMENTI
intervallo
0-0,125
0,125-0,250
0,25-0,375
0,375-0,5

140,2677333
xinf
-10000
-21,2512306
68,20425454
144,5383347

220,6243727
xsup
-21,2512306
68,20425454
144,5383347
221,1294165

ni
0
4
5
13

sommatoria chi quadro

17,015625
0,015625
0,765625
78,765625

0,625
0,75
0,875
1

0,5-0,625
0,625-0,75
0,75-0,875
0,875-1

221,1294165
306,8424137
415,1434901
584,4769662

306,8424137
415,1434901
584,4769662
10000

2
4
2
3

4,515625
0,015625
4,515625
1,265625
106,875

Fempirica
0,125
0,25
0,375
0,5
0,625
0,75
0,875
1

Gumbel LMOMENTI
intervallo
0-0,125
0,125-0,250
0,25-0,375
0,375-0,5
0,5-0,625
0,625-0,75
0,75-0,875
0,875-1

164,3381532
xinf
-10000
33,3492295
105,8959908
167,8015327
229,9154984
299,4271705
387,2573613
524,5837114

178,9223286
xsup
33,3492295
105,8959908
167,8015327
229,9154984
299,4271705
387,2573613
524,5837114
10000

ni
1
6
6
10
1
4
2
3

sommatoria chi quadro

9,765625
3,515625
3,515625
34,515625
9,765625
0,015625
4,515625
1,265625
66,875

Fempirica
0,125
0,25
0,375
0,5
0,625
0,75
0,875
1

Lognormale
MOMENTI
intervallo
0-0,125
0,125-0,250
0,25-0,375
0,375-0,5
0,5-0,625
0,625-0,75
0,75-0,875
0,875-1

5,221066143
xinf
1
4,215582639
4,631516282
4,942553693
5,221066143
5,499578593
5,810616004
6,226549647

0,874067932
xsup
4,215582639
4,631516282
4,942553693
5,221066143
5,499578593
5,810616004
6,226549647
10

ni
4
3
2
8
7
0
6
3

sommatoria chi quadro

0,003787879
0,306818182
1,09469697
3,640151515
2,003787879
4,125
0,852272727
0,306818182
12,33333333

Fempirica
0,125
0,25
0,375
0,5
0,625
0,75
0,875
1

Lognormale
LMOMENTI
intervallo
0-0,125
0,125-0,250
0,25-0,375
0,375-0,5
0,5-0,625
0,625-0,75
0,75-0,875
0,875-1

5,221066143
xinf
1
4,236744585
4,643924265
4,948415416
5,221066143
5,49371687
5,798208021
6,205387701

0,855671828
xsup
4,236744585
4,643924265
4,948415416
5,221066143
5,49371687
5,798208021
6,205387701
10

ni
4
3
2
8
7
0
5
4

sommatoria chi quadro

0,003787879
0,306818182
1,09469697
3,640151515
2,003787879
4,125
0,185606061
0,003787879
11,36363636

A questo punto devo confrontare i valori in rosso (facendo i logaritmi dei valori della lognormale) con i
valori limite tabellati dellinversa della funzione Chi-quadrato, in base alla significativit scelta e dei gradi di
libert.
chi quadro
chi quadro limite risultato
12,3333333
Lognorm_Momenti
3
11.1
no
Lognorm_Lmomenti 11,36363636 11.1
no
25,9090909
Gumbel_Momenti
1
11.1
no
16,2121212
Gumbel_Lmomenti
1
11.1
no

In conclusione, si pu notare che nessuna distribuzione passa il test con questo livello di significativit (5%9,
per la distribuzione lognormale con il metodo degli L-momenti quella che si avvicina di pi al
soddisfacimento del test e quindi la pi adatta a rappresentare il campione studiato.

ESERCITAZIONE 3: STIMA DELLE CURVE DI POSSIBILIT PLUVIOMETRICA (O CURVE IDF)

Utilizzando i dati riportati in tabella si eseguano le seguenti elaborazioni:
1. Determinare la relazione che lega la media dei massimi di precipitazione d h alle durate utilizzando un
N
modello di regressione hd =a d
, con d = durata (ore). Stimare a ed n tramite regressione lineare sui

logaritmi. Per farlo necessario calcolare le medie dei massimi annui di precipitazione registrati nelle 5
durate. Rappresentare in grafico osservazioni e retta interpolare.
70.00
f(x) = 14.28 x^0.48

60.00
50.00
40.00
altezze medie (mm) 30.00
20.00
10.00
0.00
0

10 15 20 25 30

durate (h)

Innanzitutto necessario calcolare la

media e la deviazione stardar di ciasciuna colonna di dati cos da avere la pioggia massima media in una
certa durata. A questo punto possibile graficare le durate in funzione delle altezze medie e interpolare i
punti con una funzione di potenza. Excel ci fornisce lequazione della curva interpolante che sar nella
forma

hd =a d N e nello specifico y = 14,282x0,4841 con a=14,282 e N=0,4841.

100.00
f(x) = 14.28 x^0.48

altezze medie (mm) LOG

10.00

1.00
1

10

durate (h) LOG

100

2. Considerando luso del modello probabilistico di Gumbel, con parametri stimati con i momenti ordinari,
calcolare i coefficienti di variazione dei massimi annui di precipitazione registrati nelle 5 durate e
rappresentarli in grafico. Assumere quindi un unico coefficiente di variazione ( CV ) pari alla media dei
cinque coefficienti di variazione.
Assumiamo come modello probabilistico quello di Gumbel, in alternativa avremmo dovuto fare linferenza
statistica, e calcoliamo un coefficiente di variazione per ognuna delle 5 durate. Graficando il tutto si pu
notare che il Cv resta quasi costante quindi pu essere assunto come medio e quindi Cv=0.4.
0.50
0.40
0.30
Cv

0.20
0.10
0.00
0

10

15

20

25

30

durata (h)

3. Utilizzare la legge di Gumbel nella forma di dipendenza da media e coefficiente di variazione (parametri
stimati con il metodo dei momenti)

{ [

) ]}

0.45+ 6 ln ( ln T )
hd ,T =h d 1CV

T 1

per rappresentare i quantili di precipitazione relativi alla generica durata d una volta fissato il periodo di
ritorno T. Si costruiscano le curve corrispondenti a T = 10, 50 e 100 anni (curve IDF) rappresentandole
in coordinate cartesiane ed in scala bi-logaritmica. Per la durata d = 6 ore, si determini il valore di
precipitazione h6,T=100 e si rappresenti lo ietogramma rettangolare costante che produce tale altezza di
pioggia.

hd ,T =h dK ( T ) dove K un fattore di crescita che dipende dal periodo

di ritorno. Quindi procedo nel calcolo dei vari K per ogni tempo di ritorno e degli h d = a d N per le
durate da 1 a 24 ore. A questo punto moltiplicando h d per lopportuno fattore di crescita trovo i vari
hd ,T che cambiano a seconda della durata e del tempo di ritorno scelto. A questo punto graficando la
La formula scritta nella forma

durata in funzione di h e la durata in funzione dellintensit (h/d) si possono ricavare 4 famiglie di curve per
ciascun grafico le quali rappresentano le curve IDF.
160
140
120
100
hd (mm)

80

hd

60

10
50

40

100

20
0
0

10

15

durata (h)

20

25

30

35.00
30.00
25.00
20.00

id

Intensit (mm/h) 15.00

10
50

10.00

100

5.00
0.00
0

10

15

20

25

30

durata (h)

1000

100
hd

hd (mm) LOG

10

10

50
100

1
1

10
durata (h) LOG

100

100.00

Intensit (mm/h) LOG

id

10.00

10
50
100
1.00
1

10

100

durata (h) LOG

A questo punto non rimane che rapresentare la curva intensit durata con un tempo di ritorno di 100 anni ed
entrare nelle ascisse con un durata di 6 ore. Essendo h6 , 100=76,95 mm (gi calcolato in precedenza),
lintesit media risulter i=

h6,100
=12.83 mm / h ed possibile rappresentare lo ietogramma di un evento
6

rettangolare con intensit media 12,83 e durata pari a 6 ore.

35.00
30.00
25.00
20.00
intensit (mm/h) 15.00
10.00
5.00
0.00
0

10

15

durata (mm)

20

25

30