| ... | ... | @@ -35,18 +35,6 @@ I collegamenti creati secondo i criteri di aggregazione spaziale e temporale fan |
|
|
|
|
|
|
|
## [B.4 Generazione della Popolazione Sintetica di Eventi Estremi](./AppendiceB_4.md)
|
|
|
|
|
|
|
|
Per ottenere un campione robusto che copra l'intera regione di interesse multivariata e consenta una stima stabile del **Tempo di Ritorno ($\text{T}_r$)**, è stata eseguita una simulazione **Monte Carlo** sulla struttura di dipendenza stimata.
|
|
|
|
|
|
|
|
Sono stati estratti **2 milioni di campioni** dalla Vine Copula precedentemente fittata. Il processo si articola in due fasi chiave:
|
|
|
|
|
|
|
|
* **1. Estrazione dallo Spazio Uniforme:** La Vine Copula, che opera nello spazio uniforme $[0, 1]$, viene campionata per generare una matrice di valori $(u_1, u_2, \dots, u_i)$. Questa matrice codifica la probabilità congiunta delle variabili, rispettando la complessa **struttura di dipendenza di coda**.
|
|
|
|
|
|
|
|
* **2. Trasformazione Inversa (Matrice M'):** I campioni uniformi vengono quindi trasformati nello spazio fisico originale (la **Matrice M'**, che rappresenta gli attributi simulati) attraverso la **Funzione di Distribuzione Cumulativa Inversa** di ciascuna distribuzione marginale ibrida (ECDF + GPD).
|
|
|
|
|
|
|
|
Questa trasformazione inversa è condizionale: i valori $u$ che cadono **sotto la soglia** vengono riportati nello spazio fisico utilizzando il corrispondente quantile dell'**ECDF**, mentre quelli **estremi** vengono trasformati utilizzando il corrispondente quantile della **GPD**. Il risultato è la Matrice M', una popolazione sintetica di 2 milioni di eventi che replica fedelmente sia le distribuzioni individuali degli attributi che la loro interdipendenza multivariata, estendendosi oltre la dimensione del campione osservato, e permettendo di stimare il Tempo di Ritorno basandosi su un lungo periodo virtuale di osservazione.
|
|
|
|
|
|
|
|
---
|
|
|
|
|
|
|
|
## B.5 Definizione della Regione dello Spazio su cui Calcolare T$_r$
|
|
|
|
|
|
|
|
L'obiettivo di questa fase è proiettare sia gli eventi osservati che quelli simulati nel **dominio dei Fattori**, in modo da definire una regione dello spazio multivariato su cui valutare la probabilità di superamento.
|
| ... | ... | |
