Modelli Hidden Markov e Semi-Hidden Markov: un’applicazione ai dati meteorologici

I dati meteorologici presentano una forte componente di variabilità e incertezza, rendendo complessa la loro analisi e la previsione. In questa tesi si indaga l'applicazione dei modelli Hidden Markov (HMM) e Semi-Hidden Markov (HSMM) all’analisi di serie temporali meteorologiche, con particolare riferimento alle precipitazioni e ad altri indicatori atmosferici. Gli HMM permettono di descrivere i fenomeni osservabili, come l'intensità piovosa o la temperatura come espressione di stati latenti, non direttamente visibili, che evolvono nel tempo secondo una particolare struttura. L’estensione HSMM introduce rende il modello più flessibile e aderente alla realtà, modellando come variabile casuale la durata di permanenza negli stati del processo latente.