fbpx Density and torunaout: a correlation | Scienza in rete

Density and torunaout: a correlation

Primary tabs

di Riccardo Scalco
Pubblicato il 04/04/2014Read time: 2 mins
VoterUncertaintyApril 9th 06April 13th 0824th February 13population densitypopulation sizepopulationsize (log)populationdensity (log)voter turnoutgeneral elections24th February 13Linear Regression95% confidence intervalson slopeon y-intercept

The voter turnout, i.e. the percentage of eligible voters who cast a ballot in an election, has been related with the population density of the 1206 municipalities of the italian region Piedmont.

The spots on the scatter plot above represent the 1206 municipalities, the x and y coordinates refer respectively to the logarithm of the population density (people/km^2) and to the voter turnout during the italian 2013 general election of the Chamber of Deputies. The area of the spots refers instead to the population size of the corresponding municipality.

The analysis is extended by the opportunity to shift, on the x-axis, between the logarithm of the population density to the logarithm of the population size and, on the y-axis, to the 2008 and 2006 general elections.

The green straight line shows a linear regression analysis on the set of points, the 95% confidence intervals on the y-intercept and slope are drawn on demand.

A slope greater than zero suggests a direct relationship between the logarithm of the population density (or size) and the voter turnout.
The voter uncertainty is calculated as the Shannon entropy of the partition defined by the votes assigned to every delegate, and it reflects the heterogeneity of the electoral preferences in a given municipality.

Municipalities with higher population size have an higher uncertainty on electoral preferences.

Data Source
Data on general elections: elezionistorico.interno.it, © Ministero dell'Interno. Tutti i diritti riservati.Population density and size of Piedmont municipalities: istat.it, Creative Commons - Attribuzione - versione 3.0 (CC BY 3.0 IT)


Scienza in rete è un giornale senza pubblicità e aperto a tutti per garantire l’indipendenza dell’informazione e il diritto universale alla cittadinanza scientifica. Contribuisci a dar voce alla ricerca sostenendo Scienza in rete. In questo modo, potrai entrare a far parte della nostra comunità e condividere il nostro percorso. Clicca sul pulsante e scegli liberamente quanto donare! Anche una piccola somma è importante. Se vuoi fare una donazione ricorrente, ci consenti di programmare meglio il nostro lavoro e resti comunque libero di interromperla quando credi.


  • 11786 letture

prossimo articolo

Capire se sappiamo prevedere i terremoti è difficile

di Chiara Sabelli
Pubblicato il 05/01/2026
grafico onde

Prevedere la data e il luogo esatti in cui si verificherà un terremoto è impossibile. Tuttavia, si possono formulare delle previsioni probabilistiche nel breve termine, sfruttando il fatto che i terremoti tendono a concentrarsi nel tempo e nello spazio. Da una decina di anni alcuni paesi del mondo hanno lavorato a queste previsioni, cercando di formularle in modo che fossero utili per le autorità di protezione civile e di gestione delle emergenze. Tra questi paesi c’è l’Italia, che ha cominciato a lavorarci sul serio dopo il terremoto avvenuto a L’Aquila il 6 aprile del 2009. Ma come si fa a capire quando un modello produce buone previsioni? La domanda è tutt’altro che semplice. Provano a rispondere due sismologi e due statistici in uno studio pubblicato su Seismological Research Letters.

Immagine rielaborata da https://doi.org/10.1029/2023RG000823. (CC BY 4.0)

Ricerca scientifica

L’Italia è uno dei pochi paesi al mondo ad aver sviluppato un sistema per la previsione probabilistica dei terremoti. Si chiama Operational Earthquake Forecasting-Italy (OEF-Italy) e viene gestito dal Centro di Pericolosità Sismica dell’Istituto Italiano di Geofisica e Vulcanologia (INGV).