Τμήμα Φυσικής (ΜΔΕ)

Browse

Recent Submissions

Now showing 1 - 5 of 506
  • Thumbnail Image
    Item
    Ανάλυση της κλιματικής επίδρασης στην αφθονία των διαβιβαστών του ΙΔΝ
    Καραθανασόπουλος, Ορφέας; Karathanasopoulos, Orpheas
    Μελέτη της επίδρασης των μετεωρολογικών συνθηκών, που επικράτησαν κατά την ψυχρή περίοδο, στη διαχείμανση των διαβιβαστών του Ιού του Δυτικού Νείλου (ΙΔΝ), δηλαδή των κουνουπιών, και στην αφθονία τους κατά την περίοδο που είναι ενεργά (τέλη Άνοιξης με Σεπτέμβριο). Η μελέτη πραγματοποιήθηκε σε τρία επίπεδα, σε επίπεδο Περιφέρειας Κεντρικής Μακεδονίας, Π.Ε. Θεσσαλονίκης και Δήμου Χαλκηδόνος (Θεσσαλονίκη) για τη χρονική περίοδο 2011-2020. Επιπλέον, μέσω της ανάλυσης κι επεξεργασίας δεδομένων, αξιοποιώντας μεθόδους της μηχανικής μάθησης, αναπτύχθηκαν προγνωστικά μοντέλα της αφθονίας των κουνουπιών.
  • Thumbnail Image
    Item
    Ερημική σκόνη : κλιματολογία, επεισόδια, μηχανισμοί
    Τράκα, Νεκταρία; Traka, Nektaria
    Η επίδραση της σκόνης και των ατμοσφαιρικών σωματιδίων απασχολεί ένα ευρύ φάσμα ειδικοτήτων και επιστημόνων. Εξακολουθεί να είναι πεδίο συνεχούς έρευνας λόγω του αντίκτυπου στην ανθρώπινη υγεία και εξαιτίας της αύξησης τα τελευταία χρόνια του ενδιαφέροντος και της κλίσης προς τις πιο πράσινες πολιτικές και εναλλακτικές για το κλίμα και τον πλανήτη. Σημαντικός παράγοντας επίσης είναι η δυνατότητα μεταφοράς της σε πολύ μεγάλες αποστάσεις από το σημείο εκπομπής της με τη βοήθεια του ανέμου και των διεργασιών που λαμβάνουν χώρα στην ατμόσφαιρα. Στην παρούσα εργασία, μελετάται η ερημική σκόνη και αναλύονται τα επεισόδια, η περιοδικότητά τους και οι μηχανισμοί. Η στατιστική μελέτη (reanalysis, forecast) πραγματοποιείται μέσω της ανάλυσης χρoνοσειρών αερολυμάτων, σκόνης και ατμοσφαιρικών μεταβλητών. Η ανάλυση γίνεται με κατάλληλα υπολογιστικά εργαλεία με την ανάπτυξη του απαραίτητου υπολογιστικου κώδικα. Για το σκοπό αυτό, χρησιμοποιήθηκαν ημερήσια δεδομένα από τον Κοπέρνικο για σκόνη, ατμοσφαιρικά σωματίδια και διάφορες μετεωρολογικές μεταβλητές (θερμοκρασία, υγρασία κλπ) για το χρονικό διάστημα 1 Οκτωβρίου 2018 έως 30 Σεπτεμβρίου 2021, που υπήρχαν διαθέσιμα δεδομένα.
  • Thumbnail Image
    Item
    Εκτίμηση οπτικών ιδιοτήτων των αιωρούμενων σωματιδίων από ψηφιακές απεικονίσεις του ουράνιου θόλου
    Γιαννακλής, Χρήστος-Παναγιώτης; Giannaklis, Christos-Panagiotis
    Σκοπός της παρούσας διπλωματικής εργασίας είναι η μελέτη των οπτικών ιδιοτήτων των αιωρούμενων σωματιδίων (aerosols). Πιο συγκεκριμένα, παρουσιάζεται μια μέθοδος υπολογισμού οπτικών ιδιοτήτων των aerosols, έχοντας σαν αντικείμενο μελέτης φωτογραφίες, συγκεκριμένου μεγέθους και ανάλυσης, που αναπαριστούν τον ουράνιο θόλο σε μια περιοχή και οι οποίες αναπαράγονται ανά τακτικά χρονικά διαστήματα. Χρησιμοποιείται το μοντέλο διάδοσης της ηλιακής ακτινοβολίας στην ατμόσφαιρα LibRadtran για τον υπολογισμό των ακτινοβολιών στην επιφάνεια από διάφορα σημεία του ουράνιου θόλου. Δεδομένα για τα αιωρούμενα σωματίδια ανακτήθηκαν από το παγκόσμιο δικτύου AERONET μέσω του ηλιακού φωτόμετρου CIMEL στο Εθνικό Αστεροσκοπείο Αθηνών, στην ίδια τοποθεσία που βρίσκεται και η κάμερα. Στο πρώτο κεφάλαιο γίνεται μια σύντομη αναδρομή στη γήινη ατμόσφαιρα με έμφαση κυρίως στα συστατικά της, αέρια και σωματίδια. Στη συνέχεια, το δεύτερο κεφάλαιο εστιάζει στην ηλιακή ακτινοβολία και στις διαδικασίες που συμμετέχει αυτή κατά τη διάδοσή της μέσα στην ατμόσφαιρα από το διάστημα έως την επιφάνεια της Γης. Εκτενής αναφορά γίνεται στην αλληλεπίδρασή της με τα αέρια της ατμόσφαιρας και τα αιωρούμενα σωματίδια και παρουσιάζεται το ισοζύγιο ενέργειας του πλανήτη, άμεσα συνδεδεμένο με τις διαδικασίες που αναφέρονται. Στο τρίτο κεφάλαιο, παρουσιάζονται οι μορφές των αιωρούμενων σωματιδίων, η χημική τους σύσταση, οι πηγές προέλευσής τους, καθώς επίσης και οι ιδιότητές τους. Επίσης, γίνεται αναφορά στις επιδράσεις που έχουν αυτά σε παγκόσμια κλίμακα, στο ενεργειακό ισοζύγιο, καθώς και στην ανθρώπινη υγεία. Το τέταρτο κεφάλαιο αναφέρεται στους τρόπους παρακολούθησης των αιωρούμενων σωματιδίων. Ιδιαίτερα, επικεντρωνόμαστε στο δίκτυο ηλιακών φωτόμετρων CIMEL του AERONET, που λειτουργεί υπό την αιγίδα της NASA και παρέχει δεδομένα για το οπτικό βάθος των αιωρούμενων σωματιδίων (AOD) και μέσω αντίστροφου αλγορίθμου και για τις υπόλοιπες οπτικές ιδιότητές τους. Γίνεται επίσης αναφορά σε ορισμένες δημοσιεύσεις που σχετίζονται με το εν λόγω δίκτυο. Οι πρώτες αφορούν μια μέθοδο κατηγοριοποίησης των αιωρούμενων σωματιδίων ανάλογα με το μέγεθος και την απορροφητικότητά τους. Η επόμενη αφορά την κλιματολογία των οπτικών ιδιοτήτων των αερολυμάτων βασιζόμενη στον σταθμό του AERONET στην Αθήνα, ενώ η τελευταία παρουσιάζει μια μέθοδο εκτίμησης των τιμών του ΑOD που λείπουν από το δίκτυο. Στο πέμπτο κεφάλαιο, εστιάζουμε σε παλαιότερες αναφορές που έχουν γίνει σε επιστημονικά περιοδικά και αφορούν μεθόδους υπολογισμού των οπτικών ιδιοτήτων των αερολυμάτων χρησιμοποιώντας φωτογραφίες ολόκληρου του ουράνιου θόλου. Παρουσιάζεται η δουλειά των Olmo et al., (2008) όπου η εξαγωγή του AOD από τις φωτογραφίες γίνεται μέσω γραμμικού ψευδο-αντίστροφου αλγορίθμου. Έπειτα, αναφερόμαστε στους Cazorla et al., (2009), οι οποίοι χρησιμοποίησαν ένα νευρωνικό δίκτυο για να αναπαράξουν το οπτικό βάθος των aerosols, ενώ οι Huo & Lu (2009) παρουσίασαν μια μελέτη που εξάγει το AOD μέσω μιας εκθετικής σχέσης που περιλαμβάνει το λόγο των ακτινοβολιών στα 450 και 650 nm. Οι Kazantzidis et al., (2017) χρησιμοποίησαν μια πολύ-γραμμική σχέση για τον υπολογισμό του AOD λαμβάνοντας υπόψη για πρώτη φορά την κορεσμένη περιοχή γύρω από τον Ήλιο. Τέλος, οι Roman et al., (2022) δημοσίευσαν μια εργασία η οποία περιέχει τα αποτελέσματα των οπτικών ιδιοτήτων αιωρούμενων σωματιδίων από σύστημα απεικόνισης του ουρανού, όπως αυτά εξάγονται από το μοντέλο GRASP. Για όλες τις αναφορές παρουσιάζονται τα αντίστοιχα αποτελέσματα και οι γραφικές αυτών σε σχέση με τις πρότυπες τιμές που δίνει το AERONET. Τέλος, στο έκτο κεφάλαιο, παρουσιάζεται η μέθοδος που χρησιμοποιήθηκε στην παρούσα εργασία για την εξαγωγή των οπτικών ιδιοτήτων από φωτογραφίες ολόκληρου του ουράνιου θόλου μέσω του μοντέλου Extreme Gradient Boosting. Γίνεται μια μικρή παρουσίαση της all-sky κάμερας που χρησιμοποιείται, αναλύονται τα σενάρια που κατασκευάσαμε στο μοντέλο διάδοσης της ακτινοβολίας LibRadtran. Κατόπιν, εξετάζεται η σχέση μεταξύ των μοντελοποιημένων ακτινοβολιών με τις αντίστοιχες εντάσεις χρώματος όπως εξάγονται από την φωτογραφία. Δίνεται ιδιαίτερη έμφαση στην κορεσμένη περιοχή γύρω από τον Ήλιο, καθώς αποτελεί μια σημαντική παράμετρο εισόδου στο μοντέλο μας. Έπειτα, παρουσιάζουμε το τελικό σετ δεδομένων που θα χρησιμοποιηθεί, ενώ γίνεται και μια σύντομη ανάλυση του μοντέλου XGBoost. Τα τελικά αποτελέσματα για το AOD στα τρία μήκη κύματος, 440, 500 και 675 nm, συγκρίνονται με τα αντίστοιχα δεδομένα από το ηλιακό φωτόμετρο CIMEL του δικτύου του AERONET. Οι συντελεστές συσχέτισης r2 είναι 0.87, 0.83 και 0.84 αντίστοιχα για κάθε μήκος κύματος. Παρουσιάζονται επίσης τα ιστογράμματα του σφάλματος στο AOD καθώς και άλλοι στατιστικοί δείκτες, όπως το RMSE και το MBE. Χρησιμοποιώντας το εξαγόμενο AOD στα 440 και στα 675 nm υπολογίζεται και ο εκθέτης α του Angstrom, ο οποίος επίσης συγκρίνεται με τα αντίστοιχα δεδομένα του AERONET, χωρίς ωστόσο τόσο καλά αποτελέσματα (r2 = 0.49). Πρόκειται για μια ποσότητα που υπολογίζεται μέσω δύο μεγεθών που προβλέπονται από το μοντέλο. Αναπόφευκτα τα σφάλματά τους μεταφέρονται κατά τον υπολογισμό του α, οπότε τα αποτελέσματα είναι μικρότερης ακρίβειας. Κατόπιν, ερευνάται αν υπάρχει κάποια σχέση μεταξύ του σφάλματος στον υπολογισμό του AOD με τις τιμές του SSA (ανακλαστικότητα μεμονωμένης σκέδασης), χωρίς ωστόσο να παρατηρείται κάποιο μοτίβο. Από το μοντέλο εξάγεται επίσης το κλάσμα λεπτόκοκκων σωματιδίων (FMF), που μας δίνει πληροφορία σχετικά με το μέγεθος των σωματιδίων, τόσο ως νούμερο (μοντέλο παλινδρόμησης), όσο και ως κλάση (μοντέλο ταξινόμησης). Όσο αφορά το μοντέλο παλινδρόμησης, γίνεται σύγκριση με τις τιμές του FMF από το AERONET με τον ίδιο τρόπο που έγινε για τον AOD δίνοντας αρκετά καλά αποτελέσματα (r2 = 0.88). Το μοντέλο ταξινόμησης κατηγοριοποιεί τα σωματίδια σε τρεις κλάσεις, χονδρόκοκκα, αναμεμειγμένα, και λεπτόκοκκα ανάλογα με την τιμή του FMF. Τα αποτελέσματά του παρουσιάζονται μέσω ενός πίνακα σφάλματος και διάφορων στατιστικών δεικτών που δείχνουν την επιτυχία του μοντέλου. Στη συνέχεια, χρησιμοποιώντας τις τιμές του FMF από το μοντέλο παλινδρόμησης, κατατάσσουμε τα σωματίδια σε κλάσεις. Τα αποτελέσματα είναι αρκετά καλά και οι διαφορές συγκριτικά με το μοντέλο ταξινόμησης μικρές. Χαρακτηριστικά αναφέρουμε ότι ο δείκτης ακρίβειας στο μοντέλο ταξινόμησης είναι 0.95, 0.88 και 0.92 για χονδρόκοκκα, αναμεμειγμένα, και λεπτόκοκκα σωματίδια αντίστοιχα, ενώ για τον καθορισμό των κλάσεων από το μοντέλο παλινδρόμησης, έχουμε αντίστοιχα, 0.94, 0.87 και 0.93.
  • Thumbnail Image
    Item
    Θερμική εξέλιξη των αστέρων νετρονίων : η επίδραση του μαγνητικού πεδίου
    Ψύλλα, Νικολίτσα; Psylla, Nikolitsa
    Η παρούσα εργασία παρουσιάζει τα αποτελέσματα διδιάστατων προσομοιώσεων ενός απλοποιημένου μοντέλου, που αφορούν την εξέλιξη της θερμοκρασίας στο φλοιό απομονωμένων αστέρων νετρονίων καθώς και την επίδραση του μαγνητικού πεδίου στη διάδοση της θερμότητας. Αρχικά γίνεται μελέτη σε ένα εξιδανικευμένο σύστημα με σταθερές παραμέτρους και στη συνέχεια εφαρμόζονται όλες οι φυσικές μεταβλητές, επιλέγοντας ρεαλιστικές τιμές, που αφορούν ένα πραγματικό σύστημα.
  • Thumbnail Image
    Item
    Καιρός, εποχικότητα και covid-19
    Πιτσικούλη, Ειρήνη; Pitsikouli, Eirini
    Ο στόχος της συγκεκριμένης μεταπτυχιακής εργασίας είναι η διερεύνηση της επίδρασης α) των καιρικών συνθηκών, β) της εποχικότητας και γ) των εφαρμοζόμενων μέτρων, στον περιορισμό της διασποράς του Covid 19 στον Ελλαδικό χώρο. Επομένως, για την επίτευξη του 1ου και 2ου στόχου της εργασίας, αξιοποιήθηκαν τα πλεγματικά μετεωρολογικά δεδομένα της θερμοκρασίας (Τ) και της θερμοκρασίας δρόσου (ΤDEW) από το ERA5 με χωρική ανάλυση 0.1 ο x0.1 ο (ή πλέγμα 11x11 km) και χρονική ανάλυση μίας ημέρας. Με βάση αυτές τις μεταβλητές και την αναγωγή τους σε χωρικό πλέγμα 1οx1ο (ή πλέγμα 110x110 km), υπολογίστηκαν η σχετική (RH) και η απόλυτη υγρασία (rn) προκειμένου να εξετάσουμε τον ρόλο τους σε συνδυασμό με τη θερμοκρασία στην αύξηση ή μείωση των κρουσμάτων του κορονοϊού. Επίσης, χρησιμοποιήθηκαν από το Ευρωπαϊκό Κέντρο Ελέγχου και Πρόληψης (European Centre for Disease Prevention and Control, ECDC), επιδημιολογικά δεδομένα και δεδομένα για τα μέτρα περιορισμού της διασποράς του ιού (επίτευξη 3ου στόχου εργασίας) που εφαρμόστηκαν στην Ελλάδα, χρονικού βήματος μίας ημέρας. Η περίοδος που εξετάστηκε ήταν από την ημέρα εμφάνισης του πρώτου κρούσματος (27 Φεβρουαρίου 2020) μέχρι και την 30η Νοεμβρίου του 2020. Αρχικά λοιπόν, παρατηρείται ότι η μεγαλύτερη έξαρση κρουσμάτων εντοπίζεται όταν η T με την RH κυμαίνονται από 10οC έως 27οC και από 55% έως 80% αντίστοιχα, ενώ η T με την rn κυμαίνονται από 10οC έως 27οC και από 7 έως 10 gr/m3 αντίστοιχα (Γραφήματα 4.1 και 4.2). Επίσης στα ίδια γραφήματα, για θερμοκρασίες υψηλότερες των 18 οC και σχετικές υγρασίες μικρότερες από 55%, απεικονίζεται πλήθος ημερήσιων κρουσμάτων κάτω από 500 σε μεγάλη συχνότητα, με αποτέλεσμα τα θερμά και υγρά περιβάλλοντα να καταγράφονται ως ανασταλτικός παράγοντας στην μεταδοτικότητα του ιού. Στην παρούσα εργασία, μελετάται επιπλέον η επίδραση των μέσων εβδομαδιαίων (χρονικό διάστημα από t-14 ημέρες έως t-7 ημέρες) α) θερμοκρασιών και β) σχετικών ή απόλυτων υγρασιών στην κατανομή των κρουσμάτων του Covid 19 την χρονική στιγμή t. Ειδικότερα, απεικονίζεται χρωματικά το πλήθος των μολυσματικών περιπτώσεων από Covid 19 συναρτήσει της T με RH και της T με rn (Γράφημα 4.3). Με βάση τα αποτελέσματα των τελευταίων δύο γραφημάτων, απεικονίζονται δύο κύριες χρωματικές ομάδες κρουσμάτων λόγω της συνδυαστικής επίδρασης της Τ με την RH και της T με την rn, με την πρώτη να είναι η μωβ, όπου τα κρούσματα δεν υπερβαίνουν τα 500, και την δεύτερη να είναι η κόκκινη όπου τα κρούσματα ξεπερνούν τα 500. Επομένως, για θερμοκρασίες μικρότερες από 26οC και μέσες σχετικές ή απόλυτες υγρασίες που κυμαίνονται από α) 30% έως 79% ή β) 6.2 gr/m3 έως 11.9 gr/m3, τα κρούσματα υπερβαίνουν τα 500, ενώ για θερμοκρασίες υψηλότερες από 26οC και σχετικές ή απόλυτες υγρασίες μικρότερες από 58% ή μεγαλύτερες από 11.9 gr/m3, οι μολυσματικές περιπτώσεις δεν ξεπερνούν τις 500. Όσον αφορά τον 3ο στόχο της διπλωματικής, διερευνήθηκε η αποτελεσματικότητα των μέτρων περιορισμού στην μείωση της διασποράς των μολυσματικών περιπτώσεων του Covid 19 κατά την χρονική στιγμή αλλά και 5, 10 και 15 ημέρες μετά από την χρονική στιγμή της εφαρμογής τους (lag 0, 5, 10 και 15). Από την ποιοτική ανάλυση των Γραφημάτων 5.1 έως 5.23 και 5.24 έως 5.35, τα μέτρα της 2ης ομάδας θεωρούνται ως τα πιο αποτελεσματικά, λόγω της άμεσης συνεισφοράς τους στην μείωση του αριθμού των μολυσματικών περιπτώσεων από Covid 19. Σε αυτήν την ομάδα εντάσσονται α) το ClosPubAny, το HotelsOtherAccomodation, το MasksVoluntaryClosedSpaces, το PlaceOfWorship, το StayHomeGen (μέτρα υποχρεωτικής εφαρμογής) και β) το ClosHighPartial, το ClosSecPartial, το HotelsOtherAccomodationPartial και το NonEssentialShopsPartial (μέτρα προαιρετικής εφαρμογής). Κατά την χρονική διάρκεια εφαρμογή τους, παρατηρείται μια πτώση της τάξης i) του 71%-92% για το q50%, ii) του 81% - 96% για το q75% και iii) του 87%-97% για το IQR των κρουσμάτων, ενώ και οι παράτυπες τιμές των μολυσματικών περιπτώσεων δεν ξεπερνούν σε πλήθος τις 50. Η αμέσως επόμενη ομάδα σε αποτελεσματικότητα είναι η 3η, η οποία συνεισφέρει ουσιαστικά στην μείωση της διασποράς του Covid 19 15 μέρες αφότου τέθηκαν σε ισχύ τα μέτρα (lag 15). Αυτά τα μέτρα είναι το ClosDayCare και το ClosPrim, με τις παράτυπες τιμές των κρουσμάτων να ξεπερνούν τις 3000 για lag 0 (Γράφημα 5.25), ενώ για lag 15 δεν υπερβαίνουν τα 94 κρούσματα (Γράφημα 5.34). Παρόμοια πτωτική τάση στον αριθμό των κρουσμάτων εμφανίζεται 5, 10 και 15 ημέρες μετά την εφαρμογή των μέτρων περιορισμού της 2ης υποομάδας, τα οποία ανήκουν στην 1η ομάδα μέτρων, και τα οποία είναι το ClosSec, το EntertainmentVenues, το NonEssentialShops, το PrivateGatheringRestrictions και το StayHomeOrder. Από αυτά, το μέτρο του EntertainmentVenues είναι το πιο αποτελεσματικό, με τις μολυσματικές περιπτώσεις εξαιτίας του ιού να μειώνονται έως και 2 τάξεις μεγέθους από lag 0 (1412 θετικοί στον ιό) σε lag 15 (q75%: 62 θετικοί στον ιό). Ίδια μείωση στην τάξη μεγέθους των κρουσμάτων καταγράφεται επίσης 15 μέρες μετά την εφαρμογή του ClosSec, ενώ λιγότερο αποδοτικά είναι τα μέτρα του NonEssentialShops, του PrivateGatheringRestrictions και του StayHomeOrder. Εκτός όμως από την ποιοτική εφαρμόστηκε και ποσοτική ανάλυση μέσω της τεχνικής της Πολυωνυμικής Λογιστικής Παλινδρόμησης (Multinomial Logistic Regression) , ώστε να αξιολογηθεί η ποσοτική επίδραση των μέτρων στην μείωση του πλήθους των ταξινομημένων κρουσμάτων (ταξινόμηση σύμφωνα με τα ποσοστημόρια του q25%, q50%, q75% και q100%). Με βάση την συγκεκριμένη τεχνική, το μέτρο του MasksVoluntaryClosedSpaces είναι το πιο αποδοτικό στην 2η ομάδα (lag 0: P(cases≤63)/P(cases>63)= 5.6) για πιθανότητα ελάττωσης των κρουσμάτων κάτω από τα 63 κρούσματα, και ακολουθούν ιεραρχικά το HotelsOtherAccomodation (lag 15: P(cases≤63)/P(cases>63)= 3.5), το PlaceOfWorship (lag 15: P(cases≤63)/P(cases>63)= 2.9), το StayHomeGen (lag 0: P(cases≤63)/P(cases>63)= 2.5), και το ClosPubAny (lag 15: P(cases≤63)/P(cases>63)= 2.2). Αμέσως μετά σε συνεισφορά στην ελάττωση των κρουσμάτων ακολουθούν τα μέτρα του ClosDayCare, του ClosPrim, του GymsSportsCentres και του RestaurantsCafes, τα οποία εντάσσονται στην 3η ομάδα μέτρων. Πιο αναλυτικά για lag 15, οι λόγοι των P(cases≤19)/P(cases>19) και P(cases≤63)/P(cases>63) για τα τέσσερα τελευταία μέτρα υπερβαίνουν το 3.5, δηλαδή οι πιθανότητες να εμφανιστούν κρούσματα λιγότερα από 63 και 19 είναι 3.5 έως 4.3 φορές υψηλότερες από τις πιθανότητες να εμφανιστούν κρούσματα περισσότερα από τις αντίστοιχες ενδείξεις. Ολοκληρώνοντας για lag 15, τα μέτρα του ClosSec, του EntertainmentVenues, του NonEssentialShops και του PrivateGatheringRestrictions (2η υποομάδα της 1ης ομάδας μέτρων) έπονται σε αποτελεσματικότητα της 3ης ομάδας μέτρων, με τους λόγους των P(cases≤19)/P(cases>19) και P(cases≤63)/P(cases>63) να μην είναι υψηλότεροι από 2.5. Επίσης, για όλα τα παραπάνω μέτρα, τα p-values δεν ξεπερνούν την ένδειξη του 0.05, όντας στατιστικώς σημαντικά στην πιθανότητα μείωσης του πλήθους των μολυσματικών περιπτώσεων από Covid 19 σε διάστημα εμπιστοσύνης του 95%.