Αντικείμενο της παρούσας εργασίας είναι η στατιστική ανάλυση της ατμοσφαιρικής υγρασίας σε διαφορετικές γεωγραφικές περιοχές της Ελλάδας, με στόχο τον εντοπισμό της κατανομής που προσαρμόζεται βέλτιστα στα πραγματικά δεδομένα. Χρησιμοποιήθηκαν μετρήσεις από έξι επιλεγμένους μετεωρολογικούς σταθμούς (Φλώρινα, Τυμπάκι, Αλεξανδρούπολη, Τρίπολη, Λάρισα, Νέα Φιλαδέλφεια), για δύο διαφορετικές χρονικές περιόδους: ωριαίες τιμές για τα έτη 1980 και 2020. Η μεθοδολογία βασίστηκε στην εφαρμογή θεωρητικών στατιστικών κατανομών (Κανονική, Weibull, Gamma, Lognormal) και στην αξιολόγηση της προσαρμογής τους μέσω γραφικών παραστάσεων και στατιστικών δεικτών, όπως ο συντελεστής προσαρμογής (R²), ο έλεγχος Χ² και το άθροισμα τετραγώνων.
Τα αποτελέσματα ανέδειξαν την κατανομή Weibull ως την πλέον κατάλληλη για την περιγραφή των δεδομένων υγρασίας, εμφανίζοντας σχεδόν σε όλες τις περιπτώσεις τη χαμηλότερη τιμή του chi-square και υψηλή συνοχή στην προσαρμογή, με μοναδική εξαίρεση το σταθμό Τυμπάκι για το έτος 1980, όπου η Κανονική κατανομή υπερτερούσε οριακά. Η Κανονική κατανομή εμφάνισε σε αρκετές περιπτώσεις καλή συμπεριφορά, καταλαμβάνοντας συχνά τη δεύτερη θέση ως προς την καταλληλότητα. Οι Gamma και Lognormal κατανομές παρουσίασαν υψηλότερες αποκλίσεις και μικρότερη συνέπεια, ιδιαίτερα στα άκρα της κατανομής. Η εργασία αναδεικνύει τη σημασία της ορθής επιλογής στατιστικού μοντέλου στη μελέτη μετεωρολογικών μεταβλητών και θέτει τις βάσεις για μελλοντικές εφαρμογές σε ευρύτερα ή διαφορετικά κλιματικά δεδομένα.

The present thesis focuses on the statistical analysis of atmospheric humidity in various geographical regions of Greece, aiming to identify the probability distribution that best fits the observed data. Measurements from six selected meteorological stations (Florina, Tympaki, Alexandroupoli, Tripoli, Larissa, Nea Filadelfeia) were utilized, covering two different time periods: hourly humidity values for the years 1980 and 2020. The methodology was based on the application of theoretical statistical distributions (Normal, Weibull, Gamma, Lognormal) and the evaluation of their goodness of fit using graphical representations and statistical indicators, including the coefficient of determination (R²), the chi-square test, and the sum of squares.
The results highlighted the Weibull distribution as the most suitable model for describing the humidity data, consistently presenting the lowest chi-square values in almost all cases, with the only exception observed in the Tympaki station for the year 1980, where the Normal distribution marginally outperformed Weibull. The Normal distribution demonstrated good performance in several cases, often ranking second in terms of fit quality. In contrast, the Gamma and Lognormal distributions exhibited higher deviations and less consistency, especially in the extreme ranges of humidity values. This work underscores the importance of selecting an appropriate statistical model in the study of meteorological variables and provides a basis for future research and applications on broader or different climatological datasets.