Marta Mańka Akademia Górniczo-Hutnicza w Krakowie Współautorzy: Monika Chuchro, Adam Piórkowski, Warszawa, r.

Wielkość: px
Rozpocząć pokaz od strony:

Download "Marta Mańka Akademia Górniczo-Hutnicza w Krakowie Współautorzy: Monika Chuchro, Adam Piórkowski, Warszawa, r."

Transkrypt

1 OCENA PODOBIEŃSTWA POMIĘDZY PARAMETRAMI METEOROLOGICZNYMI A DANYMI Z ANALIZY TEKSTURY ZDJĘĆ Marta Mańka Akademia Górniczo-Hutnicza w Krakowie Współautorzy: Monika Chuchro, Adam Piórkowski, Warszawa, r.

2 Plan badania: Akwizycja obrazu r r., Zebranie danych ze stacji pogodowych, Analiza tekstury zdjęć program dr Karoliny Nurzyńskiej, Połączenie zebranych danych, Poszukiwanie korelacji środowisko Statistica, Wnioski.

3 Akwizycja obrazu: 6 piętro Domu Studenckiego Babilon przy ul. Rostafińskiego 11 w Krakowie r r. Widok na Dom Studencki Akropol, fragment ul.piastowskiej Oraz ul. Armii Krajowej, fragmenty nieba nad Akropolem, Lustrzanka cyfrowa Nikon D obiektyw Nikkor VR + filtr UV Kenko

4

5

6 Metody badania fragmentów zdjęcia wykorzystywane do analizy tekstury: metoda całej sceny- czyli cała fotografia metoda kwadraty 66x66px metoda kwadraty 520x520px

7 metoda manualna - lewy górny róg Akropolu i fragment nieba

8 Stacje pomiarowe: WIOŚ Kraków stacja Złoty Róg- PM10 Stacja Meteorologiczna znajdująca się w Zespole Fizyki Środowiska Akademii Górniczo-Hutniczej w Krakowie MapAirly stacja o id 213 temp. powietrza

9 Badane współczynniki meteorologiczne PM10 minimalna prędkość wiatru średnia prędkość wiatru Max. prędkość wiatru kierunek wiatru temp powietrza ciśnienie temp wew. stacji wilgotność powietrza indeks ciepła opad grad heating temp. heating voltage supply voltage 3.5V ref. voltage temp. punktu rosy ciśnienie barometryczne temperatura odczuwalna

10 METODY ANALIZY TEKSTURY WYKORZYSTANE PRZY POSZUKIWANIU KORELACJI COM2 obliczająca 14 cech Haralicka, FOF - First Order Features dla której parametrem była liczba poziomów szarości metoda wyliczała 5 zmiennych, GTDM Neighborhood Gray Tone Difference Matrix dla parametru określającego wielkość okna wykorzystywanego w obliczeniach - podająca 6 cech.

11 METODA HARALICKA 1. drugi moment kątowy (Angular Second Moment ): 2. kontrast (Contrast ): Ng 1 Ng i j p(i, j)2, Ng n=0 n 2 { i=1 j=1 p(i, j)}, mod (i j)=n, i j (ij)p (i, j) μ x μ y 3. korelacja (Correlation):, δ δ gdzie : μ x, μ y, δ x i δ y oznaczają średnią odchylenia standardowego p x, p y częściowe prawdopodobieństwofunkcji gęstości, 4. suma kwadratów: wariancja :( of Squares : Variance) : i j (i μ) 2 p(i, j ), x y 5. odwrotny moment różnicowy (Inverse Difference Moment ): 1 i j 1+(i j) p( i, j), 2 2Ng i=2 6. sumaryczna średnia ( Average): i p x+y ( i), gdzie : x i y są współrzędnymi wejścia w macierzy współwystąpień, p x+ y (i ) jest prawdopodobieństwem sumy współrzędnych x i y z macierzy współwystąpień, 7. sumaryczna wariancja Variance: 2Ng i=2 ( i f s )2 p x+y (i ), 2N g 8. sumaryczna entropia Entropy : i= 2 px +y (i) log {p x+y (i )}=f s, 9. entropia (Entropy ): i j p(i, j) log ( p( i, j)) 10. wariancja różnicowa ( Difference Variance): 11. entropia różnicowa ( Difference Entropy): Ng 1 i=0 i 2 px y (i), N i=0 i 2 p x y (i )log {p x y (i )}, g informacje z pomiaru korelacji 1 ( Information Measures of Correlation 1): 13. informacje z pomiaru korelacji 2 ( Info.Measure of Correlation 2): (12 ) (1 exp [ 2 (HXY2 HXY)]), gdzie : HXY = i j p(i, j )log ( p(i, j )), HX, HY są entropiami p z i p y, HXY1= i j p (i, j )log { p x (i) p y ( j ) }, HXY2= i j p x (i) p y ( j ) log { p x (i ) p y ( j )}, 14. maksymalny współczynnik korelacji (Max. Correlation Coefficient): 1 2 f 14 =( druga największa wartość własna Q), gdzie : P (i, k) P ( j, k ) Q(i, j )= k P (i) P (k ). x y HXY HXY1 max {HX, HY },

12 METODA FIRST ORDER FEATURES G 1 1.średnia μ= i=0 ip(i), G 1 2. wariancja δ = i=0 (i μ 2 ) p(i), 2 G 1 (i μ3 ) p(i), i=0 G skośność μ 4=δ i=0 (i μ 4 ) p(i) 3, G 1 2, 5. energia E= i=0 [ p(i)] G 1 6. entropia H= i=0 p(i)log 2 [ p(i)] kurtoza μ3 =δ

13 METODA NEIGHBORHOOD GRAY TONE DIFFERENCE MATRIX Gh 1, 1. grubość: [ε + i=0 p i s(i)] 2. kontrast :[ G G G p p (i j) ][ 2 i=0 s(i)], Ng ( Ng 1) i=0 j=0 i j n h h h Gh 3. wartość biznesowa : Gh Gh i=0 j=0 i pi jp j G G i=0 j=0 (mod(i, j)) h 4. złożoność :[ [ i=0 p i s (i)], h (pi s(i)+p j s( j))], 2 n (p i+p j ) 2 (i j) 5. wytrzymałość : i=0 j=0 (p i +p j ), G ε + i=0 s(i) Gh Gh h gdzie : pi : prawdopodobieństwo zależności woksela o intensywności i, s (i ): wartość intensywności NGTDM obliczana jako : Σ i Ai, Ai :średnia intensywność otaczających wokseli bez uwzględnienia woksela centralnego (obliczonego z intensywności i).

14 WYNIKI

15 METODA FIRST ORDER FEATURES Dla wszystkich danych: Metoda parametryczna: Kierunek wiatru, Wilgotność powietrza, Temperatura punktu rosy, Temperatura powietrza (ze stacji mapairly oraz fis)*, Temperatura odczuwalna*, Temperatura wewnętrzna stacji *, PM 10*, Ciśnienie barometryczne (dla danych rano) Metody nieparametryczne: Wilgotność powietrza, Kierunkiem wiatru, Opady deszczu, Pm10, Temperatura powietrza.

16 METODA FIRST ORDER FEATURES Dla wszystkich danych: Metoda parametryczna: kierunek wiatru, wilgotność powietrza, temperatura punktu rosy, temperatura powietrza (ze stacji MapAirly oraz FIS)*, temperatura odczuwalna*, temperatura wewnętrzna stacji *, PM 10*, ciśnienie barometryczne (dla danych rano) Metody nieparametryczne: wilgotność powietrza, kierunkiem wiatru, opady deszczu, PM10, temperatura powietrza.

17 METODA NEIGHBORHOOD GRAY TONE DIFFERENCE MATRIX Dla wszystkich danych: Metoda parametryczna: Wilgotność powietrza * Odczuwalna temperatura* Metody nieparametryczne: Temperatura powietrza Wilgotność powietrza Kierunek wiatru * Opady deszczu Dla danych z okolic 6:00-7:30 Metoda parametryczna Temperatura punktu rosy Metody nieparametryczne: Temperatura wewnętrzna stacji

18 METODA HARALICK'A Dla wszystkich danych: Metoda parametryczna: temperatura powietrza ciśnienie barometryczne ciśnienie atmosferyczne temp. wewnętrzna stacji Metody nieparametryczne: temperatura powietrza ilość opadów deszczu kierunek wiatru* Dla danych z okolic 6:00-7:30 Metoda parametryczna ciśnienie atmosferyczne kierunek wiatru temp. wewnętrzna stacji

19 sn_hour_avg sm_hour_avg sx_hour_avg dm_hour_avg dx_hour_avg ta_hour_avg pa_hour_avg tp_hour_avg ua_hour_avg th_hour_avg vh_hour_avg Contrast Correlation Inv erse Dif f erence Moment Dif f erence Variance Dif f erence Entropy Inf ormation Measures of Correlation Inf ormation Measures of Correlation2 Contrast MANUAL building Dif f erence Variance MANUAL building Dif f erence Entropy MANUAL building Angular Second Moment MANUAL cloud Kontrast MANUAL cloud Sum Entropy MANUAL cloud Entropy MANUAL cloud Dif f erence Variance MANUAL cloud Inf ormation Measures of Correlation2 MANUAL cloud Inf ormation Measures of Correlation mini-f ragment 8 Maximal Correlation Coef f icient mini-f ragment 8 Correlation f ragment 2 Inv erse Dif f erence Moment f ragment 2 Sum Variancef ragment 2 Dif f erence Entropy f ragment 2 Inf ormation Measures of Correlation f ragment2 Inf ormation Measures of Correlation2 f ragment 2 Inv erse Dif f erence Moment f ragment 3 Dif f erence Entropy f ragment 3 Inf ormation Measures of Correlation f ragment 3 Angular Second Moment f ragment 4 Correlation f ragment 4 Inv erse Dif f erence Moment f ragment 4 Sum Entropy f ragment 4 Inf ormation Measures of Correlation2 f ragment 4 Contrast f ragment 5 Correlation f ragment 5 Inv erse Dif f erence Moment f ragment 5 Sum Entropy f ragment 5 Entropy f ragment 5 Dif f erence Variance f ragment 5 Inf ormation Measures of Correlation f ragment 5 Inf ormation Measures of Correlation2 f ragment 5 Maximal Correlation Coef f icient f ragment 5 Contrast f ragment 6 Inf ormation Measures of Correlation f ragment 6 Angular Second Moment f ragment 7 Sum of Squares: Variance f ragment 7 Sum Av eragef ragment 7 Sum Variance f ragment 7 Sum Entropy f ragment 7 Entropy mini-f ragment 7 Dif f erence Variance f ragment 7 Dif f erence Entropy f ragment 7 Inf ormation Measures of Correlation f ragment 7 Inf ormation Measures of Correlation2 f ragment 7 Maximal Correlation Coef f icient-f ragment 7 Correlation f ragment 8 Sum of Squares: Variance f ragment 8 Inv erse Dif f erence Moment f ragment 8 PM10 [mikrogramy /m3] złoty róg Zmienna MapAirly Korelacje (HaralickAll) Oznaczone wsp. korelacji są istotne z p <,05000 N=151 (Braki danych usuwano przypadkami) -0,227 0,225 0,303-0,227-0,238-0,329 0,281-0,201-0,201-0,162 0,255-0,215-0,319-0,322-0,214-0,292-0,255 0,210 0,060 0,033 0,012-0,060-0,139 0,119 0,256-0,245-0,127 0,065 0,179 0,119 0,004 0,190-0,045 0,333 0,276 0,008-0,105-0,045-0,305 0,304 0,227 0,045-0,133 0,027-0,259-0,238-0,259-0,120-0,039-0,003 0,072 0,316-0,218 0,042 0,267 0,126 0,206-0,045-0,047-0,012-0,045-0,100 0,127-0,250 0,242 0,242 0,145 0,153 0,161-0,095-0,094 0,162-0,120 0,144 0,060-0,314-0,015-0,104-0,042 0,401-0,320-0,175 0,111 0,399 0,184-0,248 0,161-0,368-0,313-0,222-0,164 0,055-0,319-0,245-0,222 0,081-0,264 0,061-0,102 0,241 0,258-0,025-0,021-0,025-0,241-0,265-0,174-0,271-0,063-0,158 0,251-0,027-0,166 0,169-0,059 0,143 0,076-0,059-0,021-0,165 0,220-0,230-0,230-0,141 0,037-0,163-0,063-0,050-0,163-0,062-0,093 0,027 0,076 0,224 0,170-0,211-0,246 0,078 0,103-0,073-0,245-0,069 0,256-0,002 0,185 0,250-0,005 0,112 0,064 0,142 0,057-0,004-0,122 0,172-0,072-0,038-0,187-0,148 0,020 0,021 0,020 0,072 0,109 0,071 0,140 0,122 0,049-0,110 0,090 0,156-0,046-0,044 0,125 0,050-0,044 0,003-0,138 0,207-0,245-0,245-0,153 0,028-0,165-0,060-0,047-0,166-0,069-0,096 0,008 0,066 0,202 0,155-0,188-0,228 0,068 0,066-0,041-0,229-0,095 0,239-0,030 0,222 0,252 0,008 0,116 0,051 0,171 0,083 0,008-0,119 0,184-0,089-0,058-0,183-0,155-0,016-0,015-0,016 0,075 0,114 0,078 0,149 0,130 0,049-0,112 0,081 0,130-0,070-0,044 0,122 0,049-0,044 0,004-0,137 0,205-0,247-0,247-0,154 0,029-0,161-0,059-0,047-0,162-0,067-0,094 0,010 0,063 0,196 0,159-0,181-0,220 0,068 0,055-0,030-0,219-0,109 0,229-0,037 0,229 0,249 0,000 0,121 0,056 0,170 0,079 0,001-0,126 0,189-0,092-0,058-0,178-0,154-0,018-0,018-0,018 0,074 0,114 0,083 0,151 0,134 0,046-0,112 0,075 0,124-0,071-0,280 0,270 0,210-0,280-0,236-0,241 0,210 0,035 0,035 0,013 0,217 0,020-0,205-0,191 0,021-0,229-0,129 0,098-0,138 0,185-0,026-0,204-0,003-0,026 0,059-0,066 0,001 0,184 0,185 0,165-0,097 0,145-0,072 0,147 0,166-0,059-0,110-0,072-0,131 0,177 0,168-0,252-0,252 0,208-0,418-0,384-0,418-0,310-0,297-0,304-0,240 0,092-0,166 0,279 0,303-0,119 0,131-0,252 0,219 0,117-0,252-0,175-0,136 0,154-0,020-0,020-0,029 0,077-0,051-0,100-0,090-0,052-0,112-0,084 0,115-0,195 0,171-0,084-0,224 0,089-0,146 0,026-0,063 0,047 0,207 0,127 0,145-0,102 0,110 0,052 0,082 0,067 0,051 0,013 0,052-0,040 0,139 0,074-0,334-0,201 0,192-0,427-0,402-0,427-0,277-0,264-0,295-0,209 0,091-0,154 0,255 0,250-0,112 0,055-0,230 0,239 0,320-0,230-0,242-0,358 0,313-0,237-0,237-0,194 0,190-0,238-0,274-0,279-0,237-0,239-0,310 0,198 0,090 0,048 0,044-0,068-0,188 0,134 0,260-0,243-0,181 0,041 0,225 0,110 0,046 0,239-0,049 0,377 0,288 0,041-0,093-0,048-0,343 0,357 0,213 0,031-0,187-0,008-0,257-0,233-0,258-0,084-0,007 0,014 0,095 0,296-0,186 0,011 0,289 0,165 0,209-0,051-0,045 0,038-0,051-0,067 0,015-0,119-0,074-0,074-0,084 0,057-0,067-0,036-0,030-0,067-0,084 0,137 0,004-0,104 0,109 0,116-0,120 0,076-0,175 0,138-0,154 0,062 0,123-0,228 0,031-0,222-0,276 0,116-0,248-0,099-0,114-0,005 0,116 0,194-0,258 0,021 0,072 0,184-0,041 0,132 0,139 0,132 0,060 0,072 0,095 0,068 0,028 0,017-0,073-0,211-0,008-0,095-0,183 0,182 0,283-0,183-0,199-0,315 0,280-0,206-0,206-0,169 0,171-0,209-0,254-0,259-0,209-0,225-0,286 0,190 0,077 0,043 0,043-0,064-0,174 0,129 0,246-0,231-0,172 0,061 0,195 0,121 0,015 0,208-0,033 0,333 0,269 0,029-0,089-0,032-0,311 0,316 0,206 0,039-0,165-0,039-0,215-0,189-0,216-0,044 0,032 0,051 0,128 0,285-0,158-0,028 0,236 0,172 0,184-0,314 0,291 0,281-0,314-0,346-0,213-0,004-0,014-0,014 0,027 0,146-0,023-0,116-0,112-0,023-0,117-0,062 0,270-0,148-0,165-0,137 0,151 0,263-0,156-0,131 0,128 0,353 0,043-0,109 0,104-0,218-0,185-0,265-0,035 0,205-0,353-0,327-0,265-0,085-0,141 0,161 0,078 0,168 0,233 0,006 0,006 0,007-0,230-0,244-0,207-0,236-0,011-0,189 0,231 0,080-0,004 0,286-0,047 0,018 0,163-0,047-0,073-0,176 0,170-0,113-0,112-0,092 0,116-0,135-0,190-0,196-0,134-0,179-0,195 0,153 0,040 0,024 0,036-0,045-0,122 0,111 0,187-0,179-0,133 0,105 0,094 0,132-0,064 0,106 0,018 0,191 0,197-0,002-0,070 0,018-0,202 0,180 0,172 0,062-0,085-0,116-0,089-0,059-0,090 0,065 0,135 0,148 0,209 0,246-0,080-0,129 0,076 0,181 0,099-0,347 0,351 0,345-0,347-0,335-0,395 0,351-0,185-0,185-0,148 0,105-0,219-0,181-0,190-0,218-0,110-0,270 0,179 0,024 0,047-0,032-0,090-0,124 0,034 0,243-0,255-0,087-0,049 0,205 0,035 0,138 0,229-0,075 0,419 0,242 0,082-0,059-0,074-0,318 0,394 0,179-0,043-0,180 0,181-0,429-0,423-0,429-0,276-0,215-0,147-0,098 0,261-0,255 0,231 0,411 0,002 0,239

20 Plany na przyszłość Zebranie większej ilości danych w postaci szeregu czasowego, Porównanie wyników

21 Dziękuję za uwagę.

CHARAKTERYSTYKA PORÓWNAWCZA PRZEBIEGU ELEMENTÓW METEOROLOGICZNYCH NA STACJACH W BORUCINIE i OSTRZYCACH (Złota Góra) - CZERWIEC 2010 r.

CHARAKTERYSTYKA PORÓWNAWCZA PRZEBIEGU ELEMENTÓW METEOROLOGICZNYCH NA STACJACH W BORUCINIE i OSTRZYCACH (Złota Góra) - CZERWIEC 2010 r. CHARAKTERYSTYKA PORÓWNAWCZA PRZEBIEGU ELEMENTÓW METEOROLOGICZNYCH NA STACJACH W BORUCINIE i OSTRZYCACH (Złota Góra) - CZERWIEC 2010 r. Element Wskaźnik Ostrzyce Borucino Temperatura powietrza [ C] Temperatura

Bardziej szczegółowo

Rozkłady wielu zmiennych

Rozkłady wielu zmiennych Rozkłady wielu zmiennych Uogólnienie pojęć na rozkład wielu zmiennych Dystrybuanta, gęstość prawdopodobieństwa, rozkład brzegowy, wartości średnie i odchylenia standardowe, momenty Notacja macierzowa Macierz

Bardziej szczegółowo

WYKŁAD 6. Witold Bednorz, Paweł Wolff. Rachunek Prawdopodobieństwa, WNE, Uniwersytet Warszawski. 1 Instytut Matematyki

WYKŁAD 6. Witold Bednorz, Paweł Wolff. Rachunek Prawdopodobieństwa, WNE, Uniwersytet Warszawski. 1 Instytut Matematyki WYKŁAD 6 Witold Bednorz, Paweł Wolff 1 Instytut Matematyki Uniwersytet Warszawski Rachunek Prawdopodobieństwa, WNE, 2010-2011 Własności Wariancji Przypomnijmy, że VarX = E(X EX) 2 = EX 2 (EX) 2. Własności

Bardziej szczegółowo

Metodologia badań psychologicznych. Wykład 12. Korelacje

Metodologia badań psychologicznych. Wykład 12. Korelacje Metodologia badań psychologicznych Lucyna Golińska SPOŁECZNA AKADEMIA NAUK Wykład 12. Korelacje Korelacja Korelacja występuje wtedy gdy dwie różne miary dotyczące tych samych osób, zdarzeń lub obiektów

Bardziej szczegółowo

Komputerowa analiza danych doświadczalnych

Komputerowa analiza danych doświadczalnych Komputerowa analiza danych doświadczalnych Wykład 4.03.06 dr inż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Semestr letni 05/06 Zmienne losowe, jednowymiarowe rozkłady zmiennych losowych Pomiar jako zdarzenie

Bardziej szczegółowo

INSTYTUT METEOROLOGII I GOSPODARKI WODNEJ INSTITUTE OF METEOROLOGY AND WATER MANAGEMENT. TYTUŁ : Dane agrometeorologiczne w modelu SWAT

INSTYTUT METEOROLOGII I GOSPODARKI WODNEJ INSTITUTE OF METEOROLOGY AND WATER MANAGEMENT. TYTUŁ : Dane agrometeorologiczne w modelu SWAT INSTYTUT METEOROLOGII I GOSPODARKI WODNEJ INSTITUTE OF METEOROLOGY AND WATER MANAGEMENT TYTUŁ : Dane agrometeorologiczne w modelu SWAT AUTOR: Danuta Kubacka, Urszula Opial - Gałuszka DATA: 23.03.2009 Dane

Bardziej szczegółowo

WYNIKI CIĄGŁYCH POMIARÓW HAŁASU LOTNICZEGO W ŚRODOWISKU DLA LOTNISKA BABICE W WARSZAWIE

WYNIKI CIĄGŁYCH POMIARÓW HAŁASU LOTNICZEGO W ŚRODOWISKU DLA LOTNISKA BABICE W WARSZAWIE WYNIKI CIĄGŁYCH POMIARÓW HAŁASU LOTNICZEGO W ŚRODOWISKU DLA LOTNISKA BABICE W WARSZAWIE Miejsce pomiarów: Pp.1 IOŚ ul. Kolektorska 4, Warszawa Pp.2 Na granicy Lotniska Babice przy zabudowie mieszkalnej

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA

STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA Zadanie 0.1 Zmienna losowa X ma rozkład określony funkcją prawdopodobieństwa: x k 0 4 p k 1/3 1/6 1/ obliczyć EX, D X. (odp. 4/3;

Bardziej szczegółowo

Instytut Fizyki Politechniki Łódzkiej Laboratorium Metod Analizy Danych Doświadczalnych Ćwiczenie 3 Generator liczb losowych o rozkładzie Rayleigha.

Instytut Fizyki Politechniki Łódzkiej Laboratorium Metod Analizy Danych Doświadczalnych Ćwiczenie 3 Generator liczb losowych o rozkładzie Rayleigha. Instytut Fizyki Politechniki Łódzkiej Laboratorium Metod Analizy Danych Doświadczalnych Generator liczb losowych o rozkładzie Rayleigha. Generator liczb losowych o rozkładzie Rayleigha. 1. Cel ćwiczenia

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka

Rachunek prawdopodobieństwa i statystyka Rachunek prawdopodobieństwa i statystyka Momenty Zmienna losowa jest wystarczająco dokładnie opisana przez jej rozkład prawdopodobieństwa. Względy praktyczne dyktują jednak potrzebę znalezienia charakterystyk

Bardziej szczegółowo

Przetwarzanie i analiza obrazów oraz złożonych danych

Przetwarzanie i analiza obrazów oraz złożonych danych Przetwarzanie i analiza obrazów oraz złożonych danych Opracował: Zbigniew Rudnicki ZKiEM, AGH Kraków Kategorie analizowanych obrazów Obrazy Obrazy obiektów (wyraźnie widocznych) Obrazy obiektów trudno

Bardziej szczegółowo

Prognozowanie zanieczyszczeń atmosferycznych przy użyciu sieci neuronowych

Prognozowanie zanieczyszczeń atmosferycznych przy użyciu sieci neuronowych Prognozowanie zanieczyszczeń atmosferycznych przy użyciu sieci neuronowych prof. zw. dr hab. inż. Stanisław Osowski dr inż. Krzysztof Siwek Politechnika Warszawska Kontynuacja prac Prace prowadzone w roku

Bardziej szczegółowo

Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa

Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa Spis treści Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa Romuald Kotowski Katedra Informatyki Stosowanej PJWSTK 2009 Spis treści Spis treści 1 Wstęp Bardzo często interesujący

Bardziej szczegółowo

1 Podstawy rachunku prawdopodobieństwa

1 Podstawy rachunku prawdopodobieństwa 1 Podstawy rachunku prawdopodobieństwa Dystrybuantą zmiennej losowej X nazywamy prawdopodobieństwo przyjęcia przez zmienną losową X wartości mniejszej od x, tzn. F (x) = P [X < x]. 1. dla zmiennej losowej

Bardziej szczegółowo

Porównanie modeli statystycznych. Monika Wawrzyniak Katarzyna Kociałkowska

Porównanie modeli statystycznych. Monika Wawrzyniak Katarzyna Kociałkowska Porównanie modeli statystycznych Monika Wawrzyniak Katarzyna Kociałkowska Jaka jest miara podobieństwa? Aby porównywać rozkłady prawdopodobieństwa dwóch modeli statystycznych możemy użyć: metryki dywergencji

Bardziej szczegółowo

Zestaw 2: Zmienne losowe. 0, x < 1, 2, 2 x, 1 1 x, 1 x, F 9 (x) =

Zestaw 2: Zmienne losowe. 0, x < 1, 2, 2 x, 1 1 x, 1 x, F 9 (x) = Zestaw : Zmienne losowe. Które z poniższych funkcji są dystrybuantami? Odpowiedź uzasadnij. Wskazówka: naszkicuj wykres. 0, x 0,, x 0, F (x) = x, F (x) = x, 0 x

Bardziej szczegółowo

Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki

Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki Przetwarzanie Sygnałów Studia Podyplomowe, Automatyka i Robotyka. Wstęp teoretyczny Zmienne losowe Zmienne losowe

Bardziej szczegółowo

Ekonometria. Modele regresji wielorakiej - dobór zmiennych, szacowanie. Paweł Cibis pawel@cibis.pl. 1 kwietnia 2007

Ekonometria. Modele regresji wielorakiej - dobór zmiennych, szacowanie. Paweł Cibis pawel@cibis.pl. 1 kwietnia 2007 Modele regresji wielorakiej - dobór zmiennych, szacowanie Paweł Cibis pawel@cibis.pl 1 kwietnia 2007 1 Współczynnik zmienności Współczynnik zmienności wzory Współczynnik zmienności funkcje 2 Korelacja

Bardziej szczegółowo

Akademia Górniczo- Hutnicza Im. Stanisława Staszica w Krakowie

Akademia Górniczo- Hutnicza Im. Stanisława Staszica w Krakowie Akademia Górniczo- Hutnicza Im. Stanisława Staszica w Krakowie PODOBIEŃSTWO W WENTYLATORACH TYPOSZEREGI SMIUE Prowadzący: mgr inż. Tomasz Siwek siwek@agh.edu.pl 1. Wstęp W celu umożliwienia porównywania

Bardziej szczegółowo

Komputerowa Analiza Danych Doświadczalnych

Komputerowa Analiza Danych Doświadczalnych Komputerowa Analiza Danych Doświadczalnych Prowadząca: dr inż. Hanna Zbroszczyk e-mail: gos@if.pw.edu.pl tel: +48 22 234 58 51 konsultacje: poniedziałek, 10-11, środa: 11-12 www: http://www.if.pw.edu.pl/~gos/students/kadd

Bardziej szczegółowo

Wykonawca dr hab. inż. Wojciech Dąbrowski

Wykonawca dr hab. inż. Wojciech Dąbrowski Raport z analizy stanów wód i warunków meteorologicznych w ramach realizacji projektu LIFE11 NAT/PL/422 Ochrona siedlisk mokradłowych doliny Górnej Biebrzy Wykonawca dr hab. inż. Wojciech Dąbrowski Osowiec

Bardziej szczegółowo

Analiza Parametrów Meteorologicznych

Analiza Parametrów Meteorologicznych Analiza Parametrów Meteorologicznych Marcin Polkowski marcin@polkowski.eu 3 marca 2008 Spis treści 1 Wstęp 2 1.1 Stacja Meteorologiczna IGF UW...................................... 2 1.2 Psychrometr aspiracyjny

Bardziej szczegółowo

POGODA 2005 GMINY LIPOWIEC KOŚCIELNY. Pomiary dokonywane w Turzy Wielkiej (53 o N, 20 o E ; 130 m n.p.m.)

POGODA 2005 GMINY LIPOWIEC KOŚCIELNY. Pomiary dokonywane w Turzy Wielkiej (53 o N, 20 o E ; 130 m n.p.m.) POGODA 25 GMINY LIPOWIEC KOŚCIELNY Pomiary dokonywane w Turzy Wielkiej (53 o 6 3 N, 2 o 13 25 E ; 13 m n.p.m.) Opracowanie na podstawie własnych badań i obserwacji meteorologicznych Maria, Konrad i Janusz

Bardziej szczegółowo

STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE

STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE 1 W trakcie badania obliczono wartości średniej (15,4), mediany (13,6) oraz dominanty (10,0). Określ typ asymetrii rozkładu. 2 Wymień 3 cechy rozkładu Gauss

Bardziej szczegółowo

WYNIKI CIĄGŁYCH POMIARÓW HAŁASU LOTNICZEGO W ŚRODOWISKU DLA LOTNISKA BABICE W WARSZAWIE

WYNIKI CIĄGŁYCH POMIARÓW HAŁASU LOTNICZEGO W ŚRODOWISKU DLA LOTNISKA BABICE W WARSZAWIE WYNIKI CIĄGŁYCH POMIARÓW HAŁASU LOTNICZEGO W ŚRODOWISKU DLA LOTNISKA BABICE W WARSZAWIE Miejsce pomiarów: Pp.1 IOŚ ul. Kolektorska 4, Warszawa Pp.2 Na granicy Lotniska Babice przy zabudowie mieszkalnej

Bardziej szczegółowo

Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki

Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki Spis treści I. Wzory ogólne... 2 1. Średnia arytmetyczna:... 2 2. Rozstęp:... 2 3. Kwantyle:... 2 4. Wariancja:... 2 5. Odchylenie standardowe:...

Bardziej szczegółowo

PORTAL PRECYZYJNE DORADZTWO AGRO SMART LAB

PORTAL PRECYZYJNE DORADZTWO AGRO SMART LAB PORTAL PRECYZYJNE DORADZTWO AGRO SMART LAB INSTRUKCJA UŻYTKOWANIA Agro Smart Lab, wers. 1, 19.04.2019 DOSTĘP DO PORTALU Wejdź na stronę portalu: www.portal.agrosmartlab.com W nazwie użytkownika wpisz swój

Bardziej szczegółowo

Weryfikacja hipotez statystycznych za pomocą testów statystycznych

Weryfikacja hipotez statystycznych za pomocą testów statystycznych Weryfikacja hipotez statystycznych za pomocą testów statystycznych Weryfikacja hipotez statystycznych za pomocą testów stat. Hipoteza statystyczna Dowolne przypuszczenie co do rozkładu populacji generalnej

Bardziej szczegółowo

Weryfikacja hipotez statystycznych

Weryfikacja hipotez statystycznych Weryfikacja hipotez statystycznych Hipoteza Test statystyczny Poziom istotności Testy jednostronne i dwustronne Testowanie równości wariancji test F-Fishera Testowanie równości wartości średnich test t-studenta

Bardziej szczegółowo

Wykonawca dr hab. inż. Wojciech Dąbrowski

Wykonawca dr hab. inż. Wojciech Dąbrowski Raport z analizy stanów wód i warunków meteorologicznych w ramach realizacji projektu LIFE11 NAT/PL/422 Ochrona siedlisk mokradłowych doliny Górnej Biebrzy Wykonawca dr hab. inż. Wojciech Dąbrowski Osowiec

Bardziej szczegółowo

Komputerowa analiza danych doświadczalnych

Komputerowa analiza danych doświadczalnych Komputerowa analiza danych doświadczalnych Wykład 3.03.07 dr inż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Semestr letni 06/07 Zmienne losowe, jednowymiarowe rozkłady zmiennych losowych Pomiar jako zdarzenie

Bardziej szczegółowo

Wykład 5. Opis struktury zbiorowości. 1. Miary asymetrii.

Wykład 5. Opis struktury zbiorowości. 1. Miary asymetrii. Wykład 5. Opis struktury zbiorowości 1. Miary asymetrii. 2. Miary koncentracji. Przykład Zbadano stawkę godzinową (w zł) pracowników dwóch branŝ, otrzymując następujące charakterysty ki liczbowe: Stawka

Bardziej szczegółowo

Komputerowa analiza danych doświadczalnych

Komputerowa analiza danych doświadczalnych Komputerowa analiza danych doświadczalnych Wykład 3 11.03.2016 dr inż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Wykłady z poprzednich lat (dr inż. H. Zbroszczyk): http://www.if.pw.edu.pl/~gos/student

Bardziej szczegółowo

Ważne rozkłady i twierdzenia

Ważne rozkłady i twierdzenia Ważne rozkłady i twierdzenia Rozkład dwumianowy i wielomianowy Częstość. Prawo wielkich liczb Rozkład hipergeometryczny Rozkład Poissona Rozkład normalny i rozkład Gaussa Centralne twierdzenie graniczne

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Zadanie. Niech (X, Y) ) będzie dwuwymiarową zmienną losową, o wartości oczekiwanej (μ, μ, wariancji każdej ze współrzędnych równej σ oraz kowariancji równej X Y ρσ. Staramy się obserwować niezależne realizacje

Bardziej szczegółowo

Sprawozdanie z badań jakości powietrza wykonanych ambulansem pomiarowym w Tarnowskich Górach w dzielnicy Osada Jana w dniach

Sprawozdanie z badań jakości powietrza wykonanych ambulansem pomiarowym w Tarnowskich Górach w dzielnicy Osada Jana w dniach WOJEWÓDZKI INSPEKTORAT OCHRONY ŚRODOWISKA W KATOWICACH DELEGATURA W CZĘSTOCHOWIE ul. Rząsawska 24/28 tel. (34) 369 41 20, (34) 364-35-12 42-200 Częstochowa tel./fax (34) 360-42-80 e-mail: czestochowa@katowice.wios.gov.pl

Bardziej szczegółowo

Uniwersytecki Biuletyn Meteorologiczny

Uniwersytecki Biuletyn Meteorologiczny Uniwersytecki Biuletyn Meteorologiczny Borucino-Kościerzyna-Ostrzyce KATEDRA METEOROLOGII I KLIMATOLOGII Instytut Geografii, Uniwersytet Gdański Nr 45 (94) MARZEC 214 ISSN 281-884X Od Redakcji: Opracowanie

Bardziej szczegółowo

WYNIKI CIĄGŁYCH POMIARÓW HAŁASU LOTNICZEGO W ŚRODOWISKU DLA LOTNISKA BABICE W WARSZAWIE

WYNIKI CIĄGŁYCH POMIARÓW HAŁASU LOTNICZEGO W ŚRODOWISKU DLA LOTNISKA BABICE W WARSZAWIE WYNIKI CIĄGŁYCH POMIARÓW HAŁASU LOTNICZEGO W ŚRODOWISKU DLA LOTNISKA BABICE W WARSZAWIE Miejsce pomiarów: Pp.1 IOŚ ul. Kolektorska 4, Warszawa Pp.2 Na granicy Lotniska Babice przy zabudowie mieszkalnej

Bardziej szczegółowo

I jest narzędziem służącym do porównywania rozproszenia dwóch zmiennych. Używamy go tylko, gdy pomiędzy zmiennymi istnieje logiczny związek

I jest narzędziem służącym do porównywania rozproszenia dwóch zmiennych. Używamy go tylko, gdy pomiędzy zmiennymi istnieje logiczny związek ZADANIA statystyka opisowa i CTG 1. Dokonano pomiaru stężenia jonów azotanowych w wodzie μg/ml 1 0.51 0.51 0.51 0.50 0.51 0.49 0.52 0.53 0.50 0.47 0.51 0.52 0.53 0.48 0.59 0.50 0.52 0.49 0.49 0.50 0.49

Bardziej szczegółowo

Granica i ciągłość funkcji. 1 Granica funkcji rzeczywistej jednej zmiennej rzeczywistej

Granica i ciągłość funkcji. 1 Granica funkcji rzeczywistej jednej zmiennej rzeczywistej Wydział Matematyki Stosowanej Zestaw zadań nr 3 Akademia Górniczo-Hutnicza w Krakowie WEiP, energetyka, I rok Elżbieta Adamus 3 listopada 06r. Granica i ciągłość funkcji Granica funkcji rzeczywistej jednej

Bardziej szczegółowo

Statystyka i Analiza Danych

Statystyka i Analiza Danych Warsztaty Statystyka i Analiza Danych Gdańsk, 20-22 lutego 2014 Zastosowania wybranych technik regresyjnych do modelowania współzależności zjawisk Janusz Wątroba StatSoft Polska Centrum Zastosowań Matematyki

Bardziej szczegółowo

Zadanie 1. Liczba szkód N w ciągu roku z pewnego ryzyka ma rozkład geometryczny: k =

Zadanie 1. Liczba szkód N w ciągu roku z pewnego ryzyka ma rozkład geometryczny: k = Matematyka ubezpieczeń majątkowych 0.0.006 r. Zadanie. Liczba szkód N w ciągu roku z pewnego ryzyka ma rozkład geometryczny: k 5 Pr( N = k) =, k = 0,,,... 6 6 Wartości kolejnych szkód Y, Y,, są i.i.d.,

Bardziej szczegółowo

Metody probabilistyczne

Metody probabilistyczne Metody probabilistyczne Teoria estymacji Jędrzej Potoniec Bibliografia Bibliografia Próba losowa (x 1, x 2,..., x n ) Próba losowa (x 1, x 2,..., x n ) (X 1, X 2,..., X n ) Próba losowa (x 1, x 2,...,

Bardziej szczegółowo

Zbigniew JERZAK Adam KOTLIŃSKI. Studenci kierunku Informatyka na Politechnice Śląskiej w Gliwicach

Zbigniew JERZAK Adam KOTLIŃSKI. Studenci kierunku Informatyka na Politechnice Śląskiej w Gliwicach Studenci kierunku Informatyka na Politechnice Śląskiej w Gliwicach Program zrealizowany na potrzeby Pracowni Komputerowej Analizy Obrazu i Mikroskopii Konfokalnej w Centrum Onkologii w Gliwicach Gliwice,

Bardziej szczegółowo

Rozdział 8. Regresja. Definiowanie modelu

Rozdział 8. Regresja. Definiowanie modelu Rozdział 8 Regresja Definiowanie modelu Analizę korelacji można traktować jako wstęp do analizy regresji. Jeżeli wykresy rozrzutu oraz wartości współczynników korelacji wskazują na istniejąca współzmienność

Bardziej szczegółowo

Komputerowa analiza danych doświadczalnych

Komputerowa analiza danych doświadczalnych Komputerowa analiza danych doświadczalnych Wykład.03.08 dr inż. Łukasz Graczykowski lukasz.graczykowski@pw.edu.pl Semestr letni 07/08 Zmienne losowe, jednowymiarowe rozkłady zmiennych losowych Pomiar jako

Bardziej szczegółowo

Metoda najmniejszych kwadratów

Metoda najmniejszych kwadratów Własności algebraiczne Model liniowy Zapis modelu zarobki = β 0 + β 1 plec + β 2 wiek + ε Oszacowania wartości współczynników zarobki = b 0 + b 1 plec + b 2 wiek + e Model liniowy Tabela: Oszacowania współczynników

Bardziej szczegółowo

WŁAŚCIWOŚCI NISKOTEMPERATUROWE MIESZANEK MINERALNO-ASFALTOWYCH. Część 1. Naprężenia termiczne nawierzchni jako skutek działania niskich temperatur

WŁAŚCIWOŚCI NISKOTEMPERATUROWE MIESZANEK MINERALNO-ASFALTOWYCH. Część 1. Naprężenia termiczne nawierzchni jako skutek działania niskich temperatur WŁAŚCIWOŚCI NISKOTEMPERATUROWE MIESZANEK MINERALNO-ASFALTOWYCH Część 1. Naprężenia termiczne nawierzchni jako skutek działania niskich temperatur dr inż. DAWID RYŚ POLITECHNIKA GDAŃSKA Wprowadzenie Cel

Bardziej szczegółowo

MATEMATYKA Z ELEMENTAMI STATYSTYKI LABORATORIUM KOMPUTEROWE DLA II ROKU KIERUNKU ZARZĄDZANIE I INŻYNIERIA PRODUKCJI ZESTAWY ZADAŃ

MATEMATYKA Z ELEMENTAMI STATYSTYKI LABORATORIUM KOMPUTEROWE DLA II ROKU KIERUNKU ZARZĄDZANIE I INŻYNIERIA PRODUKCJI ZESTAWY ZADAŃ MATEMATYKA Z ELEMENTAMI STATYSTYKI LABORATORIUM KOMPUTEROWE DLA II ROKU KIERUNKU ZARZĄDZANIE I INŻYNIERIA PRODUKCJI ZESTAWY ZADAŃ Opracowała: Milena Suliga Wszystkie pliki pomocnicze wymienione w treści

Bardziej szczegółowo

Analiza współzależności zjawisk

Analiza współzależności zjawisk Analiza współzależności zjawisk Informacje ogólne Jednostki tworzące zbiorowość statystyczną charakteryzowane są zazwyczaj za pomocą wielu cech zmiennych, które nierzadko pozostają ze sobą w pewnym związku.

Bardziej szczegółowo

Statystyka. Magdalena Jakubek. kwiecień 2017

Statystyka. Magdalena Jakubek. kwiecień 2017 Statystyka Magdalena Jakubek kwiecień 2017 1 Nauka nie stara się wyjaśniać, a nawet niemal nie stara się interpretować, zajmuje się ona głównie budową modeli. Model rozumiany jest jako matematyczny twór,

Bardziej szczegółowo

Uniwersytecki Biuletyn Meteorologiczny

Uniwersytecki Biuletyn Meteorologiczny Uniwersytecki Biuletyn Meteorologiczny Borucino-Kościerzyna-Ostrzyce KATEDRA METEOROLOGII I KLIMATOLOGII Instytut Geografii, Uniwersytet Gdański Nr 44 (93) LUTY 2014 ISSN 2081-884X Od Redakcji: Opracowanie

Bardziej szczegółowo

Laboratorium 3 - statystyka opisowa

Laboratorium 3 - statystyka opisowa dla szeregu rozdzielczego Laboratorium 3 - statystyka opisowa Agnieszka Mensfelt 11 lutego 2019 dla szeregu rozdzielczego Statystyka opisowa dla szeregu rozdzielczego Przykład wyniki maratonu Wyniki 18.

Bardziej szczegółowo

Metody kodowania wybranych cech biometrycznych na przykładzie wzoru naczyń krwionośnych dłoni i przedramienia. Mgr inż.

Metody kodowania wybranych cech biometrycznych na przykładzie wzoru naczyń krwionośnych dłoni i przedramienia. Mgr inż. Metody kodowania wybranych cech biometrycznych na przykładzie wzoru naczyń krwionośnych dłoni i przedramienia Mgr inż. Dorota Smorawa Plan prezentacji 1. Wprowadzenie do zagadnienia 2. Opis urządzeń badawczych

Bardziej szczegółowo

Kwantyle. Kwantyl rzędu p rozkładu prawdopodobieństwa to taka liczba x p. , że. Możemy go obliczyć z dystrybuanty: P(X x p.

Kwantyle. Kwantyl rzędu p rozkładu prawdopodobieństwa to taka liczba x p. , że. Możemy go obliczyć z dystrybuanty: P(X x p. Kwantyle Kwantyl rzędu p rozkładu prawdopodobieństwa to taka liczba x p, że P(X x p ) p P(X x p ) 1 p Możemy go obliczyć z dystrybuanty: Jeżeli F(x p ) = p, to x p jest kwantylem rzędu p Jeżeli F(x p )

Bardziej szczegółowo

Andrzej Jaśkowiak Lotnicza pogoda

Andrzej Jaśkowiak Lotnicza pogoda Andrzej Jaśkowiak Lotnicza pogoda - Meteorologia dla pilotów ROZDZIAŁ 1. Atmosfera ziemska ROZDZIAŁ 2. Woda w atmosferze ROZDZIAŁ 3. Temperatura ROZDZIAŁ 4. Stabilność powietrza ROZDZIAŁ 5. Ciśnienie atmosferyczne

Bardziej szczegółowo

Równowaga w układach termodynamicznych. Katarzyna Sznajd-Weron

Równowaga w układach termodynamicznych. Katarzyna Sznajd-Weron Równowaga w układach termodynamicznych. Katarzyna Sznajd-Weron Zagadka na początek wykładu Diagram fazowy wody w powiększeniu, problem metastabilności aktualny (Nature, 2011) Niższa temperatura topnienia

Bardziej szczegółowo

zadania z rachunku prawdopodobieństwa zapożyczone z egzaminów aktuarialnych

zadania z rachunku prawdopodobieństwa zapożyczone z egzaminów aktuarialnych zadania z rachunku prawdopodobieństwa zapożyczone z egzaminów aktuarialnych 1. [E.A 5.10.1996/zad.4] Funkcja gęstości dana jest wzorem { 3 x + 2xy + 1 y dla (x y) (0 1) (0 1) 4 4 P (X > 1 2 Y > 1 2 ) wynosi:

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka - W 9 Testy statystyczne testy zgodności. Dr Anna ADRIAN Paw B5, pok407

Rachunek prawdopodobieństwa i statystyka - W 9 Testy statystyczne testy zgodności. Dr Anna ADRIAN Paw B5, pok407 Rachunek prawdopodobieństwa i statystyka - W 9 Testy statystyczne testy zgodności Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl Weryfikacja hipotez dotyczących postaci nieznanego rozkładu -Testy zgodności.

Bardziej szczegółowo

WYNIKI CIĄGŁYCH POMIARÓW HAŁASU LOTNICZEGO W ŚRODOWISKU DLA LOTNISKA BABICE W WARSZAWIE

WYNIKI CIĄGŁYCH POMIARÓW HAŁASU LOTNICZEGO W ŚRODOWISKU DLA LOTNISKA BABICE W WARSZAWIE WYNIKI CIĄGŁYCH POMIARÓW HAŁASU LOTNICZEGO W ŚRODOWISKU DLA LOTNISKA BABICE W WARSZAWIE Miejsce pomiarów: Pp.1 IOŚ ul. Kolektorska 4, Warszawa Pp.2 Na granicy Lotniska Babice przy zabudowie mieszkalnej

Bardziej szczegółowo

Lean Six Sigma Black Belt

Lean Six Sigma Black Belt 14.X.2011 Porządek wykładu Grupowanie i prezentacja danych Analiza struktury Analiza współzależności Rozkłady prawdopodobieństwa Literatura - Kot, S. (2007), Statystyka podręcznik dla studiów ekonomicznych,

Bardziej szczegółowo

Statystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych.

Statystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych. Statystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych. Statystyka zajmuje się prawidłowościami zaistniałych zdarzeń. Teoria prawdopodobieństwa dotyczy przewidywania, jak często mogą zajść

Bardziej szczegółowo

Uniwersytecki Biuletyn Meteorologiczny

Uniwersytecki Biuletyn Meteorologiczny Uniwersytecki Biuletyn Meteorologiczny Borucino-Kościerzyna-Ostrzyce KATEDRA METEOROLOGII I KLIMATOLOGII Instytut Geografii, Uniwersytet Gdaoski Nr 1 (50) Lipiec 2010 ISSN 2081-884X Od Redakcji: Opracowanie

Bardziej szczegółowo

Aerotriangulacja. 1. Aerotriangulacja z niezależnych wiązek. 2. Aerotriangulacja z niezależnych modeli

Aerotriangulacja. 1. Aerotriangulacja z niezależnych wiązek. 2. Aerotriangulacja z niezależnych modeli Aerotriangulacja 1. Aerotriangulacja z niezależnych wiązek 2. Aerotriangulacja z niezależnych modeli Definicja: Cel: Kameralne zagęszczenie osnowy fotogrametrycznej + wyznaczenie elementów orientacji zewnętrznej

Bardziej szczegółowo

Protokół z wykonania pomiarów hałasu przy linii kolejowej nr 8 na odcinku Okęcie Czachówek.

Protokół z wykonania pomiarów hałasu przy linii kolejowej nr 8 na odcinku Okęcie Czachówek. Protokół z wykonania pomiarów hałasu przy linii kolejowej nr 8 na odcinku Okęcie Czachówek. Zleceniodawca: JACOBS POLSKA Al. Niepodległości 58 02-626 Warszawa Kraków, listopad 2011 1 SPIS TREŚCI 1 WSTĘP...

Bardziej szczegółowo

KP, Tele i foto, wykład 3 1

KP, Tele i foto, wykład 3 1 Krystian Pyka Teledetekcja i fotogrametria sem. 4 2007/08 Wykład 3 Promieniowanie elektromagnetyczne padające na obiekt jest w części: odbijane refleksja R rozpraszane S przepuszczane transmisja T pochłaniane

Bardziej szczegółowo

Uniwersytecki Biuletyn Meteorologiczny

Uniwersytecki Biuletyn Meteorologiczny Uniwersytecki Biuletyn Meteorologiczny Borucino-Kościerzyna-Ostrzyce KATEDRA METEOROLOGII I KLIMATOLOGII Instytut Geografii, Uniwersytet Gdański Nr 43 (92) STYCZEŃ 2014 ISSN 2081-884X Od Redakcji: Opracowanie

Bardziej szczegółowo

POMIAR HAŁASU ZEWNĘTRZNEGO SAMOLOTÓW ŚMIGŁOWYCH WG PRZEPISÓW FAR 36 APPENDIX G I ROZDZ. 10 ZAŁ. 16 KONWENCJI ICAO

POMIAR HAŁASU ZEWNĘTRZNEGO SAMOLOTÓW ŚMIGŁOWYCH WG PRZEPISÓW FAR 36 APPENDIX G I ROZDZ. 10 ZAŁ. 16 KONWENCJI ICAO POMIAR HAŁASU ZEWNĘTRZNEGO SAMOLOTÓW ŚMIGŁOWYCH WG PRZEPISÓW FAR 36 APPENDIX G I ROZDZ. 10 ZAŁ. 16 KONWENCJI ICAO Piotr Kalina Instytut Lotnictwa Streszczenie W referacie przedstawiono wymagania oraz zasady

Bardziej szczegółowo

Zadania z Zasad planowania eksperymentu i opracowania wyników pomiarów. Zestaw 3

Zadania z Zasad planowania eksperymentu i opracowania wyników pomiarów. Zestaw 3 Zestaw 3 Zadanie. 1. Dla zmiennej losowej o rozkładzie normalnym N (100; 10) obliczyć: a) P(X

Bardziej szczegółowo

Warszawa, dnia 30 lipca 2015 r. Poz. 1070 ROZPORZĄDZENIE MINISTRA ŚRODOWISKA 1) z dnia 13 lipca 2015 r.

Warszawa, dnia 30 lipca 2015 r. Poz. 1070 ROZPORZĄDZENIE MINISTRA ŚRODOWISKA 1) z dnia 13 lipca 2015 r. DZIENNIK USTAW RZECZYPOSPOLITEJ POLSKIEJ Warszawa, dnia 30 lipca 2015 r. Poz. 1070 ROZPORZĄDZENIE MINISTRA ŚRODOWISKA 1) z dnia 13 lipca 2015 r. zmieniające rozporządzenie w sprawie szczegółowych zasad

Bardziej szczegółowo

Rozkład normalny Parametry rozkładu zmiennej losowej Zmienne losowe wielowymiarowe

Rozkład normalny Parametry rozkładu zmiennej losowej Zmienne losowe wielowymiarowe Statystyka i opracowanie danych W4 Rozkład normalny Parametry rozkładu zmiennej losowej Zmienne losowe wielowymiarowe Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl Rozkład normalny wykres funkcji gęstości

Bardziej szczegółowo

Matematyka i statystyka matematyczna dla rolników w SGGW

Matematyka i statystyka matematyczna dla rolników w SGGW Było: Testowanie hipotez (ogólnie): stawiamy hipotezę, wybieramy funkcję testową f (test statystyczny), przyjmujemy poziom istotności α; tym samym wyznaczamy obszar krytyczny testu (wartość krytyczną funkcji

Bardziej szczegółowo

WYNIKI CIĄGŁYCH POMIARÓW HAŁASU W ŚRODOWISKU DLA PORTU LOTNICZEGO IM. F. CHOPINA W WARSZAWIE

WYNIKI CIĄGŁYCH POMIARÓW HAŁASU W ŚRODOWISKU DLA PORTU LOTNICZEGO IM. F. CHOPINA W WARSZAWIE WYNIKI CIĄGŁYCH POMIARÓW HAŁASU W ŚRODOWISKU DLA PORTU LOTNICZEGO IM. F. CHOPINA W WARSZAWIE Nazwa obiektu: Punkt pomiarowy nr 4 Onkologia Data wykonania pomiaru: początek: 01-03 - 2015 koniec: 31-03 -

Bardziej szczegółowo

Centralne twierdzenie graniczne

Centralne twierdzenie graniczne Instytut Sterowania i Systemów Informatycznych Universytet Zielonogórski Wykład 4 Ważne uzupełnienie Dwuwymiarowy rozkład normalny N (µ X, µ Y, σ X, σ Y, ρ): f XY (x, y) = 1 2πσ X σ Y 1 ρ 2 { [ (x ) 1

Bardziej szczegółowo

WYNIKI CIĄGŁYCH POMIARÓW HAŁASU W ŚRODOWISKU DLA PORTU LOTNICZEGO IM. F. CHOPINA W WARSZAWIE

WYNIKI CIĄGŁYCH POMIARÓW HAŁASU W ŚRODOWISKU DLA PORTU LOTNICZEGO IM. F. CHOPINA W WARSZAWIE WYNIKI CIĄGŁYCH POMIARÓW HAŁASU W ŚRODOWISKU DLA PORTU LOTNICZEGO IM. F. CHOPINA W WARSZAWIE Nazwa obiektu: Punkt pomiarowy nr 4 Onkologia Data wykonania pomiaru: początek: 01-11 - 2014 koniec: 30-11 -

Bardziej szczegółowo

Uniwersytecki Biuletyn Meteorologiczny

Uniwersytecki Biuletyn Meteorologiczny Uniwersytecki Biuletyn Meteorologiczny Borucino-Kościerzyna-Ostrzyce KATEDRA METEOROLOGII I KLIMATOLOGII Instytut Geografii, Uniwersytet Gdański Nr 37 (86) CZERWIEC 2013 ISSN 2081-884X Od Redakcji: Opracowanie

Bardziej szczegółowo

WYNIKI CIĄGŁYCH POMIARÓW HAŁASU LOTNICZEGO W ŚRODOWISKU DLA LOTNISKA BABICE W WARSZAWIE

WYNIKI CIĄGŁYCH POMIARÓW HAŁASU LOTNICZEGO W ŚRODOWISKU DLA LOTNISKA BABICE W WARSZAWIE WYNIKI CIĄGŁYCH POMIARÓW HAŁASU LOTNICZEGO W ŚRODOWISKU DLA LOTNISKA BABICE W WARSZAWIE Miejsce pomiarów: Pp.1 IOŚ ul. Kolektorska 4, Warszawa Pp.2 Na granicy Lotniska Babice przy zabudowie mieszkalnej

Bardziej szczegółowo

Na A (n) rozważamy rozkład P (n) , który na zbiorach postaci A 1... A n określa się jako P (n) (X n, A (n), P (n)

Na A (n) rozważamy rozkład P (n) , który na zbiorach postaci A 1... A n określa się jako P (n) (X n, A (n), P (n) MODELE STATYSTYCZNE Punktem wyjścia w rozumowaniu statystycznym jest zmienna losowa (cecha) X i jej obserwacje opisujące wyniki doświadczeń bądź pomiarów. Zbiór wartości zmiennej losowej X (zbiór wartości

Bardziej szczegółowo

12/30/2018. Biostatystyka, 2018/2019 dla Fizyki Medycznej, studia magisterskie. Estymacja Testowanie hipotez

12/30/2018. Biostatystyka, 2018/2019 dla Fizyki Medycznej, studia magisterskie. Estymacja Testowanie hipotez Biostatystyka, 2018/2019 dla Fizyki Medycznej, studia magisterskie Wyznaczanie przedziału 95%CI oznaczającego, że dla 95% prób losowych następujące nierówności są prawdziwe: X t s 0.025 n < μ < X + t s

Bardziej szczegółowo

WYNIKI CIĄGŁYCH POMIARÓW HAŁASU W ŚRODOWISKU DLA PORTU LOTNICZEGO IM. F. CHOPINA W WARSZAWIE

WYNIKI CIĄGŁYCH POMIARÓW HAŁASU W ŚRODOWISKU DLA PORTU LOTNICZEGO IM. F. CHOPINA W WARSZAWIE WYNIKI CIĄGŁYCH POMIARÓW HAŁASU W ŚRODOWISKU DLA PORTU LOTNICZEGO IM. F. CHOPINA W WARSZAWIE Nazwa obiektu: Punkt pomiarowy nr 4 Onkologia Data wykonania pomiaru: początek: 01-10 - 2015 koniec: 31-10 -

Bardziej szczegółowo

WYNIKI CIĄGŁYCH POMIARÓW HAŁASU W ŚRODOWISKU DLA PORTU LOTNICZEGO IM. F. CHOPINA W WARSZAWIE

WYNIKI CIĄGŁYCH POMIARÓW HAŁASU W ŚRODOWISKU DLA PORTU LOTNICZEGO IM. F. CHOPINA W WARSZAWIE WYNIKI CIĄGŁYCH POMIARÓW HAŁASU W ŚRODOWISKU DLA PORTU LOTNICZEGO IM. F. CHOPINA W WARSZAWIE Nazwa obiektu: Punkt pomiarowy nr 7 Kossutha Data wykonania pomiaru: początek: 01-11 - 2014 koniec: 30-11 -

Bardziej szczegółowo

Komputerowa Analiza Danych Doświadczalnych

Komputerowa Analiza Danych Doświadczalnych Komputerowa Analiza Danych Doświadczalnych dr inż. Adam Kisiel kisiel@if.pw.edu.pl pokój 117b (12b) 1 Materiały do wykładu Transparencje do wykładów: http://www.if.pw.edu.pl/~kisiel/kadd/kadd.html Literatura

Bardziej szczegółowo

1. Jednoczynnikowa analiza wariancji 2. Porównania szczegółowe

1. Jednoczynnikowa analiza wariancji 2. Porównania szczegółowe Zjazd 7. SGGW, dn. 28.11.10 r. Matematyka i statystyka matematyczna Tematy 1. Jednoczynnikowa analiza wariancji 2. Porównania szczegółowe nna Rajfura 1 Zagadnienia Przykład porównania wielu obiektów w

Bardziej szczegółowo

Uniwersytecki Biuletyn Meteorologiczny. Katedra Meteorologii i Klimatologii Instytut Geografii Uniwersytet Gdaoski MAJ 2010

Uniwersytecki Biuletyn Meteorologiczny. Katedra Meteorologii i Klimatologii Instytut Geografii Uniwersytet Gdaoski MAJ 2010 Uniwersytecki Biuletyn Meteorologiczny Borucino-Kościerzyna-Ostrzyce Katedra Meteorologii i Klimatologii Instytut Geografii Uniwersytet Gdaoski MAJ 2010 Od Redakcji: Opracowanie i publikację warunków meteorologicznych

Bardziej szczegółowo

( x) Równanie regresji liniowej ma postać. By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : Gdzie:

( x) Równanie regresji liniowej ma postać. By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : Gdzie: ma postać y = ax + b Równanie regresji liniowej By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : xy b = a = b lub x Gdzie: xy = też a = x = ( b ) i to dane empiryczne, a ilość

Bardziej szczegółowo

SPITSBERGEN HORNSUND

SPITSBERGEN HORNSUND Polska Stacja Polarna Instytut Geofizyki Polska Akademia Nauk Polish Polar Station Institute of Geophysics Polish Academy of Sciences BIULETYN METEOROLOGICZNY METEOROLOGICAL BULLETIN SPITSBERGEN HORNSUND

Bardziej szczegółowo

WOJSKOWA AKADEMIA TECHNICZNA Wydział Mechaniczny Katedra Pojazdów Mechanicznych i Transportu LABORATORIUM TERMODYNAMIKI TECHNICZNEJ

WOJSKOWA AKADEMIA TECHNICZNA Wydział Mechaniczny Katedra Pojazdów Mechanicznych i Transportu LABORATORIUM TERMODYNAMIKI TECHNICZNEJ WOJSKOWA AKADEMIA TECHNICZNA Wydział Mechaniczny Katedra Pojazdów Mechanicznych i Transportu LABORATORIUM TERMODYNAMIKI TECHNICZNEJ Instrukcja do ćwiczenia T-06 Temat: Wyznaczanie zmiany entropii ciała

Bardziej szczegółowo

Uniwersytecki Biuletyn Meteorologiczny

Uniwersytecki Biuletyn Meteorologiczny Uniwersytecki Biuletyn Meteorologiczny Borucino-Kościerzyna-Ostrzyce KATEDRA METEOROLOGII I KLIMATOLOGII Instytut Geografii, Uniwersytet Gdaoski Nr 11 (60) MAJ 2011 ISSN 2081-884X Od Redakcji: Opracowanie

Bardziej szczegółowo

Program wycena masowa -OPARTA O METODĘ NAJWIĘKSZEJ ZALEŻNOŚCI PROF. Z. ADAMCZEWSKIEGO-

Program wycena masowa -OPARTA O METODĘ NAJWIĘKSZEJ ZALEŻNOŚCI PROF. Z. ADAMCZEWSKIEGO- Program wycena masowa -OPARTA O METODĘ NAJWIĘKSZEJ ZALEŻNOŚCI PROF. Z. ADAMCZEWSKIEGO- Programem tym możemy wycenić 200 nieruchomości naraz stosując jednolitość i obiektywność porówań. Tworzymy bazę nieruchomości

Bardziej szczegółowo

WYNIKI POMIARÓW W ZANIECZYSZCZENIA POWIETRZA W OTOCZENIU STACJI TECHNICZNO-POSTOJOWEJ KABATY

WYNIKI POMIARÓW W ZANIECZYSZCZENIA POWIETRZA W OTOCZENIU STACJI TECHNICZNO-POSTOJOWEJ KABATY WYNIKI POMIARÓW W ZANIECZYSZCZENIA POWIETRZA W OTOCZENIU STACJI TECHNICZNO-POSTOJOWEJ KABATY POMIARY WYKONANE NA KABATACH 1. POMIARY PASYWNE FENOLI WYKONANE ZA POMOCĄ PRÓBNIKÓW RADIELLO ROZMIESZCZONYCH

Bardziej szczegółowo

Metody prognozowania produktywności i ich wpływ na wyniki prognozowania. Kamil Beker

Metody prognozowania produktywności i ich wpływ na wyniki prognozowania. Kamil Beker Metody prognozowania produktywności i ich wpływ na wyniki prognozowania Kamil Beker Szacowanie zasobów wiatru Faza developmentu Faza eksploatacji Pomiary wiatru Optymalizacja farmy wiatrowej Analiza produktywności

Bardziej szczegółowo

Plan wykładu. Statystyka opisowa. Statystyka matematyczna. Dane statystyczne miary położenia miary rozproszenia miary asymetrii

Plan wykładu. Statystyka opisowa. Statystyka matematyczna. Dane statystyczne miary położenia miary rozproszenia miary asymetrii Plan wykładu Statystyka opisowa Dane statystyczne miary położenia miary rozproszenia miary asymetrii Statystyka matematyczna Podstawy estymacji Testowanie hipotez statystycznych Żródła Korzystałam z ksiażek:

Bardziej szczegółowo

Fuzja sygnałów i filtry bayesowskie

Fuzja sygnałów i filtry bayesowskie Fuzja sygnałów i filtry bayesowskie Roboty Manipulacyjne i Mobilne dr inż. Janusz Jakubiak Katedra Cybernetyki i Robotyki Wydział Elektroniki, Politechnika Wrocławska Wrocław, 10.03.2015 Dlaczego potrzebna

Bardziej szczegółowo

Granica i ciągłość funkcji. 1 Granica funkcji rzeczywistej jednej zmiennej rzeczywsitej

Granica i ciągłość funkcji. 1 Granica funkcji rzeczywistej jednej zmiennej rzeczywsitej Wydział Matematyki Stosowanej Zestaw zadań nr 3 Akademia Górniczo-Hutnicza w Krakowie WEiP, energetyka, I rok Elżbieta Adamus listopada 07r. Granica i ciągłość funkcji Granica funkcji rzeczywistej jednej

Bardziej szczegółowo

Uniwersalny miernik XA1000

Uniwersalny miernik XA1000 Uniwersalny miernik XA1000 Precyzyjny i uniwersalny przenośny miernik z pamięcią oraz dotykowym wyświetlaczem TFT. Wszechstronny dla profesjonalistów - łatwy i niezawodny w obsłudze. Umożliwia monitoring

Bardziej szczegółowo

WYNIKI CIĄGŁYCH POMIARÓW HAŁASU W ŚRODOWISKU DLA PORTU LOTNICZEGO IM. F. CHOPINA W WARSZAWIE

WYNIKI CIĄGŁYCH POMIARÓW HAŁASU W ŚRODOWISKU DLA PORTU LOTNICZEGO IM. F. CHOPINA W WARSZAWIE WYNIKI CIĄGŁYCH POMIARÓW HAŁASU W ŚRODOWISKU DLA PORTU LOTNICZEGO IM. F. CHOPINA W WARSZAWIE Nazwa obiektu: Punkt pomiarowy nr 4 Onkologia Data wykonania pomiaru: początek: 01-01 - 2015 koniec: 31-01 -

Bardziej szczegółowo

Raport badania poddasza w domu jednorodzinnym

Raport badania poddasza w domu jednorodzinnym Raport badania poddasza w domu jednorodzinnym Firma "UNICON" Biuro Usług Inżynierskich Piotr Gadzinowski ul. Broniewskiego 7/9 m.14 95200 Pabianice Osoba badająca: mgr inż. Piotr Gadzinowski Telefon: 601

Bardziej szczegółowo

SPITSBERGEN HORNSUND

SPITSBERGEN HORNSUND Polska Stacja Polarna Instytut Geofizyki Polska Akademia Nauk Polish Polar Station Institute of Geophysics Polish Academy of Sciences BIULETYN METEOROLOGICZNY METEOROLOGICAL BULLETIN SPITSBERGEN HORNSUND

Bardziej szczegółowo

BŁĘDY W POMIARACH BEZPOŚREDNICH

BŁĘDY W POMIARACH BEZPOŚREDNICH Podstawy Metrologii i Technik Eksperymentu Laboratorium BŁĘDY W POMIARACH BEZPOŚREDNICH Instrukcja do ćwiczenia nr 2 Zakład Miernictwa i Ochrony Atmosfery Wrocław, listopad 2010 r. Podstawy Metrologii

Bardziej szczegółowo

Uniwersytecki Biuletyn Meteorologiczny

Uniwersytecki Biuletyn Meteorologiczny Uniwersytecki Biuletyn Meteorologiczny Borucino-Kościerzyna-Ostrzyce KATEDRA METEOROLOGII I KLIMATOLOGII Instytut Geografii, Uniwersytet Gdaoski Nr 10 (59) KWIECIEO 2010 ISSN 2081-884X Od Redakcji: Opracowanie

Bardziej szczegółowo