Marta Mańka Akademia Górniczo-Hutnicza w Krakowie Współautorzy: Monika Chuchro, Adam Piórkowski, Warszawa, r.
|
|
- Justyna Sosnowska
- 5 lat temu
- Przeglądów:
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. Element Wskaźnik Ostrzyce Borucino Temperatura powietrza [ C] Temperatura
Bardziej szczegółowoRozkłady 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 szczegółowoWYKŁAD 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 szczegółowoMetodologia 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 szczegółowoKomputerowa 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 szczegółowoINSTYTUT 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 szczegółowoWYNIKI 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 szczegółowoSTATYSTYKA 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 szczegółowoInstytut 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 szczegółowoRachunek 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 szczegółowoPrzetwarzanie 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 szczegółowoPrognozowanie 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 szczegółowoElementy 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 szczegółowo1 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 szczegółowoPorównanie 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 szczegółowoZestaw 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 szczegółowoAkademia 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 szczegółowoEkonometria. 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 szczegółowoAkademia 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 szczegółowoKomputerowa 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 szczegółowoWykonawca 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 szczegółowoAnaliza 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 szczegółowoPOGODA 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 szczegółowoSTATYSTYKA - 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 szczegółowoWYNIKI 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 szczegółowoTablica 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 szczegółowoPORTAL 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 szczegółowoWeryfikacja 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 szczegółowoWeryfikacja 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 szczegółowoWykonawca 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 szczegółowoKomputerowa 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 szczegółowoWykład 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 szczegółowoKomputerowa 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 szczegółowoWażne 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 szczegółowoPrawdopodobieństwo 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 szczegółowoSprawozdanie 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 szczegółowoUniwersytecki 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 szczegółowoWYNIKI 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 szczegółowoI 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 szczegółowoGranica 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 szczegółowoStatystyka 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 szczegółowoZadanie 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 szczegółowoMetody 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 szczegółowoZbigniew 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 szczegółowoRozdział 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 szczegółowoKomputerowa 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 szczegółowoMetoda 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 szczegółowoWŁAŚCIWOŚCI 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 szczegółowoMATEMATYKA 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 szczegółowoAnaliza 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 szczegółowoStatystyka. 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 szczegółowoUniwersytecki 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 szczegółowoLaboratorium 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 szczegółowoMetody 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 szczegółowoKwantyle. 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 szczegółowoAndrzej 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 szczegółowoRównowaga 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 szczegółowozadania 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 szczegółowoRachunek 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 szczegółowoWYNIKI 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 szczegółowoLean 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 szczegółowoStatystyka 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 szczegółowoUniwersytecki 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 szczegółowoAerotriangulacja. 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 szczegółowoProtokół 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 szczegółowoKP, 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 szczegółowoUniwersytecki 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 szczegółowoPOMIAR 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 szczegółowoZadania 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 szczegółowoWarszawa, 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 szczegółowoRozkład 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 szczegółowoMatematyka 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 szczegółowoWYNIKI 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 szczegółowoCentralne 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 szczegółowoWYNIKI 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 szczegółowoUniwersytecki 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 szczegółowoWYNIKI 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 szczegółowoNa 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 szczegółowo12/30/2018. 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 szczegółowoWYNIKI 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 szczegółowoWYNIKI 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 szczegółowoKomputerowa 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 szczegółowo1. 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 szczegółowoUniwersytecki 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:
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 szczegółowoSPITSBERGEN 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 szczegółowoWOJSKOWA 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 szczegółowoUniwersytecki 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 szczegółowoProgram 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 szczegółowoWYNIKI 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 szczegółowoMetody 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 szczegółowoPlan 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 szczegółowoFuzja 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 szczegółowoGranica 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 szczegółowoUniwersalny 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 szczegółowoWYNIKI 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 szczegółowoRaport 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 szczegółowoSPITSBERGEN 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 szczegółowoBŁĘDY 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 szczegółowoUniwersytecki 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