Instytut Oceanografii Uniwersytetu Gdańskiego
|
|
- Fabian Madej
- 5 lat temu
- Przeglądów:
Transkrypt
1 Instytut Oceanografii Uniwersytetu Gdańskiego Jan Jędrasik Walidacja hydrodynamicznego Morza Bałtyckiego
2 elowane zary z zaznaczonymi stacjami erwacyjnymi Zatoka Gdañska W³ad P1 Gd_N ZN4 18 P116 Hel P1 P4 P1 NP ZN Œwib K Ba³t Ba³tyjsk Ba³tyk po³udniowy P P39 M3 P16 B1 Œwin Ko³ Ust P14 P P63 ZR4 P Zalew Wiœlany Stacja pomiaru temperatury wody Stacja pomiaru temperatury i zasolenia Stacja pomiaru wahañ poziomu morza
3 Miary statystyczne zastosowane do weryfikacji i walidacji elu Podstawowymi wielkościami porównywanymi są wartości elowane y i erwowane. Różnice pomiędzy nimi określono jako błąd elu: y = y (1) Miarą opartą na wielkości błędu jest średni błąd kwadratowy: E ( ) rs = y () Obciążenie bezwzględne elu wyrażono poprzez: Q m = y = y (3) Współczynnik korelacji jest iloczynem standaryzowanych wielkości obliczonych i erwowanych: ( ) ( y) r = S S y cov(, y) = S S y y y = S S gdzie: wartość erwowana zmiennej stanu; wartość średnia erwowanej zmiennej stanu; y wartość elowana zmiennej stanu; y wartość średnia elowanej zmiennej stanu; cov(,y) kowariancja wartości erwowanych i elowanych; S S y = = ( ) N ( y y) N y odchylenie standardowe wartości erwowanych; odchylenie standardowe wartości elowanych; Średni błąd kwadratowy () można wyrazić jako (Węglarczyk, 1998) (4) ( y ) = var( y) + Q () m
4 MOD [ o C] MOD [gm -3 ] OBS [ o C] 1 OBS [gm -3 ] P1_T w R=.88 SD=1.69 N=394 P_O R=.93 SD=1.7 N= Po rozpisaniu na składniki oraz uwzględnieniu formuły dla współczynnika korelacji (), wariancja w powyższym wyrażeniu () przyjmuje postać: 1 var( y ) = Σ( y ) = N 1 1 = Σ( y y) + Σ( ) N N N Σ( y y) ( ) = S y rs S Jeżeli powyższe wyrażenie (6) wstawimy w miejsce wariancji w wyrażeniu (), a następnie dodamy i odejmiemy r, to otrzymamy formułę składowych średniego błędu kwadratowego: S y Q m E rs = S (1 r ) + r + (7) S S Drugi człon równania (8) opisuje współzależność między błędem elu i jego symulacją, określimy jako obciążenie warunkowe i oznaczymy go poprzez C C S y = r S Z kolei trzeci człon równania (8) wyraża obciążenie bezwarunkowe B zdefiniowane jako stosunek obciążenia bezwzględnego do odchylenia standardowego erwacji: Q m B = (9) S Wyrażenie (7) podzielone przez uwzględnieniem wyrażenia: y + S S przy zachowaniu wprowadzonych oznaczeń (8,9) z E rs 1 = E () S oznacza współczynnik determinacji lub efektywności E, który otrzymali Nash i Sutcliff (Węglarczyk, 1998) w postaci: E = r C B (11) Jeżeli nie ma żadnych obciążeń, to jest on równy kwadratowi współczynnika korelacji. Obciążenia wyników elu obniżają wartości współczynnika efektywności, który wskazuje realnie na charakter. W wyniku analiz symulacji i erwacji obecnego opracowania, uznano ten współczynnik jako przydatny do optymalizacji kalibracji elu. Z kolei relacja współczynnika korelacji z całkowitym błędem kwadratowym: E rs E rc = (1) prowadzi do współzależności tzw. specjalnego współczynnika korelacji R s względem E rc E rc Rs = 1 (13) S + (6) (8)
5 - - Depth [m] Depth [m] a) erved - b) erved 3 4 Distance [km] Distance [km] Depth [m] Depth [m] a) elled - b) elled erwowane i elowane rozkłady tlenu rozpuszczonego O-O w przekroju od ujścia Wisły do stacji P1 poprzez P1 i P116 a) 4 marca 199 b) 8 sierpnia 199
6 1 a) Hel r =.98 1 b) Świbno r = [dni] [dni] Temperature [ C] 1 c) Bałtyjsk r = [dni] Przebieg temperatury wody powierzchniowej erwowanej i elowanej na stacjach brzegowych w a) Helu i b) Świbnie, w 199 oraz w Bałtyjsku w roku 1994
7 3 1 P_1 r = P_ r = P_3 r = P_4 r = P_ r = P_6 r = P_7 r = P_8 r = P_9 r = Przebieg erwowanej i elowanej temperatury wody powierzchniowej w punktach 1- Zalewu Wiślanego za okres
8 Temperatura wody [ C] Temperatura wody [ C] Punkt P Punkt P Temperatura wody [ C] Punkt P Temperatura wody [ C] Punkt P Temperatura wody [ C] Punkt ZN Temperatura wody [ C] Punkt ZN elowane i erwowane pionowe rozkłady temperatury wody w wybranych punktach Zatoki Gdańskiej: P1, P1, ZN4 w sezonie letnim 199_96
9 Zasolenie wody [psu] Punkt P Zasolenie wody [psu] Punkt P Zasolenie wody [psu] e -1 Punkt P Zasolenie wody [ C] Punkt ZN Zasolenie wody [psu] Punkt P Zasolenie wody [ C] Punkt ZN elowane i erwowane pionowe rozkłady zasolenia w wybranych punktach Zatoki Gdańskiej: P1, P1, ZN4 w sezonach jesiennych 199_96
10 Tabela 1. Współczynniki korelacji i odchylenia standardowe dla temperatur wody i zasolenia w punktach erwacyjnych Zatoki Gdańskiej w okresie Stacja T w S Liczba R SD R SD erwacji P P P P ZN ZN NP K R P Tabela. Współczynniki korelacji i odchylenia standardowe dla temperatur wody i zasolenia na stacjach erwacyjnych Basenu Gdańskiego w okresie Stacja R SD R SD erwacji T w S Liczba P P P
11 Tw [ o C] z=m MOD OBS r =.97 SD = 1.43 Tw [ o C] 4. MOD z=3m OBS r =.9 SD =.43 Tw [ o C] 4. MOD z=6m OBS r =.9 SD = Tw [ o C] z=m MOD OBS r = -. SD = Przebieg powierzchniowej zmienności erwowanych i elowanych temperatur wody T w na Głębi Gdańskiej, stacja P1 z = m z = 3 m z = 6 m z = m w okresie 1994
12 Zasolenie [psu] 9 S_MOD P1 z=m S_OBS 7 Zasolenie [psu] 9 S_MOD P14 z=m S_OBS 7 Zasolenie [psu] 9 P z=m S_MOD S_OBS Przebieg powierzchniowej zmienności erwowanych i elowanych wartości zasolenia na Głębi Gdańskiej, stacja P1 Basenie Gdańskim stacja P14, Basenie Bornholmskim stacja P w okresie 1994
13 Pole temperatury wody powierzchniowej erwowane a) i elowane b) 9 sierpnia 1996
14 Pole temperatury wody powierzchniowej erwowane a) i elowane b) 3 września 1996
15 6 6 4 cm Świnoujście dzień cm Władysławowo dzień 6 6 cm pomiary obliczenia Gdańsk dzień Wahania poziomów erwowanych i obliczonych w Świnoujściu, Władysławowie i Gdańsku w roku Tabela 4 Ocena symulacji poziomu morza wg klasyfikacji Mayera (1979) Klasa G9 H9 W9 Ś9 K9 U9 Ś W G
16 ZANIŻONE ZAWYŻONE Ś K U W H G 199 ZANIŻONE ZAWYŻONE T w S B39 P P14 P63 R4 P1 P1 P116 P4 P1 NP ZN K Obciążenia bezwzględne symulacji wahań poziomu morza w roku 199 i oraz temperatury wody i zasolenia za okres Parametry Q m C B E rs E rc r r E R s T S Gdzie: Q m, obciążenie bezwzględne elu; C, obciążenie warunkowe elu; B, obciążenie bezwarunkowe elu; E rs, średni błąd kwadratowy; E rc, całkowity błąd kwadratowy; r, współczynnik korelacji; r, współczynnik determinacji, E, współczynnik efektywności Nasha-Sutcliffes a; R s, specjalny współczynnik korelacji
17 a) 1.1 Współczynnik korelacji [Rs] 1. Bardzo dobry Bardzo dobry K_9 W_9 W_ Gd_9 U_9 Gd_ Ś_9 Ś_ Ś K U W Gd Całkowity błąd kwadratowy [Erc] b) Współczynnik korelacji [Rs] Temperatura wody Bardzo dobry Dobry Bardzo dobry Dobry B39 P P14 P63 R4 P1 P1 P116 P4 P1 NP ZN k c) Współczynnik korelacji [Rs] Zasolenie Bardzo dobry Dobry Bardzo dobry Dobry B39 P P14 P63 R4 P1 P1 P116 P4 P1 NP ZN k Całkowity błąd kwadratowy [Erc] Całkowity błąd kwadratowy [Erc] Specjalny współczynnik korelacji w funkcji całkowitego błędu kwadratowego a) dla poziomów morza b) temperatury wody c) zasolenia
Modelowane obszary z zaznaczonymi stacjami obserwacyjnymi
Instytut Oceanografii Uniwersytetu Gdańskiego Jan Jędrasik Walidacja elu hydrodynamicznego i elu ProDeMo elowane zary z zaznaczonymi stacjami erwacyjnymi Zatoka Gdañska W³ad P1 Gd_N ZN4 18 P116 Hel P11
Bardziej szczegółowoModelowane obszary z zaznaczonymi stacjami obserwacyjnymi
Institute of Oceanogph Gdańsk Universit Jan Jędrasik Walidacja elu hdrodnamicznego elowane obszar z zaznaczonmi stacjami obserwacjnmi Zatoka Gdañska W³ad P1 Gd_N ZN4 18 P116 Hel P1 P4 P1 NP ZN Œwib K Ba³t
Bardziej szczegółowoX Y 4,0 3,3 8,0 6,8 12,0 11,0 16,0 15,2 20,0 18,9
Zadanie W celu sprawdzenia, czy pipeta jest obarczona błędem systematycznym stałym lub zmiennym wykonano szereg pomiarów przy różnych ustawieniach pipety. Wyznacz równanie regresji liniowej, które pozwoli
Bardziej szczegółowoStatystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący
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 szczegółowoWażne rozkłady i twierdzenia c.d.
Ważne rozkłady i twierdzenia c.d. Funkcja charakterystyczna rozkładu Wielowymiarowy rozkład normalny Elipsa kowariacji Sploty rozkładów Rozkłady jednostajne Sploty z rozkładem normalnym Pobieranie próby
Bardziej szczegółowoSTATYSTYKA I DOŚWIADCZALNICTWO Wykład 7
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 7 Analiza korelacji - współczynnik korelacji Pearsona Cel: ocena współzależności między dwiema zmiennymi ilościowymi Ocenia jedynie zależność liniową. r = cov(x,y
Bardziej szczegółowoINFOBAZY 2014 VII KRAJOWA KONFERENCJA NAUKOWA INSPIRACJA - INTEGRACJA - IMPLEMENTACJA
Centrum Informatyczne TASK Politechnika Gdańska Instytut Oceanologii Polskiej Akademii Nauk (IO PAN) INFOBAZY 2014 VII KRAJOWA KONFERENCJA NAUKOWA INSPIRACJA - INTEGRACJA - IMPLEMENTACJA Gdańsk Sopot,
Bardziej szczegółowoSTATYSTYKA I DOŚWIADCZALNICTWO Wykład 5
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 5 Analiza korelacji - współczynnik korelacji Pearsona Cel: ocena współzależności między dwiema zmiennymi ilościowymi Ocenia jedynie zależność liniową. r = cov(x,y
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 szczegółowoWSKAZÓWKI DO WYKONANIA SPRAWOZDANIA Z WYRÓWNAWCZYCH ZAJĘĆ LABORATORYJNYCH
WSKAZÓWKI DO WYKONANIA SPRAWOZDANIA Z WYRÓWNAWCZYCH ZAJĘĆ LABORATORYJNYCH Dobrze przygotowane sprawozdanie powinno zawierać następujące elementy: 1. Krótki wstęp - maksymalnie pół strony. W krótki i zwięzły
Bardziej szczegółowo3. Modele tendencji czasowej w prognozowaniu
II Modele tendencji czasowej w prognozowaniu 1 Składniki szeregu czasowego W teorii szeregów czasowych wyróżnia się zwykle następujące składowe szeregu czasowego: a) składowa systematyczna; b) składowa
Bardziej szczegółowoStatystyka. Wykład 7. Magdalena Alama-Bućko. 16 kwietnia Magdalena Alama-Bućko Statystyka 16 kwietnia / 35
Statystyka Wykład 7 Magdalena Alama-Bućko 16 kwietnia 2017 Magdalena Alama-Bućko Statystyka 16 kwietnia 2017 1 / 35 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia
Bardziej szczegółowoZależność. przyczynowo-skutkowa, symptomatyczna, pozorna (iluzoryczna),
Zależność przyczynowo-skutkowa, symptomatyczna, pozorna (iluzoryczna), funkcyjna stochastyczna Korelacja brak korelacji korelacja krzywoliniowa korelacja dodatnia korelacja ujemna Szereg korelacyjny numer
Bardziej szczegółowoRozkłady dwóch zmiennych losowych
Rozkłady dwóch zmiennych losowych Uogólnienie pojęć na rozkład dwóch zmiennych Dystrybuanta i gęstość prawdopodobieństwa Rozkład brzegowy Prawdopodobieństwo warunkowe Wartości średnie i odchylenia standardowe
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 szczegółowoPDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com
Analiza korelacji i regresji KORELACJA zależność liniowa Obserwujemy parę cech ilościowych (X,Y). Doświadczenie jest tak pomyślane, aby obserwowane pary cech X i Y (tzn i ta para x i i y i dla różnych
Bardziej szczegółowoREGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ. Analiza regresji i korelacji
Statystyka i opracowanie danych Ćwiczenia 5 Izabela Olejarczyk - Wożeńska AGH, WIMiIP, KISIM REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ MODEL REGRESJI LINIOWEJ Analiza regresji
Bardziej szczegółowoRecenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak
Recenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak Redakcja i korekta Bogdan Baran Projekt graficzny okładki Katarzyna Juras Copyright by Wydawnictwo Naukowe Scholar, Warszawa 2011 ISBN
Bardziej szczegółowoPsychometria PLAN NAJBLIŻSZYCH WYKŁADÓW. Co wyniki testu mówią nam o samym teście? A. Rzetelność pomiaru testem. TEN SLAJD JUŻ ZNAMY
definicja rzetelności błąd pomiaru: systematyczny i losowy Psychometria Co wyniki testu mówią nam o samym teście? A. Rzetelność pomiaru testem. rozkład X + błąd losowy rozkład X rozkład X + błąd systematyczny
Bardziej szczegółowoNowy podział na jednolite części wód powierzchniowych (wody przejściowe i przybrzeżne) na lata
Nowy podział na jednolite części wód powierzchniowych (wody przejściowe i przybrzeżne) na lata 2021-2027 Wojciech Kraśniewski, Włodzimierz Krzymiński IMGW-PIB oddział Morski w Gdyni Weryfikacja liczby
Bardziej szczegółowoSpis treści 3 SPIS TREŚCI
Spis treści 3 SPIS TREŚCI PRZEDMOWA... 1. WNIOSKOWANIE STATYSTYCZNE JAKO DYSCYPLINA MATEMATYCZNA... Metody statystyczne w analizie i prognozowaniu zjawisk ekonomicznych... Badania statystyczne podstawowe
Bardziej szczegółowoMETODY STATYSTYCZNE W BIOLOGII
METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne
Bardziej szczegółowoRegresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych (X1, X2, X3,...) na zmienną zależną (Y).
Statystyka i opracowanie danych Ćwiczenia 12 Izabela Olejarczyk - Wożeńska AGH, WIMiIP, KISIM REGRESJA WIELORAKA Regresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych
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 szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny 2. Zmienne losowe i teoria prawdopodobieństwa 3. Populacje i próby danych 4. Testowanie hipotez i estymacja parametrów 5. Najczęściej wykorzystywane testy statystyczne
Bardziej szczegółowoWIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA
WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA Powtórka Powtórki Kowiariancja cov xy lub c xy - kierunek zależności Współczynnik korelacji liniowej Pearsona r siła liniowej zależności Istotność
Bardziej szczegółowoRaport Specjalny z Rejsu Wielki Wlew do Bałtyku
INSTYTUT METEOROLOGII I GOSPODARKI WODNEJ - PIB Oddział Morski w Gdyni 81-342 GDYNIA Waszyngtona 42 tel. (+48) 58 628 81 00 fax (+48) 58 628 81 63 Raport Specjalny z Rejsu Wielki Wlew do Bałtyku Statek:
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 szczegółowoStatystyka opisowa. Wykład V. Regresja liniowa wieloraka
Statystyka opisowa. Wykład V. e-mail:e.kozlovski@pollub.pl Spis treści 1 Prosta regresji cechy Y względem cech X 1,..., X k. 2 3 Wyznaczamy zależność cechy Y od cech X 1, X 2,..., X k postaci Y = α 0 +
Bardziej szczegółowoSTATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2
STATYSTYKA Rafał Kucharski Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2 Zależność przyczynowo-skutkowa, symptomatyczna, pozorna (iluzoryczna), funkcyjna stochastyczna
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 szczegółowoKORELACJE I REGRESJA LINIOWA
KORELACJE I REGRESJA LINIOWA Korelacje i regresja liniowa Analiza korelacji: Badanie, czy pomiędzy dwoma zmiennymi istnieje zależność Obie analizy się wzajemnie przeplatają Analiza regresji: Opisanie modelem
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 szczegółowoMapy zagrożenia powodziowego od strony morza
Mapy zagrożenia powodziowego od strony morza Wyniki - Centrum Modelowania Powodzi i Suszy w Gdyni Monika Mykita IMGW PIB Oddział Morski w Gdyni 28.11.2012 r. Obszar działania CMPiS w Gdyni Obszar działania
Bardziej szczegółowoRAPORT Z WYKONANIA MAP ZAGROZ ENIA POWODZIOWEGO I MAP RYZYKA POWODZIOWEGO ZAŁĄCZNIK NR 2
Projekt: Informatyczny system osłony kraju przed nadzwyczajnymi zagrożeniami Nr Projektu: POIG.07.01.00 00 025/09 RAPORT Z WYKONANIA MAP ZAGROZ ENIA POWODZIOWEGO I MAP RYZYKA POWODZIOWEGO ZAŁĄCZNIK NR
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 szczegółowoPROBLEMATYKA KLASYFIKACJI TYPOLOGICZNEJ WÓD W OBRĘBIE POLSKICH OBSZARÓW MORSKICH RP
PROBLEMATYKA KLASYFIKACJI TYPOLOGICZNEJ WÓD W OBRĘBIE POLSKICH OBSZARÓW MORSKICH RP Włodzimierz Krzymiński Magdalena Kamińska Oddział Morski IMGW w Gdyni Lidia Kruk-Dowgiałło Instytut Morski w Gdańsku
Bardziej szczegółowoRok akademicki: 2013/2014 Kod: ZIE n Punkty ECTS: 6. Poziom studiów: Studia I stopnia Forma i tryb studiów: -
Nazwa modułu: Statystyka opisowa i ekonomiczna Rok akademicki: 2013/2014 Kod: ZIE-1-205-n Punkty ECTS: 6 Wydział: Zarządzania Kierunek: Informatyka i Ekonometria Specjalność: - Poziom studiów: Studia I
Bardziej szczegółowoZakład Ekologii Wód Instytut Morski w Gdańsku
Zakład Ekologii Wód Instytut Morski w Gdańsku 80-307 Gdańsk, ul. Abrahama 1 tel. (58) 552 00 93-95, fax. (58) 552 46 13 Określenie stanu środowiska akwenu Martwej Wisły i Motławy na podstawie pomiarów
Bardziej szczegółowoAnaliza Współzależności
Statystyka Opisowa z Demografią oraz Biostatystyka Analiza Współzależności Aleksander Denisiuk denisjuk@euh-e.edu.pl Elblaska Uczelnia Humanistyczno-Ekonomiczna ul. Lotnicza 2 82-300 Elblag oraz Biostatystyka
Bardziej szczegółowoRegresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna
Regresja wieloraka Regresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna zmienna niezależna (można zobrazować
Bardziej szczegółowoCharakterystyki i związki temperatury wód u polskich brzegów Bałtyku
Charakterystyki i związki temperatury wód u polskich brzegów Bałtyku Prof. zw. dr hab. Józef Piotr Girjatowicz Uniwersytet Szczeciński, Wydział Nauk o Ziemi Polska, jak i polskie wybrzeże położone jest
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny 2. Zmienne losowe i teoria prawdopodobieństwa 3. Populacje i próby danych 4. Testowanie hipotez i estymacja parametrów 5. Najczęściej wykorzystywane testy statystyczne
Bardziej szczegółowoKorelacja, autokorelacja, kowariancja, trendy. Korelacja określa stopień asocjacji między zmiennymi
Korelacja, autokorelacja, kowariancja, trendy Korelacja określa stopień asocjacji między zmiennymi Kowariancja Wady - ograniczenia. Wartość kowariancji zależy od rozmiarów zmienności zmiennej.. W konsekwencji
Bardziej szczegółowoStatystyka. Wykład 4. Magdalena Alama-Bućko. 19 marca Magdalena Alama-Bućko Statystyka 19 marca / 33
Statystyka Wykład 4 Magdalena Alama-Bućko 19 marca 2018 Magdalena Alama-Bućko Statystyka 19 marca 2018 1 / 33 Analiza struktury zbiorowości miary położenia ( miary średnie) miary zmienności (rozproszenia,
Bardziej szczegółowo2.2.6. Wskaźnik opisowy W10 Śmieci w morzu
Raport do Komisji Europejskiej dot. Wstępnej oceny stanu środowiska morskiego 133 2.2.6. Wskaźnik opisowy W10 Śmieci w morzu W10: Właściwość ani ilość znajdujących się w wodzie morskiej nie powodują szkód
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 szczegółowoPobieranie prób i rozkład z próby
Pobieranie prób i rozkład z próby Marcin Zajenkowski Marcin Zajenkowski () Pobieranie prób i rozkład z próby 1 / 15 Populacja i próba Populacja dowolnie określony zespół przedmiotów, obserwacji, osób itp.
Bardziej szczegółowoX WYKŁAD STATYSTYKA. 14/05/2014 B8 sala 0.10B Godz. 15:15
X WYKŁAD STATYSTYKA 14/05/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 10 ANALIZA KORELACJI Korelacja 1. Współczynnik korelacji 2. Kowariancja 3. Współczynnik korelacji liniowej definicja 4. Estymacja współczynnika
Bardziej szczegółowodr hab. Renata Karkowska 1
dr hab. Renata Karkowska 1 Miary zmienności: obrazują zmiany cen, stóp zwrotu instrumentów finansowych, opierają się na rozproszeniu ich rozkładu, tym samym uśredniają ryzyko: wariancja stopy zwrotu, odchylenie
Bardziej szczegółowoStacjonarność Integracja. Integracja. Integracja
Biały szum AR(1) Słaba stacjonarność Szereg czasowy nazywamy słabo (wariancyjnie) stacjonarnym jeżeli: Biały szum AR(1) Słaba stacjonarność Szereg czasowy nazywamy słabo (wariancyjnie) stacjonarnym jeżeli:
Bardziej szczegółowoDOKUMENTACJA SYSTEMU ZARZĄDZANIA LABORATORIUM. Procedura szacowania niepewności
DOKUMENTACJA SYSTEMU ZARZĄDZANIA LABORATORIUM Procedura szacowania niepewności Szacowanie niepewności oznaczania / pomiaru zawartości... metodą... Data Imię i Nazwisko Podpis Opracował Sprawdził Zatwierdził
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 szczegółowoStatystyka SYLABUS A. Informacje ogólne
Statystyka SYLABUS A. Informacje ogólne Elementy składowe sylabusu Nazwa jednostki prowadzącej kierunek Nazwa kierunku studiów Poziom kształcenia Profil studiów Forma studiów Kod Język Rodzaj Dziedzina
Bardziej szczegółowo3. Optymalizacja portfela inwestycyjnego Model Markowitza Model jednowskaźnikowy Sharpe a Model wyceny aktywów kapitałowych CAPM
3. Optymalizacja portfela inwestycyjnego Model Markowitza Model jednowskaźnikowy Sharpe a Model wyceny aktywów kapitałowych CAPM Oczekiwana stopa zwrotu portfela dwóch akcji: E(r p ) = w 1 E(R 1 ) + w
Bardziej szczegółowoMetody Ilościowe w Socjologii
Metody Ilościowe w Socjologii wykład 2 i 3 EKONOMETRIA dr inż. Maciej Wolny AGENDA I. Ekonometria podstawowe definicje II. Etapy budowy modelu ekonometrycznego III. Wybrane metody doboru zmiennych do modelu
Bardziej szczegółowoSMOP - wykład. Rozkład normalny zasady przenoszenia błędów. Ewa Pawelec
SMOP - wykład Rozkład normalny zasady przenoszenia błędów Ewa Pawelec 1 iepewność dla rozkładu norm. Zamiast dodawania całych zakresów uwzględniamy prawdopodobieństwo trafienia dwóch wartości: P x 1, x
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 szczegółowoNajsłabsze odcinki Mierzei Dziwnowskiej
Niechorze, 6-8 październik 2010 Najsłabsze odcinki Mierzei Dziwnowskiej Natalia Brzezowska, Michał Łapioski, Daniel Kłosioski, Lech Geniusz, Kazimierz Furmaoczyk Etap 1: Pierwszy etap badań Stworzenie
Bardziej szczegółowoMiary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej
Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej cechy. Średnia arytmetyczna suma wartości zmiennej wszystkich
Bardziej szczegółowoStatystyka. Wykład 9. Magdalena Alama-Bućko. 24 kwietnia Magdalena Alama-Bućko Statystyka 24 kwietnia / 34
Statystyka Wykład 9 Magdalena Alama-Bućko 24 kwietnia 2017 Magdalena Alama-Bućko Statystyka 24 kwietnia 2017 1 / 34 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia
Bardziej szczegółowoMIARY KLASYCZNE Miary opisujące rozkład badanej cechy w zbiorowości, które obliczamy na podstawie wszystkich zaobserwowanych wartości cechy
MIARY POŁOŻENIA Opisują średni lub typowy poziom wartości cechy. Określają tą wartość cechy, wokół której skupiają się wszystkie pozostałe wartości badanej cechy. Wśród nich można wyróżnić miary tendencji
Bardziej szczegółowoProcedura szacowania niepewności
DOKUMENTACJA SYSTEMU ZARZĄDZANIA LABORATORIUM Procedura szacowania niepewności Stron 7 Załączniki Nr 1 Nr Nr 3 Stron Symbol procedury PN//xyz Data Imię i Nazwisko Podpis Opracował Sprawdził Zatwierdził
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 szczegółowoLiteratura. Leitner R., Zacharski J., Zarys matematyki wyŝszej dla studentów, cz. III.
Literatura Krysicki W., Bartos J., Dyczka W., Królikowska K, Wasilewski M., Rachunek Prawdopodobieństwa i Statystyka Matematyczna w Zadaniach, cz. I. Leitner R., Zacharski J., Zarys matematyki wyŝszej
Bardziej szczegółowoOdchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi
Odchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska D syst D śr m 1 3 5 2 4 6 śr j D 1
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 szczegółowoMiary zmienności STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 6 marca 2018
STATYSTYKA OPISOWA Dr Alina Gleska Instytut Matematyki WE PP 6 marca 2018 1 MIARY ZMIENNOŚCI (inaczej: rozproszenia, rozrzutu, zróżnicowania, dyspersji) informuja o zróżnicowaniu jednostek zbiorowości
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 12
Stanisław Cichocki Natalia Nehrebecka Wykład 1 1 1. Testy diagnostyczne Testowanie stabilności parametrów modelu: test Chowa. Heteroskedastyczność Konsekwencje Testowanie heteroskedastyczności 1. Testy
Bardziej szczegółowoStanisław Cichocki Natalia Nehrebecka. Zajęcia 8
Stanisław Cichocki Natalia Nehrebecka Zajęcia 8 1. Testy diagnostyczne 2. Testowanie prawidłowości formy funkcyjnej modelu 3. Testowanie normalności składników losowych 4. Testowanie stabilności parametrów
Bardziej szczegółowoElementy statystyki wielowymiarowej
Wnioskowanie_Statystyczne_-_wykład Spis treści 1 Elementy statystyki wielowymiarowej 1.1 Kowariancja i współczynnik korelacji 1.2 Macierz kowariancji 1.3 Dwumianowy rozkład normalny 1.4 Analiza składowych
Bardziej szczegółowoKatedra Biotechnologii i Genetyki Zwierząt, Wydział Hodowli i Biologii Zwierząt, UTP w Bydgoszczy
Temat: Weryfikacja hipotez statystycznych dla jednej i dwóch średnich. MS EXCEL Do weryfikacji różnic między dwiema grupami jednostek doświadczalnych w MS Excelu wykorzystujemy funkcję o nazwie T.TEST.
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 4
Stanisław Cichocki Natalia Nehrebecka Wykład 4 1 1. Własności hiperpłaszczyzny regresji 2. Dobroć dopasowania równania regresji. Współczynnik determinacji R 2 Dekompozycja wariancji zmiennej zależnej Współczynnik
Bardziej szczegółowoAnaliza współzależności zjawisk. dr Marta Kuc-Czarnecka
Analiza współzależności zjawisk dr Marta Kuc-Czarnecka Wprowadzenie Prawidłowości statystyczne mają swoje przyczyny, w związku z tym dla poznania całokształtu badanego zjawiska potrzebna jest analiza z
Bardziej szczegółowoZadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1.
tel. 44 683 1 55 tel. kom. 64 566 811 e-mail: biuro@wszechwiedza.pl Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: gdzie: y t X t y t = 1 X 1
Bardziej szczegółowoEstymacja przedziałowa - przedziały ufności dla średnich. Wrocław, 5 grudnia 2014
Estymacja przedziałowa - przedziały ufności dla średnich Wrocław, 5 grudnia 2014 Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja Przedziałem ufności dla paramertu
Bardziej szczegółowoAnaliza składowych głównych. Wprowadzenie
Wprowadzenie jest techniką redukcji wymiaru. Składowe główne zostały po raz pierwszy zaproponowane przez Pearsona(1901), a następnie rozwinięte przez Hotellinga (1933). jest zaliczana do systemów uczących
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 szczegółowoJak sprawdzić normalność rozkładu w teście dla prób zależnych?
Jak sprawdzić normalność rozkładu w teście dla prób zależnych? W pliku zalezne_10.sta znajdują się dwie zmienne: czasu biegu przed rozpoczęciem cyklu treningowego (zmienna 1) oraz czasu biegu po zakończeniu
Bardziej szczegółowoRozwiązania zadań (próbka) Doradca Inwestycyjny 2 etap
MAKLERS.PL Rozwiązania zadań (próbka) Doradca Inwestycyjny 2 etap z dnia 12 stycznia 2014 Mariusz Śliwiński, CIIA, DI, MPW, MGT Adam Szymko, CIIA, DI Niniejsze opracowanie zawiera rozwiązania zadań pozaprawnych
Bardziej szczegółowoWnioskowanie statystyczne. Statystyka w 5
Wnioskowanie statystyczne tatystyka w 5 Rozkłady statystyk z próby Próba losowa pobrana z populacji stanowi realizacje zmiennej losowej jak ciąg zmiennych losowych (X, X,... X ) niezależnych i mających
Bardziej szczegółowoNowa typologia wód przejściowych i przybrzeżnych w Polsce. Wojciech Kraśniewski, Włodzimierz Krzymiński IMGW-PIB oddział Morski w Gdyni
Nowa typologia wód przejściowych i przybrzeżnych w Polsce Wojciech Kraśniewski, Włodzimierz Krzymiński IMGW-PIB oddział Morski w Gdyni JCWP i typy wód wg typologii z 2004 roku JCWP i typy wód wg typologii
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 szczegółowoRozkład normalny, niepewność standardowa typu A
Podstawy Metrologii i Technik Eksperymentu Laboratorium Rozkład normalny, niepewność standardowa typu A Instrukcja do ćwiczenia nr 1 Zakład Miernictwa i Ochrony Atmosfery Wrocław, listopad 2010 r. Podstawy
Bardziej szczegółowoSpis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16
Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego
Bardziej szczegółowoWykład 10 Estymacja przedziałowa - przedziały ufności dla średn
Wykład 10 Estymacja przedziałowa - przedziały ufności dla średniej Wrocław, 21 grudnia 2016r Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja 10.1 Przedziałem
Bardziej szczegółowoStatystyka. Wykład 4. Magdalena Alama-Bućko. 13 marca Magdalena Alama-Bućko Statystyka 13 marca / 41
Statystyka Wykład 4 Magdalena Alama-Bućko 13 marca 2017 Magdalena Alama-Bućko Statystyka 13 marca 2017 1 / 41 Na poprzednim wykładzie omówiliśmy następujace miary rozproszenia: Wariancja - to średnia arytmetyczna
Bardziej szczegółowoNazwa przedmiotu: Informatyczne systemy statystycznej obróbki danych. Informatics systems for the statistical treatment of data Kierunek:
Nazwa przedmiotu: Informatyczne systemy statystycznej obróbki danych I KARTA PRZEDMIOTU CEL PRZEDMIOTU Informatics systems for the statistical treatment of data Kierunek: Forma studiów Informatyka Stacjonarne
Bardziej szczegółowo5. WNIOSKOWANIE PSYCHOMETRYCZNE
5. WNIOSKOWANIE PSYCHOMETRYCZNE Model klasyczny Gulliksena Wynik otrzymany i prawdziwy Błąd pomiaru Rzetelność pomiaru testem Standardowy błąd pomiaru Błąd estymacji wyniku prawdziwego Teoria Odpowiadania
Bardziej szczegółowoKURS PRAWDOPODOBIEŃSTWO
KURS PRAWDOPODOBIEŃSTWO Lekcja 6 Ciągłe zmienne losowe ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowiedź (tylko jedna jest prawdziwa). Pytanie 1 Zmienna losowa ciągła jest
Bardziej szczegółowo1. Charakterystyka analizowanej próby zmiennej losowej
GEODEZJA TOM 6 ZESZYT 2 2000 519.2 Józef Czaja *, Edward Preweda * ANALIZA ILOŚCIOWA RÓŻNYCH WSPÓŁCZYNNIKÓW KORELACJI NA PRZYKLADZIE SZEŚCIOWYMIAROWEJ ZMIENNEJ LOSOWEJ ** 1. Charakterystyka analizowanej
Bardziej szczegółowoZlodzenie polskiej strefy przybrzeżnej w zimie 2017/18 The Ice Winter 2017/18 on the Polish Baltic Sea Coast
Zlodzenie polskiej strefy przybrzeżnej w zimie 2017/18 The Ice Winter 2017/18 on the Polish Baltic Sea Coast Ida Stanisławczyk ida.stanislawczyk@imgw.pl Sezon zimowy 2017/18 na polskim wybrzeżu należał
Bardziej szczegółowoĆWICZENIE NR.6. Temat : Wyznaczanie drgań mechanicznych przekładni zębatych podczas badań odbiorczych
ĆWICZENIE NR.6 Temat : Wyznaczanie drgań mechanicznych przekładni zębatych podczas badań odbiorczych 1. Wstęp W nowoczesnych przekładniach zębatych dąży się do uzyskania małych gabarytów w stosunku do
Bardziej szczegółowoEkonometria egzamin 07/03/2018
imię, nazwisko, nr indeksu: Ekonometria egzamin 07/03/2018 1. Egzamin trwa 90 minut. 2. Rozwiązywanie zadań należy rozpocząć po ogłoszeniu początku egzaminu a skończyć wraz z ogłoszeniem końca egzaminu.
Bardziej szczegółowoPODSTAWY BIOSTATYSTYKI ĆWICZENIA
PODSTAWY BIOSTATYSTYKI ĆWICZENIA FILIP RACIBORSKI FILIP.RACIBORSKI@WUM.EDU.PL ZAKŁAD PROFILAKTYKI ZAGROŻEŃ ŚRODOWISKOWYCH I ALERGOLOGII WUM PRZYPOMNIENIE ROZKŁAD NORMALNY http://www.zarz.agh.edu.pl/bsolinsk/statystyka.html
Bardziej szczegółowoKURS STATYSTYKA. Lekcja 5 Analiza współzależności ZADANIE DOMOWE. Strona 1
KURS STATYSTYKA Lekcja 5 Analiza współzależności ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowiedź (tylko jedna jest prawdziwa). Pytanie 1 W analizie współzależności a) badamy
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 szczegółowoĆWICZENIE 13 TEORIA BŁĘDÓW POMIAROWYCH
ĆWICZENIE 13 TEORIA BŁĘDÓW POMIAROWYCH Pomiary (definicja, skale pomiarowe, pomiary proste, złożone, zliczenia). Błędy ( definicja, rodzaje błędów, błąd maksymalny i przypadkowy,). Rachunek błędów Sposoby
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład XV: Zagadnienia redukcji wymiaru danych 2 lutego 2015 r. Standaryzacja danych Standaryzacja danych Własności macierzy korelacji Definicja Niech X będzie zmienną losową o skończonym drugim momencie.
Bardziej szczegółowo