Budowa pionowa drzewostanu w świetle przestrzennego rozkładu punktów lotniczego skanowania laserowego
|
|
- Kacper Sadowski
- 7 lat temu
- Przeglądów:
Transkrypt
1 Budowa pionowa drzewostanu w świetle przestrzennego rozkładu punktów lotniczego skanowania laserowego Marcin Myszkowski Marek Ksepko Biuro Urządzania Lasu i Geodezji Leśnej Oddział w Białymstoku
2 PLAN PREZENTACJI 1. Teren badań 2. Dane skanowania laserowego a) Lotniczy system skanowania laserowego b) Powierzchnie próbne 3. Analiza danych a) Histogramy (liczebność, rozkład cechy) b) Współczynnik skośności (symetria rozkładu) c) Odchylenie standardowe (zmienność) d) Percentyl 95% (miara położenia) 4. Wnioski
3 1. TEREN BADAŃ Kampinoski Park Narodowy Pasy nalotu dobrane do zmienności środowiskowej
4 2. DANE SKANOWANIA LASEROWEGO System lotniczego skanowania laserowego Dane zostały pozyskane w ramach projektu własnego firmy MGGP Aero: Wykorzystanie zdalnych technik pomiarowych w zarządzaniu obszarami cennymi przyrodniczo Termin nalotu: Czerwiec 2010 Urządzenie: Skaner Riegl LMS - Q680i Częstotliwość skanowania: 240 khz Wysokość lotu: 670 m Ilość punktów: 6 pkt/m2
5 2. DANE SKANOWANIA LASEROWEGO System lotniczego skanowania laserowego typu full waveform Podstawowe cechy działania: a) rejestracja pełnej fali powracającej do urządzenia, b) analiza danych z ekstrakcją konkretnych odbić z dodatkowymi atrybutami: amplituda, szerokość; c) teoretyczna możliwość rejestracji nieograniczonej ilości odbić.
6 2. DANE SKANOWANIA LASEROWEGO System lotniczego skanowania laserowego typu full waveform
7 2. DANE SKANOWANIA LASEROWEGO System lotniczego skanowania laserowego typu full waveform
8 2. DANE SKANOWANIA LASEROWEGO Powierzchnie próbne 1. Wydzielenia z sosną jako gatunkiem panującym (udział >= 8) 2. Losowe rozmieszczenie 125 powierzchni w kształcie kwadratu o boku 30 m (pole podstawowe). 3.Zaliczenie każdej powierzchni do jednej z trzech klas: a) klasa 1: drzewostany jednopiętrowe bez podrostu i podszytu; b) klasa 2: drzewostany z podszytem lub podrostem o wysokości do 1/3 wysokości drzewostanu; c) klasa 3: drzewostany z podszytem, podrostem wypełniającym przestrzeń podokapową powyżej 1/3 wysokości drzewostanu oraz drzewostany 2-piętrowe.
9 2. DANE SKANOWANIA LASEROWEGO Powierzchnie próbne a) klasa 1: drzewostany jednopiętrowe bez podrostu i podszytu
10 2. DANE SKANOWANIA LASEROWEGO Powierzchnie próbne b) klasa 2: drzewostany z podszytem lub podrostem o wysokości do 1/3 wysokości drzewostanu
11 2. DANE SKANOWANIA LASEROWEGO Powierzchnie próbne c) klasa 3: drzewostany z podszytem, podrostem wypełniającym przestrzeń podokapową powyżej 1/3 wysokości drzewostanu oraz drzewostany 2-piętrowe
12 Teza: rozkład punktów skanowania laserowego ma związek z budową pionową drzewostanu. Cel: znalezienie parametrów za pomocą których będzie możliwa automatyczna delimitacja drzewostanów o różnej budowie pionowej.
13 Obliczenia Wszystkie obliczenia przeprowadzono dla znormalizowanej chmury punktów. Dla każdej z powierzchni wyliczono: 1. Udział punktów w poziomych warstwach 1 oraz 2 metrowych; 2. Współczynnik skośności; 3. Odchylenie standardowe; 4. Wartość percentyla 95%. Dwa warianty obliczeń: 1. Chmura bez punktów leżących do 0,5 m powyżej poziomu terenu; 2. Pełna chmura punktów. 0.5 m
14 Obliczenia histogramy Graficzne przedstawienie rozkładu liczebności Udział punktów w warstwach poziomych liczony jako stosunek liczby punktów w warstwie do ogólnej liczby punktów w próbie (polu podstawowym). 0,25 0,2 0,15 0,1 0,
15 Udział punktów w warstwie Obliczenia histogramy 0,40 Dane oryginalne, z odbiciami od terenu Średni udział punktów w warstwach 2 metrowych 0,35 0,30 0,25 0,20 0,15 0,10 klasa 1 klasa 2 klasa 3 0,05 0, Wysokość warstwy/drzewostanu [m]
16 Udział punktów w warstwie Obliczenia histogramy Dane bez punktów zaliczonych do terenu i 0,5 m powyżej 0,30 Średni udział punktów w warstwach 2 metrowych 0,25 0,20 0,15 0,10 Klasa 1 Klasa 2 Klasa 3 0,05 0, Wysokość warstwy/drzewostanu [m]
17 Udział punktów w warstwie Obliczenia histogramy Dane bez punktów zaliczonych do terenu i 0,5 powyżej 0,16 Średni udział punktów w warstwach 1 metrowych 0,14 0,12 0,10 0,08 0,06 0,04 Klasa 1 Klasa 2 Klasa 3 0,02 0, Wysokość warstwy/drzewostanu [m]
18 Obliczenia histogramy Wstępne wnioski z analizy histogramów: 1. Zbyt małe pole podstawowe powoduje zachwianie wyników ze względu na niereprezentatywną próbę; 2. Czytelne rezultaty w drzewostanach gdzie górne piętro jest równomierne; 3. Udział luk w polu podstawowym zaburza wartości wyznaczanych parametrów; 4. Wyeliminowanie punktów odbitych od roślinności niskiej (runo) podkreśla różnice pomiędzy poszczególnymi klasami. Parametry różnicujące klasy drzewostanów: 1. Wysokość 2. Gatunek 3. Zwarcie 4. Budowa pionowa
19 Obliczenia współczynnik skośności Miara asymetrii rozkładu. Wskaźnik mówiący o przestrzennym rozkładzie punktów: 1. Wartości ujemne wskazują na asymetrię lewostronną ( cieńsze lewe ramię wykresu rozkładu ) ilościowa przewaga wyższych wartości współrzędnej Z punktów skanowania. 0,14 0,12 0,10 0,08 0,06 0,04 0,02 0,
20 Obliczenia współczynnik skośności Miara asymetrii rozkładu. Wskaźnik mówiący o przestrzennym rozkładzie punktów: Wartości dodatnie wskazują na asymetrię prawostronną ( cieńsze prawe ramię wykresu rozkładu ) ilościowa przewaga niższych wartości wysokości współrzędnej Z punktów skanowania. 3. Wartości bliskie zeru wskazują na rozkład symetryczny przewaga wartości współrzędnej Z zbliżonych do wartości średniej.
21 Współczynnik skośności Obliczenia współczynnik skośności Dane oryginalne, razem z odbiciami od terenu Współczynnik skośności rozkładu punktów 0, ,6 0,4 0,2 0-0,2-0,4-0,6-0,8-1 Klasa 1 Klasa 2 Klasa 3-1,2 Numer kolejny powierzchni
22 Współczynnik skośności Obliczenia współczynnik skośności Dane bez punktów zaliczonych do terenu i 0,5 powyżej Współczynnik skośnośności rozkładu punktów 1, ,50 0,00-0,50-1,00-1,50-2,00-2,50-3,00 Klasa 1 Klasa 2 Klasa 3-3,50 Numer kolejny powierzchni
23 Obliczenia współczynnik skośności Wnioski: 1. Za pomocą jednego, prostego parametru jesteśmy w stanie określić rozkład przestrzenny drzewostanów jednopiętrowych. 2. Nie możemy stwierdzić znaczącej różnicy pomiędzy drzewostanami klasy 2 oraz 3.
24 Obliczenia odchylenie standardowe Klasyczna miara zmienności, niezależna od zakresu wartości analizowanego parametru. Parametr ten informuje nas o stabilności badanej cechy współrzędna Z punktów skanowania laserowego. 1. Mniejsze wartości informują nas o większym skupieniu wokół średniej. 2. Większe wartości informują nas o mniejszym skupieniu wokół średniej.
25 Odhcylenie standardowe Obliczenia odchylenie standardowe Dane oryginalne, razem z odbiciami od terenu 12 Odchylenie standardowe 10 8 Klasa Klasa 2 Klasa Numer kolejny powierzchni
26 Odhcylenie standardowe Obliczenia odchylenie standardowe Dane bez punktów zaliczonych do terenu i 0,5 powyżej 10,00 9,00 Odchylenie standardowe 8,00 7,00 6,00 5,00 4,00 3,00 2,00 Klasa 1 Klasa 2 Klasa 3 1,00 0, Numer kolejny powierzchni
27 Obliczenia odchylenie standardowe Wnioski: 1. Za pomocą jednego, prostego parametru jesteśmy w stanie określić rozkład przestrzenny drzewostanów jednopiętrowych. 2. Nie możemy stwierdzić znaczącej różnicy pomiędzy drzewostanami klasy 2 oraz 3.
28 4. WNIOSKI IUL Budowa pionowa Pod względem budowy pionowej należy wyróżniać drzewostany: jednopiętrowe, dwupiętrowe, wielopiętrowe (z reguły wielogeneracyjne), w klasie odnowienia, w klasie do odnowienia i o budowie przerębowej. LIDAR daje nam jednak możliwość wyznaczenia wielu nowych parametrów np.: 1. wypełnienie przestrzeni biomasą; 2. rozkład przestrzenny biomasy w dowolnej jednostce powierzchniowej. Żeby móc wykorzystać informację, którą niesie LIDAR proponujemy rozważenie zmiany sposobu opisywania budowy pionowej. Firma MGGP Aero wraz z naszym zespołem planuje kolejne naloty w tych samych pasach w celu weryfikacji wyników i testów przyrostów biomasy.
29 DZIĘKUJE ZA UWAGĘ
Elementy pionowej budowy drzewostanów odwzorowywane w danych LIDAR
Elementy pionowej budowy drzewostanów odwzorowywane w danych LIDAR Krzysztof Będkowski, Joanna Adamczyk 2 oraz Kamil Onisk 2, Marcin Wiśniewski 2, Paweł Wysocki 2 Uniwersytet Łódzki 2 SGGW w Warszawie
Bardziej szczegółowoStatystyka. Wykład 5. Magdalena Alama-Bućko. 26 marca Magdalena Alama-Bućko Statystyka 26 marca / 40
Statystyka Wykład 5 Magdalena Alama-Bućko 26 marca 2018 Magdalena Alama-Bućko Statystyka 26 marca 2018 1 / 40 Uwaga Gdy współczynnik zmienności jest większy niż 70%, czyli V s = s x 100% > 70% (co świadczy
Bardziej szczegółowoWskaźnik asymetrii Jeżeli: rozkład jest symetryczny, to = 0, rozkład jest asymetryczny lewostronnie, to < 0. Kwartylowy wskaźnik asymetrii
Miary asymetrii Miary asymetrii (skośności) określają kierunek rozkładu cech zmiennych w zbiorowości (rozkład może być symetryczny lub asymetryczny lewostronnie lub prawostronnie) oraz stopień odchylenia
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 szczegółowoStatystyka opisowa PROWADZĄCY: DR LUDMIŁA ZA JĄC -LAMPARSKA
Statystyka opisowa PRZEDMIOT: PODSTAWY STATYSTYKI PROWADZĄCY: DR LUDMIŁA ZA JĄC -LAMPARSKA Statystyka opisowa = procedury statystyczne stosowane do opisu właściwości próby (rzadziej populacji) Pojęcia:
Bardziej szczegółowo-> Średnia arytmetyczna (5) (4) ->Kwartyl dolny, mediana, kwartyl górny, moda - analogicznie jak
Wzory dla szeregu szczegółowego: Wzory dla szeregu rozdzielczego punktowego: ->Średnia arytmetyczna ważona -> Średnia arytmetyczna (5) ->Średnia harmoniczna (1) ->Średnia harmoniczna (6) (2) ->Średnia
Bardziej szczegółowoMiary asymetrii 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 pozwalaja określić, czy jednostki zbiorowości maja tendencje do skupiania się przy niskich wartościach cechy (tzw. asymetria
Bardziej szczegółowoSTATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY)
STATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY) Praca z danymi zaczyna się od badania rozkładu liczebności (częstości) zmiennych. Rozkład liczebności (częstości) zmiennej to jakie wartości zmienna
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 szczegółowoSTATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY)
STATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY) Dla opisania rozkładu badanej zmiennej, korzystamy z pewnych charakterystyk liczbowych. Dzielimy je na cztery grupy.. Określenie przeciętnej wartości
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 szczegółowoPozyskiwanie wiedzy z danych
Pozyskiwanie wiedzy z danych dr Agnieszka Goroncy Wydział Matematyki i Informatyki UMK PROJEKT WSPÓŁFINANSOWANY ZE ŚRODKÓW UNII EUROPEJSKIEJ W RAMACH EUROPEJSKIEGO FUNDUSZU SPOŁECZNEGO Pozyskiwanie wiedzy
Bardziej szczegółowoStatystyka opisowa. Literatura STATYSTYKA OPISOWA. Wprowadzenie. Wprowadzenie. Wprowadzenie. Plan. Tomasz Łukaszewski
Literatura STATYSTYKA OPISOWA A. Aczel, Statystyka w Zarządzaniu, PWN, 2000 A. Obecny, Statystyka opisowa w Excelu dla szkół. Ćwiczenia praktyczne, Helion, 2002. A. Obecny, Statystyka matematyczna w Excelu
Bardziej szczegółowoWykład 5: Statystyki opisowe (część 2)
Wykład 5: Statystyki opisowe (część 2) Wprowadzenie Na poprzednim wykładzie wprowadzone zostały statystyki opisowe nazywane miarami położenia (średnia, mediana, kwartyle, minimum i maksimum, modalna oraz
Bardziej szczegółowoPróba własności i parametry
Próba własności i parametry Podstawowe pojęcia Zbiorowość statystyczna zbiór jednostek (obserwacji) nie identycznych, ale stanowiących logiczną całość Zbiorowość (populacja) generalna skończony lub nieskończony
Bardziej szczegółowoWykład 1. Podstawowe pojęcia Metody opisowe w analizie rozkładu cechy
Wykład Podstawowe pojęcia Metody opisowe w analizie rozkładu cechy Zbiorowość statystyczna - zbiór elementów lub wyników jakiegoś procesu powiązanych ze sobą logicznie (tzn. posiadających wspólne cechy
Bardziej szczegółowoDane LiDAR jako wsparcie podczas opracowań raportów OOŚ
Dane LiDAR jako wsparcie podczas opracowań raportów OOŚ Mateusz Maślanka Kierownik Działu Szkoleń i Marketingu ProGea Consulting e-mail: mateusz.maslanka@progea.pl Lotnicze skanowanie laserowe Jak działa?
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 szczegółowoParametry statystyczne
I. MIARY POŁOŻENIA charakteryzują średni lub typowy poziom wartości cechy, wokół nich skupiają się wszystkie pozostałe wartości analizowanej cechy. I.1. Średnia arytmetyczna x = x 1 + x + + x n n = 1 n
Bardziej szczegółowoWIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI ROZKŁAD EMPIRYCZNY
WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI ROZKŁAD EMPIRYCZNY Liczebności i częstości Liczebność liczba osób/respondentów/badanych, którzy udzielili tej konkretnej odpowiedzi. Podawana w osobach. Częstość odsetek,
Bardziej szczegółowoGEOMATYKA program rozszerzony. dr inż. Paweł Strzeliński Katedra Urządzania Lasu Wydział Leśny UP w Poznaniu
GEOMATYKA 2015-2016 program rozszerzony dr inż. Paweł Strzeliński Katedra Urządzania Lasu Wydział Leśny UP w Poznaniu ŹRÓDŁA: MATERIAŁY Z PREZENTACJI FIRMY TELEATLAS: METODYKA MOBILE MAPPING SYSTEM, WARSZAWA,
Bardziej szczegółowoCzęsto spotykany jest również asymetryczny rozkład gamma (Г), opisany za pomocą parametru skali θ i parametru kształtu k:
Statystyczne opracowanie danych pomiarowych W praktyce pomiarowej często spotykamy się z pomiarami wielokrotnymi, gdy podczas pomiaru błędy pomiarowe (szumy miernika, czynniki zewnętrzne) są na tyle duże,
Bardziej szczegółowoStatystyka. Wykład 2. Magdalena Alama-Bućko. 5 marca Magdalena Alama-Bućko Statystyka 5 marca / 34
Statystyka Wykład 2 Magdalena Alama-Bućko 5 marca 2018 Magdalena Alama-Bućko Statystyka 5 marca 2018 1 / 34 Banki danych: Bank danych lokalnych : Główny urzad statystyczny: Baza Demografia : https://bdl.stat.gov.pl/
Bardziej szczegółowoStatystyka. Wykład 5. Magdalena Alama-Bućko. 20 marca Magdalena Alama-Bućko Statystyka 20 marca / 26
Statystyka Wykład 5 Magdalena Alama-Bućko 20 marca 2017 Magdalena Alama-Bućko Statystyka 20 marca 2017 1 / 26 Koncentracja Analiza struktury zbiorowości miary położenia ( miary średnie) miary zmienności
Bardziej szczegółowoStatystyka w pracy badawczej nauczyciela Wykład 3: Analiza struktury zbiorowości statystycznej. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.
Statystyka w pracy badawczej nauczyciela Wykład 3: Analiza struktury zbiorowości statystycznej dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Zadania analityczne (1) Analiza przewiduje badanie podobieństw
Bardziej szczegółowoInteligentna analiza danych
Numer indeksu 150946 Michał Moroz Imię i nazwisko Numer indeksu 150875 Grzegorz Graczyk Imię i nazwisko kierunek: Informatyka rok akademicki: 2010/2011 Inteligentna analiza danych Ćwiczenie I Wskaźniki
Bardziej szczegółowoW1. Wprowadzenie. Statystyka opisowa
W1. Wprowadzenie. Statystyka opisowa dr hab. Jerzy Nakielski Zakład Biofizyki i Morfogenezy Roślin Plan wykładu: 1. O co chodzi w statystyce 2. Etapy badania statystycznego 3. Zmienna losowa, rozkład
Bardziej szczegółowoStatystyka. Opisowa analiza zjawisk masowych
Statystyka Opisowa analiza zjawisk masowych Typy rozkładów empirycznych jednej zmiennej Rozkładem empirycznym zmiennej nazywamy przyporządkowanie kolejnym wartościom zmiennej (x i ) odpowiadających im
Bardziej szczegółowoMiary statystyczne w badaniach pedagogicznych
Miary statystyczne w badaniach pedagogicznych Szeregi statystyczne Szczegółowy - gdzie materiał uporządkowany jest rosnąco lub malejąco Rozdzielczy - gdzie poszczególnym wariantom zmiennej przyporządkowane
Bardziej szczegółowo1. Opis tabelaryczny. 2. Graficzna prezentacja wyników. Do technik statystyki opisowej można zaliczyć:
Wprowadzenie Statystyka opisowa to dział statystyki zajmujący się metodami opisu danych statystycznych (np. środowiskowych) uzyskanych podczas badania statystycznego (np. badań terenowych, laboratoryjnych).
Bardziej szczegółowoPorównaj płace pracowników obu zakładów, dokonując kompleksowej analizy struktury. Zastanów się, w którym zakładzie jest korzystniej pracować?
1 Zadanie 1.1 W dwóch zakładach produkcyjnych Złomex I i Złomex II, należących do tego samego przedsiębiorstwa Złomowanie na zawołanie w ostatnim miesiącu następująco kształtowały się wynagrodzenia pracowników.
Bardziej szczegółowoREMBIOFOR Teledetekcja w leśnictwie precyzyjnym
REMBIOFOR Teledetekcja w leśnictwie precyzyjnym K. Stereńczak, G. Krok, K. Materek, P. Mroczek, K. Mitelsztedt, M. Lisańczuk, D. Balicki, P. Lenarczyk, M. Laszkowski, M. Wietecha, S. Miścicki*, A. Markiewicz
Bardziej szczegółowoPopulacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część
Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część populacji, którą podaje się badaniu statystycznemu
Bardziej szczegółowo1 n. s x x x x. Podstawowe miary rozproszenia: Wariancja z populacji: Czasem stosuje się też inny wzór na wariancję z próby, tak policzy Excel:
Wariancja z populacji: Podstawowe miary rozproszenia: 1 1 s x x x x k 2 2 k 2 2 i i n i1 n i1 Czasem stosuje się też inny wzór na wariancję z próby, tak policzy Excel: 1 k 2 s xi x n 1 i1 2 Przykład 38,
Bardziej szczegółowoCharakterystyki liczbowe (estymatory i parametry), które pozwalają opisać właściwości rozkładu badanej cechy (zmiennej)
Charakterystyki liczbowe (estymatory i parametry), które pozwalają opisać właściwości rozkładu badanej cechy (zmiennej) 1 Podział ze względu na zakres danych użytych do wyznaczenia miary Miary opisujące
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 szczegółowoWykład 2. Statystyka opisowa - Miary rozkładu: Miary położenia
Wykład 2 Statystyka opisowa - Miary rozkładu: Miary położenia Podział miar Miary położenia (measures of location): 1. Miary tendencji centralnej (measures of central tendency, averages): Średnia arytmetyczna
Bardziej szczegółowoPodstawowe definicje statystyczne
Podstawowe definicje statystyczne 1. Definicje podstawowych wskaźników statystycznych Do opisu wyników surowych (w punktach, w skali procentowej) stosuje się następujące wskaźniki statystyczne: wynik minimalny
Bardziej szczegółowoStatystyczne metody analizy danych
Statystyczne metody analizy danych Statystyka opisowa Wykład I-III Agnieszka Nowak - Brzezińska Definicje Statystyka (ang.statistics) - to nauka zajmująca się zbieraniem, prezentowaniem i analizowaniem
Bardziej szczegółowoANALIZA STATYSTYCZNA WYNIKÓW BADAŃ
ANALIZA STATYSTYCZNA WYNIKÓW BADAŃ Dopasowanie rozkładów Dopasowanie rozkładów- ogólny cel Porównanie średnich dwóch zmiennych 2 zmienne posiadają rozkład normalny -> test parametryczny (t- studenta) 2
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 szczegółowoRachunek prawdopodobieństwa i statystyka
Rachunek prawdopodobieństwa i statystyka Współczynnik zmienności Klasycznym współczynnikiem (wskaźnikiem) zmienności zmiennej losowej X nazywamy wyrażenie gdzie E(X) 0. v k z (X) = D(X) E(X), Klasyczny
Bardziej szczegółowoInformacja o Środowisku integracja danych z lotniczego skaningu laserowego oraz zdjęć lotniczych
Zakopane 7/09/2009 Informacja o Środowisku integracja danych z lotniczego skaningu laserowego oraz zdjęć lotniczych Łukasz Sławik, Dyr. segmentu Ochrona Środowiska 1 zaproszenie na warsztaty W ramach organizowanych
Bardziej szczegółowoPodstawowe pojęcia. Własności próby. Cechy statystyczne dzielimy na
Podstawowe pojęcia Zbiorowość statystyczna zbiór jednostek (obserwacji) nie identycznych, ale stanowiących logiczną całość Zbiorowość (populacja) generalna skończony lub nieskończony zbiór jednostek, które
Bardziej szczegółowoRozkład normalny. Marcin Zajenkowski. Marcin Zajenkowski () Rozkład normalny 1 / 26
Rozkład normalny Marcin Zajenkowski Marcin Zajenkowski () Rozkład normalny 1 / 26 Rozkład normalny Krzywa normalna, krzywa Gaussa, rozkład normalny Rozkłady liczebności wielu pomiarów fizycznych, biologicznych
Bardziej szczegółowoStatystyka opisowa. Literatura STATYSTYKA OPISOWA. Wprowadzenie. Wprowadzenie. Wprowadzenie. Plan. Tomasz Łukaszewski
STATYSTYKA OPISOWA Literatura A. Aczel, Statystyka w Zarządzaniu, PWN, 2000 A. Obecny, Statystyka opisowa w Excelu dla szkół. Ćwiczenia praktyczne, Helion, 2002. A. Obecny, Statystyka matematyczna w Excelu
Bardziej szczegółowoStatystyka opisowa. Robert Pietrzykowski.
Statystyka opisowa Robert Pietrzykowski email: robert_pietrzykowski@sggw.pl www.ekonometria.info 2 Na dziś Sprawy bieżące Przypominam, że 14.11.2015 pierwszy sprawdzian Konsultacje Sobota 9:00 10:00 pok.
Bardziej szczegółowoStatystyka i opracowanie danych W5: Wprowadzenie do statystycznej analizy danych. Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl
Statystyka i opracowanie danych W5: Wprowadzenie do statystycznej analizy danych Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl Wprowadzenie Podstawowe cele analizy zbiorów danych Uogólniony opis poszczególnych
Bardziej szczegółowoMODELE LINIOWE. Dr Wioleta Drobik
MODELE LINIOWE Dr Wioleta Drobik MODELE LINIOWE Jedna z najstarszych i najpopularniejszych metod modelowania Zależność między zbiorem zmiennych objaśniających, a zmienną ilościową nazywaną zmienną objaśnianą
Bardziej szczegółowoZadania ze statystyki, cz.6
Zadania ze statystyki, cz.6 Zad.1 Proszę wskazać, jaką część pola pod krzywą normalną wyznaczają wartości Z rozkładu dystrybuanty rozkładu normalnego: - Z > 1,25 - Z > 2,23 - Z < -1,23 - Z > -1,16 - Z
Bardziej szczegółowoMETODOLOGIA BADAŃ HUMANISTYCZNYCH METODYKA NAUCZANIA JĘZYKA OBCEGO CZ.II
METODOLOGIA BADAŃ HUMANISTYCZNYCH METODYKA NAUCZANIA JĘZYKA OBCEGO CZ.II Podział zmiennych Zmienne zależne zmienne, które są przedmiotem badania, których związki z innymi zmiennymi chcemy określić Zmienne
Bardziej szczegółowoStatystyka. Podstawowe pojęcia: populacja (zbiorowość statystyczna), jednostka statystyczna, próba. Cechy: ilościowe (mierzalne),
Statystyka zbiór przetworzonych i zsyntetyzowanych danych liczbowych, nauka o ilościowych metodach badania zjawisk masowych, zmienna losowa będąca funkcją próby. Podstawowe pojęcia: populacja (zbiorowość
Bardziej szczegółowoZakład Urządzania Lasu. Taksacja inwentaryzacja zapasu
Zakład Urządzania Lasu Taksacja inwentaryzacja zapasu prace inwentaryzacyjne Wg instrukcji UL 2003 i 2011 Zakład Urządzania Lasu Na najbliższych ćwiczeniach Kolokwium nr 1 PUL, mapy, podział powierzchniowy
Bardziej szczegółowoKompleksowy monitoring dynamiki drzewostanów Puszczy Białowieskiej z wykorzystaniem danych teledetekcyjnych
Instytut Badawczy Leśnictwa www.ibles.pl Dane pozyskane w projekcie Kompleksowy monitoring dynamiki drzewostanów Puszczy Białowieskiej z wykorzystaniem danych teledetekcyjnych Aneta Modzelewska, Małgorzata
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 szczegółowoStatystyka. Wykład 2. Magdalena Alama-Bućko. 27 lutego Magdalena Alama-Bućko Statystyka 27 lutego / 39
Statystyka Wykład 2 Magdalena Alama-Bućko 27 lutego 2017 Magdalena Alama-Bućko Statystyka 27 lutego 2017 1 / 39 Banki danych: Bank danych lokalnych : Główny urzad statystyczny: https://bdl.stat.gov.pl/
Bardziej szczegółowoIdentyfikacja siedlisk Natura 2000 metodami teledetekcyjnymi na przykładzie torfowisk zasadowych w dolinie Biebrzy
Identyfikacja siedlisk Natura 2000 metodami teledetekcyjnymi Dominik Kopeć 1, Łukasz Sławik 2, Marcin Borowisk 2, Dorota Michalska-Hejduk 1 1 Uniwersytet Łódzki, Katedra Geobotaniki i Ekologii Roślin,
Bardziej szczegółowoWnioskowanie statystyczne Weryfikacja hipotez. Statystyka
Wnioskowanie statystyczne Weryfikacja hipotez Statystyka Co nazywamy hipotezą Każde stwierdzenie o parametrach rozkładu lub rozkładzie zmiennej losowej w populacji nazywać będziemy hipotezą statystyczną
Bardziej szczegółowoStatystyka. Wykład 8. Magdalena Alama-Bućko. 10 kwietnia Magdalena Alama-Bućko Statystyka 10 kwietnia / 31
Statystyka Wykład 8 Magdalena Alama-Bućko 10 kwietnia 2017 Magdalena Alama-Bućko Statystyka 10 kwietnia 2017 1 / 31 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia
Bardziej szczegółowoW kolejnym kroku należy ustalić liczbę przedziałów k. W tym celu należy wykorzystać jeden ze wzorów:
Na dzisiejszym wykładzie omówimy najważniejsze charakterystyki liczbowe występujące w statystyce opisowej. Poszczególne wzory będziemy podawać w miarę potrzeby w trzech postaciach: dla szeregu szczegółowego,
Bardziej szczegółowoStatystyka i analiza danych pomiarowych Podstawowe pojęcia statystyki cz. 2. Tadeusz M. Molenda Instytut Fizyki, Uniwersytet Szczeciński
Statystyka i analiza danych pomiarowych Podstawowe pojęcia statystyki cz. 2. Tadeusz M. Molenda Instytut Fizyki, Uniwersytet Szczeciński Opracowanie materiału statystycznego Szereg rozdzielczy częstości
Bardziej szczegółowoPo co nam charakterystyki liczbowe? Katarzyna Lubnauer 34
Po co nam charakterystyki liczbowe? Katarzyna Lubnauer 34 Def. Charakterystyki liczbowe to wielkości wyznaczone na podstawie danych statystycznych, charakteryzujące własności badanej cechy. Klasyfikacja
Bardziej szczegółowoStatystyka Opisowa WK Andrzej Pawlak. Intended Audience: PWR
Statystyka Opisowa WK1.2017 Andrzej Pawlak Intended Audience: PWR POJĘCIA STATYSTYKI 1. Zbiór danych liczbowych pokazujących kształtowanie się określonych zjawisk i procesów (roczniki statystyczne). 2.
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 szczegółowoSTATYSTYKA IV SEMESTR ALK (PwZ) STATYSTYKA OPISOWA RODZAJE CECH W POPULACJACH I SKALE POMIAROWE
STATYSTYKA IV SEMESTR ALK (PwZ) STATYSTYKA OPISOWA RODZAJE CECH W POPULACJACH I SKALE POMIAROWE CECHY mogą być: jakościowe nieuporządkowane - skala nominalna płeć, rasa, kolor oczu, narodowość, marka samochodu,
Bardziej szczegółowoXXXI MARATON WARSZAWSKI Warszawa, 27.09.2009
XXXI MARATON WARSZAWSKI Warszawa, 27.09.2009 Alex.Celinski@gmail.com Rozkład wyników Przedziały 30-minutowe Lp. Przedział Liczebność Częstość czasowy Liczebność Częstość skumulowana skumulowana 1 2:00-2:30
Bardziej szczegółowoZakład Ubezpieczeń Społecznych Departament Statystyki. Struktura wysokości emerytur i rent wypłacanych przez ZUS po waloryzacji w marcu 2010 roku.
Zakład Ubezpieczeń Społecznych Departament Statystyki Struktura wysokości emerytur i rent wypłacanych przez ZUS po waloryzacji w marcu 2010 roku. Warszawa 2010 I. Badana populacja. W marcu 2010 r. emerytury
Bardziej szczegółowoSTATYSTYKA wykłady. L.Gruszczyński Elementy statystyki dla socjologów Dr. Pactwa pon. i wtorek 09:30 11:00 (pok. 217) I. (08.X)
STATYSTYKA wykłady L.Gruszczyński Elementy statystyki dla socjologów Dr. Pactwa pon. i wtorek 09:30 11:00 (pok. 17) I. (08.X) 1. Statystyka jest to nauka zajmująca się metodami ilościowymi badania prawidłowości
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 szczegółowoStatystyka i analiza danych Wstępne opracowanie danych Statystyka opisowa. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl
Statystyka i analiza danych Wstępne opracowanie danych Statystyka opisowa Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl Wprowadzenie Podstawowe cele analizy zbiorów danych Uogólniony opis poszczególnych
Bardziej szczegółowoYou created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com)
Prezentacja materiału statystycznego Szeroko rozumiane modelowanie i prognozowanie jest zwykle kluczowym celem analizy danych. Aby zbudować model wyjaśniający relacje pomiędzy różnymi aspektami rozważanego
Bardziej szczegółowoOcena dokładności i porównywalność danych wysokościowych (chmury punktów) pozyskiwanych z różnych kolekcji danych
Ocena dokładności i porównywalność danych wysokościowych (chmury punktów) pozyskiwanych z różnych kolekcji danych mgr inż. Marcin Brach dr hab. Jarosław Chormański Katedra Inżynierii Wodnej Zakład Hydrologii
Bardziej szczegółowoInwentaryzacja zasobów drzewnych
Inwentaryzacja zasobów drzewnych Metody inwentaryzacji zapasu. Charakterystyka metody reprezentacyjnej. Przypomnienie Metody inwentaryzacji: - pomiarowa - szacunkowa - pomiarowo-szacunkowa - reprezentacyjna
Bardziej szczegółowoStatystyka Matematyczna Anna Janicka
Statystyka Matematyczna Anna Janicka wykład I, 22.02.2016 STATYSTYKA OPISOWA, cz. I Kwestie techniczne Kontakt: ajanicka@wne.uw.edu.pl Dyżur: strona z materiałami z przedmiotu: wne.uw.edu.pl/azylicz akson.sgh.waw.pl/~aborata
Bardziej szczegółowoAnaliza statystyczna w naukach przyrodniczych
Analiza statystyczna w naukach przyrodniczych Po co statystyka? Człowiek otoczony jest różnymi zjawiskami i próbuje je poznać, dowiedzieć się w jaki sposób funkcjonują, jakie relacje między nimi zachodzą.
Bardziej szczegółowoWYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 2 - statystyka opisowa cd
WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 2 - statystyka opisowa cd Agata Boratyńska Agata Boratyńska Statystyka matematyczna, wykład 2 1 / 20 MIARY ROZPROSZENIA, Wariancja Wariancją z próby losowej X
Bardziej szczegółowoStatystyka matematyczna dla leśników
Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 2011/2012 Wykład 2 Statystyka Do tej pory było: Wiadomości praktyczne o przedmiocie Podstawowe
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoStatystyka opisowa w wycenie nieruchomości Część I - wyznaczanie miar zbioru danych
dr Agnieszka Bitner Rzeczoznawca majątkowy Katedra Geodezji Rolnej, Katastru i Fotogrametrii Uniwersytet Rolniczy w Krakowie ul. Balicka 253c 30-198 Kraków, e-mail: rmbitner@cyf-kr.edu.pl WPROWADZENIE
Bardziej szczegółowoInstytut Badawczy Leśnictwa
Instytut Badawczy Leśnictwa www.ibles.pl Charakterystyka drzewostanów Puszczy Białowieskiej na podstawie danych teledetekcyjnych Krzysztof Stereńczak, Miłosz Mielcarek, Bartłomiej Kraszewski, Żaneta Piasecka,
Bardziej szczegółowoDetekcja drzew z wykorzystaniem lotniczego skanowania laserowego
Instytut Badawczy Leśnictwa www.ibles.pl Detekcja drzew z wykorzystaniem lotniczego skanowania laserowego Bartłomiej Kraszewski, Krzysztof Stereńczak, Żaneta Piasecka, Miłosz Mielcarek Zakład Zarządzania
Bardziej szczegółowoDlaczego należy uwzględniać zarówno wynik maturalny jak i wskaźnik EWD?
EWD co to jest? Metoda EWD to zestaw technik statystycznych pozwalających oszacować wkład szkoły w końcowe wyniki egzaminacyjne. Wkład ten nazywamy właśnie edukacyjną wartością dodaną. EWD jest egzaminacyjnym
Bardziej szczegółowoSTATYSTYKA OPISOWA Przykłady problemów statystycznych: - badanie opinii publicznej na temat preferencji wyborczych;
STATYSTYKA OPISOWA Przykłady problemów statystycznych: - badanie opinii publicznej na temat preferencji wyborczych; - badanie skuteczności nowego leku; - badanie stopnia zanieczyszczenia gleb metalami
Bardziej szczegółowoWykład Prezentacja materiału statystycznego. 2. Rodzaje szeregów statystycznych.
Wykład 2. 1. Prezentacja materiału statystycznego. 2. Rodzaje szeregów statystycznych. 3. Wykresy: histogram, diagram i ogiwa. Prezentacja materiału statystycznego Przy badaniu struktury zbiorowości punktem
Bardziej szczegółowoAnaliza niepewności pomiarów
Teoria pomiarów Analiza niepewności pomiarów Zagadnienia statystyki matematycznej Dr hab. inż. Paweł Majda www.pmajda.zut.edu.pl Podstawy statystyki matematycznej Histogram oraz wielobok liczebności zmiennej
Bardziej szczegółowoInstytut Badawczy Leśnictwa
Instytut Badawczy Leśnictwa www.ibles.pl Drzewostany Puszczy Białowieskiej w świetle najnowszych badań monitoringowych Rafał Paluch, Łukasz Kuberski, Ewa Zin, Krzysztof Stereńczak Instytut Badawczy Leśnictwa
Bardziej szczegółowoPrzedmiot statystyki. Graficzne przedstawienie danych.
Przedmiot statystyki. Graficzne przedstawienie danych. dr Mariusz Grządziel 2 marca 2009 Populacja i próba Populacja- zbiorowość skończona lub nieskończona, w stosunku do której mają być formułowane wnioski.
Bardziej szczegółowoDZIENNIK URZĘDOWY WOJEWÓDZTWA ŁÓDZKIEGO
DZIENNIK URZĘDOWY WOJEWÓDZTWA ŁÓDZKIEGO Łódź, dnia 9 stycznia 2018 r. Poz. 95 ZARZĄDZENIE REGIONALNEGO DYREKTORA OCHRONY ŚRODOWISKA W ŁODZI z dnia 4 stycznia 2018 r. w sprawie ustanowienia planu ochrony
Bardziej szczegółowoStatystyka. Wykład 3. Magdalena Alama-Bućko. 6 marca Magdalena Alama-Bućko Statystyka 6 marca / 28
Statystyka Wykład 3 Magdalena Alama-Bućko 6 marca 2017 Magdalena Alama-Bućko Statystyka 6 marca 2017 1 / 28 Szeregi rozdzielcze przedziałowe - kwartyle - przypomnienie Po ustaleniu przedziału, w którym
Bardziej szczegółowoStatystyka. Wykład 8. Magdalena Alama-Bućko. 23 kwietnia Magdalena Alama-Bućko Statystyka 23 kwietnia / 38
Statystyka Wykład 8 Magdalena Alama-Bućko 23 kwietnia 2017 Magdalena Alama-Bućko Statystyka 23 kwietnia 2017 1 / 38 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia
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 szczegółowoPlanimetria 1 12 godz.
Planimetria godz. Funkcje trygonometryczne kąta ostrego definicje funkcji trygonometrycznych kąta ostrego wartości funkcji trygonometrycznych kątów 30º, 45º, 60º Trygonometria zastosowania Rozwiązywanie
Bardziej szczegółowoAnaliza współzależności dwóch cech I
Analiza współzależności dwóch cech I Współzależność dwóch cech W tym rozdziale pokażemy metody stosowane dla potrzeb wykrywania zależności lub współzależności między dwiema cechami. W celu wykrycia tych
Bardziej szczegółowoOpisowa analiza struktury zjawisk statystycznych
Statystyka Opisowa z Demografią oraz Biostatystyka Opisowa analiza struktury zjawisk statystycznych Aleksander Denisiuk denisjuk@euh-e.edu.pl Elblaska Uczelnia Humanistyczno-Ekonomiczna ul. Lotnicza 2
Bardziej szczegółowo2. Wyposażenie bazy sprzętu przeciwpożarowego stanowi w szczególności:
Dziennik Ustaw Nr 73-3950- Poz. 824 10. 1. Zabezpieczeniu przeciwpożarowemu lasów służą pasy przeciwpożarowe w lasach położonych przy obiektach mogących stanowić zagrożenie pożarowe lasu. 2. Wyróżnia się
Bardziej szczegółowoInwentaryzacja zasobów drzewnych w IV rewizji urządzania lasu
Inwentaryzacja zasobów drzewnych w IV rewizji urządzania lasu - ogólnie Obecnie obowiązuje statystyczna metoda reprezentacyjnego pomiaru miąższości w obrębie leśnym. Metoda reprezentacyjna oznacza, iż
Bardziej szczegółowoWizualizacja danych przestrzennych. dr Marta Kuc-Czarnecka
Wizualizacja danych przestrzennych dr Marta Kuc-Czarnecka Wprowadzenie Oprócz klasycznych, uniwersalnych sposobów wizualizacji danych w postaci np. różnego typów wykresów kolumnowych, słupkowych, kołowych
Bardziej szczegółowoPodstawowe funkcje statystyki: informacyjna, analityczna, prognostyczna.
Podstawy Podstawowe funkcje statystyki: informacyjna, analityczna, prognostyczna. Funkcja informacyjna umożliwia pełny i obiektywny obraz badanych zjawisk Funkcja analityczna umożliwia określenie czynników
Bardziej szczegółowoZawartość. Zawartość
Opr. dr inż. Grzegorz Biesok. Wer. 2.05 2011 Zawartość Zawartość 1. Rozkład normalny... 3 2. Rozkład normalny standardowy... 5 3. Obliczanie prawdopodobieństw dla zmiennych o rozkładzie norm. z parametrami
Bardziej szczegółowo