Poszukiwanie gwiazd zmiennych w eksperymencie Pi of the Sky
|
|
- Monika Klimek
- 7 lat temu
- Przeglądów:
Transkrypt
1 Poszukiwanie gwiazd zmiennych w eksperymencie Pi of the Sky Łukasz Obara Wydział Fizyki, Uniwersytet Warszawski
2 Plan prezentacji Eksperyment Pi of the Sky Projekt GLORIA Środowisko LUIZA i zaimplementowana fotometria Poszukiwanie gwiazd zmiennych przy użyciu MVA Wyniki Podsumowanie 2
3 Eksperyment Pi of the Sky - Cele W skład kolaboracji wchodzą: Centrum Fizyki Teoretycznej PAN Narodowe Centrum Badań Jądrowych (NCBJ) Wydział Fizyki Uniwersytetu Warszawskiego in cooperation with other institutes Poszukiwanie błysków optycznych GRB Monitorowanie dużego obszaru nieba z wysoką rozdzielczością czasową i automatycznym wykrywaniem Poszukiwanie poświat optycznych ze źródeł Fal Grawitacyjnych Badanie innych zmiennych obiektów supernowe, nowe, flary, cefeidy, gwiazdy zmiennozaćmieniowe 3
4 Pi of the Sky Obserwatoria Prototyp detektora: LCO Chile w 2004 przeniesiony do San Pedro de Atacama (SPdA) w kamery CCD: px Canon f = 85mm Pole widzenia s czas ekspozycji, ~12m 13.5m dla 20 uśrednionych klatek Nowy system w INTA, koło Huelvy (Hiszpania) Pierwszy montaż: 4 kamery CCD zainstalowane w 2010 roku, 3 kolejne jednostki, w sumie 12 kamer zamontowane w 2013 roku 4
5 Pi of the Sky - INTA Pi of the Sky North INTA, near Huelva, Spain 5
6 Projekt GLORIA GLObal Robotic Telescopes Inteligent Array for esience Darmowy i wolny dostęp do sieci teleskopówrobotów. Możliwe tryby pracy on-line (obserwacje) i off-line (analiza danych) Środowisko LUIZA nowa jakość: obserwacje możliwe 24 godziny na dobę Pi of the Sky 2 z 17 dostępnych teleskopów Malaga, Oct. 10, 2013 Pi of the Sky contributions to the GLORIA project, Ł Obara 6
7 Pi of the Sky w GLORIA Malaga, Oct. 10, 2013 Pi of the Sky contributions to the GLORIA project, Ł Obara 7
8 LUIZA Środowisko LUIZA oparte jest na następujących założeniach Proces analizy danych składa się z mniejszych kroków, tzw procesorów Każdy procesor ma zdefiniowaną strukturę Definiując proces analizy danych nalezy tak dobrać i połączyć procesory, aby tworzyły jeden ciąg Parametry konfiguracyjne każdego procesora użytkownik definiuje przed rozpoczęciem analizy w pliku sterującym XML 8
9 Proces analizy danych Proces analizy danych przebiega w następujących krokach: Normalizacja klatki (odjęcie DARKa, podzielenie przez FLATa) Fotometria (identyfikacja obiektów i wyznaczenie sygnału) Astrometria (określenie pozycji RA-DEC dla znalezionych obiektów) Kalibracja (wyznaczenie magnitudo gwiazd poprzez porównanie do gwiazd referencyjnych) Katalogowanie (zapis wyników do bazy danych) 9
10 Fotometria Główne cele fotometrii: Identyfikacja obiektów Określenie pozycji (X;Y) poszczególnych obiektów Obliczenie sygnału 10
11 Dokładność fotometrii RMS vs Magnitudo (pojedyncze klatki, czas ekspozycji: 10 s) Mag: RMS ~ 0.02 m 9>12 Mag: RMS >0.02 m Dokładność wyznaczenia pozycji w porównaniu z gwiazdami z katalogu GSC 11
12 Poszukiwanie gwiazd zmiennych 1-2% gwiazd na niebie jest zmiennych Każda gwiazda musi być znaleziona na wielu klatkach. Rozkład wyznaczonych jasności gwiazd stałych (w skali magnitudo) tworzy rozkład normalny - w przypadku gwiazd zmiennych niekoniecznie Analiza statystyczna parametrów rozkładu jasności gwiazd RMS/RMSśr Kurtoza Asymetria Skośność 12
13 Symulacja krzywych blasku Sygnał gwiazd stałych na zdjęciach wybranej próbki z 3 kolejnych dni został zmodyfikowany przez odpowiedni czynnik celem wymodelowania zmienności Losowy okres dni Amplituda: magnitudo Symulowany kształt 8 krzywych blasku Flare Star Delta Cephei W Wirginis RR Lyrae Beta Lyrae Algol Algol Beta Lyrae Beta Lyrae W Ursae Majoris 13
14 Oczekiwania algorytmu Możliwie największa precyzja wyznaczenia jasności gwiazd Wykrywanie niskich amplitud zmienności Odrzucanie tła na poziomie co najmniej 98% Na zdjęciach rejestrowanych jest obiektów W ostatnim kroku weryfikacja odbywa się manualnie Użycie metod Analizy Wielu Zmiennych (MVA) 14
15 Zalety algorytmów uczących się MVA Dlaczego uczące się? - Gdyż nieznane są zależności funkcyjne pomiędzy poszczególnymi zmiennymi Dlaczego wielu zmiennych? - Gdyż analizowanie jednocześnie więcej niż jednej zmiennej niesie znacznie więcej informacji, niż analizowanie osobno poszczególnych zmiennych Użyte do odseparowania Sygnału od Tła. Podana próbka do opracowania parametrów cięć jest podzielona na dwie części: treningową i testową Sprawdzenie czy wytworzony nie jest przetrenowany i jest uniwersalny. 15
16 Wyselekcjonowanie obiektów zmiennych Analiza MVA używa zmiennych: Kurtoza, Asymetria Skośność (AG) RMS/RMS_mean Sygnał wygenerowane gwiazdy, Tło gwiazdy stałe (nie uzmiennione) Wyznaczenie okresu zmienności 16
17 Metoda Wzmocnionych Drzew decyzyjnych (BDT) Wejście: Próbka z wyznaczonymi zmiennymi wejściowymi; Wyjście: Prawdopodobieństwo, że rozkład magnitudo danej gwiazdy przedstawia obiekt zmienny. Wysoka efektywność wycięcia tła Wykresy przedstawiają gwiazdy: mag 17
18 18
19 Wyznaczenie okresu Metoda AoV (Analysis of Variable) 19
20 Krzywa blasku V1388 Ori okres: dnia 20
21 Podsumowanie 1) Do badania gwiazd zmiennych została zaimplementowana precyzyjna fotometria 2) Metody analizy wielu zmiennych są bardzo użyteczne w wyszukiwaniu obiektów zmiennych Szczególnie użyteczne w poszukiwaniu gwiazd o niskich amplitudach 21
22 Korelacja RMS/RMS_śr 23
23 Korelacje kurtozy 24
24 Correlation Asymetry 25
25 Korelacja skośności 26
Analiza danych z nowej aparatury detekcyjnej "Pi of the Sky"
Uniwersytet Warszawski Wydział Fizyki Bartłomiej Włodarczyk Nr albumu: 306849 Analiza danych z nowej aparatury detekcyjnej "Pi of the Sky" Praca przygotowana w ramach Pracowni Fizycznej II-go stopnia pod
Bardziej szczegółowoProjekt π of the Sky. Katarzyna Małek. Centrum Fizyki Teoretycznej PAN
Projekt π of the Sky Katarzyna Małek Centrum Fizyki Teoretycznej PAN Zespół π of the Sky Centrum Fizyki Teoretycznej PAN, Warszawa, Instytut Problemów Jądrowych, Warszawa i Świerk, Instytut Fizyki Doświadczalnej
Bardziej szczegółowoPi of the Sky. Roboty w poszukiwaniu błysków na niebie. Aleksander Filip Żarnecki Wydział Fizyki Uniwersytetu Warszawskiego
Pi of the Sky Roboty w poszukiwaniu błysków na niebie Aleksander Filip Żarnecki Wydział Fizyki Uniwersytetu Warszawskiego Gdańsk, Plan prezentacji Wprowadzenie błyski gamma i strategie ich obserwacji Pi
Bardziej szczegółowoPoszukiwania optycznych odpowiedników błysków gamma. Marcin Sokołowski IPJ
Poszukiwania optycznych odpowiedników błysków gamma Marcin Sokołowski IPJ Plan Seminarium Błyski Gamma Odpowiednki błysków gamma ( ang. Afterglow ) Eksperymenty poszukujące afterglow-ów Eksperyment π οf
Bardziej szczegółowoRAPORT z przebiegu praktyk studenckich
Aleksander Tyburek RAPORT z przebiegu praktyk studenckich Spis treści: 1. Oprogramowanie do testów wydajności 2. Środowisko pracy 3. Struktura danych 4. Skrypty 5. Procedura testowania wydajności 6. Wyniki
Bardziej szczegółowoJak daleko moŝemy popatrzeć z Ziemi - czyli w jaki sposób podglądać powstawianie Wszechświata? Katarzyna Małek Centrum Fizyki Teoretycznej PAN
Jak daleko moŝemy popatrzeć z Ziemi - czyli w jaki sposób podglądać powstawianie Wszechświata? Katarzyna Małek Centrum Fizyki Teoretycznej PAN KsięŜyc Ziemia KsięŜyc ~ 384403 km Fot. NASA 1.3 sekundy świetlnej
Bardziej szczegółowoPi of the Sky. Aleksander Filip Żarnecki Warsztaty fizyki i astrofizyki cząstek. Warszawa, 16 października 2009
Pi of the Sky Aleksander Filip Żarnecki Warsztaty fizyki i astrofizyki cząstek Warszawa, Plan seminarium Błyski gamma Projekt Pi of the Sky błysk na który czekaliśmy 4 lata... Nasz kawałek nieba weryfikacja
Bardziej szczegółowoOcena błędów systematycznych związanych ze strukturą CCD danych astrometrycznych prototypu Pi of the Sky
Ocena błędów systematycznych związanych ze strukturą CCD danych astrometrycznych prototypu Pi of the Sky Maciej Zielenkiewicz 5 marca 2010 1 Wstęp 1.1 Projekt Pi of the Sky Celem projektu jest poszukiwanie
Bardziej szczegółowoOptymalizacja kryteriów selekcji dla rozpadu Λ+c pμ+μza pomocą wielowymiarowej analizy danych
Optymalizacja kryteriów selekcji dla rozpadu Λ+c pμ+μza pomocą wielowymiarowej analizy danych Maciej Kościelski Jakub Malczewski opiekunowie prof. dr hab. Mariusz Witek mgr inż. Małgorzata Pikies LHCb
Bardziej szczegółowogdyby Kopernik żył w XXI w.
Elementy fizyki cząstek elementarnych Grzegorz Wrochna Kosmiczna przyszłość fizyki cząstek czyli gdyby Kopernik żył w XXI w. astronomia cząstek elementarnych (astroparticle physics) kosmiczne akceleratory
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 szczegółowoSoczewkowanie grawitacyjne
Soczewkowanie grawitacyjne Obserwatorium Astronomiczne UW Plan Ugięcie światła - trochę historii Co to jest soczewkowanie Punktowa masa Soczewkowanie galaktyk... kwazarów... kosmologiczne Mikrosoczewkowanie
Bardziej szczegółowoSejsmologia gwiazd. Andrzej Pigulski Instytut Astronomiczny Uniwersytetu Wrocławskiego
Sejsmologia gwiazd Andrzej Pigulski Instytut Astronomiczny Uniwersytetu Wrocławskiego XXXIV Zjazd Polskiego Towarzystwa Astronomicznego, Kraków, 16.09.2009 Asterosejsmologia: jak to działa? Z obserwacji
Bardziej szczegółowoZastosowanie stereowizji do śledzenia trajektorii obiektów w przestrzeni 3D
Zastosowanie stereowizji do śledzenia trajektorii obiektów w przestrzeni 3D autorzy: Michał Dajda, Łojek Grzegorz opiekun naukowy: dr inż. Paweł Rotter I. O projekcie. 1. Celem projektu było stworzenie
Bardziej szczegółowoCYFROWE PRZTWARZANIE SYGNAŁÓW (Zastosowanie transformacji Fouriera)
I. Wprowadzenie do ćwiczenia CYFROWE PRZTWARZANIE SYGNAŁÓW (Zastosowanie transformacji Fouriera) Ogólnie termin przetwarzanie sygnałów odnosi się do nauki analizowania zmiennych w czasie procesów fizycznych.
Bardziej szczegółowoUczenie maszynowe w zastosowaniu do fizyki cząstek
Uczenie maszynowe w zastosowaniu do fizyki cząstek Wykorzystanie uczenia maszynowego i głębokich sieci neuronowych do ćwiczenia 3. M. Kaczmarczyk, P. Górski, P. Olejniczak, O. Kosobutskyi Instytut Fizyki
Bardziej szczegółowoGwiazdy zmienne. na przykładzie V729 Cygni. Janusz Nicewicz
Gwiazdy zmienne na przykładzie V729 Cygni Plan prezentacji Czym są gwiazdy zmienne? Rodzaje gwiazd zmiennych Układy podwójne gwiazd Gwiazdy zmienne zaćmieniowe Model Roche'a V729 Cygni Obserwacje Analiza
Bardziej szczegółowoWczesna obserwacja najjaśniejszego optycznie błysku gamma GRB080319b wykonana przez detektor "Pi of the Sky"
Wczesna obserwacja najjaśniejszego optycznie błysku gamma GRB080319b wykonana przez detektor "Pi of the Sky" Marcin Sokołowski Instytut Problemów Jądrowych im. A. Sołtana Seminarium Struktura Jądra Atomowego,
Bardziej szczegółowoLABORATORIUM PROCESÓW STOCHASTYCZNYCH
WOJSKOWA AKADEMIA TECHICZA im. Jarosława Dąbrowskiego w Warszawie Wydział Elektroniki LABORATORIUM PROCESÓW STOCHASTYCZYCH Grupa Podgrupa Data wykonania ćwiczenia Ćwiczenie prowadził. Skład podgrupy 1....
Bardziej szczegółowoW poszukiwaniu nowej Ziemi. Andrzej Udalski Obserwatorium Astronomiczne Uniwersytetu Warszawskiego
W poszukiwaniu nowej Ziemi Andrzej Udalski Obserwatorium Astronomiczne Uniwersytetu Warszawskiego Gdzie mieszkamy? Ziemia: Masa = 1 M E Średnica = 1 R E Słońce: 1 M S = 333950 M E Średnica = 109 R E Jowisz
Bardziej szczegółowoOpenAI Gym. Adam Szczepaniak, Kamil Walkowiak
OpenAI Gym Adam Szczepaniak, Kamil Walkowiak Plan prezentacji Programowanie agentowe Uczenie przez wzmacnianie i problemy związane z rozwojem algorytmów Charakterystyka OpenAI Gym Biblioteka gym Podsumowanie
Bardziej szczegółowoElementy modelowania matematycznego
Elementy modelowania matematycznego Modelowanie algorytmów klasyfikujących. Podejście probabilistyczne. Naiwny klasyfikator bayesowski. Modelowanie danych metodą najbliższych sąsiadów. Jakub Wróblewski
Bardziej szczegółowoPomiary jasności nieba z użyciem aparatu cyfrowego. Tomek Mrozek 1. Instytut Astronomiczny UWr 2. Zakład Fizyki Słońca CBK PAN
Pomiary jasności nieba z użyciem aparatu cyfrowego Tomek Mrozek 1. Instytut Astronomiczny UWr 2. Zakład Fizyki Słońca CBK PAN Jasność nieba Jasność nieba Jelcz-Laskowice 20 km od centrum Wrocławia Pomiary
Bardziej szczegółowoObserwacje gwiazd zmiennych
Obserwacje gwiazd zmiennych Sprawozdanie z pracy badawczej Autor: Maciej Garbacz Publiczne Liceum Ogólnokształcące Politechniki Łódzkiej, klasa IB Opiekun merytoryczny: p. Cezary Koneczny Adres e-mail:
Bardziej szczegółowoEksploracja Danych. wykład 4. Sebastian Zając. 10 maja 2017 WMP.SNŚ UKSW. Sebastian Zając (WMP.SNŚ UKSW) Eksploracja Danych 10 maja / 18
Eksploracja Danych wykład 4 Sebastian Zając WMP.SNŚ UKSW 10 maja 2017 Sebastian Zając (WMP.SNŚ UKSW) Eksploracja Danych 10 maja 2017 1 / 18 Klasyfikacja danych Klasyfikacja Najczęściej stosowana (najstarsza)
Bardziej szczegółowoKlasyfikacja gwiazd zmiennych na podstawie analizy danych fotometrycznych w eksperymencie Pi of the Sky
Politechnika Warszawska Wydział Fizyki Małgorzata Siudek Nr albumu: 195632 Klasyfikacja gwiazd zmiennych na podstawie analizy danych fotometrycznych w eksperymencie Pi of the Sky Classification of variable
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 szczegółowoOszacowywanie możliwości wykrywania śmieci kosmicznych za pomocą teleskopów Pi of the Sky
Mirosław Należyty Agnieszka Majczyna Roman Wawrzaszek Marcin Sokołowski Wilga, 27.05.2010. Obserwatorium Astronomiczne Uniwersytetu Warszawskiego i Instytut Problemów Jądrowych w Warszawie Oszacowywanie
Bardziej szczegółowoweryfikacja hipotez dotyczących parametrów populacji (średnia, wariancja)
PODSTAWY STATYSTYKI. Teoria prawdopodobieństwa i elementy kombinatoryki. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5. Testy parametryczne (na
Bardziej szczegółowoPi of the Sky: teleskopy-roboty w poszukiwaniu kosmicznych bªysków
Pi of the Sky: teleskopy-roboty w poszukiwaniu kosmicznych bªysków Lech Wiktor Piotrowski Wydziaª Fizyki Uniwersytetu Warszawskiego IFJ PAN, 26.V.2011 1 Bªyski gamma Najwa»niejsze instrumenty Dane i modele
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 szczegółowoNasz kawałek nieba. Aleksander Filip Żarnecki Zakład Cząstek i Oddziaływań Fundamentalnych IFD UW Pi of the Sky. Warszawa, 27 kwietnia 2009
Nasz kawałek nieba Aleksander Filip Żarnecki Zakład Cząstek i Oddziaływań Fundamentalnych IFD UW Pi of the Sky Warszawa, Plan seminarium Błyski gamma Projekt Pi of the Sky błysk na który czekaliśmy 4 lata...
Bardziej szczegółowoLABORATORIUM PODSTAW TELEKOMUNIKACJI
WOJSKOWA AKADEMIA TECHNICZNA im. Jarosława Dąbrowskiego w Warszawie Wydział Elektroniki LABORATORIUM PODSTAW TELEKOMUNIKACJI Grupa Podgrupa Data wykonania ćwiczenia Ćwiczenie prowadził... Skład podgrupy:
Bardziej szczegółowoBadanie szybkozmiennych procesów astrofizycznych w eksperymencie π of the Sky
Badanie szybkozmiennych procesów astrofizycznych w eksperymencie π of the Sky Marcin Sokołowski Instytut Problemów Jądrowych Obrona rozprawy doktorskiej, 1 lipca 2008 Plan prezentacji : Błyski gamma Projekt
Bardziej szczegółowoOPTYMALIZACJA ZBIORNIKA NA GAZ PŁYNNY LPG
Leon KUKIEŁKA, Krzysztof KUKIEŁKA, Katarzyna GELETA, Łukasz CĄKAŁA OPTYMALIZACJA ZBIORNIKA NA GAZ PŁYNNY LPG Streszczenie Praca dotyczy optymalizacji kształtu zbiornika toroidalnego na gaz LPG. Kryterium
Bardziej szczegółowoP R Z E T W A R Z A N I E S Y G N A Ł Ó W B I O M E T R Y C Z N Y C H
W O J S K O W A A K A D E M I A T E C H N I C Z N A W Y D Z I A Ł E L E K T R O N I K I Drukować dwustronnie P R Z E T W A R Z A N I E S Y G N A Ł Ó W B I O M E T R Y C Z N Y C H Grupa... Data wykonania
Bardziej szczegółowoZ Wikipedii, wolnej encyklopedii.
Rozkład normalny Rozkład normalny jest niezwykle ważnym rozkładem prawdopodobieństwa w wielu dziedzinach. Nazywa się go także rozkładem Gaussa, w szczególności w fizyce i inżynierii. W zasadzie jest to
Bardziej szczegółowoOdległość mierzy się zerami
Odległość mierzy się zerami Jednostki odległości w astronomii jednostka astronomiczna AU, j.a. rok świetlny l.y., r.św. parsek pc średnia odległość Ziemi od Słońca odległość przebyta przez światło w próżni
Bardziej szczegółowoAnna Barnacka. Obserwacje gwiazd zmiennych zaćmieniowych
Anna Barnacka Akademia Pedagogiczna im. Komisji Edukacji Narodowej w Krakowie Instytut Fizyki Katedra Astronomii Obserwacje gwiazd zmiennych zaćmieniowych Szybko rozwijająca się technika umożliwia sięganie
Bardziej szczegółowoSposoby opisu i modelowania zakłóceń kanałowych
INSTYTUT TELEKOMUNIKACJI ZAKŁAD RADIOKOMUNIKACJI Instrukcja laboratoryjna z przedmiotu Podstawy Telekomunikacji Sposoby opisu i modelowania zakłóceń kanałowych Warszawa 2010r. 1. Cel ćwiczeń: Celem ćwiczeń
Bardziej szczegółowoCykle życia gwiazd. Fotometria gromad gwiazdowych z wykorzystaniem programu SalsaJ. Autorzy: Daniel Duggan & Sarah Roberts Redakcja: Dawid Basak
[ Fotometria gromad gwiazdowych z wykorzystaniem programu SalsaJ [Wpis]z Autorzy: Daniel Duggan & Sarah Roberts Redakcja: Dawid Basak Fotometria gromad gwiazdowych z programem SalsaJ Wstęp Fotometria to
Bardziej szczegółowoWłaściwości testu Jarque-Bera gdy w danych występuje obserwacja nietypowa.
Właściwości testu Jarque-Bera gdy w danych występuje obserwacja nietypowa. Paweł Strawiński Uniwersytet Warszawski Wydział Nauk Ekonomicznych 16 stycznia 2006 Streszczenie W artykule analizowane są właściwości
Bardziej szczegółowoAstronomia CCD za 3gr
Astronomia CCD za 3gr Grzegorz Wrochna Instytut Problemów Jądrowych Delta 2/2002 i 4/2002 Urania-PA 1/2002 i 2/2002 http://hep.fuw.edu.pl/~wrochna/astro Trudności w popularyzacji nauki W ostatnich latach
Bardziej szczegółowoSterowanie wielkością zamówienia w Excelu - cz. 3
Sterowanie wielkością zamówienia w Excelu - cz. 3 21.06.2005 r. 4. Planowanie eksperymentów symulacyjnych Podczas tego etapu ważne jest określenie typu rozkładu badanej charakterystyki. Dzięki tej informacji
Bardziej szczegółowoZmienność wiatru w okresie wieloletnim
Warsztaty: Prognozowanie produktywności farm wiatrowych PSEW, Warszawa 5.02.2015 Zmienność wiatru w okresie wieloletnim Dr Marcin Zientara DCAD / Stermedia Sp. z o.o. Zmienność wiatru w różnych skalach
Bardziej szczegółowoPodsumowanie praktyk wakacyjnych w Instytucie Problemów Jądrowych im. Andrzeja Sołtana. Projekt π of the Sky
Podsumowanie praktyk wakacyjnych w Instytucie Problemów Jądrowych im. Andrzeja Sołtana. Projekt π of the Sky Piotr Ostrowski opiekun: dr Grzegorz Wrochna 9 października 2005 roku Projekt PIoftheSky Projekt
Bardziej szczegółowoALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH
1 ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH WFAiS UJ, Informatyka Stosowana II stopień studiów 2 Wnioskowanie statystyczne dla zmiennych numerycznych Porównywanie dwóch średnich Boot-strapping Analiza
Bardziej szczegółowoWYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 9 i 10 - Weryfikacja hipotez statystycznych
WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 9 i 10 - Weryfikacja hipotez statystycznych Agata Boratyńska Agata Boratyńska Statystyka matematyczna, wykład 9 i 10 1 / 30 TESTOWANIE HIPOTEZ STATYSTYCZNYCH
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 szczegółowoZastosowanie deflektometrii do pomiarów kształtu 3D. Katarzyna Goplańska
Zastosowanie deflektometrii do pomiarów kształtu 3D Plan prezentacji Metody pomiaru kształtu Deflektometria Zasada działania Stereo-deflektometria Kalibracja Zalety Zastosowania Przykład Podsumowanie Metody
Bardziej szczegółowoPakiet ROOT. prosty generator Monte Carlo. Maciej Trzebiński. Instytut Fizyki Jądrowej Polskiej Akademii Nauki
M. Trzebiński ROOT generator MC 1/5 Pakiet ROOT prosty generator Monte Carlo Maciej Trzebiński Instytut Fizyki Jądrowej Polskiej Akademii Nauki Praktyki studenckie na LHC IFJ PAN, 23 sierpnia 2016 Wprowadzenie
Bardziej szczegółowoD. OPIS PROJEKTU BADAWCZEGO, METODYKA BADAŃ ORAZ CHARAKTERYSTYKA OCZEKIWANYCH WYNIKÓW
D. OPIS PROJEKTU BADAWCZEGO, METODYKA BADAŃ ORAZ CHARAKTERYSTYKA OCZEKIWANYCH WYNIKÓW 1. Cel naukowy projektu (jaki problem wnioskodawca podejmuje się rozwiązać, co jest jego istotą, dokładna charakterystyka
Bardziej szczegółowoPoszukiwanie gwiazd zmiennych w eksperymencie Pi of the Sky
Uniwersytet Warszawski Wydział Fizyki Marek Biskup Nr albumu: 181251 Poszukiwanie gwiazd zmiennych w eksperymencie Pi of the Sky Praca magisterska na kierunku FIZYKA w zakresie FIZYKA CZĄSTEK I ODDZIAŁYWAŃ
Bardziej szczegółowoStatystyka. Rozkład prawdopodobieństwa Testowanie hipotez. Wykład III ( )
Statystyka Rozkład prawdopodobieństwa Testowanie hipotez Wykład III (04.01.2016) Rozkład t-studenta Rozkład T jest rozkładem pomocniczym we wnioskowaniu statystycznym; stosuje się go wyznaczenia przedziału
Bardziej szczegółowoAnkieta. Informacje o uczestniku. Imię i nazwisko: Stanowisko : Warsztat Innowacyjne metody dydaktyczne (np. learning by doing, design thinking)
Szanowni Państwo, w związku z uruchomieniem szkoleń w ramach projektu Rozwój kompetencji kadry akademickiej Wyższej Szkoły Menedżerskiej zwracamy się z prośbą o wypełnienie niniejszej ankiety. Ankieta
Bardziej szczegółowokomputery? Andrzej Skowron, Hung Son Nguyen Instytut Matematyki, Wydział MIM, UW
Czego moga się nauczyć komputery? Andrzej Skowron, Hung Son Nguyen son@mimuw.edu.pl; skowron@mimuw.edu.pl Instytut Matematyki, Wydział MIM, UW colt.tex Czego mogą się nauczyć komputery? Andrzej Skowron,
Bardziej szczegółowoPrzekształcenia sygnałów losowych w układach
INSTYTUT TELEKOMUNIKACJI ZAKŁAD RADIOKOMUNIKACJI Instrukcja laboratoryjna z przedmiotu Sygnały i kodowanie Przekształcenia sygnałów losowych w układach Warszawa 010r. 1. Cel ćwiczenia: Ocena wpływu charakterystyk
Bardziej szczegółowoINSTYTUT METEOROLOGII I GOSPODARKI WODNEJ PAŃSTWOWY INSTYTUT BADAWCZY Oddział we Wrocławiu. Görlitz
Görlitz 17.11.2014 Pakiet programów MIKE opracowany na Politechnice Duńskiej, zmodyfikowany przez Duński Instytut Hydrauliki, Zasady działania modeli: MIKE NAM - model konceptualny o parametrach skupionych,
Bardziej szczegółowoWykład 9 Wnioskowanie o średnich
Wykład 9 Wnioskowanie o średnich Rozkład t (Studenta) Wnioskowanie dla jednej populacji: Test i przedziały ufności dla jednej próby Test i przedziały ufności dla par Porównanie dwóch populacji: Test i
Bardziej szczegółowoProblematyka budowy skanera 3D doświadczenia własne
Problematyka budowy skanera 3D doświadczenia własne dr inż. Ireneusz Wróbel ATH Bielsko-Biała, Evatronix S.A. iwrobel@ath.bielsko.pl mgr inż. Paweł Harężlak mgr inż. Michał Bogusz Evatronix S.A. Plan wykładu
Bardziej szczegółowoAkwizycja obrazów. Zagadnienia wstępne
Akwizycja obrazów. Zagadnienia wstępne Wykorzystane materiały: R. Tadeusiewicz, P. Korohoda, Komputerowa analiza i przetwarzanie obrazów, Wyd. FPT, Kraków, 1997 A. Przelaskowski, Techniki Multimedialne,
Bardziej szczegółowoSkala jasności w astronomii. Krzysztof Kamiński
Skala jasności w astronomii Krzysztof Kamiński Obserwowana wielkość gwiazdowa (magnitudo) Skala wymyślona prawdopodobnie przez Hipparcha, który podzielił gwiazdy pod względem jasności na 6 grup (najjaśniejsze:
Bardziej szczegółowoAnaliza gwiazd zmiennych w eksperymencie Pi of the Sky PRELIMINARY!!!!!
Uniwersytet Warszawski Wydział Fizyki Marek Biskup Nr albumu: 181251 Analiza gwiazd zmiennych w eksperymencie Pi of the Sky PRELIMINARY!!!!! Praca magisterska na kierunku FIZYKA w zakresie FIZYKA CZĄSTEK
Bardziej szczegółowoB3.5 Koncentracja. Raport pochodzi z portalu
B3.5 Koncentracja System PIK umożliwia wyznaczanie potencjału gospodarczego regionu z wykorzystaniem wskaźników lokacji i wskaźników przesunięć. Jest to dalszy logiczny krok analizy zaraz po modułach B3.1
Bardziej szczegółowoAtmosfera ziemska w obserwacjach promieni kosmicznych najwyższych energii. Jan Pękala Instytut Fizyki Jądrowej PAN
Atmosfera ziemska w obserwacjach promieni kosmicznych najwyższych energii Jan Pękala Instytut Fizyki Jądrowej PAN Promienie kosmiczne najwyższych energii Widmo promieniowania kosmicznego rozciąga się na
Bardziej szczegółowoZastosowanie teorii detekcji sygnałów do analizy rzetelności systemu obserwacyjnego ARGOS Michał Modzelewski Jolanta Pisarek
Zastosowanie teorii detekcji sygnałów do analizy rzetelności systemu obserwacyjnego ARGOS Michał Modzelewski Jolanta Pisarek Instytut Badań Edukacyjnych Aplikacja komputerowa ARGOS przygotowana w oparciu
Bardziej szczegółowoAMERICAN ASSOCIATION OF VARIABLE STAR OBSERVERS
ANDRZEJ ARMIŃSKI WPROWADZENIE DO AAVSO AMERICAN ASSOCIATION OF VARIABLE STAR OBSERVERS Badanie gwiazd zmiennych jest jedyną dziedziną nauki, do której amatorzy mogą wnieść wkład na najwyższym poziomie,
Bardziej szczegółowoMonitorowanie i Diagnostyka w Systemach Sterowania na studiach II stopnia specjalności: Systemy Sterowania i Podejmowania Decyzji
Monitorowanie i Diagnostyka w Systemach Sterowania na studiach II stopnia specjalności: Systemy Sterowania i Podejmowania Decyzji Analiza składników podstawowych - wprowadzenie (Principal Components Analysis
Bardziej szczegółowoDETEKCJA W MIKRO- I NANOOBJĘTOŚCIACH. Ćwiczenie nr 3 Detektor optyczny do pomiarów fluorescencyjnych
DETEKCJA W MIKRO- I NANOOBJĘTOŚCIACH Ćwiczenie nr 3 Detektor optyczny do pomiarów fluorescencyjnych Cel ćwiczenia: Celem ćwiczenia jest zaznajomienie się z zasadą działania i zastosowaniami detektora optycznego
Bardziej szczegółowoWyznaczanie stopnia krystaliczności wybranych próbek polimerów wykorzystanie programu WAXSFIT
1 ĆWICZENIE 3 Wyznaczanie stopnia krystaliczności wybranych próbek polimerów wykorzystanie programu WAXSFIT Do wyznaczenia stopnia krystaliczności wybranych próbek polimerów wykorzystany zostanie program
Bardziej szczegółowoRozpoznawanie obrazów na przykładzie rozpoznawania twarzy
Rozpoznawanie obrazów na przykładzie rozpoznawania twarzy Wykorzystane materiały: Zadanie W dalszej części prezentacji będzie omawiane zagadnienie rozpoznawania twarzy Problem ten można jednak uogólnić
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 szczegółoworozpoznawania odcisków palców
w algorytmie rozpoznawania odcisków palców Politechnika Łódzka Wydział Fizyki Technicznej, Informatyki i Matematyki Stosowanej 24 października 2008 Plan prezentacji 1 Wstęp 2 3 Metoda badań Wyniki badań
Bardziej szczegółowo10. Podstawowe wskaźniki psychometryczne
10. Podstawowe wskaźniki psychometryczne q analiza własności pozycji testowych q metody szacowania mocy dyskryminacyjnej q stronniczość pozycji testowych q własności pozycji testowych a kształt rozkładu
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 szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5.
Bardziej szczegółowoInstytut Politechniczny Państwowa Wyższa Szkoła Zawodowa. Diagnostyka i niezawodność robotów
Instytut Politechniczny Państwowa Wyższa Szkoła Zawodowa Diagnostyka i niezawodność robotów Laboratorium nr 3 Generacja realizacji zmiennych losowych Prowadzący: mgr inż. Marcel Luzar Cele ćwiczenia: Generowanie
Bardziej szczegółowoPomiary jasności tła nocnego nieba z wykorzystaniem aparatu cyfrowego. Tomek Mrozek 1. Instytut Astronomiczny UWr 2. Zakład Fizyki Słońca CBK PAN
Pomiary jasności tła nocnego nieba z wykorzystaniem aparatu cyfrowego. Tomek Mrozek 1. Instytut Astronomiczny UWr 2. Zakład Fizyki Słońca CBK PAN Jasność nieba Jasność nieba Jelcz-Laskowice 20 km od centrum
Bardziej szczegółowoWeryfikacja hipotez statystycznych, parametryczne testy istotności w populacji
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoHierarchical Cont-Bouchaud model
Hierarchical Cont-Bouchaud model inż. Robert Paluch dr inż. Krzysztof Suchecki prof. dr hab. inż. Janusz Hołyst Pracownia Fizyki w Ekonomii i Naukach Społecznych Wydział Fizyki Politechniki Warszawskiej
Bardziej szczegółowoKosmiczne rozbłyski w odległych galaktykach. Katarzyna Małek
Kosmiczne rozbłyski w odległych galaktykach Katarzyna Małek From Stettin in the Baltic to Trieste in the Adriatic an iron curtain has descended across the Continent. Winston Churchill 5 marca 1946 Od Szczecina
Bardziej szczegółowoALGORYTM RANDOM FOREST
SKRYPT PRZYGOTOWANY NA ZAJĘCIA INDUKOWANYCH REGUŁ DECYZYJNYCH PROWADZONYCH PRZEZ PANA PAWŁA WOJTKIEWICZA ALGORYTM RANDOM FOREST Katarzyna Graboś 56397 Aleksandra Mańko 56699 2015-01-26, Warszawa ALGORYTM
Bardziej szczegółowoFotometria CCD 4. Fotometria profilowa i aperturowa
Fotometria CCD 4. Fotometria profilowa i aperturowa Andrzej Pigulski Instytut Astronomiczny Uniwersytetu Wrocławskiego Produkty HELAS-a, 2010 Fotometria CCD Proces wyznaczania jasności gwiazd na obrazie
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 szczegółowoProgram V-SIM tworzenie plików video z przebiegu symulacji
Program V-SIM tworzenie plików video z przebiegu symulacji 1. Wprowadzenie Coraz częściej zdarza się, że zleceniodawca opinii prosi o dołączenie do opracowania pliku/ów Video z zarejestrowanym przebiegiem
Bardziej szczegółowoTestowanie hipotez statystycznych.
Bioinformatyka Wykład 9 Wrocław, 5 grudnia 2011 Temat. Test zgodności χ 2 Pearsona. Statystyka χ 2 Pearsona Rozpatrzmy ciąg niezależnych zmiennych losowych X 1,..., X n o jednakowym dyskretnym rozkładzie
Bardziej szczegółowoWydział Matematyki. Testy zgodności. Wykład 03
Wydział Matematyki Testy zgodności Wykład 03 Testy zgodności W testach zgodności badamy postać rozkładu teoretycznego zmiennej losowej skokowej lub ciągłej. Weryfikują one stawiane przez badaczy hipotezy
Bardziej szczegółowoInformatyka I Lab 06, r.a. 2011/2012 prow. Sławomir Czarnecki. Zadania na laboratorium nr. 6
Informatyka I Lab 6, r.a. / prow. Sławomir Czarnecki Zadania na laboratorium nr. 6 Po utworzeniu nowego projektu, dołącz bibliotekę bibs.h.. Największy wspólny dzielnik liczb naturalnych a, b oznaczamy
Bardziej szczegółowoZespół Zakładów Fizyki Jądrowej
gluons Zespół Zakładów Fizyki Jądrowej Zakład Fizyki Hadronów Zakład Doświadczalnej Fizyki Cząstek i jej Zastosowań Zakład Teorii Układów Jądrowych QCD Zakład Fizyki Hadronów Badanie struktury hadronów,
Bardziej szczegółowoUWAGI O TESTACH JARQUE A-BERA
PRZEGLĄD STATYSTYCZNY R. LVII ZESZYT 4 010 CZESŁAW DOMAŃSKI UWAGI O TESTACH JARQUE A-BERA 1. MIARY SKOŚNOŚCI I KURTOZY W literaturze statystycznej prezentuje się wiele miar skośności i spłaszczenia (kurtozy).
Bardziej szczegółowoWERYFIKACJA HIPOTEZ STATYSTYCZNYCH
WERYFIKACJA HIPOTEZ STATYSTYCZNYCH I. TESTY PARAMETRYCZNE II. III. WERYFIKACJA HIPOTEZ O WARTOŚCIACH ŚREDNICH DWÓCH POPULACJI TESTY ZGODNOŚCI Rozwiązania zadań wykonywanych w Statistice przedstaw w pliku
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 szczegółowoWykład 1 Sprawy organizacyjne
Wykład 1 Sprawy organizacyjne 1 Zasady zaliczenia Prezentacja/projekt w grupach 5 osobowych. Każda osoba przygotowuje: samodzielnie analizę w excel, prezentację teoretyczną w grupie. Obecność na zajęciach
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 szczegółowoUniwersytet Zielonogórski. Kurs: Autodesk 3D Studio MAX Komputerowa grafika 3D. 3dsmax Tworzenie animacji 3D.
Uniwersytet Zielonogórski Kurs: Autodesk 3D Studio MAX Komputerowa grafika 3D 3dsmax Tworzenie animacji 3D. opracował: dr inż. Andrzej Czajkowski, a.czajkowski@issi.uz.zgora.pl 1 Cel ćwiczenia Celem ćwiczenia
Bardziej szczegółowoAnaliza współrzędnych środka mas Ziemi wyznaczanych technikami GNSS, SLR i DORIS oraz wpływ zmian tych współrzędnych na zmiany poziomu oceanu
Analiza współrzędnych środka mas Ziemi wyznaczanych technikami GNSS, SLR i DORIS oraz wpływ zmian tych współrzędnych na zmiany poziomu oceanu Agnieszka Wnęk 1, Maria Zbylut 1, Wiesław Kosek 1,2 1 Wydział
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 szczegółowoAnaliza Statystyczna
Lekcja 5. Strona 1 z 12 Analiza Statystyczna Do analizy statystycznej wykorzystać można wbudowany w MS Excel pakiet Analysis Toolpak. Jest on instalowany w programie Excel jako pakiet dodatkowy. Oznacza
Bardziej szczegółowoKombinacja jądrowych estymatorów gęstości w klasyfikacji - zastosowanie na sztucznym zbiorze danych
Kombinacja jądrowych estymatorów gęstości w klasyfikacji - zastosowanie na sztucznym zbiorze danych Mateusz Kobos, 07.04.2010 Seminarium Metody Inteligencji Obliczeniowej Spis treści Opis algorytmu i zbioru
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 szczegółowo