Zmienność przestrzenna uwilgotnienia hydrofobowej gleby organicznej w warunkach przepływu preferencyjnego
|
|
- Krystian Orłowski
- 7 lat temu
- Przeglądów:
Transkrypt
1 MIDDLE POMERANIAN SCIENTIFIC SOCIETY OF THE ENVIRONMENT PROTECTION ŚRODKOWO-POMORSKIE TOWARZYSTWO NAUKOWE OCHRONY ŚRODOWISKA Annual Set The Environment Protection Rocznik Ochrona Środowiska Volume/Tom 16. Year/Rok 14 ISSN X Zmienność przestrzenna uwilgotnienia hydrofobowej gleby organicznej w warunkach przepływu preferencyjnego 1. Wstęp Edyta Hewelke, Jan Szatyłowicz, Tomasz Gnatowski, Ryszard Oleszczuk Szkoła Główna Gospodarstwa Wiejskiego, Warszawa Celem prezentowanych badań jest próba oceny zmienności przestrzennej uwilgotnienia gleb torfowo-murszowych w warunkach występowania przepływu preferencyjnego wywołanego hydrofobowością [1, ]. Badania prowadzono na obiekcie Kuwasy położonym w Środkowym Basenie Biebrzy, gdzie wykonane ponad 5 lat temu melioracje spowodowały obniżenie uwilgotnienia występujących tu gleb torfowych intensyfikując proces murszenia oraz wzrost hydrofobowości. Istotnymi efektami hydrofobowości jest niestabilny front zwilżania, powiększenie zmienności przestrzennej uwilgotnienia gleby, przepływ preferencyjny oraz kumulacja i emisja gazów biogennych. Zjawiska te niekorzystnie wpływają na bilans wodny gleby prowadząc do postępującej degradacji środowiska. Właściwe rozpoznanie procesów przestrzennych stanowi kluczowy warunek do podejmowania racjonalnych działań rekultywacyjnych i zrównoważonego użytkowania gleb [1, 14, 19]. Z powyższych względów ocena hydrofobowości i jej wpływ na zmienność przestrzenną uwilgotnienia jest ważnym obszarem badań zarówno z punktu ochrony zasobów naturalnych jak i produkcji rolniczej [4, 7, 1, ]. Zagadnienia związane ze zmiennością przestrzenną właściwości fizycznych gleb torfowo-murszowych były prowadzone m. in. przez Brandyka i in. [], Gnatowskiego i in. [6], Oleszczuka [17], Szatyłowicza i in. [1] i Waniek i in. [3].
2 Zmienność przestrzenna uwilgotnienia hydrofobowej gleby organicznej 581. Materiał i metodyka badań Badania zmienności przestrzennej uwilgotnienia przeprowadzono w glebie torfowo murszowej występującej na obiekcie Wykowo (Kuwasy) łąka zagospodarowana, Mt III cb. Szczegółowy opis właściwości fizycznych badanego profilu wraz z oceną zwilżalności przedstawiono w tabeli 1. Właściwości fizyczne gleby są porównywalne z parametrami odwodnionych gleb torfowych w Polsce [18]. Wartości kąta zwilżania dla wybranych utworów określono metodami pośrednimi [11, 13, 4, 5]. Badania zmienności uwilgotnienia gleby przeprowadzono na obszarze o powierzchni 1 m w dwóch terminach pomiarowych. Zarówno w pierwszym, jak i w drugim terminie pomiarowym obszar objęty badaniami podzielono na regularną siatkę kwadratów. W pierwszym, na powierzchni gleby zainstalowano metalową ramę (1 m x 1 m) i wykonano nawodnienie powierzchniowe o dawce wody wynoszącej 6 mm. Po dwóch godzinach procesu infiltracji pobrano próbki gleby w węzłach siatki o wymiarach 1,5 na 1,5 cm z pięciu następujących poziomów: 5 1; 15 ; 5 35; 35 4 i 45 5 cm. Z każdej warstwy pobrano 64 próbki, a łączna ilość pobranych próbek wynosiła 3. W drugim terminie na powierzchni 1 m pobierano próbki w węzłach siatki o wymiarach 1 na 1 cm z czterech głębokości: 5 1, 15, 5 3 i 45 5 cm. Z każdej warstwy pobrano po 1 próbek, a ich łączną ilość wynosiła 4. Pomiary wykonane w drugim terminie poprzedziły intensywne opady deszczu, które wystąpiły po uprzednim przesychaniu profilu. W obydwu terminach pomiarowych próbki pobierano do metalowych cylindrów o objętości 1 cm 3. Wilgotność objętościową gleby określono metodą suszarkowo-wagową.
3 Tabela 1. Charakterystyka badanych warstw glebowych Table. 1. Characteristic of measured soil layers Głębokość [cm] Rodzaj murszu/torfu St. Rozkładu Gęstość [g cm -3 ] Popielność [%sm] Porowatość [% obj] Kąt zwilżania [ o ] Letey Malik 1 mursz darniowy Z3,338 16, 79,5 74,35 89, mursz gruzełkowaty Z,7 15,3 83,7 71,71 88, torf olesowy R3,156 11,8 9, 74,1 88, torf szuwarowy R3,17 11,8 9, 69,4 87,95
4 Zmienność przestrzenna uwilgotnienia hydrofobowej gleby organicznej 583 Do analizy zmienności uwilgotnienia w profilu gleby torfowomurszowej zastosowano procedury geostatystyczne. W badaniach gleboznawczych przyjmuje się na ogół pewien stopień stacjonarności zmiennej Z, zwany stacjonarnością wewnętrzną (intrinsic hypothesis). W takim przypadku zakłada się, że nawet jeżeli wariancja Z nie jest skończona, to wariancja przyrostów Z jest skończona i przyrosty te mają stacjonarność drugiego rzędu [3]: Z x h Zx mh Z x h Zx h E (1) var () gdzie: m i funkcje odległości h pomiędzy dwoma punktami (nie są funkcjami x), E operator wartości oczekiwanej, var operator wariancji. W geostatystyce funkcja zwana jest wariogramem lub semiwariogramem i można ją zdefiniować w przypadku badań prowadzonych w przekroju pomiarowym, jako [6]: h.5 EZ x h Zx (3) Funkcja semiwariancji jest miarą podobieństwa lub różnicy pomiędzy wartościami w punktach obserwacji przy danej odległości x. Relacje pomiędzy parami wartości w punktach oddalonych o h są wyrażone, jako wariancje różnic pomiędzy tymi parami wartości (rys. 1): 1 ˆ h Z xi Zxi h (4) n h n h i1 gdzie: semiwariancja, n liczba obserwacji, h odległość pomiędzy obserwacjami, Z wartość zmiennej.
5 584 Edyta Hewelke, Jan Szatyłowicz, Tomasz Gnatowski, Ryszard Oleszczuk Wartość semiwariancji jest podstawowym parametrem określającym zróżnicowanie przestrzenne pomiędzy dowolną parą punktów w odległości h. Z 1 Z Z 3 Z 4 Z 5 Z 6 Z 7 Z i Z n h=1 x 1 x x 3 x 4 x 5 x 6 x 7 x i x n h= h=3 Rys. 1. Ocena semiwariancji na podstawie pomiarów wzdłuż przekroju pomiarowego między punktami Fig. 1. Score semivariance as measured along the measuring section (Z value characteristic, x position along the cross section, h the distance between the points) W celu określenia zależności przestrzennej dwóch regionalizowanych cech stosuje się kroswariogram, którego estymację, w przypadku pomiarów prowadzonych wzdłuż przekroju, dokonuje się na podstawie formuły [7]: 1 N h ˆ h1 ˆ h z xi z xi h z xi z xi h (5) N h i1 gdzie: z 1 (x 1 ), z 1 (x ),..., z 1 (x n ) pomierzone wartości cechy pierwszej zlokalizowane w punktach pomiaru x 1, x,..., x n, z (x 1 ), z (x ),..., z (x n ) pomierzone wartości cechy drugiej zlokalizowane w punktach pomiaru x 1, x,..., x n. Umieszczając na osi rzędnych wartości, a na osi odciętych h, uzyskujemy wykres zwany semiwariogramem. Istnieją dwa zasadnicze rodzaje wariogramów [3]. Pierwszy z nich charakteryzuje się tym, że wartość wariancji rośnie wraz ze wzrostem odległości h do pewnej wartości maksymalnej, przy której pozostaje stała wraz ze wzrostem h. Wariogram taki pokazany jest na rys. a. Po początkowym wzroście wartości, osiąga ona dla odległości a wartość stałą odpowiadającą wariancji C +C ( sill ). Odległość ta zwana jest zasięgiem wariogramu i określa
6 Zmienność przestrzenna uwilgotnienia hydrofobowej gleby organicznej 585 limit korelacji przestrzennej zmiennej Z = C + C. Zmienna Z mająca wariogram tego rodzaju jest nie tylko stacjonarna wewnętrznie, lecz również sama ma stacjonarność drugiego rzędu. Z definicji semiwariogramu wynika, że () =, lecz przy wyrównywaniu danych eksperymentalnych często zdarza się, że dla wartości h bliskich zeru równa jest wartości C (rys. a). Jest to tzw. efekt samorodka ( nugget effect ) wynikający z nieciągłości zmiennej Z (w przypadku pobrania samorodka do próbki, inne próbki nawet pobrane blisko siebie będą różniły się stopniem koncentracji danego składnika). a) b) a Semiwariancja zasięg Odległość nugget sill C C Semiwaraincja C Odległość Rys.. Wariogram ze zdefiniowanym zakresem korelacji przestrzennej (a) i bez zdefiniowanego zakresu korelacji przestrzennej (b) Fig.. Variogram of the spatial correlation of the defined range (a) and without a defined range of spatial correlation (b) Efekt samorodka może również powstać w przypadku, gdy zmienność przestrzenna wartości cechy Z występuje na odległościach znacznie mniejszych niż najmniejsza odległość, na jakiej pobierane były próbki, bądź też wynika z dokładności wykonywania pomiarów danej charakterystyki. W drugim typie wariogramów wariancja (h) jest funkcją rosnącą bez ograniczeń (rys. b). W tym przypadku trudno określić zasięg korelacji przestrzennej danej cechy. W praktyce punkty wariogramu obliczone na podstawie danych pomiarowych wykazują pewien rozrzut i powinny być wyrównane jedną z przyjętych klas funkcji. Funkcję semiwariancji można opisać różnymi modelami [15], z których najczęściej wykorzystuje się model sferyczny:
7 586 Edyta Hewelke, Jan Szatyłowicz, Tomasz Gnatowski, Ryszard Oleszczuk a h C C h a h a h a h C C h (6) oraz model liniowy: a h C C h a h a h C C h (7) W przypadku pomiarów wykonywanych w siatce pomiarowej, funkcję semiwariancji oblicza się z następujących wzorów [6]: q n j p m i q j p i z j i z q n p m q p 1 1,, 1, ˆ (8a) n q j q m i q j p i z j i z q n p m q p 1 1,, 1, ˆ (8b) gdzie: m liczba wierszy, n liczba kolumn, p, q odległość między punktami pomiarowymi odpowiednio w wierszach i kolumnach, z(i, j) wartość badanej cechy w i-tym wierszu i j-tej kolumnie. Podobne wzory wykorzystuje się w przypadku kroswariogramów, które opisują zależność pomiędzy dwiema właściwościami gleby.
8 Zmienność przestrzenna uwilgotnienia hydrofobowej gleby organicznej Wyniki badań uwilgotnienia i zapasów wody Wyniki pomiarów wilgotności opracowano statystycznie, obliczając wartość minimalną, maksymalną, średnią arytmetyczną, środkową, wariancję, współczynnik zmienności CV (procentowy stosunek odchylenia standardowego do wartości średniej arytmetycznej), [8]. Obliczone wartości dla poszczególnych warstw zestawiono w tabelach i 3 odpowiednio w pierwszym pomiarze po nawodnieniu powierzchniowym i w drugim terminie pomiarowym mającym miejsce po naturalnych opadach deszczu. Analizując wyniki pomiarów z pierwszego terminu, można stwierdzić, że największe uwilgotnienie gleby (71,7%) obserwowano w warstwie 45 5 cm, a najniższe (54%) w warstwach 15 i 5 3 cm. Największą zmiennością uwilgotnienia (największe wartości CV) charakteryzowały się warstwy murszu na głębokości 15 3 cm. W przypadku pomiarów wykonanych w drugim terminie uwilgotnienie warstwy torfu olesowego (45 5 cm) było największe, a warstwy murszu znajdujące się na głębokości 15 3 cm charakteryzowały się najmniejszą wilgotnością. Z wyjątkiem warstwy torfu (45 5 cm) uwilgotnienie profilu glebowego w I terminie było większe od uwilgotnienia pomierzonego w II terminie (tabela i 3). Porównując wartości współczynnika zmienności (CV) zestawione w tabelach i 3, można stwierdzić, że zmienność uwilgotnienia w profilu po intensywnych opadach deszczu była większa w porównaniu ze zmiennością, jaką zarejestrowano po nawodnieniu. Badania przepływu preferencyjnego występującego po deszczu poprzedzonego okresem suszy przedstawiono w pracy Hewelke i in. 14. Największą zmienność uwilgotnienia na rozpatrywanym obiekcie wykazywała warstwa druga (15 cm), dla której wartości CV wyniosły odpowiednio 1,4% i 5,7%. Oceniając zmienność uwilgotnienia na podstawie klasyfikacji zaproponowanej przez Marcinka [14] można stwierdzić, że uwilgotnienie warstw murszu w badanym profilu glebowym jest średnio i mało zmienne (CV 3%), natomiast warstwy torfu wykazują małą zmienność (CV 1%).
9 588 Edyta Hewelke, Jan Szatyłowicz, Tomasz Gnatowski, Ryszard Oleszczuk Tabela. Wyniki badań wilgotności w węzłach siatki (I termin) Table. The results of measurement of the soil moisture in the grid nodes (I term) Statystyka Jednostki Głębokość [cm] Liczba próbek Średnia Mediana Minimum Maksimum Wariancja CV [% obj ] [% obj ] [% obj ] [% obj ] [% obj ] [%] 66,66 67,4 58,73 69,78 6,96,6 54,37 53,67 35,96 71,11 1,35 1,4 54,54 55,14 4,57 67,47 4,3 6,45 6,86 6,93 46,14 67,68,55 4,5 71,73 7,61 59,46 78,19 16,98 4,8 Tabela 3. Wyniki badań wilgotności w węzłach siatki (II termin) Table 3. The results of measurements of the soil moisture in the grid nodes (II term) Statystyka Jednostki Głębokość [cm] Liczba próbek Średnia Mediana Minimum Maksimum Wariancja CV [% obj ] [% obj ] [% obj ] [% obj ] [% obj ] [%] 5,1 54,31 7,4 68,51 15,7 1,5 4,16 38,7 9,38 73,17 117,1 5,7 51,91 51,57 41,19 65,47 8,9 1,4 73,73 74,81 49,11 83,3 34,7 8,
10 Zmienność przestrzenna uwilgotnienia hydrofobowej gleby organicznej 589 Obliczenia zapasów przeprowadzono dla poszczególnych punktów pomiarowych zlokalizowanych w węzłach siatki, a ich wyniki wraz z podstawowymi miarami statystycznymi przedstawiono w tabeli 4. Uzyskane wyniki pozwalają stwierdzić, że wielkość zapasów wody w,5 m warstwie gleby charakteryzuje się dużą zmiennością przestrzenną, np. różnica pomiędzy wartością maksymalną i minimalną zapasów dla pomiarów wykonanych w I terminie przekracza 66 mm. Obserwowana zmienność może mieć istotne znaczenie przy ocenie aktualnych zasobów wodnych profilu glebowego. Tabela 4. Wyniki obliczeń zapasów wody w.5 m warstwie gleby Table 4. The results of calculations of water supplies in the.5 m soil layer Statystyka Jednostki I termin II termin Liczba próbek 64 1 Średnia Mediana Minimum Maksimum Wariancja CV [mm] [mm] [mm] [mm] [mm] [%] 39,6 7,1 176,7 4,9 573,1 9,99 4. Wpływ wielkości obszaru próbkowania na ocenę zmienności uwilgotnienia 77,4 33,7 7,8 7,7 568,6 8,59 W celu oceny wpływu wielkości obszaru próbkowania na zmienność uwilgotnienia przeprowadzono obliczenia, które polegały na podzieleniu całkowitej powierzchni próbkowania na szereg mniejszych obszarów, o różnych powierzchniach, według schematów przedstawionych na rys. 3. W obrębie mniejszych powierzchni obliczono wilgotność średnią i współczynnik zmienności (CV), wykorzystując dane pochodzące z punktów pomiarowych objętych odpowiednią powierzchnią obszaru próbkowania. Obliczenia przeprowadzono dla danych pochodzących z obu terminów pomiarowych. Wyniki obliczeń zależności wilgotności średniej oraz współczynnika zmienności (CV) od powierzchni obszaru próbkowania przedstawiono na rys. 4 i 5.
11 59 Edyta Hewelke, Jan Szatyłowicz, Tomasz Gnatowski, Ryszard Oleszczuk a) b) Y F=1 m F=.5 m 1..5 Y F=1 m F=.5 m 1..5 n=64 n=3 1. n=1 n= X F=.5 m F=.65 m.1.1 X F=.5 m F=.5 m n=16 n=4.5.5 n=5 n= Rys. 3. Podział obszaru próbkowania na mniejsze powierzchnie dla I (a) i II terminu pomiarowego (b) (wymiary w m, F powierzchnia, n liczba próbek) Fig. 3. Division of the area into smaller sampling areas for I (a) and II measuring period (b) (dimensions in meters, F surface, n number of samples)
12 Zmienność przestrzenna uwilgotnienia hydrofobowej gleby organicznej 591 Rys. 4. Zależność uwilgotnienia w badanych warstwach gleby od powierzchni próbkowania dla dwóch terminów pomiarowych: O I, II Fig. 4. Soil moisture in the layers for the soil sampling surface for the two measurement terms: O I, II
13 59 Edyta Hewelke, Jan Szatyłowicz, Tomasz Gnatowski, Ryszard Oleszczuk Rys. 5. Zależność współczynnika zmienności uwilgotnienia w badanych warstwach gleby od powierzchni próbkowania dla dwóch terminów pomiarowych: O I, II Fig. 5. Dependence of the coefficient of variation in the analyzed soil moisture from the layers of soil sampling surface for the two measurement terms: O I, II Zależność pomiędzy wilgotnością a powierzchnią próbkowania (rys. 4) wykazuje, że wraz ze wzrostem powierzchni próbkowania dyspersja wyników pomiaru ulega zmniejszeniu, a rozrzuty są symetryczne. Zależności pomiędzy współczynnikiem zmienności wilgotności a powierzchnią próbkowania (rys. 5) wykazują, że największe wartości zmienności obserwowano w wierzchnich warstwach gleby (CV ok. 4% dla warstwy 5 1 cm). Porównując zmienności pomiędzy pomiarami zaobserwowano większe wartości CV dla wariantu z nawodnieniem w dwóch wierzchnich warstwach.
14 Zmienność przestrzenna uwilgotnienia hydrofobowej gleby organicznej Ocena zmienności przestrzennej uwilgotnienia Do prawidłowego oszacowania semiwariancji niezbędne jest zapewnienie stacjonarności zmiennych, czego kryterium jest stałość właściwości zmiennej przy zmianie początku skali przestrzennej. Aby zagwarantować stacjonarność zmiennych, konieczne jest zapewnienie ich rozkładu normalnego i homogeniczności wariancji [8]. W celu sprawdzenia warunków stacjonarności dla wyników pomiarów uwilgotnienia, przeprowadzono analizę trendu (zmienności systematycznej). 8 a) b) Wilgotność [%obj.] Głębokość [cm]: Numer kolumny Numer kolumny Rys. 6. Średnie wartości wilgotności gleby w poszczególnych kolumnach dla pomiarów wykonanych w terminie I (a) i w II terminie (b) Fig. 6. Average soil moisture values in related columns for measurements made within I (a) and II (b) term W analizie tej dla danej wilgotności objętościowej (Z) w punkcie pomiarowym (węźle siatki) przydzielono dwa następujące identyfikatory: indeks i charakteryzujący dany numer kolumny oraz indeks j charakteryzujący dany numer wiersza. Następnie obliczono wartości średnie wilgotności dla poszczególnych kolumn, dla dwóch terminów pomiarowych (rys. 6), które wskazują, że istnieje liniowa zależność pomiędzy średnimi wartościami wilgotności w kolumnach, a numerem kolumny, co sugeruje występowanie systematycznej zmienności. Występowanie trendu szczególnie widoczne jest w warstwach 5 i 5 3 cm w pomiarach wykonanych w terminie I (rys. 6a), oraz w warstwach 5 1 i 5 3 cm (rys. 6b) w terminie II. W celu eliminacji trendu wykorzystano nieparame-
15 594 Edyta Hewelke, Jan Szatyłowicz, Tomasz Gnatowski, Ryszard Oleszczuk tryczną analizę danych [5]. Obliczenia polegały na określeniu tzw. wartości resztkowych. W pierwszym etapie obliczono wartości resztkowe pierwszego rodzaju, korzystając z następującej formuły: r z z (9) ( i, j) ( i, j) m(..., j) gdzie: r (i,j) wartość resztkowa w punkcie (i, j), z (i,j) wartość pomiarowa wilgotności objętościowej w punkcie (i, j), z m(...,j) środkowa wartość w danym wierszu j. Następnie obliczono nowe wartości resztek (resztki drugiego rodzaju), jako: s r r (1) ( i, j) ( i, j) m( i,...) gdzie: s (i,j) nowa wartość resztkowa w punkcie (i, j), r m(i,...) środkowa wartość w kolumnie i poprzednio obliczonych wartości resztkowych r (i,j). Obliczone średnie wartości resztek (drugiego rodzaju, s (i,j) ) dla poszczególnych kolumn dla dwóch terminów pomiarowych (rys. 7), pozwalają stwierdzić, że nie występuje zmienność systematyczna wartości resztek, co świadczy o tym, że metoda eliminacji trendu [5] okazała się skuteczna. Sprawdzenie warunku stacjonarności zmiennych przeprowadzono za pomocą metody split - window [16]. Metoda ta polega na sprawdzeniu korelacji pomiędzy wartościami median i kwadratami różnic 75% i 5% kwartyli (IQ) określonych w tzw. oknach (ciągach o mniejszej liczbie wyrazów). Brak zależności pomiędzy wartościami median w poszczególnych oknach, a wartościami IQ świadczy o stacjonarności badanej zmiennej (braku trendu). W celu sprawdzenia warunku stacjonarności siatkę pomiarową podzielono na okna, do których należały obserwacje wykonane w poszczególnych kolumnach. W każdym (terminie I i terminie II) oknie dla wartości resztkowych drugiego rodzaju (s(i,j)) obliczano wartości mediany oraz IQ, dla których opracowano równania regresji.
16 Zmienność przestrzenna uwilgotnienia hydrofobowej gleby organicznej 595 Resztki [%obj.] a) b) Głębokość [cm]: Numer kolumny Numer kolumny Rys. 7. Średnie wartości resztek wilgotności gleby w poszczególnych kolumnach dla pomiarów wykonanych w terminie I (a) i terminie II (b) Fig. 7. Mean values of residual soil moisture in related columns for measurements made within I (a) and II (b) term Badania stacjonarności resztek metodą split - window oraz dystrybuanty rozkładu normalnego (rys. 8 i 9) wykazują, że po dokonaniu eliminacji trendu obserwuje się stosunkowo słabą zależność pomiędzy wartościami mediany i wartościami IQ, co świadczy o spełnieniu warunku stacjonarności. Wykonana eliminacja trendu zapewniła również rozkład normalny wartości resztek uwilgotnienia. Semiwariancję i kroswariancję dla wartości resztek uwilgotnienia obliczono, korzystając ze wzorów (8a) i (8b), a następnie wyrównano je modelem sferycznym (6) lub liniowym (7). Parametry modeli semiwariogramów i kroswariogramów określono wyrównując obliczone wartości semiwariancji i kroswariancji metodą najmniejszych kwadratów z wykorzystaniem wag do oceny, których wykorzystano liczbę par obserwacji. Zestawione wyniki badań pozwoliły wnioskować, że pomiary uwilgotnienia gleby wykonane po nawodnieniu wykazują znacznie lepszą korelację przestrzenną (tabela 5) w porównaniu z wynikami badań wykonanymi po opadach deszczu (tabela 6). W przypadku pomiarów wykonanych w I terminie jedynie dla warstwy 35 4 cm nie udało się określić limitu korelacji przestrzennej (a), natomiast uwilgotnienie gleby mierzone w II terminie wykazywało korelację przestrzenną jedynie w warstwie 15 cm.
17 596 Edyta Hewelke, Jan Szatyłowicz, Tomasz Gnatowski, Ryszard Oleszczuk a) IQ Prawdopodobieństwo [%] b) IQ IQ c) d) IQ e) IQ Prawdopodobieństwo [%] Prawdopodobieństwo [%] Prawdopodobieństwo [%] Prawdopodobieństwo [%] Mediana Resztki [%obj.] Rys. 8. Zależności pomiędzy wartością środkową resztek uwilgotnienia, a kwadratem różnicy górnego i dolnego kwartyla (IQ ) oraz rozkłady prawdopodobieństwa wartości resztek uwilgotnienia w warstwach: 5 1 cm (a), 15 cm (b), 5 3 cm (c), 35 4 cm (d) i 45 5 cm (e) na podstawie wyników pomiarów wykonanych w terminie I Fig. 8. The relation between the middle residual moisture of the value and the square of the difference of the upper and lower quartiles (IQ) and the probability distributions of the residual moisture value in the layers: 5 1 cm (a), 15 cm (b), 5 3 cm (c), 35 4 cm (d) and 45 5 cm (e) based on the results of I term
18 Zmienność przestrzenna uwilgotnienia hydrofobowej gleby organicznej 597 a) IQ Prawdopodobieństwo [%] b) IQ IQ c) Prawdopodobieństwo [%] Prawdopodobieństwo [%] IQ d) Mediana Prawdopodobieństwo [%] Resztki [%obj.] Rys. 9. Zależności pomiędzy wartością środkową resztek uwilgotnienia, a kwadratem różnicy górnego i dolnego kwartyla (IQ ) oraz rozkłady prawdopodobieństwa wartości resztek uwilgotnienia w warstwach: 5 1 cm (a), 15 cm (b), 5 3 cm (c) i 45 5 cm (d) na podstawie wyników pomiarów wykonanych w terminie II Fig.9. The relation between the middle residual moisture of the value, and the square of the difference of the upper and lower quartiles (IQ) and the probability distributions of the residual moisture value in the layers: 5 1 cm (a), 15 cm (b), 5 3 cm (c) and 45 5 cm (d) based on the results of II term
19 598 Edyta Hewelke, Jan Szatyłowicz, Tomasz Gnatowski, Ryszard Oleszczuk Tabela 5. Wartości współczynników modeli semiwariogramów opisujących wartości resztek uwilgotnienia dla pomiarów wykonanych w terminie I Table 5. Coefficients describing the model semivariograms of the residual moisture value for I term Głębokość [cm] Typ semiwariogramu liniowy sferyczny sferyczny liniowy liniowy Parametry C [% obj ] C [% obj ] a [cm] 1,19 37,8 7,98 17,5 8,57,71 41,4,8 5,44 158, 8,5 76, 189, Tabela 6. Wartości współczynników modeli semiwariogramów opisujących wartości resztek uwilgotnienia dla pomiarów wykonanych w terminie II Table 6. Coefficients describing the model semivariograms of the residual moisture value for II term Głębokość [cm] Typ semiwariogramu liniowy sferyczny liniowy liniowy Parametry C [% obj ] C [% obj ] a [cm] 9, 64,5 18,8 3,,3 79,3 Dla niektórych wartości semiwariancji wyrównanych modelem liniowym nie było możliwe określenie limitu korelacji przestrzennej, co oznacza, że dla wilgotności aktualnej semiwariancja jest stała i jest niezależna od odległości (rys. 1 i 11).
20 Zmienność przestrzenna uwilgotnienia hydrofobowej gleby organicznej 599 a) 1 b) Semiwariancja [%] 8 4 pomiar wyrównanie c) 1 d) Semiwariancja [%] 8 4 e) Odległość [cm] Semiwariancja [%] Odległość [cm] Rys. 1. Pomierzone i wyrównane modelami semiwariogramy wartości uwilgotnienia w warstwach: 5 1 cm (a), 15 cm (b), 5 3 cm (c), 35 4 cm (d) i 45 5 cm (e) na podstawie wyników pomiarów wykonanych w terminie I Fig. 1. Measured and leveled by semivariogram models values of moisture in the layers of 5 1 cm (a), 15 cm (b), 5 3 cm (c), 35 4 cm (d), and 45 5 cm (e) the from measurements made within the I term
21 6 Edyta Hewelke, Jan Szatyłowicz, Tomasz Gnatowski, Ryszard Oleszczuk a) 1 b) Semiwariancja [%] 8 4 pomiar wyrównanie c) 1 d) Semiwariancja [%] Odległość [cm] Odległość [cm] Rys. 11. Pomierzone i wyrównane modelami semiwariogramy wartości uwilgotnienia w warstwach: 5 1 cm (a), 15 cm (b), 5 3 cm (c) i 45 5 cm (d) na podstawie wyników pomiarów wykonanych w terminie II Fig. 11. Measured and leveled by semivariogram models values of moisture in the layers of 5 1 cm (a), 15 cm (b), 5 3 cm (c), 45 5 cm (d) the from measurements made within the II term Pomierzone i wyrównane modelami kroswariogramy, określone dla wartości resztek wilgotności objętościowej między poszczególnymi warstwami, przedstawiono na rys. 1 i 13, a obliczone parametry kroswariogramów w tabelach 7 i 8. Z prezentowanych danych wynika, że zarówno po nawodnieniu, jak i po intensywnych opadach deszczu istnieje zależność rozkładu uwilgotnienia między poszczególnymi warstwami murszu (do 3 cm) i może być opisana przy pomocy modelu sferycznego. Limit korelacji przestrzennej uwilgotnienia w tych warstwach zawiera się w przedziale od 54,3 cm do 75,8 cm. W badanym profilu glebowym nie zaobserwowano korelacji przestrzennej pomiędzy uwilgotnieniem w warstwach murszu i torfu.
22 Zmienność przestrzenna uwilgotnienia hydrofobowej gleby organicznej 61 a) Kroswariancja [%] c) Kroswariancja [%] pomiar wyrównanie Odległość [cm] b) d) Odległość [cm] Rys. 1. Pomierzone i wyrównane modelami kroswariogramy wartości uwilgotnienia w warstwach: 5 1 i 15 cm (a), 15 i 5 3 cm (b), 5 3 i 35 4 cm (c), 35 4 i 45 5 cm (d) na podstawie wyników pomiarów wykonanych w I terminie Fig. 1. Measured and corrected by cross variogram models values of moisture in layers 5 1 and 15 cm (a), 15 and 5 3 cm (b), 5 3, and 35 4 cm (c), 35 4, and 45 5 cm (d) based on the results carried out in I term Tabela 7. Wartości współczynników modeli kroswariogramów opisujących wartości resztek uwilgotnienia dla pomiarów wykonanych w I terminie Table. 7. Cross variogram model coefficients describing the value of residual moisture for the I term Warstwy [cm] Typ semiwariogramu Parametry C [% obj ] C [% obj ] a [cm] 5 1 i i i i 45 5 sferyczny sferyczny liniowy liniowy,,,5 5, 4,44 6,8 75,8 68,9
23 6 Edyta Hewelke, Jan Szatyłowicz, Tomasz Gnatowski, Ryszard Oleszczuk a) Kroswariancja [%] c) Kroswariancja [%] pomiar wyrównanie Odległość [cm] b) Odległość [cm] Rys. 13. Pomierzone i wyrównane modelami kroswariogramy wartości uwilgotnienia w warstwach: 5 1 i 15 cm (a), 15 i 5 3 cm (b), 5 3 i 45 5 cm (c) na podstawie wyników pomiarów wykonanych w II terminie Fig. 13. Measured and corrected by cross variogram models values of moisture in layers 5 1 and 15 cm (a), 15 and 5 3 cm (b), 5 3 and 45 5 cm (d) based on the results carried out in II term Tabela 8. Wartości współczynników modeli kroswariogramów opisujących wartości resztek uwilgotnienia dla pomiarów wykonanych w II terminie Table. 8. Cross variogram model coefficients describing the value of residual moisture for the II term Warstwy [cm] Typ semiwariogramu Parametry C [% obj ] C [% obj ] a [cm] 5 1 i i i 45 5 sferyczny sferyczny liniowy 6,8 11,4 -,5 1,3 1,35 54,3 6,3
24 Zmienność przestrzenna uwilgotnienia hydrofobowej gleby organicznej Wnioski 1. Zmienność przestrzenna uwilgotnienia gleby po nawodnieniu i po intensywnych opadach poprzedzonych okresem suszy, w profilu hydrofobowej gleby torfowo-murszowej z obiektu Wykowo wykazała stosunkowo słabą korelację przestrzenną. Maksymalny zasięg korelacji przestrzennej (189 cm) wilgotności gleby obserwowano w warstwie torfu dla wyników pomiarów wykonanych po nawodnieniu. Obserwuje się stosunkowo duży udział zmienności losowej w całkowitej wariancji uwilgotnienia oraz słabą korelację przestrzenną uwilgotnienia pomiędzy poszczególnymi warstwami profilu glebowego. Uzyskane wyniki świadczą o tym, że w hydrofobowej glebie torfowomurszowej, w warunkach wystąpienia preferencyjnego przepływu wody, przestrzenny rozkład uwilgotnienia ma charakter losowy.. Analiza współczynnika zmienności CV pozwala stwierdzić, że zmienność uwilgotnienia po intensywnych opadach deszczu, które wystąpiły po długim okresie bezopadowym była większa niż po nawodnieniu. Obserwowana zmienność jest związana z hydrofobowością murszu klasyfikowanego przy wilgotności mniejszej niż 5% jako mocno niezwilżalny. 3. Analiza zależności pomiędzy wilgotnością a powierzchnią próbkowania wykazuje, że wraz ze wzrostem powierzchni próbkowania dyspersja wyników ulega zmniejszeniu, a rozrzuty są symetryczne. Zależność pomiędzy współczynnikiem CV a powierzchnią próbkowania wykazuje, że największe wartości zmienności wystąpiły w wierzchniej warstwie badanej gleby (CV =4%). Zgodnie z zaleceniami hydrofobowość powinna być brana pod uwagę przy symulacji przepływu wody w glebie i transporcie substancji rozpuszczonej, koniecznością więc staje się dalsze rozpoznanie zjawiska hydrofobowości w glebach organicznych.
25 64 Edyta Hewelke, Jan Szatyłowicz, Tomasz Gnatowski, Ryszard Oleszczuk Literatura 1. Berglund K., Persson L.: Water repellence of cultivated organic soils. Acta Agriculture Scandinavica. Section B Soil and Plant Science (1996).. Brandyk T., Gnatowski T., Szatyłowicz J.: Spatial variability of some physical properties of decomposed lowland peat soil. Proceedings of 1 th International Peat Congress, 7 May- June, Bremen (ed. G.W. Luttig), vol., (1996). 3. Brandyk T., Skąpski K., Szatyłowicz J.: Zmienność przestrzenna właściwości fizycznych gleby. W: Współczesne problemy melioracji (red. C. Somorowski), Wyd. SGGW, (1993). 4. Comas, X., Slater L., Reeve A.: Spatial variability in peat soils is revealed by ground penetrating radar (GPR). Geophysical Research Letters. 3: L Emerson J.D., Wong G.Y.: Resistant non-additive fit for two way tables. In: Exploring Data Tables, Trends and Shapes. John Wiley and Sons. N.Y (1985). 6. Gnatowski T., Szatyłowicz J., Brandyk T., Oleszczuk R.: Spatial variability of hydraulic properties in moorsh layer. Proceedings of the 11 th International Peat Congress. Quebec. August 6 1, v., (). 7. Goebel M., O., Bachmann J., Reichstein, M. Janssens I. A., Guggenberger G., Soil water repellency and its implications for organic matter decomposition is there a link to extreme climatic events? Global Change Biology. 17: (11). 8. Hamlett J.M., Horton R., Cressie N.A.C.: Resistant and exploratory techniques for use in semivariogram analysis. Soil Sci. Soc. Am. J., (1986). 9. Hewelke E., Szatyłowicz J., Gnatowski T., Oleszczuk R.: Effects of soil water repellency on moisture patterns in a degraded Sapric Histosol. Land Degradation & Development. 14. DOI: 1.1/ldr Jordán A., Zavala L. M., Mataix-Solera J., Doerr S. H.: Soil water repellency: Origin, assessment and geomorphological consequences. Catena, 18, 1 5 (13). 11. Letey J., Osborn J., Pelishek R.E.: Measurement of liquid-solid contact angles in soil and sand. Soil Sci. 93: (196). 1. Liberacki D.: Dynamika zmian stanów wód gruntowych i uwilgotnienia gleb siedlisk leśnych w zlewni cieku Hutka, Rocznik Ochrona Środowiska (Annual Set The Environment Protection), (11).
26 Zmienność przestrzenna uwilgotnienia hydrofobowej gleby organicznej Malik R.S., Kumar S., Dahiya I.S.: An approach to quick determination of some water transmission characteristics of porous media. Soil Sci., 137: (1984). 14. Marcinek J.: Parametryzacja środowiska glebowego w aspekcie gospodarki wodnej gleb. Problemy Agrofizyki. z 67: 5 (199). 15. McBratney A.B., Webster R.: Choosing functions for semi-variograms of soil properties and fitting them to sampling estimates. J. Soil. Sci., 37: (1986). 16. Mohanty B.P., Kanwar R.S., Horton R.: A robust-resistant approach to interpret spatial behavior of saturated hydraulic conductivity of a Glacial till soil under no-tillage system. Water Resour. Res., 7: (1991). 17. Oleszczuk R.; Gnatowski, T.; Brandyk, T., Szatylowicz, J.: Calibration of TDR for moisture content monitoring in moorsh layers. In Wetlands: Modeling, Monitoring, Management (ed. by T. Okruszko, E. Maltby, J. Szatyłowicz, D. Świątek, W. Kotowski, pp Taylor & Francis Group. London Oleszczuk R., Truba M.: The analysis of some physical properties of drained peat-moorsh soil layers. Annals of Warsaw University of Life Sciences SGGW. Land Reclamation 45: DOI: 1.478/sggw Piecuch T., Równanie Darcy jako podstawa analizy teoretycznej szczególnych przypadków procesu filtracji. Rocznik Ochrona Środowiska (Annual Set The Environment Protection), 11, (9).. Ritsrma C.J., Dekker L.W.: Influence of sampling strategy on detecting preferential flow paths in water repellent sand. J. Hydrol., 177, (1996). 1. Szatylowicz J., Gnatowski T., Szejba D., Oleszczuk R., Brandyk T., Kechavarzi C.: Moisture content variability in drained fen soil. In Wetlands: Modeling, Monitoring, Management (ed. by T. Okruszko, E. Maltby, J. Szatyłowicz, D. Świątek, W. Kotowski, Taylor & Francis Group. London 7.. Täumer K, Stoffregen H, Wessolek G.: Determination of repellency distribution using soil organic matter and water content. Geoderma 15, (5). 3. Waniek E., Sztyłowicz J., Brandyk T.: Moisture patterns In water repellent peat-moorsh soil. Roczniki Akademii Rolniczej w Poznaniu CCCX: (1999).
27 66 Edyta Hewelke, Jan Szatyłowicz, Tomasz Gnatowski, Ryszard Oleszczuk 4. Waniek E., Sztyłowicz J., Brandyk T.: Determination of soil-water contact angles in peat-moorsh soils by capillary rise experiments. Suo 51 (3): (). 5. Waniek E.: Wpływ zwilżalności na uwilgotnienie gleby torfowomurszowej. Praca doktorska. SGGW. Warszawa. 6. Webster R.: Quantitative spatial analysis of soil in the field. Advances in soil science, 3: 1 7 (1985). 7. Webster R., Oliver M.A.: Statistical methods in soil and land resource survey. Oxford University Press. 316 (199). 8. Wójcik A.R.: Statystyka matematyczna z elementami rachunku prawdopodobieństwa. Wyd. SGGW, Warszawa Abstract Spatial Variability in Soil Moisture Content under Preferential Flow in Hydrophobic Organic Soil Wettability is one of the most important peculiarities of soil and it directly influences their physical, mechanical, chemical, properties biological and their fertility. Soil water repellency can lead to the development of unstable wetting and preferential flow paths. Water flow and solute transport patterns are complex under such conditions. The existence of the water repellent layer can have negative influence on soil moisture content because it reduces the amount of water supplied from ground water level by capillary rise, infiltration from the soil surface and also for retention and therefore acts as a constraint in the restoration of drained peatlands by rewetting. That means that repellency can have significant influence on restoration, conservation and management of the peat resources. The paper presents the result of the spatial variability of soil moisture in a small area in a hydrophobic peat-muck profile located within Kuwasy drainage-subirrigation system at the Biebrza River Valley. Soil moisture variability study was carried out on an area of 1 m and.5 depth in the two measurement periods. The measurements were made in two versions: the first after artificial irrigation (6 mm) and the second after an intense rain. In both of measuring periods the study area was divided into a regular grid of squares. Spatial variability of the investigated traits was evaluated using parameters of the theoretical variogram and cross variogram models. The variability of soil moisture in the profile after intense rainfall was higher than after irrigation. The maximum range of the spatial correlation (189 cm) soil moisture was observed in the alder peat layer for measurements made after irrigation. The observed
28 Zmienność przestrzenna uwilgotnienia hydrofobowej gleby organicznej 67 variability is associated with high hydrophobicity of studied soil. The observed variability may be important in the assessment of current water resources of the soil profile. The relationship between water content and the surface of the sampling indicates that, following the increase of the sampling surface the dispersion of results gets smaller, and the distributions are symmetric. The relationship between the coefficient of variation CV and the surface sampling shows that most of the variability occurred in the top moorsh layer of soil tested (CV = 4%). To check the stationary conditions for soil moisture measurements, the analysis of the trend were made. Elimination of the trend also provided a normal distribution of residual moisture values. Semivariance and cross variance for residual moisture values were calculated, and then were leveled with spherical or linear model. From the presented data results that after irrigation as well as heavy rain falls there exists the relationship between the distribution of moisture muck individual layers (up to 3 cm) and can be described using a spherical model. The results show large spatial variability of the total variance of soil moisture and poor soil moisture spatial correlation between the different layers of the soil profile. Słowa kluczowe: semiwariogram, hydrofobowość, gleba torfowo-murszowa Key words: semivariogram, hydrophobisity, peat-muck soil
Ocena niezwilżalności w wybranych glebach organicznych saprowo-murszowych Evaluation of water repellency in selected Sapric Histosol
Przegląd Naukowy Inżynieria i Kształtowanie Środowiska nr 61, 2013: 281 289 (Prz. Nauk. Inż. Kszt. Środ. 61, 2013) Scientific Review Engineering and Environmental Sciences No 61, 2013: 281 289 (Sci. Rev.
Pomiary hydrometryczne w zlewni rzek
Pomiary hydrometryczne w zlewni rzek Zagożdżonka onka i Zwoleńka Hydrometric measurements in Zwoleńka & Zagożdżonka onka catchments Anna Sikorska, Kazimierz Banasik, Anna Nestorowicz, Jacek Gładecki Szkoła
Zamiana punktowych danych wilgotności objętościowej gleby na rozkłady powierzchniowe
Ewa Borecka-Stefańska, Amadeusz Walczak, Anna Daniel, Małgorzata Dawid, Grzegorz Janik Instytut Kształtowania i Ochrony Środowiska Centrum Kształcenia na Odległość Uniwersytet Przyrodniczy we Wrocławiu
The analysis of some physical properties of drained peat-moorsh soil layers
10.2478/sggw-2013-0004 Annals of Warsaw University of Life Sciences SGGW Land Reclamation No 45 (1), 2013: 41 48 (Ann. Warsaw Univ. of Life Sci. SGGW, Land Reclam. 45 (1), 2013) The analysis of some physical
STATYSTYKA OD PODSTAW Z SYSTEMEM SAS. wersja 9.2 i 9.3. Szkoła Główna Handlowa w Warszawie
STATYSTYKA OD PODSTAW Z SYSTEMEM SAS wersja 9.2 i 9.3 Szkoła Główna Handlowa w Warszawie Spis treści Wprowadzenie... 6 1. Podstawowe informacje o systemie SAS... 9 1.1. Informacje ogólne... 9 1.2. Analityka...
Rozdział 8. Regresja. Definiowanie modelu
Rozdział 8 Regresja Definiowanie modelu Analizę korelacji można traktować jako wstęp do analizy regresji. Jeżeli wykresy rozrzutu oraz wartości współczynników korelacji wskazują na istniejąca współzmienność
NAPRĘŻENIA ŚCISKAJĄCE PRZY 10% ODKSZTAŁCENIU WZGLĘDNYM PRÓBEK NORMOWYCH POBRANYCH Z PŁYT EPS O RÓŻNEJ GRUBOŚCI
PRACE INSTYTUTU TECHNIKI BUDOWLANEJ - KWARTALNIK 1 (145) 2008 BUILDING RESEARCH INSTITUTE - QUARTERLY No 1 (145) 2008 Zbigniew Owczarek* NAPRĘŻENIA ŚCISKAJĄCE PRZY 10% ODKSZTAŁCENIU WZGLĘDNYM PRÓBEK NORMOWYCH
STATYSTYKA MATEMATYCZNA WYKŁAD 3. Populacje i próby danych
STATYSTYKA MATEMATYCZNA WYKŁAD 3 Populacje i próby danych POPULACJA I PRÓBA DANYCH POPULACJA population Obserwacje dla wszystkich osobników danego gatunku / rasy PRÓBA DANYCH sample Obserwacje dotyczące
Akademia Morska w Szczecinie. Wydział Mechaniczny
Akademia Morska w Szczecinie Wydział Mechaniczny ROZPRAWA DOKTORSKA mgr inż. Marcin Kołodziejski Analiza metody obsługiwania zarządzanego niezawodnością pędników azymutalnych platformy pływającej Promotor:
ROZKŁAD WIELKOŚCI WYDZIELEŃ GRAFITU W GRUBYM ODLEWIE ŻELIWNYM
49/15 Archives of Foundry, Year 2005, Volume 5, 15 Archiwum Odlewnictwa, Rok 2005, Rocznik 5, Nr 15 PAN Katowice PL ISSN 1642-5308 ROZKŁAD WIELKOŚCI WYDZIELEŃ GRAFITU W GRUBYM ODLEWIE ŻELIWNYM J. SUCHOŃ
Szczegółowy 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
1 Podstawy rachunku prawdopodobieństwa
1 Podstawy rachunku prawdopodobieństwa Dystrybuantą zmiennej losowej X nazywamy prawdopodobieństwo przyjęcia przez zmienną losową X wartości mniejszej od x, tzn. F (x) = P [X < x]. 1. dla zmiennej losowej
Szczegółowy 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
Analiza współzależności zjawisk
Analiza współzależności zjawisk Informacje ogólne Jednostki tworzące zbiorowość statystyczną charakteryzowane są zazwyczaj za pomocą wielu cech zmiennych, które nierzadko pozostają ze sobą w pewnym związku.
Wstęp do teorii niepewności pomiaru. Danuta J. Michczyńska Adam Michczyński
Wstęp do teorii niepewności pomiaru Danuta J. Michczyńska Adam Michczyński Podstawowe informacje: Strona Politechniki Śląskiej: www.polsl.pl Instytut Fizyki / strona własna Instytutu / Dydaktyka / I Pracownia
Statystyka 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
ZALEŻNOŚĆ MIĘDZY WYSOKOŚCIĄ I MASĄ CIAŁA RODZICÓW I DZIECI W DWÓCH RÓŻNYCH ŚRODOWISKACH
S ł u p s k i e P r a c e B i o l o g i c z n e 1 2005 Władimir Bożiłow 1, Małgorzata Roślak 2, Henryk Stolarczyk 2 1 Akademia Medyczna, Bydgoszcz 2 Uniwersytet Łódzki, Łódź ZALEŻNOŚĆ MIĘDZY WYSOKOŚCIĄ
Statystyka. 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
Charakterystyki 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
Wykorzystanie testu Levene a i testu Browna-Forsythe a w badaniach jednorodności wariancji
Wydawnictwo UR 2016 ISSN 2080-9069 ISSN 2450-9221 online Edukacja Technika Informatyka nr 4/18/2016 www.eti.rzeszow.pl DOI: 10.15584/eti.2016.4.48 WIESŁAWA MALSKA Wykorzystanie testu Levene a i testu Browna-Forsythe
Pobieranie 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.
Katedra Inżynierii Wodnej i Rekultywacji Środowiska SGGW Department of Hydraulic Engineering and Environmental Recultivation WULS
Zbigniew POPEK Katedra Inżynierii Wodnej i Rekultywacji Środowiska SGGW Department of Hydraulic Engineering and Environmental Recultivation WULS Weryfikacja wybranych wzorów empirycznych do określania
( 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
STATYSTYKA 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.
Outlier to dana (punkt, obiekt, wartośd w zbiorze) znacznie odstająca od reszty. prezentacji punktów odstających jest rysunek poniżej.
Temat: WYKRYWANIE ODCHYLEO W DANYCH Outlier to dana (punkt, obiekt, wartośd w zbiorze) znacznie odstająca od reszty. prezentacji punktów odstających jest rysunek poniżej. Przykładem Box Plot wygodną metodą
WYBÓR PUNKTÓW POMIAROWYCH
Scientific Bulletin of Che lm Section of Technical Sciences No. 1/2008 WYBÓR PUNKTÓW POMIAROWYCH WE WSPÓŁRZĘDNOŚCIOWEJ TECHNICE POMIAROWEJ MAREK MAGDZIAK Katedra Technik Wytwarzania i Automatyzacji, Politechnika
ZWIĄZKI MIĘDZY CECHAMI ELEKTRYCZNYMI A AKTYWNOŚCIĄ WODY ŚRUTY PSZENICZNEJ
Inżynieria Rolnicza 6(115)/2009 ZWIĄZKI MIĘDZY CECHAMI ELEKTRYCZNYMI A AKTYWNOŚCIĄ WODY ŚRUTY PSZENICZNEJ Deta Łuczycka Instytut Inżynierii Rolniczej, Uniwersytet Przyrodniczy we Wrocławiu Streszczenie.
Wpływ intensywności użytkowania łąki na glebie torfowo-murszowej na wielkość strumieni CO 2 i jego bilans w warunkach doświadczenia lizymetrycznego
Wpływ intensywności użytkowania łąki na glebie torfowo-murszowej na wielkość strumieni CO 2 i jego bilans w warunkach doświadczenia lizymetrycznego Dr inż. Janusz Turbiak Instytut Technologiczno-Przyrodniczy
Statystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych.
Statystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych. Statystyka zajmuje się prawidłowościami zaistniałych zdarzeń. Teoria prawdopodobieństwa dotyczy przewidywania, jak często mogą zajść
BADANIA ZRÓŻNICOWANIA RYZYKA WYPADKÓW PRZY PRACY NA PRZYKŁADZIE ANALIZY STATYSTYKI WYPADKÓW DLA BRANŻY GÓRNICTWA I POLSKI
14 BADANIA ZRÓŻNICOWANIA RYZYKA WYPADKÓW PRZY PRACY NA PRZYKŁADZIE ANALIZY STATYSTYKI WYPADKÓW DLA BRANŻY GÓRNICTWA I POLSKI 14.1 WSTĘP Ogólne wymagania prawne dotyczące przy pracy określają m.in. przepisy
STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE
STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE 1 W trakcie badania obliczono wartości średniej (15,4), mediany (13,6) oraz dominanty (10,0). Określ typ asymetrii rozkładu. 2 Wymień 3 cechy rozkładu Gauss
Statystyka. 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,
REGRESJA 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
ACTA UNIVERSITATIS LODZIENSIS
ACTA UNIVERSITATIS LODZIENSIS FOLIA GEOGRAPHICA PHYSICA 3, 1998 Danuta Limanówka ZMIENNOŚĆ WARUNKÓW TERMICZNYCH WYBRANYCH MIAST POLSKI CHANGES OF THE THERMAL CONDmONS IN THE SELECTED POLISH CITIES Opracowanie
Helena Boguta, klasa 8W, rok szkolny 2018/2019
Poniższy zbiór zadań został wykonany w ramach projektu Mazowiecki program stypendialny dla uczniów szczególnie uzdolnionych - najlepsza inwestycja w człowieka w roku szkolnym 2018/2019. Składają się na
Spis 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
METODY 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
ZALEŻNOŚĆ WSPÓŁCZYNNIKA DYFUZJI WODY W KOSTKACH MARCHWI OD TEMPERATURY POWIETRZA SUSZĄCEGO
Inżynieria Rolnicza 5(13)/211 ZALEŻNOŚĆ WSPÓŁCZYNNIKA DYFUZJI WODY W KOSTKACH MARCHWI OD TEMPERATURY POWIETRZA SUSZĄCEGO Marian Szarycz, Krzysztof Lech, Klaudiusz Jałoszyński Instytut Inżynierii Rolniczej,
Korelacja, 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
PDF 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
ZALEŻNOŚĆ POMIĘDZY ROZŁOGIEM ZIEMNIAKÓW POD KRZAKIEM A LICZEBNOŚCIĄ, STRUKTURĄ I MASĄ BULW
Inżynieria Rolnicza 1(18)/28 ZALEŻNOŚĆ POMIĘDZY ROZŁOGIEM ZIEMNIAKÓW POD KRZAKIEM A LICZEBNOŚCIĄ, STRUKTURĄ I MASĄ BULW Barbara Krzysztofik, Piotr Nawara, Paweł Skonieczny Katedra Techniki Rolno-Spożywczej,
ANALITYCZNY OPIS KRZYWYCH KURCZENIA W WYBRANYCH UTWORACH MURSZOWYCH* THE ANALYTICAL DESCRIPTION OF SHRINKAGE CURVES IN SELECTED MUCK DEPOSITS
ROCZNIKI GLEBOZNAWCZE TOM LIX NR 3/4 WARSZAWA 2008: 226-235 RYSZARD OLESZCZUK, JAN SZATYŁOWICZ, TOMASZ GNATOWSKI, TOMASZ BRANDYK ANALITYCZNY OPIS KRZYWYCH KURCZENIA W WYBRANYCH UTWORACH MURSZOWYCH* THE
ZALEŻNOŚĆ WSPÓŁCZYNNIKA FILTRACJI W GLEBACH WYTWORZONYCH Z UTWORÓW PYŁOWYCH OD ICH FIZYCZNYCH WŁAŚCIWOŚCI
WODA-ŚRODOWISKO-OBSZARY WIEJSKIE 2003: t. 3 z. 1 (7) WATER-ENVIRONMENT-RURAL AREAS s. 205 213 www.imuz.edu.pl Instytut Melioracji i Użytków Zielonych w Falentach, 2003 ZALEŻNOŚĆ WSPÓŁCZYNNIKA FILTRACJI
PRZYKŁAD ZASTOSOWANIA DOKŁADNEGO NIEPARAMETRYCZNEGO PRZEDZIAŁU UFNOŚCI DLA VaR. Wojciech Zieliński
PRZYKŁAD ZASTOSOWANIA DOKŁADNEGO NIEPARAMETRYCZNEGO PRZEDZIAŁU UFNOŚCI DLA VaR Wojciech Zieliński Katedra Ekonometrii i Statystyki SGGW Nowoursynowska 159, PL-02-767 Warszawa wojtek.zielinski@statystyka.info
INTRODUCTION. Journal of Ecological Engineering Volume 16, Issue 4, Oct. 2015, pages DOI: / /59346.
Journal of Ecological Engineering Volume 16, Issue 4, Oct. 2015, pages 44 48 DOI: 10.12911/22998993/59346 Research Article COMPARISON OF GRAVIMETRIC METHOD AND TDR METHOD APPLIED TO MEDIUM ALLUVIAL SOILS
Wykorzystanie testu t dla pojedynczej próby we wnioskowaniu statystycznym
Wiesława MALSKA Politechnika Rzeszowska, Polska Anna KOZIOROWSKA Uniwersytet Rzeszowski, Polska Wykorzystanie testu t dla pojedynczej próby we wnioskowaniu statystycznym Wstęp Wnioskowanie statystyczne
WPŁYW ODKSZTAŁCENIA WZGLĘDNEGO NA WSKAŹNIK ZMNIEJSZENIA CHROPOWATOŚCI I STOPIEŃ UMOCNIENIA WARSTWY POWIERZCHNIOWEJ PO OBRÓBCE NAGNIATANEM
Tomasz Dyl Akademia Morska w Gdyni WPŁYW ODKSZTAŁCENIA WZGLĘDNEGO NA WSKAŹNIK ZMNIEJSZENIA CHROPOWATOŚCI I STOPIEŃ UMOCNIENIA WARSTWY POWIERZCHNIOWEJ PO OBRÓBCE NAGNIATANEM W artykule określono wpływ odkształcenia
2. Parametry wpływające na wartość współczynnika spływu powierzchniowego
WARSZTATY 2007 z cyklu: Zagrożenia naturalne w górnictwie Materiały Warsztatów str. 325 330 Józef MATERSKI, Dariusz GRADECKI KWB Konin w Kleczewie S.A. Ocena wartości współczynnika spływu powierzchniowego
Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki
Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki Przetwarzanie Sygnałów Studia Podyplomowe, Automatyka i Robotyka. Wstęp teoretyczny Zmienne losowe Zmienne losowe
OCENA SKUTKÓW ZMIAN ZASILANIA W OPTOELEKTRONICZNYM SYSTEMIE POMIARU WILGOTNOŚCI GLEBY
InŜynieria Rolnicza 4/2006 Paweł Tomiak, Leszek Piechnik Instytut InŜynierii Rolniczej Akademia Rolnicza we Wrocławiu OCENA SKUTKÓW ZMIAN ZASILANIA W OPTOELEKTRONICZNYM SYSTEMIE POMIARU WILGOTNOŚCI GLEBY
INFOBAZY 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,
-> 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
W1. 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
Regresja 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
MIARY 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
Miary 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
Jarosław Zawadzki*, Piotr Fabijańczyk* TRÓJWYMIAROWA GEOSTATYSTYCZNA INTEGRACJA POMIARÓW PODATNOŚCI MAGNETYCZNEJ GLEBY
Ochrona Środowiska i Zasobów Naturalnych nr 41, 2009 r. Jarosław Zawadzki*, Piotr Fabijańczyk* TRÓJWYMIAROWA GEOSTATYSTYCZNA INTEGRACJA POMIARÓW PODATNOŚCI MAGNETYCZNEJ GLEBY THREE-DIMENSIONAL GEOSTATISTICAL
ANALIZA ZALEŻNOŚCI POMIĘDZY CECHAMI DIELEKTRYCZNYMI A WŁAŚCIWOŚCIAMI CHEMICZNYMI MĄKI
Inżynieria Rolnicza 5(103)/2008 ANALIZA ZALEŻNOŚCI POMIĘDZY CECHAMI DIELEKTRYCZNYMI A WŁAŚCIWOŚCIAMI CHEMICZNYMI MĄKI Deta Łuczycka, Leszek Romański Instytut Inżynierii Rolniczej, Uniwersytet Przyrodniczy
NATĘŻENIE POLA ELEKTRYCZNEGO PRZEWODU LINII NAPOWIETRZNEJ Z UWZGLĘDNIENIEM ZWISU
POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 85 Electrical Engineering 016 Krzysztof KRÓL* NATĘŻENIE POLA ELEKTRYCZNEGO PRZEWODU LINII NAPOWIETRZNEJ Z UWZGLĘDNIENIEM ZWISU W artykule zaprezentowano
ANALIZA STATYSTYCZNA ZAPOTRZEBOWANIA NA CIEPŁO W GMINACH WIEJSKICH
MOTROL, 2008, 10, 126 130 ANALIZA STATYSTYCZNA ZAPOTRZEBOWANIA NA CIEPŁO W GMINACH WIEJSKICH Małgorzata Trojanowska, Tomasz Szul Katedra Energetyki Rolniczej, Uniwersytet Rolniczy w Krakowie Streszczenie.
WPŁYW TECHNICZNEGO UZBROJENIA PROCESU PRACY NA NADWYŻKĘ BEZPOŚREDNIĄ W GOSPODARSTWACH RODZINNYCH
Inżynieria Rolnicza 4(102)/2008 WPŁYW TECHNICZNEGO UZBROJENIA PROCESU PRACY NA NADWYŻKĘ BEZPOŚREDNIĄ W GOSPODARSTWACH RODZINNYCH Sławomir Kocira Katedra Eksploatacji Maszyn i Zarządzania w Inżynierii Rolniczej,
Z poprzedniego wykładu
PODSTAWY STATYSTYKI 1. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5. Testy parametryczne
Streszczenie. Słowa kluczowe: towary paczkowane, statystyczna analiza procesu SPC
Waldemar Samociuk Katedra Podstaw Techniki Akademia Rolnicza w Lublinie MONITOROWANIE PROCESU WAśENIA ZA POMOCĄ KART KONTROLNYCH Streszczenie Przedstawiono przykład analizy procesu pakowania. Ocenę procesu
Statystyka 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
SPITSBERGEN HORNSUND
Polska Stacja Polarna Instytut Geofizyki Polska Akademia Nauk Polish Polar Station Institute of Geophysics Polish Academy of Sciences BIULETYN METEOROLOGICZNY METEOROLOGICAL BULLETIN SPITSBERGEN HORNSUND
WPŁYW SZYBKOŚCI STYGNIĘCIA NA WŁASNOŚCI TERMOFIZYCZNE STALIWA W STANIE STAŁYM
2/1 Archives of Foundry, Year 200, Volume, 1 Archiwum Odlewnictwa, Rok 200, Rocznik, Nr 1 PAN Katowice PL ISSN 1642-308 WPŁYW SZYBKOŚCI STYGNIĘCIA NA WŁASNOŚCI TERMOFIZYCZNE STALIWA W STANIE STAŁYM D.
KORELACJE 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
Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski
Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Książka jest nowoczesnym podręcznikiem przeznaczonym dla studentów uczelni i wydziałów ekonomicznych. Wykład podzielono na cztery części. W pierwszej
Analiza korelacyjna i regresyjna
Podstawy Metrologii i Technik Eksperymentu Laboratorium Analiza korelacyjna i regresyjna Instrukcja do ćwiczenia nr 5 Zakład Miernictwa i Ochrony Atmosfery Wrocław, kwiecień 2014 Podstawy Metrologii i
ANALIZA ZMIAN OBJĘTOŚCI GYTII DETRYTUSOWEJ W PROCESIE WYSYCHANIA 1
ZESZYTY PROBLEMOWE POSTĘPÓW NAUK ROLNICZYCH 2007 z. 519: 19-29 ANALIZA ZMIAN OBJĘTOŚCI GYTII DETRYTUSOWEJ W PROCESIE WYSYCHANIA 1 ElŜbieta Biernacka, Grzegorz Kurzawski Katedra InŜynierii Wodnej i Rekultywacji
Wykład Centralne twierdzenie graniczne. Statystyka matematyczna: Estymacja parametrów rozkładu
Wykład 11-12 Centralne twierdzenie graniczne Statystyka matematyczna: Estymacja parametrów rozkładu Centralne twierdzenie graniczne (CTG) (Central Limit Theorem - CLT) Centralne twierdzenie graniczne (Lindenberga-Levy'ego)
WPŁYW AKTUALIZACJI NIEKTÓRYCH WSKAŹNIKÓW EKSPLOATACYJNO-EKONOMICZNYCH NA KOSZTY EKSPLOATACJI CIĄGNIKÓW ROLNICZYCH NOWEJ GENERACJI
Inżynieria Rolnicza 2(100)/2008 WPŁYW AKTUALIZACJI NIEKTÓRYCH WSKAŹNIKÓW EKSPLOATACYJNO-EKONOMICZNYCH NA KOSZTY EKSPLOATACJI CIĄGNIKÓW ROLNICZYCH NOWEJ GENERACJI Zenon Grześ Instytut Inżynierii Rolniczej,
ZMIENNOŚĆ SUMY MIĄŻSZOŚCI DRZEW NA POWIERZCHNIACH PRÓBNYCH W RÓŻNOWIEKOWYCH LASACH GÓRSKICH
SCIENTIARUM POLONORUMACTA Silv. Colendar. Rat. Ind. Lignar. 3(2) 2004, 5-11 ZMIENNOŚĆ SUMY MIĄŻSZOŚCI DRZEW NA POWIERZCHNIACH PRÓBNYCH W RÓŻNOWIEKOWYCH LASACH GÓRSKICH Jan Banaś Akademia Rolnicza w Krakowie
Statystyka 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
W2. Zmienne losowe i ich rozkłady. Wnioskowanie statystyczne.
W2. Zmienne losowe i ich rozkłady. Wnioskowanie statystyczne. dr hab. Jerzy Nakielski Katedra Biofizyki i Morfogenezy Roślin Plan wykładu: 1. Etapy wnioskowania statystycznego 2. Hipotezy statystyczne,
BADANIA SYMULACYJNE PROCESU HAMOWANIA SAMOCHODU OSOBOWEGO W PROGRAMIE PC-CRASH
BADANIA SYMULACYJNE PROCESU HAMOWANIA SAMOCHODU OSOBOWEGO W PROGRAMIE PC-CRASH Dr inż. Artur JAWORSKI, Dr inż. Hubert KUSZEWSKI, Dr inż. Adam USTRZYCKI W artykule przedstawiono wyniki analizy symulacyjnej
Krytyczne czynniki sukcesu w zarządzaniu projektami
Seweryn SPAŁEK Krytyczne czynniki sukcesu w zarządzaniu projektami MONOGRAFIA Wydawnictwo Politechniki Śląskiej Gliwice 2004 SPIS TREŚCI WPROWADZENIE 5 1. ZARZĄDZANIE PROJEKTAMI W ORGANIZACJI 13 1.1. Zarządzanie
Rok 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
Rozkład prędkości statków na torze wodnym Szczecin - Świnoujście
KASYK Lech 1 Rozkład prędkości statków na torze wodnym Szczecin - Świnoujście Tor wodny, strumień ruchu, Zmienna losowa, Rozkłady dwunormalne Streszczenie W niniejszym artykule przeanalizowano prędkości
Pozyskiwanie 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
MASA WŁAŚCIWA NASION ZBÓś W FUNKCJI WILGOTNOŚCI. Wstęp. Materiał i metody
InŜynieria Rolnicza 3/2006 Bronisława Barbara Kram Instytut InŜynierii Rolniczej Akademia Rolnicza we Wrocławiu MASA WŁAŚCIWA NASION ZBÓś W FUNKCJI WILGOTNOŚCI Wstęp Streszczenie Określono wpływ wilgotności
Wprowadzenie. Małgorzata KLENIEWSKA. nawet już przy stosunkowo niewielkim stężeniu tego gazu w powietrzu atmosferycznym.
Małgorzata KLENIEWSKA Katedra Inżynierii Wodnej i Rekultywacji Środowiska SGGW Zakład Meteorologii i Klimatologii Department of Hydraulic Engineering and Environmental Restoration WAU Division of Meteorology
(LMP-Liniowy model prawdopodobieństwa)
OGÓLNY MODEL REGRESJI BINARNEJ (LMP-Liniowy model prawdopodobieństwa) Dla k3 y α α α α + x + x + x 2 2 3 3 + α x x α x x + α x x + α x x + ε + x 4 2 5 3 6 2 3 7 2 3 Zał.: Wszystkie zmienne interakcyjne
Wpływ procesów osiadania i zanikania gleb organicznych murszowych na profile podłużne rowów
ISSN 1644-0765 DOI: http://dx.doi.org/10.15576/asp.fc/2017.16.3.3 www.formatiocircumiectus.actapol.net/pl/ Acta Sci. Pol. Formatio Circumiectus 16 (3) 2017, 3 13 Wpływ procesów osiadania i zanikania gleb
SPITSBERGEN HORNSUND
Polska Stacja Polarna Instytut Geofizyki Polska Akademia Nauk Polish Polar Station Institute of Geophysics Polish Academy of Sciences BIULETYN METEOROLOGICZNY METEOROLOGICAL BULLETIN SPITSBERGEN HORNSUND
ZASTOSOWANIE SPEKTROSKOPII ODBICIOWEJ DO OZNACZANIA ZAWARTOŚCI WODY W SERACH. Agnieszka Bilska, Krystyna Krysztofiak, Piotr Komorowski
SCIENTIARUM POLONORUMACTA Technologia Alimentaria 1(1) 2002, 85-90 ZASTOSOWANIE SPEKTROSKOPII ODBICIOWEJ DO OZNACZANIA ZAWARTOŚCI WODY W SERACH Agnieszka Bilska, Krystyna Krysztofiak, Piotr Komorowski
Zarządzanie procesami
Metody pomiaru stosowane w organizacjach Zarządzanie procesami Zakres Rodzaje pomiaru metod pomiaru Klasyczne metody pomiaru organizacji Pomiar całej organizacji Tradycyjny rachunek kosztów (np. ROI) Rachunek
Projektowanie systemów pomiarowych. 02 Dokładność pomiarów
Projektowanie systemów pomiarowych 02 Dokładność pomiarów 1 www.technidyneblog.com 2 Jak dokładnie wykonaliśmy pomiar? Czy duża / wysoka dokładność jest zawsze konieczna? www.sparkfun.com 3 Błąd pomiaru.
Weryfikacja 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
SPITSBERGEN HORNSUND
Polska Stacja Polarna Instytut Geofizyki Polska Akademia Nauk Polish Polar Station Institute of Geophysics Polish Academy of Sciences BIULETYN METEOROLOGICZNY METEOROLOGICAL BULLETIN SPITSBERGEN HORNSUND
Wykład 4: Statystyki opisowe (część 1)
Wykład 4: Statystyki opisowe (część 1) Wprowadzenie W przypadku danych mających charakter liczbowy do ich charakterystyki można wykorzystać tak zwane STATYSTYKI OPISOWE. Za pomocą statystyk opisowych można
STATYSTYKA 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
Rozkłady statystyk z próby
Rozkłady statystyk z próby Rozkłady statystyk z próby Przypuśćmy, że wykonujemy serię doświadczeń polegających na 4 krotnym rzucie symetryczną kostką do gry, obserwując liczbę wyrzuconych oczek Nr kolejny
BŁĘDY OKREŚLANIA MASY KOŃCOWEJ W ZAKŁADACH SUSZARNICZYCH WYKORZYSTUJĄC METODY LABORATORYJNE
Inżynieria Rolnicza 5(103)/2008 BŁĘDY OKREŚLANIA MASY KOŃCOWEJ W ZAKŁADACH SUSZARNICZYCH WYKORZYSTUJĄC METODY LABORATORYJNE Zbigniew Zdrojewski, Stanisław Peroń, Mariusz Surma Instytut Inżynierii Rolniczej,
LISTA 4. 7.Przy sporządzaniu skali magnetometru dokonano 10 niezależnych pomiarów
LISTA 4 1.Na pewnym obszarze dokonano 40 pomiarów grubości warstwy piasku otrzymując w m.: 54, 58, 64, 69, 61, 56, 41, 48, 56, 61, 70, 55, 46, 57, 70, 55, 47, 62, 55, 60, 54,57,65,60,53,54, 49,58,62,59,55,50,58,
Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych
Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych dla studentów Chemii (2018) Autor prezentacji :dr hab. Paweł Korecki dr Szymon Godlewski e-mail: szymon.godlewski@uj.edu.pl
Prof. dr hab. inż. Józef Mosiej, Warszawa, Katedra Kształtowania Środowiska SGGW, Warszawa
Prof. dr hab. inż. Józef Mosiej, Warszawa, 12.11.2018 Katedra Kształtowania Środowiska SGGW, Warszawa Recenzja rozprawy doktorskiej mgr inż. Małgorzaty Dawid Intensywność infiltracji wody z atmosfery w
Rozkład 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
Właściwości 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