Modelowanie i Analiza Danych Przestrzennych

Podobne dokumenty
( ) L 1. θ θ = M. Przybycień Rachunek prawdopodobieństwa i statystyka. = θ. min

Podprzestrzenie macierzowe

Funkcja wiarogodności

ZAGADNIENIE TRANSPORTOWE

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

STATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA

1. Relacja preferencji

ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji

Prawdopodobieństwo i statystyka r.

Różniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

będą niezależnymi zmiennymi losowymi o tym samym 2 x

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki:

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8

FUNKCJE DWÓCH ZMIENNYCH

Zadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów.

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.

Permutacje. } r ( ) ( ) ( ) 1 2 n. f = M. Przybycień Matematyczne Metody Fizyki I Wykład 2-2

Matematyczny opis ryzyka

STATYKA. Cel statyki. Prof. Edmund Wittbrodt

ma rozkład normalny z nieznaną wartością oczekiwaną m

Matematyka ubezpieczeń majątkowych r. t warunkowo niezależne i mają (brzegowe) rozkłady Poissona:

. Wtedy E V U jest równa

Materiały do wykładu 7 ze Statystyki

Prawdopodobieństwo i statystyka r.

Portfel złożony z wielu papierów wartościowych

f f x f, f, f / / / METODA RÓŻNIC SKOŃCZONYCH niech N = 2 (2 równania różniczkowe zwyczajne liniowe I-rz.) lub jedno II-rzędu

EKSTREMA FUNKCJI EKSTREMA FUNKCJI JEDNEJ ZMIENNEJ. Tw. Weierstrassa Każda funkcja ciągła na przedziale domkniętym ma wartość najmniejszą i największą.

( X, Y ) będzie dwuwymiarową zmienną losową o funkcji gęstości

Analiza Matematyczna Ćwiczenia. J. de Lucas

Matematyka dyskretna. 10. Funkcja Möbiusa

Projekt 2 2. Wielomiany interpolujące

Sprawdzenie stateczności skarpy wykopu pod składowisko odpadów komunalnych

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 5

Józef Beluch Akademia Górniczo-Hutnicza w Krakowie. Wpływ wag współrzędnych na wyniki transformacji Helmerta

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

Statystyka Opisowa 2014 część 3. Katarzyna Lubnauer

Wyrażanie niepewności pomiaru

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1

będą niezależnymi zmiennymi losowymi z rozkładu o gęstości

UOGÓLNIONA ANALIZA WRAŻLIWOŚCI ZYSKU W PRZEDSIĘBIORSTWIE PRODUKUJĄCYM N-ASORTYMENTÓW. 1. Wprowadzenie

Modelowanie i Analiza Danych Przestrzennych

ROZKŁADY ZMIENNYCH LOSOWYCH

Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej

11/22/2014 STRATEGIE MIESZANE - MOTYWACJA. ROZWAśMY PRZYKŁAD:

Zadanie 1. ), gdzie 1. Zmienna losowa X ma rozkład logarytmiczno-normalny LN (, . EX (A) 0,91 (B) 0,86 (C) 1,82 (D) 1,95 (E) 0,84

ρ (6) przy czym ρ ij to współczynnik korelacji, wyznaczany na podstawie następującej formuły: (7)

Funkcje i charakterystyki zmiennych losowych

PERMUTACJE Permutacją zbioru n-elementowego X nazywamy dowolną wzajemnie jednoznaczną funkcję f : X X X

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X

JEDNOWYMIAROWA ZMIENNA LOSOWA

Planowanie eksperymentu pomiarowego I

POLSKA FEDERACJA STOWARZYSZEŃ RZECZOZNAWCÓW MAJĄTKOWYCH POWSZECHNE KRAJOWE ZASADY WYCENY (PKZW) KRAJOWY STANDARD WYCENY SPECJALISTYCZNY NR 4 KSWS 4

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki)

8.1 Zbieżność ciągu i szeregu funkcyjnego

METODY KOMPUTEROWE 1

STATYSTYKA MORANA W ANALIZIE ROZKŁADU CEN NIERUCHOMOŚCI

opisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn

Współczynnik korelacji rangowej badanie zależności między preferencjami

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANEJ PODCZAS ZDERZENIA CIAŁ

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Mh n. 2 ε. h h/ n n. Ekstrapolacja Richardsona (szacowanie błędu) błąd. ekstrapolowana wartość całki I. kwadratury z adaptowanym krokiem

KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA. Adrian Kapczyński Maciej Wolny

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania MODELOWANIE I PODSTAWY IDENTYFIKACJI

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10)

Wnioskowanie statystyczne dla korelacji i regresji.

Jego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację.

Wyznaczanie oporu naczyniowego kapilary w przepływie laminarnym.

Statystyczne charakterystyki liczbowe szeregu

08 Model planowania sieci dostaw 1Po_2Pr_KT+KM

Prawdopodobieństwo i statystyka r.

STATYSTYKA MATEMATYCZNA WYKŁAD 1. Wiadomości wstępne

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. dr Michał Silarski

Modelowanie i Analiza Danych Przestrzennych

STATYSTYKA MATEMATYCZNA

Teoria i praktyka. Wyższa Szkoła Turystyki i Ekologii. Fizyka. WSTiE Sucha Beskidzka Fizyka

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

ANALIZA INPUT - OUTPUT

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym?

Zmiana bazy i macierz przejścia

Szeregi czasowe, modele DL i ADL, przyczynowość, integracja

Zależność kosztów produkcji węgla w kopalni węgla brunatnego Konin od poziomu jego sprzedaży

06 Model planowania sieci dostaw 1Po_1Pr_KT+KM

i = 0, 1, 2 i = 0, 1 33,115 1,698 0,087 0,005!0,002 34,813 1,785 0,092 0,003 36,598 1,877 0,095 38,475 1,972 40,447 i = 0, 1, 2, 3

INSTRUKCJA LABORATORIUM Metrologia techniczna i systemy pomiarowe.

( ) ( ) ( ) ( ) ( ) ( )

AKADEMIA MORSKA W SZCZECINIE

Granica i ciągłość funkcji. 1 Granica funkcji rzeczywistej jednej zmiennej rzeczywistej

Zaawansowane metody numeryczne

POLSKA FEDERACJA STOWARZYSZEŃ RZECZOZNAWCÓW MAJĄTKOWYCH POWSZECHNE KRAJOWE ZASADY WYCENY (PKZW) KRAJOWY STANDARD WYCENY SPECJALISTYCZNY NR 4 KSWS 4

wyniki serii n pomiarów ( i = 1,..., n) Stosując metodę największej wiarygodności możemy wykazać, że estymator wariancji 2 i=

Statystyka Inżynierska

7 Liczby zespolone. 7.1 Działania na liczbach zespolonych. Liczby zespolone to liczby postaci. z = a + bi,

Szeregi liczbowe i ich własności. Kryteria zbieżności szeregów. Zbieżność bezwzględna i warunkowa. Mnożenie szeregów.

O ŚREDNIEJ STATYSTYCZNEJ

Model Lesliego. Oznaczmy: 0 m i liczba potomstwa pojawiającego się co jednostkę czasu u osobnika z i-tej grupy wiekowej, i = 1,...

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

MECHANIKA 2 MOMENT BEZWŁADNOŚCI. Wykład Nr 10. Prowadzący: dr Krzysztof Polko

Transkrypt:

Modelowae Aalza Daych Przestrzeych Wykład 8 Adrze Leśak Katedra Geoformatyk Iformatyk Stosowae Akadema Górczo-Hutcza w Krakowe Jaką postać ma warogram daych z tredem? Moża o wylczyć teoretycze prostego przypadku tredu lowego. Lczymy warogram: ˆ E µ x ( m E Z = ( Z = µ + ε = ax + ax + b = ( x, x a = ( a, a m( h ˆ ( h = ( ( ( ( z x + h z x m h = z( x + h z( x = a( x + h + b ax b = ah m( h m ( ( ( h ( ( ( h = ah = ah = ( ah m h m h = Otrzymalśmy semwarogram w kształce parabol.

Ilustraca procesu: ech a=(3,, b=. Geeruemy proces ε(x ako losowy o sferyczym warograme z (zasęg.5, próg, o ugget. Kolor czerwoy warogram procesu tredu µ(x -parabola Kolor ebesk -warogram procesu ε(x Czare krzyżyk warogram ˆ h empryczy ( Jake mogą być modele warogramu, t. fukce którym możemy aproksymować warogramy emprycze. Rozpatrzmy wewętrze stacoary proces Z(x ego warogram (x, t.: E Z x + h Z x = ( ( ( ( ( ( ( ( ( var Z x + h Z x = h ~ Nech Z = Z x Z = Z ~ x gdze x~ est wybraym puktem przestrze D. Iteresue as możlwość predykc wartośc w pukce x a podstawe wartośc Z. Załóżmy, że wartość w pukce x będze kombacą lową wartośc Z : Załóżmy, że: = λ = Po ser przekształceń: ( Stąd: Zˆ var = = ˆ = Z = λ Z Zˆ λ = Z λ = = λ ( Z Zˆ ( Zˆ = λ λ E( Z Zˆ ( Z Zˆ var = = ( Zˆ = λ λ ( x x = = Poeważ: var Z ˆ > węc λ λ ( x x < = = Klasę takch fukc azywamy klasą warukowo ueme określoych.

Zachowae warogramu w zerze w eskończoośc: Z defc: ( = Jeśl ˆ ( to pole Z(xest ecągłe w zerze. Wyka to główe z błędów pomarowych (bądź w ektórych wypadkach z mkrozmeośc ( Jeśl lm h = (warogram dąży do zera ak fukca lowa to h warogram est edokrote różczkowaly. Jeśl lm( h = h (warogram dąży do zera ak fukca kwadratowa to warogram est dwukrote różczkowaly. Ne steą warogramy których zachodz α lm( h = α > Wartość est górą gracą procesów h stacoarych. Z kole rozważmy zachowae w eskończoośc. Jeśl lm h h to proces Z(xe est procesem wewętrze stacoarym. Przedźmy do lsty aczęśce spotykaych model warogramu spotykaych w zagadeach praktyczych. -model lowy, c próg, model eograczoy (proces estacoary = c h h = h > -model lowy ograczoy, c próg, R zasęg, daych edowymarowych x = c h R c ( Gradet w pukce początkowym = c/r h = < h R h > R

-model sferyczy, daych z R, R R 3. h = 3 3h h = c < h R 3 R R c h > R Gradet w h= wyos 3c/R Podoby do ego est model petasferyczy. -model kołowy, daych z R R. c arccos = π h R h + πr c h R h h > R Gradet w h= wyos 4c/πR Zasęg (podobe ak poprzedch = R -model ekspoecalo-potęgowy, dowolych daych oraz <α. c + c α ( e = ( h R h = h > α= model ekspoecaly Prostszy ż sferyczy ale bez ścśle zdefowaego zakresu. Zakres efektywy 3R. Gradet w x= rówy c/r α= model gaussowsk Zakres efektywy 3 R. Gradet w x= rówy.

-model fal, waruek warukowe ueme określoośc wymaga by w tym wypadku zachodzło λ<, warogram może odpowadać procesom estacoarym = c R h + c s h R h h = > -model potęgowy, waży <λ< = c + ch h = λ h > -model Mater c = ν K ν Γ( ν Γ h R h K ( ν ν R modyfkowaa fukca Bessela II rodzau rzędu ν fukca gamma ν -czysty model samorodkowy uggat = c ( δ ( h Modelue szum lub mkro-zmeość Powyższe modele moża ze sobą łączyć otrzymywać prawdłowe modele warogramów. Np. dwóch skal R R = c h R R < h R h > R będze modelem warogramu złożoym z dwóch różych model warogramów. Zakresy R R ozaczaą meszy wększy zakres zależośc przestrzee.

Jak wybrać właścwy warogram teoretyczy ak dopasować go do empryczego. Klka praktyczych uwag:. aperw arysu warogram empryczy. wyberz modele które absolute sę e adaą 3. z pozostałych model wyberz klka alepszych bez zwracaa uwag a detale 4. przeprowadź estymacę zobacz rezultat; porówa te rezultaty 5. porówa błąd dopasowaa mesce gdze to dopasowae est alepsze 6. e ufa ocee wzrokowe 7. e używa softuktóry dzała ak czara skrzyka c e rysue Jake są potecale problemy z estymacą warogramu: dokładość obserwowaych semwarac e est edakowa e zmay mogą być azotropowe warogramy emprycze cechuą zmee z puktu a pukt fluktuace wększość model warogramówest elowa względem co ame edego z parametrów Pomamy techczą stroę aproksymac (metoda ameszych kwadratów e warat z wagam, kryterum AIC (Akake Iformato Ctterum Estymaca metodą ameszych kwadratów Estymaca metodą ameszych kwadratów z wagam

Kroswaldaca modelu opera sę a efektywośc predykc z użycem daego modelu warogramu Metoda est astępuąca: Lczmy warogram empryczy dopasowuemy do ego warogramy teoretycze ech ẑ będze wartoścą pola losowego wyestymowaego metodą kryggu z użycem poszczególych model z pomęcem puktu z. poadto estymuemy waracę kryggu. lczymy trzy parametry dagostycze: śred błąd ME mus być blsk śred błąd kwadratowy MSE mus być tak mały ak to możlwe uormoway śred błąd kwadratowy MSDR: - mus być blsk ME = N ME = N MSDR = N ( z zˆ = ( z zˆ = = ( ˆ z z ˆ σ każdego z model moża zrobć wykresy dagostycze p. sferyczego:

zak czerwoe - wartośc wyestymowae powyże wartośc pomerzoe zak ebeske - wartośc wyestymowae poże wartośc pomerzoe welkość zaków proporcoala do odchyłk Wykres pokazue, że duże wartośc z predykc są edoszacowae zaś małe wartośc są przeszacowae. Wosek : krygg dzała wygłądzaąco.