Popis metod CLIDATA-GIS. Martin Stříž
|
|
- Lukáš Sedláček
- před 8 lety
- Počet zobrazení:
Transkript
1 Popis metod CLIDATA-GIS Martin Stříž Říjen 2008
2 Obsah 1CLIDATA-SIMPLE...3 2CLIDATA-DEM Metodika výpočtu Výpočet regresních koeficientů nalezených koeficientu Výpočet výsledného gridu pomoci mapové algebry...5 3CLIDATA-DEM R Výpočet regresních koeficientů nalezených koeficientu Výpočet výsledného gridu pomoci mapové algebry...8
3 V systému CLIDATA-GIS se používají pro odhad prvků dvě skupiny interpolačních metod. První skupina využívá metody, které interpoluji pouze naměřenou hodnotu, bez přihlédnutí na nadmořskou výšku stanic a druhá skupina metod využívá lineární regresi mezi naměřenou hodnotu (např. Teplotu) a nadmořskou výšku stanice. 1 CLIDATA-SIMPLE Do první skupiny metod patří metoda CLIDATA-SIMPLE. V této metodě se na základě definování interpolačního okolí podle poloměru interpolace a minimálního počtu stanic provede interpolace podle zvolené interpolační metody. Interpolační metody, které lze použít jsou IDW, Spline, Universální kriging 2 CLIDATA-DEM Do druhé skupiny metod patří metoda CLIDATA-DEM, která využívá lineární regresi ve tvaru Y =a bx kde Y X b a je hodnota naměřená na stanici (například teplota) je nadmořská výška stanice v metrech koeficient regrese-směrnice přímky koeficient regrese 2.1 Metodika výpočtu Metodika výpočtů se skládá z několika kroků: 1. Výpočet regresních koeficientu a,b a hodnoty delta pro každou stanici 2. nalezených koeficientu 3. Výpočet výsledného gridu pomoci mapové algebry Výpočet regresních koeficientů Pro každou stanici se musí vypočítat koeficienty regrese a,b a hodnota delta, která představuje rozdíl mezi skutečně naměřenou hodnotou na stanic a hodnotou vypočtenou na základě získaných regresních koeficientu.
4 Výpočet regresních koeficientu a,b: Schéma: obr. 1 Schema okolních stanic Na obrázku jsou zobrazené meteorologické stanice s průměrnou roční sumou srážek (číslo nahoře) a nadmořskou výškou stanice (číslo dole). Pro dané regresní okolí 40km se pro danou stanici (červený bod-lysá hora) vyberou všechny stanice (n) ležící uvnitř kruhu. Pro každou stanici se vytvoří rovnice Y =a bx např. 1412=a+1318*b (pro Lysou horu). Z těchto n rovnic o dvou neznámých za na základě metody nejmenších čtverců vypočtou koeficienty a,b. Tyto koeficienty se uloží k dané stanici (Lysá hora). V tomto případě vyšly pro stanici Lysá hora tyto koeficienty: a = 894 a b=0.378 Výpočet parametru Delta: Delta i =Y i a i b i X i
5 kde Y i je skutečně naměřené hodnota prvku na i-té stanici a i,b i vypočtené koeficienty regrese pro danou i-tou stanici X i je skutečná nadmořská výška na i-té stanici Pro náš konkretní případ hodnota Delta pro stanici Lysa hora je rovna Delta=1412-( *0.378)=19.8 mm nalezených koeficientu V předchozím kroku jsme vypočítali pro každou stanic tyto proměnné a,b,delta. V tomto kroku bude tyto hodnoty interpolovat do plochy (gridu) pomocí předdefinované interpolační metody. Lze si zvolit kterou interpolační metodu budu používat pro výpočet grid z jednotlivých proměnných. Standardně je použita metoda IDW, ale lze zvolit i Spline, Universální kriging. Výsledkem tohoto kroku jsou tři gridové vrstvy ga,gb,gdelta a ga b gb delta gdeta Výpočet výsledného gridu pomoci mapové algebry Z předchozích výpočtu máme k dispozici tyto gridy ga,gb,gdelta a dále máme k dispozici digitální model terénu gdem. Vhodnou kombinací těchto gridu vypočteme výsledný grid rozložení daného prvku podle tohoto vztahu G celkem = ga gdem gb gdelta 3 CLIDATA-DEM R2 Tato metoda kombinuje metody Clidata-Simple a Clidata-Dem. Je to vážený průměr těchto gridu,
6 kde váhou je koeficient determinace R2. Metodika výpočtů se skládá z několika kroků: 1. Výpočet gridu gsimple pomocí metody Clidata-Simple 2. Výpočet regresních koeficientu a,b a hodnoty delta a R2 pro každou stanici 3. nalezených koeficientu 4. Výpočet výsledného gridu pomoci mapové algebry Výpočet regresních koeficientů Pro každou stanici se musí vypočítat koeficienty regrese a,b a hodnota delta, která představuje rozdíl mezi skutečně naměřenou hodnotou na stanic a hodnotou vypočtenou na základě získaných regresních koeficientu. Výpočet regresních koeficientu a,b: Schéma: viz obr. 1 Na obrázku jsou zobrazené meteorologické stanice s průměrnou roční sumou srážek (číslo nahoře) a nadmořskou výškou stanice (číslo dole). Pro dané regresní okolí 40km se pro danou stanici (červený bod-lysá hora) vyberou všechny stanice (n) ležící uvnitř kruhu. Pro každou stanici se vytvoří rovnice Y =a bx např. 1412=a+1318*b (pro Lysou horu). Z těchto n rovnic o dvou neznámých za na základě metody nejmenších čtverců vypočtou koeficienty a,b. Tyto koeficienty se uloží k dané stanici (Lysá hora). V tomto případě vyšly pro stanici Lysá hora tyto koeficienty: a = 894 a b=0.378 Výpočet parametru Delta: Delta i =Y i a i b i X i kde Y i je skutečně naměřené hodnota prvku na i-té stanici a i,b i vypočtené koeficienty regrese z okolních n-stanic X i je skutečná nadmořská výška na i-té stanici Pro náš konkretní případ hodnota Delta pro stanici Lysá hora je rovna Delta=1412-( *0.378)=19.8 mm
7 Výpočet koeficientu determinace R2 kde R2=1 H D n H = Y i a b X i i=1 kde n D= Y i Y i=1 Y i je skutečně naměřené hodnota prvku na i-té stanici a,b vypočtené koeficienty regrese z okolních n-stanic X i Y je skutečná nadmořská výška na i-té stanici je průměrná hodnota naměřených hodnota z okolních n-stanic n je počet okolních stanic dle regresního okolí nalezených koeficientu V předchozím kroku jsme vypočítali pro každou stanic tyto proměnné a,b,delta,r2. V tomto kroku bude tyto hodnoty interpolovat do plochy (gridu) pomocí předdefinované interpolační metody. Lze si zvolit kterou interpolační metodu budu používat pro výpočet grid z jednotlivých proměnných. Standardně je použita metoda IDW, ale lze zvolit i Spline, Universální kriging. Výsledkem tohoto kroku jsou 4i gridové vrstvy ga,gb,gdelta,gr2 a ga b gb delta gdeta R2 gr2
8 3.1.3 Výpočet výsledného gridu pomoci mapové algebry Z předchozích výpočtu máme k dispozici tyto gridy gsimple,ga,gb,gdelta,gr2 a dále máme k dispozici digitální model terénu gdem. Výsledný grid (Gcelkem) vznikne jako vážený průměr gridu (gsimple), který vznikl pomocí metody Clidata-Simple a gridu (GclidataDem), který vznikl pomocí metody Clidata-DEM, kde váhou je grid rozložení koeficientu determinace R2 (gr2) G clidatadem = ga gdem gb gdelta G celkem = gr2 G clidatadem 1 gr2 gsimple
Příloha P.1 Mapa větrných oblastí
Příloha P.1 Mapa větrných oblastí P.1.1 Úvod Podle metodiky Eurokódů se velikost zatížení větrem odvozuje z výchozí hodnoty základní rychlosti větru, definované jako střední rychlost větru v intervalu
VíceMěření a vyhodnocení srážek
hydrologie LI Přednáška 3 bodové měření přístroje Měření a vyhodnocení srážek metody www.chmi.cz hydrologie LI přednáška 3 Přístroje pro bodové měření srážek Bodové měření srážek totalizátory srážkoměry
Více9. přednáška z předmětu GIS1 Digitální model reliéfu a odvozené povrchy. Vyučující: Ing. Jan Pacina, Ph.D.
9. přednáška z předmětu GIS1 Digitální model reliéfu a odvozené povrchy Vyučující: Ing. Jan Pacina, Ph.D. e-mail: jan.pacina@ujep.cz Lehký úvod Digitální modely terénu jsou dnes v geoinformačních systémech
VíceGEODETICKÉ VÝPOČTY I.
SPŠS Č.Budějovice Obor Geodézie a Katastr nemovitostí 2.ročník GEODETICKÉ VÝPOČTY I. TABELACE FUNKCE LINEÁRNÍ INTERPOLACE TABELACE FUNKCE Tabelace funkce se v minulosti často využívala z důvodu usnadnění
VíceÚloha 1. Napište matici pro případ lineárního regresního spline vyjádřeného přes useknuté
Úloha 1. Napište matici pro případ lineárního regresního spline vyjádřeného přes useknuté polynomy pro případ dvou uzlových bodů ξ 1 = 1 a ξ 2 = 4. Experimentální body jsou x = [0.2 0.4 0.6 1.5 2.0 3.0
VíceStatistika (KMI/PSTAT)
Statistika (KMI/PSTAT) Cvičení dvanácté aneb Regrese a korelace Statistika (KMI/PSTAT) 1 / 18 V souboru 25 jedinců jsme měřili jejich výšku a hmotnost. Výsledky jsou v tabulce a grafu. Statistika (KMI/PSTAT)
VíceDigitální kartografie 7
Digitální kartografie 7 digitální modely terénu základní analýzy a vizualizace strana 2 ArcGIS 3D Analyst je zaměřen na tvorbu, analýzu a zobrazení dat ve 3D. Poskytuje jak nástroje pro interpolaci rastrových
VíceDigitální modely terénu a vizualizace strana 2. ArcGIS 3D Analyst
Brno, 2014 Ing. Miloš Cibulka, Ph.D. Cvičení č. 7 Digitální kartografie Vytvořeno s podporou projektu Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na
VíceRozvoj metodiky tvorby map znečištění. Jan Horálek Pavel Kurfürst, Nina Benešová, Roman Juras, Jana Ďoubalová
Rozvoj metodiky tvorby map znečištění Jan Horálek Pavel Kurfürst, Nina Benešová, Roman Juras, Jana Ďoubalová 1. Stávající metodika mapování a její použití 2. Rozvoj mapování NO 2 pomocí LC a dopravních
VíceKombinatorická minimalizace
Kombinatorická minimalizace Cílem je nalézt globální minimum ve velké diskrétní množině, kde může být mnoho lokálních minim. Úloha obchodního cestujícího Cílem je najít nejkratší cestu, která spojuje všechny
VíceDigitální modely terénu (9-10) DMT v ArcGIS Desktop
Digitální modely terénu (9-10) DMT v Desktop Ing. Martin KLIMÁNEK, Ph.D. 411 Ústav geoinformačních technologií Lesnická a dřevařská fakulta, Mendelova zemědělská a lesnická univerzita v Brně 1 Digitální
VíceMATEMATIKA III V PŘÍKLADECH
VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA STROJNÍ MATEMATIKA III V PŘÍKLADECH Cvičení 10 Mgr. Petr Otipka Ostrava 01 Mgr. Petr Otipka Vysoká škola báňská Technická univerzita Ostrava ISBN
VíceUNIVERZITA PARDUBICE. 4.4 Aproximace křivek a vyhlazování křivek
UNIVERZITA PARDUBICE Licenční Studium Archimedes Statistické zpracování dat a informatika 4.4 Aproximace křivek a vyhlazování křivek Mgr. Jana Kubátová Endokrinologický ústav V Praze, leden 2012 Obsah
VíceMetody prostorové interpolace
Metody prostorové interpolace Prostorová interpolace slouží k odhadu hodnot určitého jevu či jeho intenzity v libovolném místě studované plochy, pro niž existují známé hodnoty tohoto jevu pouze v určitých
VíceO MOŽNOSTI ADJUSTACE IMISNÍCH KONCENTRACÍ NA METEOROLOGICKÉ PODMÍNKY. RNDr. Josef Keder, CSc.
O MOŽNOSTI ADJUSTACE IMISNÍCH KONCENTRACÍ NA METEOROLOGICKÉ PODMÍNKY RNDr. Josef Keder, CSc. Zadání úlohy V souladu s požadavkem zadavatele (MŽP) bude zpracována metodika, umožňující oprostit průměrné
VíceInterpolace, aproximace
11 Interpolace, aproximace Metoda nejmenších čtverců 11.1 Interpolace Mějme body [x i,y i ], i =0, 1,...,n 1. Cílem interpolace je najít funkci f(x), jejíž graf prochází všemi těmito body, tj. f(x i )=y
VíceStanovení manganu a míry přesnosti kalibrace ( Lineární kalibrace )
Příklad č. 1 Stanovení manganu a míry přesnosti kalibrace ( Lineární kalibrace ) Zadání : Stanovení manganu ve vodách se provádí oxidací jodistanem v kyselém prostředí až na manganistan. (1) Sestrojte
VíceSEMESTRÁLNÍ PRÁCE. Leptání plasmou. Ing. Pavel Bouchalík
SEMESTRÁLNÍ PRÁCE Leptání plasmou Ing. Pavel Bouchalík 1. ÚVOD Tato semestrální práce obsahuje písemné vypracování řešení příkladu Leptání plasmou. Jde o praktickou zkoušku znalostí získaných při přednáškách
VíceDigitální model reliéfu (terénu) a analýzy modelů terénu
Digitální model reliéfu (terénu) a analýzy modelů terénu Digitální modely terénu jsou dnes v geoinformačních systémech hojně využívány pro různé účely. Naměřená terénní data jsou často zpracována do podoby
VícePolynomy a interpolace text neobsahuje přesné matematické definice, pouze jejich vysvětlení
Polynomy a interpolace text neobsahuje přesné matematické definice, pouze jejich vysvětlení Polynom nad R = zobrazení f : R R f(x) = a n x n + a n 1 x n 1 +... + a 1 x + a 0, kde a i R jsou pevně daná
VíceRegresní a korelační analýza
Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).
VíceAplikovaná matematika I
Metoda nejmenších čtverců Aplikovaná matematika I Dana Říhová Mendelu Brno c Dana Říhová (Mendelu Brno) Metoda nejmenších čtverců 1 / 8 Obsah 1 Formulace problému 2 Princip metody nejmenších čtverců 3
VíceRastrové digitální modely terénu
Rastrové digitální modely terénu Rastr je tvořen maticí buněk (pixelů), které obsahují určitou informaci. Stejně, jako mohou touto informací být typ vegetace, poloha sídel nebo kvalita ovzduší, může každá
VíceParametry hledáme tak, aby součet čtverců odchylek byl minimální. Řešením podle teorie je =
Příklad 1 Metodou nejmenších čtverců nalezněte odhad lineární regresní funkce popisující závislost mezi výnosy pšenice a množstvím použitého hnojiva na základě hodnot výběrového souboru uvedeného v tabulce.
VíceRegresní a korelační analýza
Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).
VíceVliv Mosteckého jezera na teplotu a vlhkost vzduchu a rychlost větru. Lukáš Pop Ústav fyziky atmosféry v. v. i. AV ČR
Vliv Mosteckého jezera na teplotu a vlhkost vzduchu a rychlost větru Lukáš Pop Ústav fyziky atmosféry v. v. i. AV ČR Motivace a cíle výzkumu Vznik nové vodní plochy mění charakter povrchu (teplotní charakteristiky,
VíceAproximace funkcí. Numerické metody 6. května FJFI ČVUT v Praze
Aproximace funkcí Numerické metody 6. května 2018 FJFI ČVUT v Praze 1 Úvod Dělení Interpolace 1D Více dimenzí Minimalizace Důvody 1 Dělení Dělení - Získané data zadané data 2 Dělení - Získané data Obecně
VíceInterpolace Uvažujme třídu funkcí jedné proměnné ψ(x; a 0,..., a n ), kde a 0,..., a n jsou parametry, které popisují jednotlivé funkce této třídy. Mějme dány body x 0, x 1,..., x n, x i x k, i, k = 0,
VícePřehled základních metod georeferencování starých map
Přehled základních metod georeferencování starých map ČVUT v Praze, Fakulta stavební, katedra mapování a kartografie 4. listopadu 2011 Obsah prezentace 1 2 3 4 5 Zhlediska georeferencování jsou důležité
VíceTéma 9: Vícenásobná regrese
Téma 9: Vícenásobná regrese 1) Vytvoření modelu V menu Statistika zvolíme nabídku Vícerozměrná regrese. Aktivujeme kartu Detailní nastavení viz obr.1. Nastavíme Proměnné tak, že v příslušném okně viz.
Více=10 =80 - =
Protokol č. DĚDIČNOST KVALITATIVNÍCH VLASTNOSTÍ ) Jednorozměrné rozdělení fenotypové charakteristiky (hodnoty) populace ) Vícerozměrné rozdělení korelační a regresní počet pro dvě sledované vlastnosti
VícePlánování experimentu
Fakulta chemicko technologická Katedra analytické chemie licenční studium Management systému jakosti Autor: Ing. Radek Růčka Přednášející: Prof. Ing. Jiří Militký, CSc. 1. LEPTÁNÍ PLAZMOU 1.1 Zadání Proces
VíceKalibrace a limity její přesnosti
Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium chemometrie Statistické zpracování dat Kalibrace a limity její přesnosti Zdravotní ústav se sídlem v Ostravě
VíceČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ OBOR GEODÉZIE A KARTOGRAFIE KATEDRA VYŠŠÍ GEODÉZIE název předmětu úloha/zadání název úlohy Kosmická geodézie 4/003 Průběh geoidu z altimetrických měření
VíceMODEL TVÁŘECÍHO PROCESU
MODEL TVÁŘECÍHO PROCESU Zkouška tlakem na válcových vzorcích 2 Vyhodnocení tlakové zkoušky Síla F způsobí změnu výšky H a průměru D válce. V každém okamžiku při stlačování je přetvárný odpor definován
VíceLINEÁRNÍ REGRESE. Lineární regresní model
LINEÁRNÍ REGRESE Chemometrie I, David MILDE Lineární regresní model 1 Typy závislosti 2 proměnných FUNKČNÍ VZTAH: 2 závisle proměnné: určité hodnotě x odpovídá jediná hodnota y. KORELACE: 2 náhodné (nezávislé)
VíceRegresní a korelační analýza
Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).
VíceMěření závislosti statistických dat
5.1 Měření závislosti statistických dat Každý pořádný astronom je schopen vám předpovědět, kde se bude nacházet daná hvězda půl hodiny před půlnocí. Ne každý je však téhož schopen předpovědět v případě
VíceN-LETOST SRÁŽEK A PRŮTOKŮ PŘI POVODNI 2002
N-LETOST SRÁŽEK A PRŮTOKŮ PŘI POVODNI 2002 MARTIN STEHLÍK* * Oddělení povrchových vod, ČHMÚ; e-mail: stehlikm@chmi.cz 1. ÚVOD Povodeň v srpnu 2002 v České republice byla způsobena přechodem dvou frontálních
VíceTomáš Karel LS 2012/2013
Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není
VíceCVIČNÝ TEST 24. OBSAH I. Cvičný test 2. Mgr. Kateřina Nováková. II. Autorské řešení 6 III. Klíč 13 IV. Záznamový list 15
CVIČNÝ TEST 24 Mgr. Kateřina Nováková OBSAH I. Cvičný test 2 II. Autorské řešení 6 III. Klíč 13 IV. Záznamový list 15 I. CVIČNÝ TEST VÝCHOZÍ TEXT K ÚLOZE 1 Písemnou práci z chemie psalo všech 28 žáků ze
VíceAktuální mapy znečištění ovzduší v evropském i českém měřítku (roční charakteristiky) a vývoj v oblasti mapování
Aktuální mapy znečištění ovzduší v evropském i českém měřítku (roční charakteristiky) a vývoj v oblasti mapování Jan Horálek Jana Ostatnická, Jana Schovánková, Pavel Kurfürst Peter de Smet, Leonor Tarrasón,
VíceIterační metody řešení soustav lineárních rovnic. 27. prosince 2011
Iterační metody řešení soustav lineárních rovnic Michal Čihák 27. prosince 2011 Přímé metody řešení soustav lineárních rovnic V přednáškách z lineární algebry jste se seznámili s několika metodami řešení
VíceREGRESNÍ ANALÝZA V PROSTŘEDÍ MATLAB
62 REGRESNÍ ANALÝZA V PROSTŘEDÍ MATLAB BEZOUŠKA VLADISLAV Abstrakt: Text se zabývá jednoduchým řešením metody nejmenších čtverců v prostředí Matlab pro obecné víceparametrové aproximační funkce. Celý postup
Vícetrojkloubový nosník bez táhla a s
Kapitola 10 Rovinné nosníkové soustavy: trojkloubový nosník bez táhla a s táhlem 10.1 Trojkloubový rám Trojkloubový rám se skládá ze dvou rovinně lomených nosníků v rovinné úloze s kloubovým spojením a
VíceAproximace funkcí. x je systém m 1 jednoduchých, LN a dostatečně hladkých funkcí. x c m. g 1. g m. a 1. x a 2. x 2 a k. x k b 1. x b 2.
Aproximace funkcí Aproximace je výpočet funkčních hodnot funkce z nějaké třídy funkcí, která je v určitém smyslu nejbližší funkci nebo datům, která chceme aproximovat. Třída funkcí, ze které volíme aproximace
VíceStanovení hloubky karbonatace v čase t
1. Zadání Optimalizace bezpečnosti a životnosti existujících mostů Stanovení hloubky karbonatace v čase t Předložený výpočetní produkt je aplikací teoretických postupů popsané v navrhované certifikované
VíceMatematika (a fyzika) schovaná za GPS. Global Positioning system. Michal Bulant. Brno, 2011
Matematika (a fyzika) schovaná za GPS Michal Bulant Masarykova univerzita Přírodovědecká fakulta Ústav matematiky a statistiky Brno, 2011 Michal Bulant (PřF MU) Matematika (a fyzika) schovaná za GPS Brno,
VíceRegrese. používáme tehdy, jestliže je vysvětlující proměnná kontinuální pokud je kategoriální, jde o ANOVA
Regrese používáme tehd, jestliže je vsvětlující proměnná kontinuální pokud je kategoriální, jde o ANOVA Specifikace modelu = a + bx a závisle proměnná b x vsvětlující proměnná Cíl analýz Odhadnout hodnot
VíceKalibrace a limity její přesnosti
Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie Kalibrace a limity její přesnosti Semestrální práce Licenční studium GALILEO Interaktivní statistická analýza dat Brno, 2015
VíceMatematika. 7. ročník. Číslo a proměnná celá čísla. absolutní hodnota čísla. zlomky. racionální čísla
list 1 / 9 M časová dotace: 4 hod / týden Matematika 7. ročník (M 9 1 01) provádí početní operace v oboru celých a racionálních čísel; čte a zapíše celé číslo, rozliší číslo kladné a záporné, určí číslo
Více1 Polynomiální interpolace
Polynomiální interpolace. Metoda neurčitých koeficientů Příklad.. Nalezněte polynom p co nejmenšího stupně, pro který platí p() = 0, p(2) =, p( ) = 6. Řešení. Polynom hledáme metodou neurčitých koeficientů,
VíceSEMESTRÁLNÍ PRÁCE X. Aproximace křivek Numerické vyhlazování
KATEDRA ANALYTICKÉ CHEMIE FAKULTY CHEMICKO TECHNOLOGICKÉ UNIVERSITA PARDUBICE - Licenční studium chemometrie LS96/1 SEMESTRÁLNÍ PRÁCE X. Aproximace křivek Numerické vyhlazování Praha, leden 1999 0 Úloha
VíceExperimentální realizace Buquoyovy úlohy
Experimentální realizace Buquoyovy úlohy ČENĚK KODEJŠKA, JAN ŘÍHA Přírodovědecká fakulta Univerzity Palackého, Olomouc Abstrakt Tato práce se zabývá experimentální realizací Buquoyovy úlohy. Jedná se o
Více10. Předpovídání - aplikace regresní úlohy
10. Předpovídání - aplikace regresní úlohy Regresní úloha (analýza) je označení pro statistickou metodu, pomocí nichž odhadujeme hodnotu náhodné veličiny (tzv. závislé proměnné, cílové proměnné, regresandu
VíceMatematika I (KMI/5MAT1)
Přednáška první aneb Úvod do algebry (opakování ze SŠ a možná i ZŠ) Seznámení s předmětem Osnova přednášky seznámení s předmětem množiny pojem množiny operace s množinami číselné obory intervaly mocniny
VíceCvičné texty ke státní maturitě z matematiky
Cvičné texty ke státní maturitě z matematiky Pracovní listy s postupy řešení Brno 2010 RNDr. Rudolf Schwarz, CSc. Státní maturita z matematiky Obsah Obsah NIŽŠÍ úroveň obtížnosti 4 MAGZD10C0K01 říjen 2010..........................
VíceRozvoj mapování na evropské i české úrovni
Rozvoj mapování na evropské i české úrovni Jan Horálek Evropské měřítko, mapy ročních charakteristik Evropské měřítko, krátkodobé mapy České měřítko, mapy ročních charakteristik České měřítko, krátkodobé
Více1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.
Prostá regresní a korelační analýza 1 1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Problematika závislosti V podstatě lze rozlišovat mezi závislostí nepodstatnou, čili náhodnou
VíceSedání piloty. Cvičení č. 5
Sedání piloty Cvičení č. 5 Nelineární teorie (Masopust) Nelineární teorie sestrojuje zatěžovací křivku piloty za předpokladu, že mezi nulovým zatížením piloty a zatížením, kdy je plně mobilizováno plášťové
VíceCvičení ze statistiky - 3. Filip Děchtěrenko
Cvičení ze statistiky - 3 Filip Děchtěrenko Minule bylo.. Dokončili jsme základní statistiky, typy proměnných a začali analýzu kvalitativních dat Tyhle termíny by měly být známé: Histogram, krabicový graf
VícePřednáška č.7 Ing. Sylvie Riederová
Přednáška č.7 Ing. Sylvie Riederová 1. Aplikace klasifikace nákladů na změnu objemu výroby 2. Modelování nákladů Podstata modelování nákladů Nákladové funkce Stanovení parametrů nákladových funkcí Klasifikační
VíceKALIBRACE A LIMITY JEJÍ PŘESNOSTI. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie KALIBRACE A LIMITY JEJÍ PŘESNOSTI Semestrální práce Licenční studium Galileo Interaktivní statistická analýza dat Brno 2016
Více2.2 Kalibrace a limity její p esnosti
UNIVERZITA PARDUBICE Òkolní rok 000/001 Fakulta chemicko-technologická, Katedra analytické chemie LICEN NÍ STUDIUM STATISTICKÉ ZPRACOVÁNÍ DAT PÌI MANAGEMENTU JAKOSTI P EDM T:. Kalibrace a limity její p
VíceCvičné texty ke státní maturitě z matematiky
Cvičné texty ke státní maturitě z matematiky Pracovní listy s postupy řešení Brno 2010 RNDr. Rudolf Schwarz, CSc. Státní maturita z matematiky Úloha 1 1. a = s : 45 = 9.10180 45 = 9.101+179 45 = 9.10.10179
VíceYou created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com)
Závislost náhodných veličin Úvod Předchozí přednášky: - statistické charakteristiky jednoho výběrového nebo základního souboru - vztahy mezi výběrovým a základním souborem - vztahy statistických charakteristik
VíceTvorba povrchů pomocí interpolací
Tvorba povrchů pomocí interpolací Rastrová data, která souvisle zobrazují průběh hodnot nějakého měřitelného fenoménu, jsou zpravidla vypočítávána pomocí interpolací naměřených hodnot vztažených k bodům
Vícea se nazývá aritmetická právě tehdy, když existuje takové číslo d R
Předmět: Ročník: Vytvořil: Datum: MATEMATIKA TŘETÍ Mgr. Tomáš MAŇÁK. březen 014 Název zpracovaného celku: ARITMETICKÁ POSLOUPNOST A JEJÍ UŽITÍ ARITMETICKÁ POSLOUPNOST Teorie: Posloupnost každé ( ) n n1
VíceAproximace a vyhlazování křivek
Fakulta chemicko technologická Katedra analytické chemie licenční studium Management systému jakosti Autor: Přednášející: Prof. Ing. Jiří Militký, Csc 1. SLEDOVÁNÍ ZÁVISLOSTI HODNOTY SFM2 NA BARVIVOSTI
VícePokročilé metody geostatistiky v R-projektu
ČVUT V PRAZE, Fakulta stavební, Geoinformatika Pokročilé metody geostatistiky v R-projektu Autoři: Vedoucí projektu: RNDr. Dr. Nosková Jana Studentská grantová soutěž ČVUT 2011 Praha, 2011 Geostatistika
VíceLineární regrese. Komentované řešení pomocí MS Excel
Lineární regrese Komentované řešení pomocí MS Excel Vstupní data Tabulka se vstupními daty je umístěna v oblasti A1:B11 (viz. obrázek) na listu cela data Postup Základní výpočty - regrese Výpočet základních
VíceÚloha č. 2 - Kvantil a typická hodnota. (bodově tříděná data): (intervalově tříděná data): Zadání úlohy: Zadání úlohy:
Úloha č. 1 - Kvantily a typická hodnota (bodově tříděná data): Určete typickou hodnotu, 40% a 80% kvantil. Tabulka hodnot: Varianta Četnost 0 4 1 14 2 17 3 37 4 20 5 14 6 7 7 11 8 20 Typická hodnota je
Více13.1. Úvod Cílem regresní analýzy je popsat závislost hodnot znaku Y na hodnotách
13 Regrese 13.1. Úvod Cílem regresní analýzy je popsat závislost hodnot znaku Y na hodnotách znaku X. Přitom je třeba vyřešit jednak volbu funkcí k vystižení dané závislosti a dále stanovení konkrétních
VíceKalibrace a limity její přesnosti
SEMESTRÁLNÍ PRÁCE Kalibrace a limity její přesnosti 005/006 Ing. Petr Eliáš 1. LINEÁRNÍ KALIBRACE 1.1 Zadání Povrchově upravená suspenze TiO je protiproudně promývána v kaskádě Dorrových usazováků. Nejvíce
VíceANALÝZA VZTAHU DVOU SPOJITÝCH VELIČIN
ANALÝZA VZTAHU DVOU SPOJITÝCH VELIČIN V dokumentu 7a_korelacn_a_regresn_analyza jsme řešl rozdíl mez korelační a regresní analýzou. Budeme se teď věnovat pouze lneárnímu vztahu dvou velčn, protože je nejjednodušší
VíceCVIČNÝ TEST 51. OBSAH I. Cvičný test 2. Mgr. Tomáš Kotler. II. Autorské řešení 6 III. Klíč 15 IV. Záznamový list 17
CVIČNÝ TEST 51 Mgr. Tomáš Kotler OBSAH I. Cvičný test 2 II. Autorské řešení 6 III. Klíč 15 IV. Záznamový list 17 I. CVIČNÝ TEST VÝCHOZÍ TEXT A OBRÁZEK K ÚLOZE 1 V obchodě s kouzelnickými potřebami v Kocourkově
VíceMetoda nejmenších čtverců Michal Čihák 26. listopadu 2012
Metoda nejmenších čtverců Michal Čihák 26. listopadu 2012 Metoda nejmenších čtverců Matematicko-statistická metoda používaná zejména při zpracování nepřesných dat (typicky experimentálních empirických
VíceChyby nepřímých měření
nepřímé měření: Chyby nepřímých měření chceme určit veličinu z hodnot jiných veličin na základě funkční vztahu máme změřené veličiny pomocí přímých měření (viz. dříve) včetně chyb: x±σ x, y±σ y,... známe
VíceBézierovy křivky Bohumír Bastl KMA/GPM Geometrické a počítačové modelování Bézierovy křivky GPM 1 / 26
Bézierovy křivky Bohumír Bastl (bastl@kma.zcu.cz) KMA/GPM Geometrické a počítačové modelování Bézierovy křivky GPM 1 / 26 Opakování Spline křivky opakování Bézierovy křivky GPM 2 / 26 Opakování Interpolace
VíceKalibrace a limity její přesnosti
Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie Licenční studium GALILEO a limity její přesnosti Seminární práce Monika Vejpustková leden 2016 OBSAH Úloha 1. Lineární kalibrace...
VíceOptimální trvanlivost nástroje
Ústav Strojírenské technologie Speciální technologie výroby Cvičení Optimální trvanlivost nástroje č. zadání: Zadání: Z naměřených hodnot opotřebení vyměnitelné břitové destičky určete optimální trvanlivost
VíceChceme určit hodnoty parametrů závislosti p 1,.., p n a to
Zpracování výsledků měření početními metodami Měříme závislost jedné veličiny na druhé. Měření - soubor hodnot {y i, x i } a příslušných chyb. Hledáme vyjádření závislosti y = f(x; p 1,.., p n ). Chceme
VíceČasové řady, typy trendových funkcí a odhady trendů
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel 973 442029 email:jirineubauer@unobcz Stochastický proces Posloupnost náhodných veličin {Y t, t = 0, ±1, ±2 } se nazývá stochastický proces
VíceČasové řady, typy trendových funkcí a odhady trendů
Časové řady, typy trendových funkcí a odhady trendů Jiří Neubauer Katedra ekonometrie FVL UO Brno kancelář 69a, tel 973 442029 email:jirineubauer@unobcz Jiří Neubauer (Katedra ekonometrie UO Brno) Časové
VícePOLYNOMICKÁ REGRESE. Jedná se o regresní model, který je lineární v parametrech, ale popisuje nelineární závislost mezi proměnnými.
POLYNOMICKÁ REGRESE Jedná se o regresní model, který je lineární v parametrech, ale popisuje nelineární závislost mezi proměnnými. y = b 0 + b 1 x + b 2 x 2 + + b n x n kde b i jsou neznámé parametry,
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOS A SAISIKA Regresní analýza - motivace Základní úlohou regresní analýzy je nalezení vhodného modelu studované závislosti. Je nutné věnovat velkou pozornost tomu aby byla modelována REÁLNÁ
VíceSYLABUS PŘEDNÁŠKY 10 Z GEODÉZIE 1
SYLABUS PŘEDNÁŠKY 10 Z GEODÉZIE 1 (Souřadnicové výpočty 4, Orientace osnovy vodorovných směrů) 1. ročník bakalářského studia studijní program G studijní obor G doc. Ing. Jaromír Procházka, CSc. prosinec
VíceCVIČNÝ TEST 35. OBSAH I. Cvičný test 2. Mgr. Tomáš Kotler. II. Autorské řešení 6 III. Klíč 15 IV. Záznamový list 17
CVIČNÝ TEST 35 Mgr. Tomáš Kotler OBSAH I. Cvičný test II. Autorské řešení 6 III. Klíč 15 IV. Záznamový list 17 I. CVIČNÝ TEST 1 Vypočtěte [( 3 3 ) ( 1 4 5 3 0,5 ) ] : 1 6 1. 1 bod VÝCHOZÍ TEXT K ÚLOZE
VíceVyužití profilových manuálních a automatických měření sněhu pro výpočet zásob vody ve sněhové pokrývce
Využití profilových manuálních a automatických měření sněhu pro výpočet zásob vody ve sněhové pokrývce Šimon Bercha ČHMÚ Praha, bercha@chmi.cz J. Jirák, L. Ducháček, V. Vajskebr, J. Pobříslová Jablonec
Vícevzorek1 0.0033390 0.0047277 0.0062653 0.0077811 0.0090141... vzorek 30 0.0056775 0.0058778 0.0066916 0.0076192 0.0087291
Vzorová úloha 4.16 Postup vícerozměrné kalibrace Postup vícerozměrné kalibrace ukážeme na úloze C4.10 Vícerozměrný kalibrační model kvality bezolovnatého benzinu. Dle následujících kroků na základě naměřených
VíceSoustavy lineárních a kvadratických rovnic o dvou neznámých
Soustavy lineárních a kvadratických rovnic o dvou neznámých obsah 1.a) x + y = 5 x 2 + y 2 = 13 3 b) x - y = 7 x 2 + y 2 = 65 5 c) x - y = 3 x 2 + y 2 = 5 6 3. a) x + 2y = 9 x. y = 10 12 b) x - 3y = 1
VíceČebyševovy aproximace
Čebyševovy aproximace Čebyševova aproximace je tzv hledání nejlepší stejnoměrné aproximace funkce v daném intervalu Hledáme funkci h x, která v intervalu a,b minimalizuje maximální absolutní hodnotu rozdílu
VíceDigitalizace starých glóbů
Milan Talich, Klára Ambrožová, Jan Havrlant, Ondřej Böhm Milan.Talich@vugtk.cz 21. kartografická konference, 3. 9. - 4. 9. 2015, Lednice Cíle Vytvoření věrného 3D modelu, umožnění studia online, možnost
VíceSTATISTICA Téma 8. Regresní a korelační analýza, regrese prostá
STATISTICA Téma 8. Regresní a korelační analýza, regrese prostá 1) Lineární i nelineární regrese prostá, korelace Naeditujeme data viz obr. 1. Obr. 1 V menu Statistika zvolíme submenu Pokročilé lineární/nelineární
VícePozn. 1. Při návrhu aproximace bychom měli aproximační funkci vybírat tak, aby vektory ϕ (i) byly lineárně
9. Řešení typických úloh diskrétní metodou nejmenších čtverců. DISKRÉTNÍ METODA NEJMENŠÍCH ČTVERCŮ použití: v případech, kdy je nevhodná interpolace využití: prokládání dat křivkami, řešení přeurčených
VíceKorelační a regresní analýza. 1. Pearsonův korelační koeficient 2. jednoduchá regresní analýza 3. vícenásobná regresní analýza
Korelační a regresní analýza 1. Pearsonův korelační koeficient 2. jednoduchá regresní analýza 3. vícenásobná regresní analýza Pearsonův korelační koeficient u intervalových a poměrových dat můžeme jako
VíceKatedra geotechniky a podzemního stavitelství
Katedra geotechniky a podzemního stavitelství Modelování v geotechnice Metoda okrajových prvků (prezentace pro výuku předmětu Modelování v geotechnice) doc. RNDr. Eva Hrubešová, Ph.D. Inovace studijního
VíceMĚŘENÍ STATISTICKÝCH ZÁVISLOSTÍ
MĚŘENÍ STATISTICKÝCH ZÁVISLOSTÍ v praxi u jednoho prvku souboru se často zkoumá více veličin, které mohou na sobě různě záviset jednorozměrný výběrový soubor VSS X vícerozměrným výběrovým souborem VSS
VíceRegresní analýza 1. Regresní analýza
Regresní analýza 1 1 Regresní funkce Regresní analýza Důležitou statistickou úlohou je hledání a zkoumání závislostí proměnných, jejichž hodnoty získáme při realizaci experimentů Vzhledem k jejich náhodnému
VíceBodové a intervalové odhady parametrů v regresním modelu
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Lineární regresní model Mějme lineární regresní model (LRM) Y = Xβ + e, kde y 1 e 1 β y 2 Y =., e
Více