Vyhodnocení průměrných denních analýz kalcinátu ananasového typu. ( Metoda hlavních komponent )
|
|
- Radka Matějková
- před 5 lety
- Počet zobrazení:
Transkript
1 Vyhodnocení průměrných denních analýz kalcinátu ananasového typu. ( Metoda hlavních komponent ) Zadání : Titanová běloba (TiO ) se vyrábí ve dvou základních krystalových modifikacích - rutilové a anatasové. Materiál pigmentových vlastností se získává kalcinací hydratovaného gelu oxidu titaničitého při teplotách kolem 950 C. Materiál vypadávající z kalcinační pece, tzv. kalcinát, se po ochlazení mele na kyvadlových mlýnech. Pro ananasový typ je to finální úprava před balením a expedicí. Nezbytným předpokladem pro zisk výrobku požadované kvality je správné řízení teplotního režimu kalcinační pece. Jako podklady k tomu slouží analýzy prováděné v kalcinátu v určitých časových intervalech. Smyslem vyhodnocení denních průměrů analýz je posouzení vzájemných vazeb mezi jednotlivými parametry a rovnoměrnosti kvality produkce. Data : Pro celkem velkou rozsáhlost jsou uvedena v příloze č. Řešení : Program QC Expert: Vícerozměrná analýza Program SCAN v.: Metoda PCA Metoda hlavních komponent Program MINITAB v 3: Cluster analysis Pro potíže s funkčností programu Statgraphics byl pro vyhodnocení dat použit statistický program SCAN, který má vícerozměrnou analýzu dat dobře propracovanou. Exploratorní analýza Data byla podrobena exploratorní (průzkumové) analýze statistickým počítačovým programem QC Expert 3.0. V části analyzovaných dat byla prokázána vzájemná korelace, což se dalo podle způsobu jejich získávání očekávat. Pro metodu hlavních komponent pomocí algoritmu NIPALS byly z dalšího zpracování vyřazeny sloupce (parametry), které byly indikovány jako téměř konstantní a bránily výpočtu. Jedná se o obsah Fe a obsah SbO3. Předem byly rovněž odstraněny sloupce obsahující zjevně vybočující data, jejichž hodnoty by mohly negativně ovlivnit výsledky zpracování. Vyhodnocení průměrných denních analýz kalcinátu ananasového typu. Strana č. z
2 Korelační analýza Při zpracování dat z tabulky v příloze č. byla pomocí statistického počítačového programu SCAN. spočítána korelační matice (Correlation Matrix), která obsahuje párové korelační koeficienty jednotlivých veličin. V této korelační matici (příloha tabulka korelační matice) jsou barevně odlišeny hodnoty přesahující hodnotu kritického korelačního koeficientu, který má pro 30 objektů při hladině spolehlivosti 95 % absolutní hodnotu 0.36 (pro hladinu spolehlivosti 99 % a stejný počet objektů by to byla hodnota 0.469). Párové korelační koeficienty mezi proměnnými _ZF _Bě, _ČF _Bě a _ČF _ZF mají hodnoty nad 0.9, což značí extrémně vysokou závislost. Metoda hlavních komponent Pro vyhodnocení dat metodou hlavních komponent PCA (Principal Components Analysis) byl zvolen statistický počítačový program SCAN. a metoda pomocí algoritmu NI- PALS. Graficky se výsledek analýzy hlavních komponent zobrazuje těmito grafy hlavních komponent Indexový graf úpatí vlastních čísel (Scree Plot), Graf komponentních vah (Plot Components Weights), Rozptylový diagram komponentního skóre (Scatterplot) a Dvojný graf (Biplot). NIPALS Eigenvalue (Scree) Plot 5 4 eigenvalues 3 0 Obr.č. Indexový graf úpatí vlastních čísel components Vlastní čísla (Eigenvalues) slouží k určení počtu A využitelných hlavních komponent (Components), jež si zvolíme v analýze k dalšímu užívání. K dalšímu popisu proměnlivosti bereme obvykle tolik hlavních komponent, aby jimi bylo popsáno % celkové proměnlivosti dat. V tomto případě, jak je patrné z obrázku, mají smysl čtyři, eventuálně pět. Vyhodnocení průměrných denních analýz kalcinátu ananasového typu. Strana č. z
3 Graf komponentních vah NIPALS Loading Plot KO NaO Vypad_pH S KO:PO PO5 NbO5 ot_ph Rutil Vypad_MF AlO3 SFM_B Vypad_CF Vypad_Be Vypad_ZF ZrO Obr.č. Graf komponentních vah NIPALS Biplot PO KO NbO5 ot_ph ZrO NaO Vypad_pH S KO:PO 9 Vypad_CF Rutil Vypad_MFVypad_ZF Vypad_Be 0 AlO3 SFM_B Obr.č.3 Dvojný graf Jak ukazuje graf komponentních vah na obrázku č. a dvojný graf na obrázku č. 3, mají společné vlastnosti a tím pádem spolu korelují např. tyto proměnné: _ph a Na O Rutil, _ČF, _Bě, _MF a _ZF Al O 3 a SFM B Vyhodnocení průměrných denních analýz kalcinátu ananasového typu. Strana č. 3 z
4 Z praktických důvodů byl počet proměnných zredukován vypuštěním silně korelujících proměnných z jednotlivých skupin. V první fázi bylo vypuštěno celkem pět proměnných, vyznačujících se ve skupinách menším vlivem, tedy s kratšími průvodiči proměnných. Graf po první redukci proměnných je na obrázku č. 4. NIPALS Loading Plot 0.4 KO NaO S 0.3 PO NbO5 ot_ph Rutil SFM_B Vypad_Be KO:PO ZrO Obr.č.4 Graf komponentních vah po první redukci proměnných Dalším krokem redukce počtu proměnných bylo vypuštění dalších pěti korelujících proměnných. Výsledná situace po druhé redukci proměnných je patrná z grafu na obrázku č. 5. NIPALS Loading Plot PO5 KO 0.0 S KO:PO ZrO SFM_B 0.0 Obr.č.5 Graf komponentních vah po druhé redukci proměnných Vyhodnocení průměrných denních analýz kalcinátu ananasového typu. Strana č. 4 z
5 NIPALS Biplot ZrO PO KO SFM_B S KO:PO Obr. 6 Dvojný graf po druhé redukci proměnných Tabulka Důležité parametry charakterizující výsledek redukce počtu manifestních Hlavní komponenta Před redukcí proměnných proměnných Eigenvalue Proporčně Kumulativně Hlavní komponenta Po druhé redukci proměnných Eigenvalue Proporčně Kumulativně Vyhodnocení průměrných denních analýz kalcinátu ananasového typu. Strana č. 5 z
6 Závěr: Jak ukazuje porovnání jednotlivých hodnot před redukcí počtu proměnných a hodnot po druhé redukci počtu proměnných v tabulce, podařilo se dosáhnout pro první dvě latentní proměnné dostatečně vysoké vysvětlené variability 76,9 %. Latentní proměnné y a y mají následující tvar: y = SFM_B K O S P O 5 60 ZrO K O : P O y = SFM_B K O S + P O ZrO + 0. K O : P O Velkým přínosem možnosti použití pouze dvou latentních proměnných je mimo jiné to, že se dají znázornit klasickým grafem v rovině. Rozptylový diagram komponentního skóre NIPALS Score Plot Obr. 7 Graf závislosti y na y pro jednotlivé body Jak ukazuje graf na obr.č. 7, objekty jsou rozděleny zhruba do tří shluků, které přibližně odpovídají jednotlivým dekádám v měsíci, ač by v ideálním případě měly tvořit shluk jediný. Pokud bychom se snažili o fyzikální vysvětlení latentních proměnných y a y, dalo by se na základě vyšších nebo nižších hodnot koeficientů u jednotlivých manifestních proměnných říci, že první proměnná zvýrazňuje především parametry související s výchozími surovinami, druhá proměnná pak zvýrazňuje kvalitativní parametry ovlivněné především složením pasty dávkované do pece. Vyhodnocení průměrných denních analýz kalcinátu ananasového typu. Strana č. 6 z
7 Analýza shluků Nejprve byla data podrobena analýze podobnosti proměnných pomocí dendrogramu proměnných průměrovou metodou ve statistickém programu MINITAB, který toto jako jeden z mála programů umožňuje. Výsledný dendrogram je na obrázku č. 8, kde osu x tvoří proměnné (Variables) a osu y podobnost (Similarity). Průměrovou metodou byly nalezeny nejvíce si podobné proměnné, což jsou _Bě, _ZF a _ČF a K O a P O 5. Nejvíce je si podobná dvojice proměnných _Bě a _ZF, což vlastně potvrzuje výsledky korelační analýzy. Vzájemná podobnost uvedených proměnných byla předpokládána, neboť se tyto proměnné analyticky stanovují vedle sebe. Similarity Dendrogram proměnných Vyp ad _ph KO:PO S FM_B Vypad_Be Vyp ad _ZF Vypad_CF Vypad_MF R util Al O3 KO P O5 S Na O ot_ph Nb O5 ZrO Obr. 8 Dendrogram proměnných Variables Dále bylo pro analýzu shluků objektů použito hiearchické klastrování podle Euklidovské vzdálenosti s použitím průměrové metody. Nejprve však bylo nutno, na základě informace programu, vyřadit některé sloupce, které byly identifikovány jako téměř konstantní a bránily výpočtu. Potom byla zkoumána podobnost objektů a provedeno roztřídění do skupin. Nejprve byla zkoumána původní naměřená data grafický výstup této metody je dendrogram uvedený na obrázku č. 9. Protože jsou vstupní proměnné vyjádřeny v různých jednotkách a tím dosahují i řádově rozdílných hodnot, byla provedena standardizace, čili normování dat. Dendrogram objektů po standardizaci dat je na obr.č.0. Již při prvním pohledu na dendrogram na obrázku č. 0 je vidět, že standardizace dat má zřetelný vliv na podobnost skupin objektů. Vyhodnocení průměrných denních analýz kalcinátu ananasového typu. Strana č. 7 z
8 Similarity Dendrogram objektů Observations Obr. 9 Dendrogram - Průměr a Euklidovská vzdálenost Similarity Dendrogram objektů - standardizováno Observations Obr. 0 Dendrogram - Průměr a Euklidovská vzdálenost - standardizováno Pro další dendrogram na obrázku č. byla použita data šesti nejvlivnějších proměnných stanovených pomocí grafu komponentních vah. Dendrogram potvrzuje výsledek uvedený u rozptylového diagramu komponentního skóre, kdy jsou objekty rozděleny do tří shluků. Vyhodnocení průměrných denních analýz kalcinátu ananasového typu. Strana č. 8 z
9 Similarity Dendrogram nejvlivnějších proměnných (standardizováno) Observations Obr. Dendrogram nejvlivnějších proměnných - Průměr a Euklidovská vzdálenost - standardizováno Závěr : Z výsledků analýzy shluků prezentovaných výše vyplývá, že kvalita kalcinátu v průběhu měsíce kolísá zhruba v šesti až deseti denních cyklech, což z hlediska požadavku rovnoměrnosti výroby není žádoucí. Vyhodnocení průměrných denních analýz kalcinátu ananasového typu. Strana č. 9 z
10 Tabulka č. naměřených dat Příloha č. Číslo ph ot_ph SFM_B Bě ZF MF ČF Vyhodnocení průměrných denních analýz kalcinátu ananasového typu. Strana č. 0 z Rutil Fe Sb O 3 K O S P O 5 Nb O 5 Al O 3 Na O ZrO K O:P O
11 Tabulka č. Korelační matice (Correlation Matrix) Příloha č. ph otvor ph SFM B Bě ZF MF ČF Rutil K O S P O 5 Nb O 5 Al O 3 Na O ZrO otvor ph 0.8 SFM_B Bě ZF MF ČF Rutil K O S P O Nb O Al O Na O ZrO K O:P O Vyhodnocení průměrných denních analýz kalcinátu ananasového typu. Strana č. z
Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium Management systému jakosti
Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium Management systému jakosti. Autor práce: Přednášející: Prof. RNDr. Milan Meloun, DrSc Zpracovávaná data jsou
VíceFakulta chemicko technologická Katedra analytické chemie
Fakulta chemicko technologická Katedra analytické chemie Licenční studium statistické zpracování dat Analýza vícerozměrných dat Ing. Pavel Valášek Školní rok OBSAH ÚVOD DATA EDA EXPLORATORÍ AALÝZA 4 PCA
VíceSEMESTRÁLNÍ PRÁCE. Určení vnitřní struktury analýzou vícerozměrných dat. Ing. Pavel Bouchalík
SEMESTRÁLNÍ PRÁCE Určení vnitřní struktury analýzou vícerozměrných dat Ing. Pavel Bouchalík 1. ZADÁNÍ Tato semestrální práce je písemným vypracováním zkouškových otázek z okruhu Určení vnitřní struktury
VícePříklad 2: Určení cihlářských surovin na základě chemické silikátové analýzy
Příklad 2: Určení cihlářských surovin na základě chemické silikátové analýzy Zadání: Deponie nadložních jílových sedimentů SHP byla testována za účelem využití v cihlářské výrobě. Z deponie bylo odebráno
VícePočítačová analýza vícerozměrných dat v oborech přírodních, technických a společenských věd
Počítačová analýza vícerozměrných dat v oborech přírodních, technických a společenských věd Prof. RNDr. Milan Meloun, DrSc. (Univerzita Pardubice, Pardubice) 20.-24. června 2011 Tato prezentace je spolufinancována
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
VíceProfilování vzorků heroinu s využitím vícerozměrné statistické analýzy
Profilování vzorků heroinu s využitím vícerozměrné statistické analýzy Autor práce : RNDr. Ivo Beroun,CSc. Vedoucí práce: prof. RNDr. Milan Meloun, DrSc. PROFILOVÁNÍ Profilování = klasifikace a rozlišování
Více3.4 Určení vnitřní struktury analýzou vícerozměrných dat
3. Určení vnitřní struktury analýzou vícerozměrných dat. Metoda hlavních komponent PCA Zadání: Byly provedeny analýzy chladící vody pro odběrové místa. Byly stanoveny parametry - ph, vodivost, celková
VícePŘÍKLAD 4.5 Chromatografická analýza farmakologických sloučenin Byly měřeny hodnoty R F pro 20 sloučenin s 18 eluenty. Žádné eluční činidlo však nepro
PŘÍKLAD 4.5 Chromatografická analýza farmakologických sloučenin Byly měřeny hodnoty R F pro 20 sloučenin s 18 eluenty. Žádné eluční činidlo však neprovedlo úplné rozdělení. Cílem je nalézt minimální výběr
VícePočítačová analýza vícerozměrných dat
Seminární práce Vypracoval: Ing.Jiří Raška Obsah: Zadání 3 Průzkumová analýza 5 Symbolové grafy 8 Odhalení struktury ve znacích a objektech 11 Metoda hlavních komponent 16 Shluková analýza 22 Závěr 27
VíceFakulta chemicko-technologická Katedra analytické chemie. 3.2 Metody s latentními proměnnými a klasifikační metody
Fakulta chemicko-technologická Katedra analytické chemie 3.2 Metody s latentními proměnnými a klasifikační metody Vypracoval: Ing. Tomáš Nekola Studium: licenční Datum: 21. 1. 2008 Otázka 1. Vypočtěte
VíceFakulta chemicko-technologická Katedra analytické chemie. Licenční studium Statistické zpracování dat při managementu jakosti. Semestrální práce:
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Licenční studium Statistické zpracování dat při managementu jakosti Semestrální práce: METODY S LATENTNÍMI PROMĚNNÝMI A KLASIFIKAČNÍ
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
VíceUniverzita Pardubice 8. licenční studium chemometrie
Univerzita Pardubice 8. licenční studium chemometrie Statistické zpracování dat při managementu jakosti Semestrální práce Metody s latentními proměnnými a klasifikační metody Ing. Jan Balcárek, Ph.D. vedoucí
VíceOdhalení skryté struktury a vnitřních vazeb dat metodami vícerozměrné statistické analýzy
Odhalení skryté struktury a vnitřních vazeb dat metodami vícerozměrné statistické analýzy Prof. RNDr. Milan Meloun, DrSc, Katedra analytické chemie, Univerzita Pardubice, 532 10 Pardubice, milan. meloun@upce.
VícePříklad 2: Obsah PCB v játrech zemřelých lidí. Zadání: Data: Program:
Příklad 2: Obsah PCB v játrech zemřelých lidí Zadání: V rámci Monitoringu zdraví byly měřeny koncentrace polychlorovaných bifenylů vjátrech lidí zemřelých náhodnou smrtí ve věku 40 let a více. Sedm vybraných
VíceUniverzita Pardubice. Fakulta chemicko-technologická. Katedra analytické chemie. Semestrální práce. Licenční studium
Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie Semestrální práce Licenční studium Statistické zpracování dat při kontrole a řízení jakosti předmět 3.1. Matematické principy
VíceSemestrální práce. 3.1 Matematické principy analýzy vícerozměrných dat
Semestrální práce 3.1 Matematické principy analýzy vícerozměrných dat RNDr.Raimund HEDBÁVNÝ Bioveta, a.s. Komenského 212, 683 23 Ivanovice na Hané 2007 3.1 Matematické principy analýzy vícerozměrných dat
VíceKVALITA GELU HYDRATOVANÉHO OXIDU TITANIČITÉHO Z HLEDISKA KALCINAČNÍHO CHOVÁNÍ
UNIVERZITA PARDUBICE Školní rok 1999/2000 Fakulta chemicko-technologická, Katedra analytické chemie LICENČNÍ STUDIUM STATISTICKÉ ZPRACOVÁNÍ DAT PŘI MANAGEMENTU JAKOSTI PŘEDMĚT: 2.4 Faktory ovlivňující
VíceFaktorová analýza (FACT)
Faktorová analýza (FAC) Podobně jako metoda hlavních komponent patří také faktorová analýza mezi metody redukce počtu původních proměnných. Ve faktorové analýze předpokládáme, že každou vstupující proměnnou
VíceÚvod do vícerozměrných metod. Statistické metody a zpracování dat. Faktorová a komponentní analýza (Úvod do vícerozměrných metod)
Úvod do vícerozměrných metod Statistické metody a zpracování dat Faktorová a komponentní analýza (Úvod do vícerozměrných metod) Petr Dobrovolný O řadě jevů či procesů máme k dispozici ne jeden statistický
VíceStatistické metody a zpracování dat. IX Faktorová a komponentní analýza (Úvod do vícerozměrných metod) Petr Dobrovolný
Statistické metody a zpracování dat IX Faktorová a komponentní analýza (Úvod do vícerozměrných metod) Petr Dobrovolný Úvod do vícerozměrných metod O řadě jevů či procesů máme k dispozici ne jeden statistický
VíceSEMESTRÁLNÍ PRÁCE 3.5 Klasifikace analýzou vícerozměrných dat
UNIVERZITA PARDUBICE FAKULTA CHEMICKO-TECHNOLOGICKÁ KATEDRA ANALYTICKÉ CHEMIE LICENČNÍ STUDIUM - STATISTICKÉ ZPRACOVÁNÍ DAT SEMESTRÁLNÍ PRÁCE Ing. Věra Fialová BIOPHARM VÝZKUMNÝ ÚSTAV BIOFARMACIE A VETERINÁRNÍCH
VíceFaktorová analýza. PSY252 Statistická analýza dat v psychologii II
Faktorová analýza PSY252 Statistická analýza dat v psychologii II 8.12.2010 Latentní a manifestní proměnné Perspektiva CTT: (pro)jevy, které spolu nějakým způsobem souvisejí, mají stejnou podstatu, jsou
VíceStatistické zpracování naměřených experimentálních dat za rok 2012
Statistické zpracování naměřených experimentálních dat za rok 2012 Popis dat: Experimentální data byla získána ze tří měřících sloupů označených pro jednoduchost názvy ZELENA, BILA a RUDA. Tyto měřící
VíceVícerozměrné statistické metody
Vícerozměrné statistické metody Ordinační analýzy principy redukce dimenzionality Jiří Jarkovský, Simona Littnerová FSTA: Pokročilé statistické metody Ordinační analýza a její cíle Cíle ordinační analýzy
VíceZX510 Pokročilé statistické metody geografického výzkumu
ZX510 Pokročilé statistické metody geografického výzkumu Téma: Explorační faktorová analýza (analýza hlavních komponent) Smysl a princip faktorové analýzy v explorační verzi není faktorová analýza určena
VíceUNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, 532 10 Pardubice 10. licenční studium chemometrie STATISTICKÉ ZPRACOVÁNÍ DAT Semestrální práce KLASIFIKACE
VíceVícerozměrné metody. PSY117/454 Statistická analýza dat v psychologii Přednáška 12. Schematický úvod
PSY117/454 Statistická analýza dat v psychologii Přednáška 12 Vícerozměrné metody Schematický úvod Co je na slově statistika tak divného, že jeho vyslovení tak často způsobuje napjaté ticho? William Kruskal
VíceUniverzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie
Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie 12. licenční studium PYTHAGORAS Statistické zpracování dat 3.1 Matematické principy vícerozměrných metod statistické analýzy
VíceTvorba lineárních regresních modelů při analýze dat
Fakulta chemicko technologická Katedra analytické chemie licenční studium Management systému jakosti Tvorba lineárních regresních modelů při analýze dat Autor: Přednášející: Prof. RNDr. Milan Meloun, DrS
VíceFaktorová analýza příklad. Obrázek 1 Ukázka části vstupních dat
Faktorová analýza příklad Obrázek 1 Ukázka části vstupních dat Maticový graf vybraných proměnných: Fueltank Passengers Length Wheelbase Width U Turn Space Rear seat Luggage Weight Horsepower Engine Size
VíceVícerozm rná analýza dat metodou hlavních komponent a shluk
Vícerozm rná analýza dat metodou hlavních komponent a shluk Prof. RNDr. Milan Meloun, DrSc. Katedra analytické chemie, Chemickotechnologická fakulta, Univerzita Pardubice, nám. s. Legií 565, 532 10 Pardubice,
VíceAVDAT Mnohorozměrné metody metody redukce dimenze
AVDAT Mnohorozměrné metody metody redukce dimenze Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Opakování vlastní čísla a vlastní vektory A je čtvercová matice řádu n. Pak
VíceAnalýzy regionálního trhu práce v České republice Analysis of regional labour market in Czech Republic
2 nd Central European Conference in Regional Science CERS, 2007 862 Analýzy regionálního trhu práce v České republice Analysis of regional labour market in Czech Republic PETR ŘEHOŘ, DARJA HOLÁTOVÁ Jihočeská
VíceSEMESTRÁ LNÍ PRÁ CE. Licenč ní studium STATISTICKÉZPRACOVÁ NÍ DAT PŘ I KONTROLE A Ř ÍZENÍ JAKOSTI. Předmě t POČ ÍTAČ OVÁ ANALÝ ZA VÍCEROZMĚ RNÝ CH DAT
SEMESTRÁ LNÍ PRÁ CE Licenč ní studium STATISTICKÉZPRACOVÁ NÍ DAT PŘ I KONTROLE A Ř ÍZENÍ JAKOSTI Předmě t POČ ÍTAČ OVÁ ANALÝ ZA VÍCEROZMĚ RNÝ CH DAT Ú stav experimentá lní biofarmacie, Hradec Krá lové
VíceUniverzita Pardubice
Univerzita Pardubice 8. licenční studium chemometrie Statistické zpracování dat při managementu jakosti Semestrální práce Lineární regrese Ing. Jan Balcárek, Ph.D. vedoucí Centrálních laboratoří Precheza
VíceVícerozměrné statistické metody
Vícerozměrné statistické metody Podobnosti a vzdálenosti ve vícerozměrném prostoru, asociační matice II Jiří Jarkovský, Simona Littnerová Vícerozměrné statistické metody Práce s asociační maticí Vzdálenosti
VíceUniverzita Pardubice FAKULTA CHEMICKO TECHNOLOGICKÁ
Univerzita Pardubice FAKULA CHEMICKO ECHNOLOGICKÁ MEODY S LAENNÍMI PROMĚNNÝMI A KLASIFIKAČNÍ MEODY SEMINÁRNÍ PRÁCE LICENČNÍHO SUDIA Statistické zracování dat ři kontrole jakosti Ing. Karel Dráela, CSc.
VícePravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1
Logistická regrese Menu: QCExpert Regrese Logistická Modul Logistická regrese umožňuje analýzu dat, kdy odezva je binární, nebo frekvenční veličina vyjádřená hodnotami 0 nebo 1, případně poměry v intervalu
VíceShluková analýza dat a stanovení počtu shluků
Shluková analýza dat a stanovení počtu shluků Autor: Tomáš Löster Vysoká škola ekonomická v Praze Ostrava, červen 2017 Osnova prezentace Úvod a teorie shlukové analýzy Podrobný popis shlukování na příkladu
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
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
VíceUNIVERZITA PARDUBICE
UNIVERZITA PARDUBICE Fakulta chemicko technologická Katedra analytické chemie Licenční studium chemometrie na téma Tvorba nelineárních regresních modelů v analýze dat Vedoucí licenčního studia Prof. RNDr.
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
VíceFakulta chemicko technologická Katedra analytické chemie licenční studium Management systému jakosti Kalibrace a limity její přesnosti
Fakulta chemicko technologická Katedra analytické chemie licenční studium Management systému jakosti Kalibrace a limity její přesnosti Autor: Přednášející: Prof. RNDr. Milan Meloun, DrS 1. VÝPOČET OBSAHU
VíceOdhalení skryté struktury a vnitřních vazeb dat vícerozměrnou statistickou analýzou pitné vody
Odhalení skryté struktury a vnitřních vazeb dat vícerozměrnou statistickou analýzou pitné vody Prof. RNDr. Milan Meloun, DrSc, Katedra analytické chemie, Univerzita Pardubice, 532 10 Pardubice, milan.
VícePOPISNÁ STATISTIKA Komentované řešení pomocí programu Statistica
POPISNÁ STATISTIKA Komentované řešení pomocí programu Statistica Program Statistica I Statistica je velmi podobná Excelu. Na základní úrovni je to klikací program určený ke statistickému zpracování dat.
VíceKanonická korelační analýza
Kanonická korelační analýza Kanonická korelační analýza je vícerozměrná metoda, která se používá ke zkoumání závislosti mezi dvěma skupinami proměnných. První ze skupin se považuje za soubor nezávisle
VícePočítačová analýza vícerozměrných dat v oborech přírodních, technických a společenských věd
INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ Počítačová analýza vícerozměrných dat v oborech přírodních, technických a společenských věd Učební texty ke kurzu Autoři: Prof. RNDr. Milan Meloun, DrSc. (Univerzita Pardubice,
VíceHledání optimální polohy stanic a zastávek na tratích regionálního významu
Hledání optimální polohy stanic a zastávek na tratích regionálního významu Václav Novotný 31. 10. 2018 Anotace 1. Dopravní obsluha území tratěmi regionálního významu 2. Cíle výzkumu a algoritmus práce
VíceCronbachův koeficient α nová adaptovaná metoda uvedení vlastností položkové analýzy deskriptivní induktivní parametrické
Československá psychologie 0009-062X Metodologické požadavky na výzkumné studie METODOLOGICKÉ POŽADAVKY NA VÝZKUMNÉ STUDIE Výzkumné studie mají přinášet nová konkrétní zjištění získaná specifickými výzkumnými
VíceUniverzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie ANOVA. Semestrální práce
Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie ANOVA Semestrální práce Licenční studium GALILEO Interaktivní statistická analýza dat Brno, 2015 Doc. Mgr. Jan Muselík, Ph.D.
VíceUNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, 532 10 Pardubice 10. licenční studium chemometrie STATISTICKÉ ZPRACOVÁNÍ DAT Semestrální práce STATISTICKÁ
VíceS E M E S T R Á L N Í
Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie S E M E S T R Á L N Í P R Á C E Licenční studium Statistické zpracování dat při managementu jakosti Předmět Určení vnitřní
VíceKorelace. Komentované řešení pomocí MS Excel
Korelace Komentované řešení pomocí MS Excel Vstupní data Tabulka se vstupními daty je umístěna v oblasti A2:B84 (viz. obrázek) Prvotní představu o tvaru a síle závislosti docházky a počtu bodů nám poskytne
VíceZávislost obsahu lipoproteinu v krevním séru na třech faktorech ( Lineární regresní modely )
Úloha M608 Závislost obsahu lipoproteinu v krevním séru na třech faktorech ( Lineární regresní modely ) Zadání : Při kvantitativní analýze lidského krevního séra ovlivňují hodnotu obsahu vysokohustotního
VícePCA BIPLOT ŠKÁLOVÁNÍ OS (1)
PCA BIPLOT ŠKÁLOVÁNÍ OS (1) 1 (sites) o zaměření na odlišnosti mezi lokalitami zachovány euklidovské vzdálenosti mezi vzorky úhly mezi šipkami neodpovídají kovariancím (korelacím) proměnných variance skóre
VíceUNIVERZITA PARDUBICE CHEMICKO-TECHNOLOGICKÁ FAKULTA KATEDRA ANALYTICKÉ CHEMIE
UNIVERZITA PARDUBICE CHEMICKO-TECHNOLOGICKÁ FAKULTA KATEDRA ANALYTICKÉ CHEMIE STATISTICKÁ ANALÝZA JEDNOROZMĚRNÝCH DAT V OSTRAVĚ 20.3.2006 MAREK MOČKOŘ PŘÍKLAD Č.1 : ANALÝZA VELKÝCH VÝBĚRŮ Zadání: Pro kontrolu
VíceUNIVERZITA PARDUBICE FAKULTA EKONOMICKO SPRÁVNÍ BAKALÁŘSKÁ PRÁCE 2008 PETR ŠIMER
UNIVERZITA PARDUBICE FAKULTA EKONOMICKO SPRÁVNÍ BAKALÁŘSKÁ PRÁCE 2008 PETR ŠIMER Univerzita Pardubice Fakulta ekonomicko-správní Předzpracování ekonomických dat pomocí analýzy hlavních komponent Petr Šimer
VíceKORELACE. Komentované řešení pomocí programu Statistica
KORELACE Komentované řešení pomocí programu Statistica Vstupní data I Data umístěná v excelovském souboru překopírujeme do tabulky ve Statistice a pojmenujeme proměnné, viz prezentace k tématu Popisná
VícePříloha 1/B. Vyhodnocení experimentálních dat Ostravsko
Příloha 1/B Vyhodnocení experimentálních dat Ostravsko 1 Úvod Cílem této zprávy je vyhodnocení dat, která byla pořízena v roce 2003 (jaro, podzim) v oblasti města Ostravy. Jednalo se jedno stanoviště (Ostrava-
VíceLEKCE 11 FAKTOROVÁ ANALÝZA
LEKCE 11 FAKTOROVÁ ANALÝZA Představuje způsob REDUKCE DAT: Jde o přeměnu souboru vzájemně korelovaných proměnných (matice jejich korelací) na menší soubor nekorelovaných faktorů, tento původní soubor reprezentující
VíceInternal bounds and hidden structure of the metallurgic data with the use of Multivariate Data Analysis MDA
Odhalení skryté struktury a vnitřních vazeb dat metodami PCA, FA a CLU vícerozměrné statistické analýzy Internal bounds and hidden structure of the metallurgic data with the use of Multivariate Data Analysis
VíceOptimalizace parametrů hmotnostního detektoru (MS/MS) s využitím vícerozměrných statistických analýz
Optimalizace parametrů hmotnostního detektoru (MS/MS) s využitím vícerozměrných statistických analýz Kamil Šťastný říjen 2020 Licenční studium PYTHAGORAS Statistické zpracování experimentálních dat Univerzita
VíceVícerozměrné statistické metody
Vícerozměrné statistické metody Shluková analýza Jiří Jarkovský, Simona Littnerová FSTA: Pokročilé statistické metody Typy shlukových analýz Shluková analýza: cíle a postupy Shluková analýza se snaží o
VíceSEMESTRÁLNÍ PRÁCE. Klasifikace analýzou vícerozměrných dat. Ing. Pavel Bouchalík
SEMESTRÁLNÍ PRÁCE Klasifikace analýzou vícerozměrných dat Ing. Pavel Bouchalík 1. ÚVOD Tato semestrální práce je písemným vypracováním zkouškových otázek z okruhu Klasifikace analýzou vícerozměrných dat.
VíceTECHNICKÁ UNIVERZITA V LIBERCI SEMESTRÁLNÍ PRÁCE
TECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta Studentská 2 461 17 Liberec 1 SEMESTRÁLNÍ PRÁCE STATISTICKÝ ROZBOR DAT Z DOTAZNÍKOVÝCH ŠETŘENÍ Gabriela Dlasková, Veronika Bukovinská Sára Kroupová, Dagmar
VíceCvičná bakalářská zkouška, 1. varianta
jméno: studijní obor: PřF BIMAT počet listů(včetně tohoto): 1 2 3 4 5 celkem Cvičná bakalářská zkouška, 1. varianta 1. Matematická analýza Najdětelokálníextrémyfunkce f(x,y)=e 4(x y) x2 y 2. 2. Lineární
VíceVícerozměrné statistické metody
Vícerozměrné statistické metody Ordinační analýzy přehled metod Jiří Jarkovský, Simona Littnerová FSTA: Pokročilé statistické metody Analýza hlavních komponent jako příklad výpočtu redukce dimenzionality
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
VíceANALÝZA DAT V R 3. POPISNÉ STATISTIKY, NÁHODNÁ VELIČINA. Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK
ANALÝZA DAT V R 3. POPISNÉ STATISTIKY, NÁHODNÁ VELIČINA Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK www.biostatisticka.cz POPISNÉ STATISTIKY - OPAKOVÁNÍ jedna kvalitativní
VíceInfračervená spektroskopie - alternativní instrumentální technika při kontrole výroby bioethanolu
Infračervená spektroskopie - alternativní instrumentální technika při kontrole výroby bioethanolu Ing. Ladislav Tenkl, Ing. Karel Šec, RNDr. František Kesner Ph.D. Nicolet CZ s.r.o., Nad Trnkovem 1667/11,
VíceÚvodem Dříve les než stromy 3 Operace s maticemi
Obsah 1 Úvodem 13 2 Dříve les než stromy 17 2.1 Nejednoznačnost terminologie 17 2.2 Volba metody analýzy dat 23 2.3 Přehled vybraných vícerozměrných metod 25 2.3.1 Metoda hlavních komponent 26 2.3.2 Faktorová
VíceSimulace. Simulace dat. Parametry
Simulace Simulace dat Menu: QCExpert Simulace Simulace dat Tento modul je určen pro generování pseudonáhodných dat s danými statistickými vlastnostmi. Nabízí čtyři typy rozdělení: normální, logaritmicko-normální,
VíceJEDNOVÝBĚROVÉ TESTY. Komentované řešení pomocí programu Statistica
JEDNOVÝBĚROVÉ TESTY Komentované řešení pomocí programu Statistica Vstupní data Data umístěná v excelovském souboru překopírujeme do tabulky ve Statistice a pojmenujeme proměnné, viz prezentace k tématu
VíceUniverzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie STATISTICKÉ ZPRACOVÁNÍ EXPERIMENTÁLNÍCH DAT
Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie STATISTICKÉ ZPRACOVÁNÍ EXPERIMENTÁLNÍCH DAT STATISTICKÁ ANALÝZA JEDNOROZMĚRNÝCH DAT Seminární práce 1 Brno, 2002 Ing. Pavel
VíceStatistické metody - nástroj poznání a rozhodování anebo zdroj omylů a lží
Statistické metody - nástroj poznání a rozhodování anebo zdroj omylů a lží Zdeněk Karpíšek Jsou tři druhy lží: lži, odsouzeníhodné lži a statistiky. Statistika je logická a přesná metoda, jak nepřesně
VíceUNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie. Nám. Čs. Legií 565, Pardubice. Semestrální práce ANOVA 2015
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, 532 10 Pardubice 15. licenční studium INTERAKTIVNÍ STATISTICKÁ ANALÝZA DAT Semestrální práce ANOVA 2015
VícePorovnání dvou výběrů
Porovnání dvou výběrů Menu: QCExpert Porovnání dvou výběrů Tento modul je určen pro podrobnou analýzu dvou datových souborů (výběrů). Modul poskytuje dva postupy analýzy: porovnání dvou nezávislých výběrů
VíceStatistika pro geografy
Statistika pro geografy 2. Popisná statistika Mgr. David Fiedor 23. února 2015 Osnova 1 2 3 Pojmy - Bodové rozdělení četností Absolutní četnost Absolutní četností hodnoty x j znaku x rozumíme počet statistických
VíceTvorba grafů v programu ORIGIN
LICENČNÍ STUDIUM GALILEO STATISTICKÉ ZPRACOVÁNÍ DAT SEMESTRÁLNÍ PRÁCE Tvorba grafů v programu ORIGIN doc.dr.ing.vladimír Pata Univerzita Tomáše Bati ve Zlíně Fakulta technologická Ústav výrobních technologií
VíceKlasifikace obchodních partnerů s využitím metod shlukové analýzy
Klasifikace obchodních partnerů s využitím metod shlukové analýzy Mária Režňáková 1 Abstrakt Předpokladem úspěšnosti podnikatelských subjektů je schopnost generovat příjmy v takové výši, která zajistí
VícePSY117/454 Statistická analýza dat v psychologii. Zobrazení dvojrozměrných dat Bodový graf - Scatterplot Korelační koeficient
PSY117/454 Statistická analýza dat v psychologii Zobrazení dvojrozměrných dat Bodový graf - Scatterplot Korelační koeficient Analýza vztahů mezi dvěma proměnnými Souvisí nějak? Výška a váha Známky u jednotlivých
VíceS E M E S T R Á L N Í
Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie S E M E S T R Á L N Í P R Á C E Licenční studium Statistické zpracování dat při managementu jakosti Předmět ANOVA analýza rozptylu
Vícerůzné typy přehledových studií integrativní typ snaha o zobecnění výsledků z množství studií
Meta-analýza přehledové studie, definice postup meta-analýzy statistické techniky ověření homogenity studií, agregace velikosti účinku, moderující proměnné, analýza citlivosti, publikační zkreslení přínosy
VíceStatistika. cílem je zjednodušit nějaká data tak, abychom se v nich lépe vyznali důsledkem je ztráta informací!
Statistika aneb známe tři druhy lži: úmyslná neúmyslná statistika Statistika je metoda, jak vyjádřit nejistá data s přesností na setinu procenta. den..00..00 3..00..00..00..00..00..00..00..00..00..00 3..00..00..00..00..00..00..00
VíceVnitřní vazby a skrytá struktura v hutnických datech vícerozměrnou statistickou analýzou
Vnitřní vazby a skrytá struktura v hutnických datech vícerozměrnou statistickou analýzou Milan Meloun 1, Roman Lisztwan 2 1 Katedra analytické chemie, Chemickotechnologická fakulta, Univerzita Pardubice,
VíceVícerozměrné statistické metody
Praktické řešení v software Statistica Jiří Jarkovský, Simona Littnerová Vícerozměrné metody 1. Vstupní data pro vícerozměrné analýzy 2. Metriky podobností a vzdáleností 3. Cluster Analysis 4. Principal
VíceÚSPORY ENERGIE PŘI CHLAZENÍ VENKOVNÍHO VZDUCHU
2. Konference Klimatizace a větrání 212 OS 1 Klimatizace a větrání STP 212 ÚSPORY ENERGIE PŘI CHLAZENÍ VENKOVNÍHO VZDUCHU Vladimír Zmrhal ČVUT v Praze, Fakulta strojní, Ústav techniky prostředí Vladimir.Zmrhal@fs.cvut.cz
Více{ } ( 2) Příklad: Test nezávislosti kategoriálních znaků
Příklad: Test nezávislosti kategoriálních znaků Určete na hladině významnosti 5 % na základě dat zjištěných v rámci dotazníkového šetření ve Šluknově, zda existuje závislost mezi pohlavím respondenta a
VíceTechnická univerzita v Liberci
Technická univerzita v Liberci Ekonomická fakulta Analýza výsledků z dotazníkového šetření Jména studentů: Adam Pavlíček Michal Karlas Tomáš Vávra Anna Votavová Ročník: 2015/2016 Datum odevzdání: 13/05/2016
VíceSTATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky)
STATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky) 1) Význam a využití statistiky v biologických vědách a veterinárním lékařství ) Rozdělení znaků (veličin) ve statistice 3) Základní a
VícePŘÍKLADY POUŽITÍ ORDINAČNÍCH METOD
PŘÍKLADY POUŽITÍ ORDINAČNÍCH METOD 1 PŘÍKLAD NA ROZKLAD VARIANCE SPOLEČENSTVA MĚKKÝŠŮ NA PRAMENIŠTÍCH druhové složení společenstev měkkýšů druhové složení slatiništní vegetace ph Ca cond Mg Na měřené proměnné
VíceZávěrečná práce Ing. Jiří Pokorný
Závěrečná práce Ing. Jiří Pokorný Téma: Využití statistické analýzy vícerozměrných dat k hodnocení vlivu faktorů ovlivňujících prodejnost dětské školní fotografie Vedoucí práce: prof. RNDr. Milan Meloun,
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
VíceObsah Úvod Kapitola 1 Než začneme Kapitola 2 Práce s hromadnými daty před analýzou
Úvod.................................................................. 11 Kapitola 1 Než začneme.................................................................. 17 1.1 Logika kvantitativního výzkumu...........................................
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
VíceUNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Licenční studium Pythagoras Statistické zpracování experimentálních dat Semestrální práce ANOVA vypracoval: Ing. David Dušek
VíceZáklady popisné statistiky. Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek
Základy popisné statistiky Anotace Realitu můžeme popisovat různými typy dat, každý z nich se specifickými vlastnostmi, výhodami, nevýhodami a vlastní sadou využitelných statistických metod -od binárních
Více