PERIODICITA A PŘEDPOVĚDI VÝSKYTU SUCHA V PODZEMNÍCH VODÁCH. Ing. Eva Soukalová, CSc. Ing. Radomír Muzikář, CSc.
|
|
- Radka Sedláčková
- před 5 lety
- Počet zobrazení:
Transkript
1 PERIODICITA A PŘEDPOVĚDI VÝSKYTU SUCHA V PODZEMNÍCH VODÁCH Ing. Eva Soukalová, CSc. Ing. Radomír Muzikář, CSc.
2 Srpen -Květen
3 Doba opakování
4 Klimatická změna a PZV Danube River Basin Climate Change Adaption Většina studií potvrzuje všeobecný pokles zásob PZV pro střední a východní Evropu, zvláště v létě. Doplňování PZV může mít i negativní vliv na kvalitu PZV Opatření: Plánování v oblasti zásob PZV Prevence proti znečištění PZV Vytvoření katastru zdrojů PZV Odhad celkových zásob PZV v hydrogeologických zonách Šetření vodou Zajistit větší retenční schopnosti půdy
5 hladina PZV v m n.m. hladina PZV v m n.m. Doba předpovědi Středně dlouhé předpovědi hladin PZV zpracovávají se řady průměrných měsíčních hladin Dlouhodobé předpovědi zpracovávají se časové řady ročních průměrných hladin VB6 Božice průměrné roční hladiny periody: 3, 4, 5, VB36 Lanžhot průměrné měsíční hladiny VB6 AR model 4.4
6 Korelační analýza Prognózy se stanoví korelační analýzou na základě koeficientu korelace mezi měsíčními stavy Koeficienty korelace mezi sousedními měsíci jsou poměrně vysoké r =,7, klesají s délkou předpovědi
7 Úroveň hladiny [m n.m.] Harmonická analýza V hydrologických časových řadách je možno vyčlenit: trend, sezonní složku, cyklickou složku víceletou, složku náhodnou a složku katastrofální. Trend představuje systematickou změnu v časové řadě. Projevuje se jako dlouhodobý vzestup nebo pokles hladiny podzemní vody. Po identifikaci trendu se přistoupí k jeho aproximaci matematickými křivkami. Nejvhodnější je trend lineární. Je-li statisticky významný (určíme podle koeficientu korelace), provede se eliminace trendu, což je první krok dekompozice časové řady. Dalším krokem dekompozice časové řady je určení krátkodobých a dlouhodobých periodických kolísání podle periodogramu. Vybraný časový úsek by měl být homogenní (např. po odečtení trendu). Podle periodogramu vybereme podle délky časové řady 4 maximálních hodnot a pomocí těchto frekvencí se spočítá prognoza pro následující měsíce. Významnost periody se posuzuje Fisherovým testem. Protože většina period je statisticky nevýznamná, uvažuje se o tendenci Graf 3: Průměrný roční chod hladiny podzemní vody za období 4 - k periodicitě nebo kvaziperiodicitě. Nejvýznamnější u většiny vrtů je měsíční perioda, která koresponduje se sezóním doplňováním podzemní vody. 6, 6,7 6,6 6,5 6,4 6,3 6, 6, 6, XI XII I II III IV V VI VII VIII IX X Měsíce KB634 KB645
8 Periodogram.4 Periodogram VB5 Kralice vybrané periody:, 3, 5, let
9 hladina PZV v m n.m. Roční předpovědi hladiny PZV $y y t p + j ( A cos t B sin t) j j j j VB5 Kralice na Hané průměrné roční hladiny periody:, 5, roků VB
10 Reziduální složka.6 VB5 Rezidua.4. Rezidua
11 Název osy hladina PZV v m n.m. 6.6 VB5 Kralice na Hané průměrné měsíční hladiny periody:, 5, let Měsíční předpovědi Použití autoregresní analýza třetího řádu ~ r a a r a r a r t t t 3 t 3 VB5 AR model
12 Hodnocení prognóz Klasifikace efektivnosti předpovědního modelu se posuzuje podle podílu směrodatných odchylek předpovídaných hodnot a směrodatných odchylek pozorovaných hodnot s p Hodnocení prognózy s s n i ( y y) t n.4 dobrá.6 Uspokojivá. slabá s p n ( ~ yt yt ) i n Velikost rozdílu mezi skutečnou a předpovídanou hodnotou posoudíme přípustnou chybou: F =,674 s, kde s je směrodatná odchylka naměřených hodnot
13 hladina PZV v m n.m Hladina PZV v m.m. KB57 Lanžhot, vrt V Banín KB57 Lanžhot průměrné roční hladiny Výskyt minimálních hladin:, 3, 34, 43, 5, 64, 74, 4, 3, 3 KB57 AR model 5letá perioda Vrt V Banín Průměrné roční hladiny
14 Výskyt minimálních hladin podzemní vody Jako málo vodné se z hlediska podzemních vod jevily roky 34, 44, 54, 64, 74, 4,3, 3 a. V povodí Moravy byly dosaženy minimální hladiny převážně v letech 74, 3 a 4, v povodí Jihlavy většinou v letech 5 a 3, v povodí Svratky v letech v povodí Dyje v letech 74, 3 a 3. V roce se hladiny podzemních vod přiblížily nebo překročily absolutní minimální hladiny v horním povodí Jihlavy a v povodí Dyje.
15 hladfina PZV v m n.m. hladina PZV v m n.m. Významné periody Nejvýznamnější u většiny vrtů se jeví dvanáctiměsíční perioda, která koresponduje se sezónním doplňováním podzemní vody. Jako druhá nejvýznamnější ze směrodatně prokázaných je perioda přibližně pětiletá. Dvouletá perioda je třetí nejvýznamnější. U řad s šedesátiletou řadou pozorování se vyskytují rovněž statisticky významné 3-leté periody VB Šaratice průměrné roční hladiny periody:, 5, 7, let VB4 Kunovice průměrné roční hladiny periody:,, 5, VB AR model VB4 AR model
16 hladina PZV v m n.m.zev osy hladina PZV v m n.m. hladina PZV v m n.m. hladfina PZV v m n.m. Vrt Banín Banín - 5letá perioda Banín- periody 5, 6, 5 let Banín - periody, 5,, 6, 5 let Banín - AR model
17 Předpovědi hladin podzemní vody Obec Vrt s Převládající periody roky Hladina PZV y r m n.m. Hladina PZV y t předpověď m n.m. Rozdíl r t m Povolená chyba F m Hladina PZV předpověď 3 m n.m. Pokles III-IX 3 Povodí Moravy Vrbátky VB7,3 5,,36,3,3,,45, Kralice VB5,3 5, 4,5 4,64,, 4,56,66 Uhřičice VB, 5,,7,,5,4,6,33 Vyškov VB3,3,, 5 43,4 43,,, 43,,6 Bochoř VB46,5, 5,7,,,35,,3 Kroměříž VB 5,47 5, 7,5 7,4,,3 7,73,45 Kroměříž VB 5,3, 5 4,3 4,45,6,6 4,34,47 Napajedla VB 73,3 5,,4,47,33,5,44, Huštěnovice VB 76,4, 5 4,66 4,5,,33 4,, Kunovice VB4,4, 5 74, 73,,,6 73,,76 Nedakonice VB,3 5, 7,54 7,4,5, 7,3,3 Rohatec VB36,, 63,7 63,7,, 64,,75 Mikulčice VB356,7 57, 57,,, 57,6,55 Lanžhot VB36,, 53,7 53,7,75, 53,76, Povodí Dyje Dobšice VB45,, 5, 5,33,5,6 5,,5 Tasovice VB4,, 5, 7,3,73, 6,5,5 Hevlín VB5,36, 5 7,7 7,3,45,4 7,,33 Prosiměřice VB6,6, 6,4 7,,7, 6,3,3 Božice VB6,44 5, 4,3 5,4,55,3 5,5,3 Břeclav VB34,,7 57,6 5,6,,4 57,,47 Morkůvky VB337,6, 7,5 7,54,4,7 7,37,35 Povodí Svratky Hradčany VB7,, 5, 3 45,3 45,5,4,5 45,5,5 Brno VB4,5 5,, 5, 5,7,, 5,4,7 Šaratice VB,34 4,,77 3,45,6,3 3,3,37 Blučina VB 3,, 4,6,65,5,5,63,47 Rajhradice VB 5,5 5, 3,3 3,3,,7 3,,6 Uherčice VB3,37, 73,3 73,7,3,5 73,65, Povodí Jihlavy Jihlava VB33,4, 47,6 47,7,3, 47,65,3 Třebíč VB35,, 3 36, 36,6,3,4 36,55,4 Jaroměřice VB 3,, 45, 45,36,,3 4,4, Malešovice VB3,6,,6,5,4,,43,3 Pohořelice VB3,, 5 76,47 76,5,,3 76,46,35 Ivaň VB 33,, 6,56 6,7,, 6,7, m Předpovídané roční průměrné hladiny pro rok překročily povolenou chybu předpovědi ve 36 % vrtů, která jsou v tabulce vyznačeny červeně. Všechny roční průměrné hladiny v roce byly nižší než v roce. Předpovídané roční průměrné hladiny v roce 3 vzrostou ve srovnání s rokem průměrně o, m. V % vrtů (podle povodí) vzrostou maximálně o,33 -,4 m a poklesnou ve % vrtů maximálně o, m. Pokles nebo vzestup hladiny v roce 3 je vyznačen u předpovědi šipkami. V období od března do září 3 poklesnou měsíční průměrné hladiny průměrně o,3 m (v jednotlivých povodích, -,47 m).
18 Závěr Použití harmonické analýzy a autoregresního modelu se jeví jako vhodná metoda pro dlouhodobé předpovědi hladin podzemních vod, případně pro stanovení tendence pohybu hladiny podzemní vody. Pro krátkodobé předpovědi s dobou předstihu měsíce je vhodnější korelační analýza, kdy koeficienty korelace mezi jednotlivými řadami měsíčních hodnot jsou vysoké (většinou >,). Prognózy hladin podzemní vody mohou být účinným nástrojem pro řešení vodohospodářské problematiky sucha při přípravě opatření zabezpečování odběrů podzemní vody.
19 Děkuji za pozornost Eva Soukalová Radomír Muzikář
Hydrologické sucho v podzemních a povrchových vodách
Hydrologické sucho v podzemních a povrchových vodách Setkání vodoprávních úřadů s odborem ochrany vod MŽP Ing. Eva Soukalová, CSc. Nové Město na Moravě 2. 3. dubna 25 Obsah přednášky Pozorovací síť podzemních
VíceHydrologické sucho v podzemních a povrchových vodách
Hydrologické sucho v podzemních a povrchových vodách Konference Podzemní vody ve vodárenské praxi Ing. Eva Soukalová, CSc. Dolní Morava. 2. dubna 25 Obsah přednášky Pozorovací síť podzemních vod Aktuální
VíceExtrémy výskytu podzemních a povrchových vod Occurence of groundwater and surface water extremes
Extrémy výskytu podzemních a povrchových vod Occurence of groundwater and surface water extremes Eva Soukalová, Alena Stolářová Český hydrometeorologický ústav P-Brno, Kroftova 43, 616 67 Brno Abstrakt
VíceMonitoring sucha z pohledu ČHMÚ. RNDr. Filip Chuchma Český hydrometeorologický ústav pobočka Brno
Monitoring sucha z pohledu ČHMÚ RNDr. Filip Chuchma Český hydrometeorologický ústav pobočka Brno SUCHO v ČR Ve střední Evropě se sucho vyskytuje NAHODILE jako důsledek nepravidelně se vyskytujících období
VíceHydrologické sucho v podzemních a povrchových vodách na jižní Moravě. Ing. Eva Soukalová, CSc.
Hydrologické sucho v podzemních a povrchových vodách na jižní Moravě Ing. Eva Soukalová, CSc. Český hydrometeorologický ústav P-Brno, Kroftova 3, Brno Abstrakt Vedle výskytu povodní jako hydrologického
VíceStatistická analýza dat podzemních vod. Statistical analysis of ground water data. Vladimír Sosna 1
Statistická analýza dat podzemních vod. Statistical analysis of ground water data. Vladimír Sosna 1 1 ČHMÚ, OPZV, Na Šabatce 17, 143 06 Praha 4 - Komořany sosna@chmi.cz, tel. 377 256 617 Abstrakt: Referát
VíceSucho z pohledu klimatologie a hydrologie. RNDr. Filip Chuchma Český hydrometeorologický ústav, pobočka Brno
Sucho z pohledu klimatologie a hydrologie RNDr. Filip Chuchma Český hydrometeorologický ústav, pobočka Brno Klima ČR v mírném pásu - oblast přechodného středoevropského klimatu převážnou část roku u nás
VíceAnalýza časových řad. John Watters: Jak se stát milionářem.
5.2 Analýza časových řad Nechal jsem si udělat prognózu růstu své firmy od třech nezávislých odborníků. Jejich analýzy se shodovaly snad pouze v jediném - nekřesťanské ceně, kterou jsem za ně zaplatil.
VíceDLOUHODOBÁ VARIABILITA HLADIN PODZEMNÍ VODY. Eva Soukalová, Pavel ježík
DLOUHODOBÁ VARIABILITA HLADIN PODZEMNÍ VODY Eva Soukalová, Pavel ježík Abstrakt Zásoby podzemních vod se mění jak v průběhu roku, tak vlivem dlouhodobých period. Analýza dlouhodobých časových řad podzemních
VícePŘÍSPĚVEK K HODNOCENÍ SUCHA NA JIŽNÍ MORAVĚ
PŘÍSPĚVEK K HODNOCENÍ SUCHA NA JIŽNÍ MORAVĚ Jiří Sklenář 1. Úvod Extrémy hydrologického režimu na vodních tocích zahrnují periody sucha a na druhé straně povodňové situace a znamenají problém nejen pro
VíceKGG/STG Statistika pro geografy. Mgr. David Fiedor 4. května 2015
KGG/STG Statistika pro geografy 11. Analýza časových řad Mgr. David Fiedor 4. května 2015 Motivace Úvod chceme získat představu o charakteru procesu, která časová řada reprezentuje Jaké jevy lze znázornit
VíceVýzkum v oblasti povodňové ochrany v České republice
Výzkum v oblasti povodňové ochrany v České republice Josef Reidinger, Ministerstvo životního prostředí ČR Ladislav Kašpárek, Výzkumný ústav vodohospodářský T.G.M. Hlavní směry výzkumu byly v posledních
VíceCvičení 9 dekompozice časových řad a ARMA procesy
Cvičení 9 dekompozice časových řad a ARMA procesy Příklad 1: Dekompozice časové řady Soubor 18AEK-cv09.xls obsahuje dvě časové řady (X a Y) se 72 pozorováními. Použijte časovou řadu Y. a) Pokuste se na
Více4.1 Metoda horizontální a vertikální finanční analýzy
4. Extenzívní ukazatelé finanční analýzy 4.1 Metoda horizontální a vertikální finanční analýzy 4.1.1 Horizontální analýza (analýza vývojových trendů -AVT) AVT = časové změny ukazatelů (nejen absolutních)
VíceSTATISTIKA I Metodický list č. 1 Název tématického celku:
STATISTIKA I Metodický list č. 1 Analýza závislostí Základním cílem tohoto tématického celku je seznámit se s pokročilejšími metodami zpracování statistických údajů.. 1. kontingenční tabulky 2. regresní
VíceHydrologické sucho v podzemních vodách
Hydrologické sucho v podzemních vodách EVA SOUKALOVÁ, RADOMÍR MUZIKÁŘ Klíčová slova: hydrologické sucho periodicita minimální hladiny podzemní vody pozorovací vrt SOUHRN Výskyt sucha v podzemních vodách,
VícePředpovědní povodňová služba Jihlava února 2017
Předpovědní povodňová služba Jihlava - 28. února 2017 Ing. Petr Janál, Ph.D. Mgr. Petr Münster Systém integrované výstražné služby SIVS Pravidla pro varování obyvatel před nebezpečnými meteorologickými
VíceANALÝZY HISTORICKÝCH DEŠŤOVÝCH ŘAD Z HLEDISKA OCHRANY PŮDY PŘED EROZÍ
Rožnovský, J., Litschmann, T. (ed): Seminář Extrémy počasí a podnebí, Brno, 11. března 24, ISBN 8-8669-12-1 ANALÝZY HISTORICKÝCH DEŠŤOVÝCH ŘAD Z HLEDISKA OCHRANY PŮDY PŘED EROZÍ František Toman, Hana Pokladníková
VíceVláhová bilance krajiny jako ukazatel možného zásobení. podzemní vody
Český hydrometeorologický ústav, pobočka Brno Jaroslav Rožnovský Vláhová bilance krajiny jako ukazatel možného zásobení podzemní vody Mendelova univerzita, Ústav šlechtění a množení zahradnických rostlin
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
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
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
VíceÚvod do analýzy časových řad
Přednáška STATISTIKA II - EKONOMETRIE Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Posloupnost náhodných veličin {Y t, t = 0, ±1, ±2... } se nazývá stochastický
Více8 ANALÝZA ČASOVÝCH ŘAD SEZÓNNÍ SLOŽKA
8 ANALÝZA ČASOVÝCH ŘAD SEZÓNNÍ SLOŽKA RYCHLÝ NÁHLED KAPITOLY Následující kapitolou pokračujeme v tématu analýza časových řad a blíže se budeme zabývat problematikou jich pravidelné kolísavost, která je
VícePředpovědní povodňová služba Jihlava února 2018
Předpovědní povodňová služba Jihlava - 13. února 2018 Ing. Petr Janál, Ph.D. Mgr. Petr Münster Systém integrované výstražné služby SIVS Pravidla pro varování obyvatel před nebezpečnými meteorologickými
VíceMĚŘENÍ VÝPARU V ÚSTÍ NAD ORLICÍ V LETECH
MĚŘENÍ VÝPARU V ÚSTÍ NAD ORLICÍ V LETECH 1971-2000 Karel Plíšek Popis stanice a způsobu měření: Měření výparu bylo prováděno z volné vodní hladiny výparoměrem GGI-3000 (hladina o ploše 3000 cm 2 ) na profesionální
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
VíceMinimální průtoky ve vodohospodářské bilanci
Jiří Dlabal Minimální průtoky ve vodohospodářské bilanci Seminář Charakteristiky M-denních a minimálních průtoků 29. září 2015 Novotného lávka 5, Praha Historie vodní bilance 1973 Státní vodohospodářská
VíceKlimatické podmínky výskytů sucha
Český hydrometeorologický ústav, pobočka Brno Kroftova 43, 616 67 Brno Klimatické podmínky výskytů sucha Jaroslav Rožnovský, Filip Chuchma PŘEDPOVĚĎ POČASÍ PRO KRAJ VYSOČINA na středu až pátek Situace:
Více5. Hodnocení vlivu povodně na podzemní vody
5. Hodnocení vlivu povodně na podzemní vody Podzemní vody jsou součástí celkového oběhu vody v povodí. Proto extrémní srážky v srpnu 2002 významně ovlivnily jejich režim a objem zásob, které se v horninovém
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 Licenční studium Management systému jakosti
Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium Management systému jakosti 3.3 v analýze dat Autor práce: Přednášející: Prof. RNDr. Milan Meloun, DrSc Pro
VíceHodnocení úrovně znečištění ovzduší PM 10 ve vztahu ke zdraví obyvatel Ostravy
KRAJSKÁ HYGIENICKÁ STANICE MORAVSKOSLEZSKÉHO KRAJE SE SÍDLEM V OSTRAVĚ Hodnocení úrovně znečištění ovzduší PM 10 ve vztahu ke zdraví obyvatel Ostravy jednání zastupitelstva města Ostravy, 6.4.2011, Ostrava
VícePeriodicita v časové řadě, její popis a identifikace, exponenciální vyrovnáván
Periodicita v časové řadě, její popis a identifikace, exponenciální vyrovnávání Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Periodicita v časových
VíceČasové řady a jejich periodicita pokračování
Časové řady a jejich periodicita pokračování Jana Klicnarová Katedra aplikované matematiky a informatiky Jihočeská Univerzita v Českých Budějovicích, Ekonomická fakulta 2010 Dekompozice časových řad Jak
VíceSPC v případě autokorelovaných dat. Jiří Michálek, Jan Král OSSM,
SPC v případě autokorelovaných dat Jiří Michálek, Jan Král OSSM, 2.6.202 Pojem korelace Statistická vazba mezi veličinami Korelace vs. stochastická nezávislost Koeficient korelace = míra lineární vazby
VíceProjevy změny klimatu v regionech Česka jaké dopady očekáváme a co již pozorujeme
Projevy změny klimatu v regionech Česka jaké dopady očekáváme a co již pozorujeme Jaroslav Rožnovský Český hydrometeorologický ústav, pobočka Brno Projekt EHP-CZ02-OV-1-035-01-2014 Resilience a adaptace
Víceu 330 Přerov - Břeclav
h S9 Moravský Písek zastávka - Břeclav, h R5 Moravský Písek - Břeclav km SŽDC, státní organizace / ČD, a.s. Vlak R 407 b y f Ze stanice Warszaa 4250 420 4 a3 c3 Sp 770 Kojetín Kroměříž 0 Přerov 270,300
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
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).
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
VíceMáme se dál obávat sucha i v roce 2016?
Máme se dál obávat sucha i v roce 2016? V našich geografických podmínkách nelze spolehlivě predikovat vznik sucha v horizontu několika týdnů či měsíců. To, zda hrozí sucho i v roce 2016, bude dáno vývojem
VíceZpracování hydrologických dat
Zpracování hydrologických dat RNDr. Milada Matoušková, Ph.D. Katedra fyzické geografie a geoekologie, PřF UK v Praze matouskova@natur.cuni.cz HYDROMETRIE měření hydrologických jevů (monitoring) počítačové
Vícerežimu vodního toku, (2) Správci povodí a státní podnik Lesy České republiky pozdějších předpisů.
Strana 2645 252 VYHLÁŠKA ze dne 2. srpna 2013 o rozsahu údajů v evidencích stavu povrchových a podzemních vod a o způsobu zpracování, ukládání a předávání těchto údajů do informačních systémů veřejné správy
Více6. Lineární regresní modely
6. Lineární regresní modely 6.1 Jednoduchá regrese a validace 6.2 Testy hypotéz v lineární regresi 6.3 Kritika dat v regresním tripletu 6.4 Multikolinearita a polynomy 6.5 Kritika modelu v regresním tripletu
VíceJÍZDNÍ ŘÁD 2014 2015 platí od 14. června 2015
330 Přerov - Břeclav S9 Moravský Písek zastávka - Břeclav, R5 Moravský Písek - Břeclav km SŽDC, státní organizace / ČD, a.s. Vlak R 407 Warszawa 4250 4210 4 3 3 Sp 1770 Kojetín Kroměříž 0 Přerov 270,300
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 010 1.týden (0.09.-4.09. ) Data, typy dat, variabilita, frekvenční analýza
VíceVÝVOJ CELKOVÉ OBJEMOVÉ AKTIVITY BETA V OKOLÍ JADERNÉ ELEKTRÁRNY DUKOVANY ZA OBDOBÍ Pavel Stierand
VÝVOJ CELKOVÉ OBJEMOVÉ AKTIVITY BETA V OKOLÍ JADERNÉ ELEKTRÁRNY DUKOVANY ZA OBDOBÍ 1966 2010 Pavel Stierand Systematické sledování jakosti vody : - zahájeno v roce 1963 - radiochemické ukazatele od r.
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza
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
VíceMožné dopady klimatické změny na dostupnost vodních zdrojů Jaroslav Rožnovský
Český hydrometeorologický ústav, pobočka Brno Kroftova 43, 616 67 Brno e-mail:roznovsky@chmi.cz http://www.chmi.cz telefon: 541 421 020, 724 185 617 Možné dopady klimatické změny na dostupnost vodních
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
VíceSystémová opatření vedoucí k zmírňování nedostatku vody vlivem sucha
Systémová opatření vedoucí k zmírňování nedostatku vody vlivem sucha RNDr. Svatopluk Šeda OHGS s.r.o. Ústí nad Orlicí Jak poznáme blížící se kritickou situaci Průběžně aktualizovat a archivovat úplná a
VíceINDUKTIVNÍ STATISTIKA
10. SEMINÁŘ INDUKTIVNÍ STATISTIKA 3. HODNOCENÍ ZÁVISLOSTÍ HODNOCENÍ ZÁVISLOSTÍ KVALITATIVNÍ VELIČINY - Vychází se z kombinační (kontingenční) tabulky, která je výsledkem třídění druhého stupně KVANTITATIVNÍ
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza
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).
VícePlošné zdroje znečištění ze zemědělského hospodaření ve vazbě na kvalitu vody V Jihlavě dne
Plošné zdroje znečištění ze zemědělského hospodaření ve vazbě na kvalitu vody V Jihlavě dne 23. 1. 2017 Prof. Ing.Tomáš Kvítek, CSc. tomas.kvitek@pvl.cz Povodí Vltavy, státní podnik Odnos látek, zeminy
VíceSTATISTIKA. Inovace předmětu. Obsah. 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7
Inovace předmětu STATISTIKA Obsah 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7 1 1. Inovace předmětu STATISTIKA Předmět Statistika se na bakalářském oboru
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
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
VícePříloha č. 1 Grafy a protokoly výstupy z adstatu
1 Příklad 3. Stanovení Si metodou OES Byly porovnávány naměřené hodnoty Si na automatickém analyzátoru OES s atestovanými hodnotami. Na základě testování statistické významnosti regresních parametrů (úseku
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).
VíceMetody predikace sucha a povodňových situací. Stanislava Kliegrová Oddělení meteorologie a klimatologie, Pobočka ČHMÚ Hradec Králové
Metody predikace sucha a povodňových situací Stanislava Kliegrová Oddělení meteorologie a klimatologie, Pobočka ČHMÚ Hradec Králové Obsah Definice povodeň, sucho Historie výskytu povodní a sucha v ČR Kde
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)
VíceVodohospodářská bilance dílčího povodí Horní Odry
Vodohospodářská bilance dílčího povodí Horní Odry Z P R Á V A O H O D N O C E N Í M N O Ž S T V Í POD Z E M N Í C H V O D V D Í L Č Í M P O V O D Í H O R N Í O D R Y Z A R O K 2 0 1 7 Povodí Odry, státní
VíceVodohospodářská bilance dílčího povodí Horní Odry
Vodohospodářská bilance dílčího povodí Horní Odry Z P R Á V A O H O D N O C E N Í M N O Ž S T V Í POD Z E M N Í C H V O D V D Í L Č Í M P O V O D Í H O R N Í O D R Y Z A R O K 2 0 1 6 Povodí Odry, státní
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
VíceOdvození základních hydrologických údajů za referenční období Ladislav Budík, Petr Šercl, Pavel Kukla, Petr Lett, Martin Pecha
Odvození základních hydrologických údajů za referenční období 1981 2010 Ladislav Budík, Petr Šercl, Pavel Kukla, Petr Lett, Martin Pecha ČHMÚ je dle ČSN 75 1400 Hydrologické údaje povrchových vod jediným
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická
VíceAnalytické znaky laboratorní metody Interní kontrola kvality Externí kontrola kvality
Analytické znaky laboratorní metody Interní kontrola kvality Externí kontrola kvality RNDr. Alena Mikušková FN Brno Pracoviště dětské medicíny, OKB amikuskova@fnbrno.cz Analytické znaky laboratorní metody
VíceMÍRY ZÁVISLOSTI (KORELACE A REGRESE)
zhanel@fsps.muni.cz MÍRY ZÁVISLOSTI (KORELACE A REGRESE) 2.5 MÍRY ZÁVISLOSTI 2.5.1 ZÁVISLOST PEVNÁ, VOLNÁ, STATISTICKÁ A KORELAČNÍ Jednorozměrné soubory - charakterizovány jednotlivými statistickými znaky
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
VíceREŽIM PODZEMNÍCH VOD V HYDROPEDOLOGICKÉM PROFILU HP261 ZAJEČÍ - BULHARY
Rožnovský, J., Litschmann, T. (ed.): XIV. Česko-slovenská bioklimatologická konference, Lednice na Moravě 2.-4. září 2002, ISBN 80-85813-99-8, s. 204-215 REŽIM PODZEMNÍCH VOD V HYDROPEDOLOGICKÉM PROFILU
VíceZáklady biostatistiky II. Veřejné zdravotnictví 3.LF UK - II
Základy biostatistiky II Veřejné zdravotnictví 3.LF UK - II Teoretické rozložení-matematické modely rozložení Naměřená data Výběrové rozložení Teoretické rozložení 1 e 2 x 2 Teoretické rozložení-matematické
Víceu 330 Přerov - Břeclav h IDS JMK S9 Moravský Písek zastávka - Břeclav, h IDS JMK R5 Moravský Písek - Břeclav
km SŽDC, státní organizace / ČD, a.s. Vlak R 471 U b y f w x1 v1 R 203 b y f w 4620 c 4268 4240 Sp 1662 4202 4250 R 800 K * ## 4204 Sp 1664 Ostrava 270 23 46 2 26 ## 4 33 270 0 44 $* 4 31 #, 4 57 5 57
VíceStatistická analýza jednorozměrných dat
Statistická analýza jednorozměrných dat Prof. RNDr. Milan Meloun, DrSc. Univerzita Pardubice, Pardubice 31.ledna 2011 Tato prezentace je spolufinancována Evropským sociálním fondem a státním rozpočtem
VíceTVORBA LINEÁRNÍCH REGRESNÍCH MODELŮ PŘI ANALÝZE DAT. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie TVORBA LINEÁRNÍCH REGRESNÍCH MODELŮ PŘI ANALÝZE DAT Semestrální práce Licenční studium Galileo Interaktivní statistická analýza
VíceNa květen je sucho extrémní
14. května 2018, v Praze Na květen je sucho extrémní Slabá zima v nížinách, podprůměrné srážky a teplý a suchý duben jsou příčinou současných projevů sucha, které by odpovídaly letním měsícům, ale na květen
VíceČESKÁ ZEMĚDĚLSKÁ UNIVERZITA V PRAZE PROVOZNĚ
ČESKÁ ZEMĚDĚLSKÁ UNIVERZITA V PRAZE PROVOZNĚ EKONOMICKÁ FAKULTA Katedra ekonomiky Prognostické metody Seminární práce Autor: Miloš Uldrich Cvičící: Ing. Lukáš Čechura, Ph.D. ČT 12:15 (su) 2009 ČZU v Praze
Více4 VYHODNOCENÍ MANUÁLNÍCH HYDROLOGICKÝCH PŘEDPOVĚDÍ
4 VYHODNOCENÍ MANUÁLNÍCH HYDROLOGICKÝCH PŘEDPOVĚDÍ Manuální hydrologické předpovědi jsou tradičním produktem předpovědní povodňové služby ČHMÚ. Po zavedení hydrologických modelů jsou nyní vydávány pro
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).
Více5 HODNOCENÍ PŘEDPOVĚDÍ TEPLOT A SRÁŽEK PRO OBDOBÍ JARNÍCH POVODNÍ V ROCE 2006
HODNOCENÍ PŘEDPOVĚDÍ TEPLOT A SRÁŽEK PRO OBDOBÍ JARNÍCH POVODNÍ V ROCE 26 Jedním z nejdůležitějších vstupů pro tvorbu meteorologických předpovědí počasí jsou tzv. numerické předpovědní modely, které simulují
VíceInovace bakalářského studijního oboru Aplikovaná chemie
http://aplchem.upol.cz CZ.1.07/2.2.00/15.0247 Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky. Regrese Závislostproměnných funkční y= f(x) regresní y= f(x)
VíceNávrh nových pravidel SVRS pro PM10 (návrh novely přílohy č. 6 zákona 201/2012 Sb.)
Hrotovice, 24. 10. 2014 Ochrana ovzduší ve státní správě IX SVRS 1 / 32 Návrh nových pravidel SVRS pro PM10 (návrh novely přílohy č. 6 zákona 201/2012 Sb.) Ochrana ovzduší ve státní správě IX Hrotovice
VíceHydrologické sucho v ČR
Hydrologické sucho v ČR Aktuální stav koncem září 2018 neprší, neprší, ba ani neleje, můj milý koníčku, nikam se nejede, vyschla už docela, ta naše luka a kukačka, ta už nezakuká Radek Čekal, Jan Kubát
VíceNeuronové časové řady (ANN-TS)
Neuronové časové řady (ANN-TS) Menu: QCExpert Prediktivní metody Neuronové časové řady Tento modul (Artificial Neural Network Time Series ANN-TS) využívá modelovacího potenciálu neuronové sítě k predikci
VíceROZVOJ PŘEDPOVĚDNÍ POVODŇOVÉ SLUŽBY V ČESKÉ REPUBLICE PO POVODNI RNDr. Radek Čekal, Ph.D. RNDr. Jan Daňhelka, Ph.D.
ROZVOJ PŘEDPOVĚDNÍ POVODŇOVÉ SLUŽBY V ČESKÉ REPUBLICE PO POVODNI 2002 RNDr. Radek Čekal, Ph.D. RNDr. Jan Daňhelka, Ph.D. - OBSAH PŘEDNÁŠKY - Hydrologická předpovědní povodňová služba (HPPS) v roce 2002
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).
VíceDisponibilní vodní zdroje a jejich zabezpečenost
Adam Vizina (VÚV, ČZU), Martin Hanel (ČZU, VÚV), Radek Vlnas (ČHMÚ, VÚV) a kol. Disponibilní vodní zdroje a jejich zabezpečenost Výzkumný ústav vodohospodářský T. G. Masaryka veřejná výzkumná instituce,
VíceANOVA. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie ANOVA Semestrální práce Licenční studium Galileo Interaktivní statistická analýza dat Brno 2015 Ing. Petra Hlaváčková, Ph.D.
VíceUniverzita Pardubice SEMESTRÁLNÍ PRÁCE. Tvorba nelineárních regresních modelů v analýze dat. 2015/2016 RNDr. Mgr. Leona Svobodová, Ph.D.
Univerzita Pardubice SEMESTRÁLNÍ PRÁCE Tvorba nelineárních regresních modelů v analýze dat 2015/2016 RNDr. Mgr. Leona Svobodová, Ph.D. Úloha Nalezení vhodného modelu pro popis reakce TaqMan real-time PCR
VíceInterakce úrovně vzdělání a faktoru nezaměstnanosti v hospodářsky slabých a silných obcích České republiky
Interakce úrovně vzdělání a faktoru nezaměstnanosti v hospodářsky slabých a silných obcích České republiky Vladimíra Hovorková Valentová Iva Nedomlelová 17. 6. 2010 Cíl příspěvku provedení analýz a dalších
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.
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
Více2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení
2 Zpracování naměřených dat Důležitou součástí každé experimentální práce je statistické zpracování naměřených dat. V této krátké kapitole se budeme věnovat určení intervalů spolehlivosti získaných výsledků
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
VíceVodohospodářská bilance dílčího povodí Horní Odry ZPRÁVA O HODNOCENÍ MNOŽSTVÍ PODZEMNÍCH VOD V DÍLČ ÍM POVODÍ HORNÍ ODRY ZA ROK 2014
Vodohospodářská bilance dílčího povodí Horní Odry ZPRÁVA O HODNOCENÍ MNOŽSTVÍ PODZEMNÍCH VOD V DÍLČ ÍM POVODÍ HORNÍ ODRY ZA ROK 2014 Povodí Odry, státní podnik, odbor vodohospodářských koncepcí a informací
VíceNejdůležitější výsledky modelů proudění podzemních vod. M. Martínková
Nejdůležitější výsledky modelů proudění podzemních vod M. Martínková Osnova presentace Základní koncepce modelů proudění Modelové scénáře včetně vlivu klimatu na vývoj infiltrace Hlavní výsledky pro oblast
Více4EK211 Základy ekonometrie
4EK11 Základy ekonometrie Autokorelace Cvičení 5 Zuzana Dlouhá Gauss-Markovy předpoklady Náhodná složka: Gauss-Markovy předpoklady 1. E(u) = náhodné vlivy se vzájemně vynulují. E(uu T ) = σ I n konečný
Více