Aproximace a vyhlazování křivek
|
|
- Jaromír Ševčík
- před 8 lety
- Počet zobrazení:
Transkript
1 Fakulta chemicko technologická Katedra analytické chemie licenční studium Management systému jakosti Autor: Přednášející: Prof. Ing. Jiří Militký, Csc
2 1. SLEDOVÁNÍ ZÁVISLOSTI HODNOTY SFM2 NA BARVIVOSTI ANATASOVÉHO KALCINÁTU (Aproximace) 1.1 ZADÁNÍ Při zkušební výrobě vývojového druhu TB byla sledována závislost hodnoty SFM2 na barvivosti v rozsahu bodů. Cílem úlohy je určení vhodného typu spline a zdůvodnění vhodného počtu uzlů 1.2 DATA Tabulka 1.1: Naměřená data - Závislost SFM2 na barvivosti SFM2 Barvivost SFM2 Barvivost Program: Adstat 1.25 modul Kalibrace Název souboru s daty: data_aproximace.txt - 1 -
3 1.3 VYHODNOCENÍ Řešení vychází z navržení o věření vhodného regresního modelu, lineárního (přímka) nebo nelineárního (křivka). Prvním krokem je rozhodnutí, o který model se jedná, druhým krokem určení uzlových bodů. Kvalita proložení je hodnocena posouzením grafických výstupů i statistickou analýzou reziduí. Pro řešení jsou používány lineární spline, kvadratický a kubický spline s různými alternativami zadávání uzlových bodů. Vyhodnocení neobsahují grafické výstupy, nepodařilo se provést zkopírování grafů z Astatu do jiného prostředí Barvivost SFM 2 Graf 1.1: Závislost SFM2 na barvivosti (MS Excel) Aproximace pomocí lineární spline funkce Byla použita lineární funkce spline postupně s jedním až čtyřmi uzlovými body (konstantní uzlové intervaly). K hodnocení kvality proložení byla použita hodnota odhadu směrodatné odchylky reziduí s(e) a reziduálního součtu čtverců RSC. Tabulka 1.2: Hodnoty RSC a s(e) pro lineární spline funkci Počet uzlových bodů s(e) E E E E-01 RSC E E E E+00 Nejlepších výsledků bylo dosaženo při použití 4 a 5 uzlových bodů. Vzhledem k nevýrazným rozdílům u parametrů s(e) u obou případů je výhodnější brát za výsledek s použitím menšího počtu uzlů, tedy tří. Grafický průběh ukazuje na problematické oblasti obou konců křivek, lineární spline funkce není vhodná pro tuto závislost Aproximace pomocí kvadratické spline funkce Byla použita lineární funkce spline postupně s jedním až čtyřmi uzlovými body (konstantní uzlové intervaly). K hodnocení kvality proložení byla použita hodnota odhadu směrodatné odchylky reziduí s(e) a reziduálního součtu čtverců RSC. Tabulka 1.3: Hodnoty RSC a s(e) pro kvadratickou spline funkci Počet uzlových bodů s(e) E E E E-01 RSC E E E E
4 Nejlepších výsledků bylo dosaženo při použití 3 uzlových bodů Aproximace pomocí kubické spline funkce Byla použita lineární funkce spline postupně s jedním až čtyřmi uzlovými body (konstantní uzlové intervaly). K hodnocení kvality proložení byla použita hodnota odhadu směrodatné odchylky reziduí s(e) a reziduálního součtu čtverců RSC. Tabulka 1.4: Hodnoty RSC a s(e) pro kubickou spline funkci Počet uzlových bodů s(e) E E E E-01 RSC E E E E+00 Nejlepších výsledků bylo dosaženo při použití 4 uzlových bodů, vzhledem k tomu, že nedošlo k výraznému zlepšení těsnosti proložení jeví se jako výhodnější použití 3 uzlových bodů. 1.4 SOUHRN A ZÁVĚR K dobrému proložení došlo při použití kvadratické a kubické spline funkce pro 3 a 4 uzlové body. Na základě porovnání dosažených hodnot s(e), RSC a po posouzení grafického zobrazení proložení byla jako nejlepší určena kubická spline funkce se 3 uzlovými body
5 2. STANOVENÍ OBSAHU OXIDU HLINITÉHO V SÍRANU HLINITÉM PRO POVRCHOVOU ÚPRAVU TB (Interpolace) 2.1 ZADÁNÍ Při povrchové úpravě titanové běloby se jako jedna surovin používá kapalný síran hlinitý. Proměřením byla zjištěna řada hustot a jim odpovídajících koncentrací Al 2 O 3. Pomocí interpolace odhadněte koncentraci Al 2 O 3 pro roztok o hustotě 1230 g/l. 2.2 DATA Tabulka 2.1: Naměřená data Hustota [g/l] Obsah Al2O3 [g/l] Hustota [g/l] Obsah Al2O3 [g/l] , , , , , ,9 Program: QC Expert 2.9 modul Kalibrace MS Excel Název souboru s daty: data_interpolace.txt 2.3 VYHODNOCENÍ Řešení pomocí programu QC Expert Řešení úlohy je možné provést kalibrací v programu QC Expert. Jako vyhovující byl vyhodnocen lineární model. Pomocí interaktivního odhadu byl pro hustotu 1230 g/l stanoven obsah Al 2 O 3 78,65 g/l. Graf 2.1:Kalibrační závislost obsahu Al 2 O 3 a hustoty - 4 -
6 2.3.2 Řešení pomocí tabulkového editoru U menšího počtu dat je možné provést výpočet pomocí Newtonova interpolačního polynomu vytvářením postupných diferencí , ,6 0, ,4 0,54 0, ,9 0,25-0,02-0, ,1 0,37 0,01 0, ,78218E ,9 0,40 0,00-7,96E-05-3,02687E-06-5,18179E ,0 78, ,6 =(B3-B2)/(A3-A2) ,44 =(B4-B3)/(A4-A3) =(C4-C3)/(B4-B3) ,9 =(B5-B4)/(A5-A4) =(C5-C4)/(B5-B4) =(D5-D4)/(A5-A2) =(B6-B5)/(A6-A5) =(C6-C5)/(B6-B5) =(D6-D5)/(A6-A3) =(E6-E5)/(A6-A2) ,9 =(B7-B6)/(A7-A6) =(C7-C6)/(B7-B6) =(D7-D6)/(A7-A4) =(E7-E6)/(A7-A3) =(F7-F6)/(A7-A2) 1230,0 =B2+C3*(A9-A2)+D4*(A9-A2)*(A9-A3)+E5*(A9-A2)*(A9-A3)*(A9-A4)+F6*(A9-A2)*(A9-A3)*(A9-A4) *(A9-A5)+G7*(A9-A2)*(A9-A3)*(A9-A4)*(A9-A5)*(A9-A6) 2.4 SOUHRN A ZÁVĚR Oba způsoby výpočtu vedly ke stejnému výsledku. Pro hustotu síranu hlinitého 1230 g/l byl stanoven obsah Al 2 O 3 78,65 g/l
7 3. SLEDOVÁNÍ REŽIMU KALCINAČNÍ PECE (Numerické vyhlazování) 3.1 ZADÁNÍ Jedním z rozhodujících parametrů charakterizující titanovou bělobu rutilového typu je obsah rutilu. Ten je jedním z rozhodujících parametrů při řízení kalcinační pece. Vzhlede k tomu, že je ovlivňován řadou faktorů, dochází k jeho výraznějšímu kolísání v čase. Následující data představují obsah rutilu změřený ve vzorcích odebraných z kalcinační pece (2. otvor) v průběhu relativně rovnoměrného kalcinačního režimu. Přesto došlo k výraznějšímu kolísání tohoto parametru. Cílem úlohy je nalezení vhodného vyhlazení naměřených hodnot obsahu rutilu. 3.2 DATA Tabulka 3.1: Naměřená data-obsah rutilu na 2. otvoru KP Obsah Obsah Obsah Obsah rutilu [%] rutilu [%] rutilu [%] rutilu [%] 1 24, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,40 Program: Astat 1.25 modul Vyhlazování Název souboru s daty: data_vyhlazeni.txt 3.3. VYHODNOCENÍ 80,0 70,0 Obsah rutilu [%] 60,0 50,0 40,0 30,0 20,0 10,0 0, Graf 3.1: Průběh obsahu rutilu (MS Excel)(klouzavý průměr-3 periody) Vyhodnocení neobsahují grafické výstupy, nepodařilo se provést zkopírování grafů z Adstatu do jiného prostředí
8 K řešení této úloh byl použit spline vyhlazování algoritmem Reinsch. Nejlepšího poměru mezi vyhlazením křivky a jejím přiblížením experimentálním bodům je dosaženo při volbě vhodného parametru S. Při vysoké hodnotě S dochází k přiblížení vyhlazující funkce g(x) k regresní přímce. Pro nalezení vhodného parametru S je výhodné použít reziduální rozptyly, průměr absolutních reziduí. Důležitým je rovněž posouzení grafických výstupů, zejména v souvislosti váhy proložení a propojení experimentálních bodů. Tabulka 3.2: Určení optimálního stupně vyhlazení S Průměr reziduí Průměr absolutních reziduí Reziduální rozptyl Vizuální hodnocení křivky 10-1,78E-16 4,02E-01 2,50E-01 přílišné kopírování bodů 35-3,55E-16 7,43E-01 9,35E-01 lepší proložení 41 1,78E-16 8,02E-01 1,01E+00 dobré proložení 50 0,00E+00 8,83E-01 1,12E+00 dobré proložení 3.4 SOUHRN A ZÁVĚR U provozně technologických dat z kalcinace titanové běloby bylo provedeno vyhlazení pomocí Reinschova algoritmu. Jako optimální a vyhovující bylo zvoleno vyhlazení s parametrem S=41,0E
SEMESTRÁLNÍ PRÁCE UNIVERZITA PARDUBICE. Fakulta chemicko - technologická Katedra analytické chemie
UNIVERZITA PARDUBICE Fakulta chemicko - technologická Katedra analytické chemie Licenční studium chemometrie: Počítačové zpracování dat při kontrole a řízení jakosti SEMESTRÁLNÍ PRÁCE Předmět: Aproximace
Kalibrace 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
SEMESTRÁLNÍ 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
Fakulta 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
UNIVERZITA 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
UNIVERZITA PARDUBICE
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Vedoucí studia a odborný garant: Prof. RNDr. Milan Meloun, DrSc. Vyučující: Prof. RNDr. Milan Meloun, DrSc. Autor práce: ANDRII
Univerzita Pardubice. Fakulta chemicko-technologická Katedra analytické chemie. Licenční studium Statistické zpracování dat
Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie Licenční studium Statistické zpracování dat Semestrální práce Interpolace, aproximace a spline 2007 Jindřich Freisleben Obsah
Kalibrace 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...
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 3.3 v analýze dat Autor práce: Přednášející: Prof. RNDr. Milan Meloun, DrSc Pro
Kalibrace 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
2.2 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
Úloha 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
UNIVERZITA 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 KALIBRACE
Semestrální práce. 2. semestr
Licenční studium č. 89002 Semestrální práce 2. semestr PŘEDMĚT 2.2 KALIBRACE A LIMITY JEJÍ PŘESNOSTI Příklad 1 Lineární kalibrace Příklad 2 Nelineární kalibrace Příklad 3 Rozlišení mezi lineární a nelineární
Úloha 1: Lineární kalibrace
Úloha 1: Lineární kalibrace U pacientů s podezřením na rakovinu prostaty byl metodou GC/MS měřen obsah sarkosinu v moči. Pro kvantitativní stanovení bylo nutné změřit řadu kalibračních roztoků o různé
UNIVERZITA PARDUBICE
UNIVERZITA PARDUBICE Fakulta chemicko technologická Katedra analytické chemie Licenční studium chemometrie na téma Kalibrace a limity její přesnosti Vedoucí licenčního studia Prof. RNDr. Milan Meloun,
Kalibrace 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
Plánování 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
KALIBRACE 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
Tvorba nelineárních regresních modelů v analýze dat
Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie Tvorba nelineárních regresních modelů v analýze dat Semestrální práce Licenční studium GALILEO Interaktivní statistická analýza
Tvorba nelineárních regresních modelů v analýze dat
Univerzita Pardubice Fakulta chemicko-technologická, Katedra analytické chemie Licenční studium GALILEO Interaktivní statistická analýza dat Semestrální práce z předmětu Tvorba nelineárních regresních
UNIVERZITA 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.
Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie
Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie 12. licenční studium PYTHAGORAS Statistické zpracování dat 3.3 Tvorba nelineárních regresních modelů v analýze dat Semestrální
Stanovení 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
UNIVERZITA 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 ANALÝZA
Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie
Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie Semestrální práce Licenční studium Galileo Předmět Nelineární regrese Jiří Danihlík Olomouc, 2016 Obsah... 1 Hledání vhodného
UNIVERZITA PARDUBICE
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Licenční studium chemometrie na téma Statistické zpracování dat Semestrální práce ze 6. soustředění Předmět: 3.3 Tvorba nelineárních
UNIVERZITA PARDUBICE FAKULTA CHEMICKO-TECHNOLOGICKÁ
UNIVERZITA PARDUBICE FAKULTA CHEMICKO-TECHNOLOGICKÁ SEMESTRÁLNÍ PRÁCE Kalibrace a limity její přesnosti Precheza a.s. Přerov 2005 Ing. Miroslav Štrajt 1. Zadání Úloha 1. Lineární kalibrace: u přímkové
KALIBRACE. Definice kalibrace: mezinárodní metrologický slovník (VIM 3)
KALIBRACE Chemometrie I, David MILDE Definice kalibrace: mezinárodní metrologický slovník (VIM 3) Činnost, která za specifikovaných podmínek v prvním kroku stanoví vztah mezi hodnotami veličiny s nejistotami
Vyhodnocení průměrných denních analýz kalcinátu ananasového typu. ( Metoda hlavních komponent )
Vyhodnocení průměrných denních analýz kalcinátu ananasového typu. ( Metoda hlavních komponent ) Zadání : Titanová běloba (TiO ) se vyrábí ve dvou základních krystalových modifikacích - rutilové a anatasové.
Univerzita 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
Tvorba nelineárních regresních
Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium chemometrie Statistické zpracování dat Tvorba nelineárních regresních modelů v analýze dat Zdravotní ústav
Tvorba 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
Posouzení linearity kalibrační závislosti
Posouzení linearity kalibrační závislosti Luděk Dohnal Referenční laboratoř pro klinickou biochemii,úkbld 1.LF UK a VFN, Karlovo nám. 32, 12111 Praha 2, ludek.dohnal@lf1.cuni.cz Paul Faigl FCDD, University
Univerzita 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
9 INTERPOLACE A APROXIMACE
1 9 INTERPOLACE A APROXIMACE Vzorová úloha 9.1 Náhrada funkce exp(x) Nalezněte interpolační polynom, který aproximuje funkci exp(x) v intervalu {0, 1} tak, že v krajních bodech x 1 = 0 a x = 1 souhlasí
UNIVERZITA 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
Univerzita 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.
Aproximace křivek a vyhlazování křivek
Univerzita Pardubice Fakulta chemicko - technologická Katedra analytické chemie Dvouleté licenční studium: Počítačové zpracování dat při kontrole a řízení jakosti Aproximace křivek a vyhlazování křivek
Fakulta chemicko technologická Katedra analytické chemie
Fakulta chemicko technologická Katedra analytické chemie Licenční studium statistické zpracování dat Tvorba lineárních a kalibračních modelů při analýze dat Pavel Valášek Školní rok 2001 02 OBSAH 1 POROVNÁNÍ
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
Aproximace a interpolace
Aproximace a interpolace Aproximace dat = náhrada nearitmetické veličiny (resp. složité funkce) pomocí aritmetických veličin. Nejčastěji jde o náhradu hodnot složité funkce g(x) nebo funkce zadané pouze
vzorek1 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
Lineární 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
Semestrální práce str. 1. Semestrální práce. 2.1 Tvorba lineárních regresních modelů při analýze dat. 2.3 Kalibrace a limity její přesnosti
Semestrální práce str. Semestrální práce 2. Tvorba lineárních regresních modelů při analýze dat 2.3 Kalibrace a limity její přesnosti Ing. Ján Lengyel, CSc. Centrální analytická laboratoř Ústav jaderného
Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium chemometrie
Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium chemometrie Statistické zpracování dat ANOVA Zdravotní ústav se sídlem v Ostravě Odbor hygienických laboratoří
UNIVERZITA 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
Předmět: 1.1 Využití tabulkového procesu jako laboratorního deníku Přednášející: Doc. Ing. Stanislava Šimonová, Ph.D., Doc. Ing. Milan Javůrek, CSc.
Předmět: 1.1 Využití tabulkového procesu jako laboratorního deníku Přednášející: Doc. Ing. Stanislava Šimonová, Ph.D., Doc. Ing. Milan Javůrek, CSc. Zadání: Do příštího soustředění předložte ke klasifikaci
Tvorba lineárních regresních modelů
Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium chemometrie Statistické zpracování dat Tvorba lineárních regresních modelů při analýze dat Zdravotní ústav
Polynomy 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
ANOVA. 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.
KVALITA 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
Závislost 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
Interpolace pomocí splajnu
Interpolace pomocí splajnu Interpolace pomocí splajnu Připomenutí U interpolace požadujeme, aby graf aproximující funkce procházel všemi uzlovými body. Interpolační polynom aproximující funkce je polynom
Univerzita Pardubice SEMESTRÁLNÍ PRÁCE. Tvorba lineárních regresních modelů. 2015/2016 RNDr. Mgr. Leona Svobodová, Ph.D.
Univerzita Pardubice SEMESTRÁLNÍ PRÁCE Tvorba lineárních regresních modelů 2015/2016 RNDr. Mgr. Leona Svobodová, Ph.D. Úloha 1 Porovnání regresních přímek u jednoduchého lineárního regresního modelu Porovnání
PYTHAGORAS Statistické zpracování experimentálních dat
UNIVERZITA PARDUBICE Fakulta chemicko-technologická, Katedra analytické chemie SEMESTRÁLNÍ PRÁCE Květen 2008 Licenční studium PYTHAGORAS Statistické zpracování experimentálních dat Předmět 1.4 ANOVA a
6. 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
POLYNOMICKÁ 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,
Typy příkladů na písemnou část zkoušky 2NU a vzorová řešení (doc. Martišek 2017)
Typy příkladů na písemnou část zkoušky NU a vzorová řešení (doc. Martišek 07). Vhodnou iterační metodou (tj. metodou se zaručenou konvergencí) řešte soustavu: x +x +4x 3 = 3.5 x 3x +x 3 =.5 x +x +x 3 =.5
6. 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
TVORBA 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
Metoda 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
Tvorba 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
http: //meloun.upce.cz,
Porovnání rozlišovací schopnosti regresní analýzy spekter a spolehlivosti Prof. RNDr. Milan Meloun, DrSc. Katedra analytické chemie, Chemickotechnologická fakulta, Univerzita Pardubice, nám. s. Legií 565,
UNIVERZITA 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 15. licenční studium INTERAKTIVNÍ STATISTICKÁ ANALÝZA DAT Semestrální práce VYUŽITÍ TABULKOVÉHO
Chyby 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
Parametry 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.
UNIVERZITA 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
Úloha 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
6. 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
Regresní 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).
UNIVERZITA PARDUBICE
UNIVERZITA PARDUBICE Fakulta chemicko technologická Katedra analytické chemie Licenční studium chemometrie na téma Využití tabulkového procesoru jako laboratorního deníku Vedoucí licenčního studia Prof.
Kalibrace analytických metod
Kalibrace analytických metod Petr Breinek BC_Kalibrace_2010 Měřící zařízení (zjednodušeně přístroje) pro měření fyzikálních veličin musí být výrobci kalibrovaná Objem: pipety Teplota (+37 C definovaná
UNIVERZITA PARDUBICE
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Vedoucí studia a odborný garant: Prof. RNDr. Milan Meloun, DrSc. Vyučující: Prof. RNDr. Milan Meloun, DrSc. Autor práce: ANDRII
Regresní 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).
přesnost (reprodukovatelnost) správnost (skutečná hodnota)? Skutečná hodnota použití různých metod
přesnost (reprodukovatelnost) správnost (skutečná hodnota)? Skutečná hodnota použití různých metod Měření Pb v polyethylenu 36 různými laboratořemi 0,47 0 ± 0,02 1 µmol.g -1 tj. 97,4 ± 4,3 µg.g -1 Měření
Regresní 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).
METODA PŮLENÍ INTERVALU (METODA BISEKCE) METODA PROSTÉ ITERACE NEWTONOVA METODA
2-3. Metoda bisekce, met. prosté iterace, Newtonova metoda pro řešení f(x) = 0. Kateřina Konečná/ 1 ITERAČNÍ METODY ŘEŠENÍ NELINEÁRNÍCH ROVNIC - řešení nelineární rovnice f(x) = 0, - separace kořenů =
Posouzení linearity kalibraèní závislosti
Posouzení linearity kalibraèní závislosti Ludìk Dohnal Referenèní laboratoø pro klinickou biochemii,úkbld 1.LF UK a VFN, Karlovo nám. 32, 12111 Praha 2, ludek.dohnal@lf1.cuni.cz Paul Faigl FCDD, University
Tvorba modelu sorpce a desorpce 85 Sr na krystalických horninách za dynamických podmínek metodou nelineární regrese
Tvorba modelu sorpce a desorpce 85 Sr na krystalických horninách za dynamických podmínek metodou nelineární regrese Závěrečná práce 12. licenčního studia Pythagoras Fakulta chemicko-technologická, katedra
Odborně-pedagogický koncept
Odborně-pedagogický koncept Škola SPŠCH Brno (CZ) Oblast Odborné vzdělávání Odborná zaměření 1. Aplikovaná chemie Analytická chemie Farmaceutické substance Ochrana životního prostředí 2. Analýza potravin
LINEÁRNÍ REGRESE Komentované řešení pomocí programu Statistica
LINEÁRNÍ REGRESE Komentované řešení pomocí programu Statistica Vstupní data Data umístěná v excelovském souboru překopírujeme do tabulky ve Statistice a pojmenujeme proměnné, viz prezentace k tématu Popisná
Statistická 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
Zadání Vypracujte písemně s využitím paketu ADSTAT a vyřešte 3 příklady. Příklady postavte z dat vašeho pracoviště nebo nalezněte v literatuře. Každý
0. Licenční studium Statistické zpracování dat 3.3 Tvorba nelineárních regresních modelů v analýze dat Vladimír Bajzík Liberec, únor, 007 Zadání Vypracujte písemně s využitím paketu ADSTAT a vyřešte 3
Náhodná proměnná. Náhodná proměnná může mít rozdělení diskrétní (x 1. , x 2. ; x 2. spojité (<x 1
Náhodná proměnná Náhodná proměnná může mít rozdělení diskrétní (x 1, x 2,,x n ) spojité () Poznámky: 1. Fyzikální veličiny jsou zpravidla spojité, ale změřené hodnoty jsou diskrétní. 2. Pokud
Univerzita Pardubice SEMESTRÁLNÍ PRÁCE. Tvorba grafů v grafickém editoru ORIGIN. 2015/2016 RNDr. Mgr. Leona Svobodová, Ph.D.
Univerzita Pardubice SEMESTRÁLNÍ PRÁCE Tvorba grafů v grafickém editoru ORIGIN 2015/2016 RNDr. Mgr. Leona Svobodová, Ph.D. Úloha 1 Multigraf s více křivkami Data: Úloha E4.03 z publikace: Meloun M., Militký
Ústřední komise Chemické olympiády. 55. ročník 2018/2019 NÁRODNÍ KOLO. Kategorie E. Řešení praktických částí
Ústřední komise Chemické olympiády 55. ročník 2018/2019 NÁRODNÍ KOLO Kategorie E Řešení praktických částí PRAKTICKÁ ČÁST 50 BODŮ Úloha 1 Stanovení Ni 2+ a Ca 2+ ve směsi konduktometricky 20 bodů 1) Chemické
Semestrální práce. 3.3 Tvorba nelineárních regresních modelů v analýze dat
Semestrální práce 1 3.3 Tvorba nelineárních regresních modelů v analýze dat Ing. Ján Lengyel, CSc. Centrální analytická laboratoř Ústav jaderného výzkumu Řež, a. s. Husinec Řež 130 250 68 Řež V Řeži, únor
STATISTIKA. 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
S 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
PŘÍRUČKA ŘEŠENÝCH PŘÍKLADŮ
1999-2011 PŘÍRUČKA ŘEŠENÝCH PŘÍKLADŮ EFFIVALIDATION 3 EffiChem your validation software Lesní 593, 679 71 Lysice http://www.effichem.com 2/57 EffiChem můţe vlastnit patenty, podané ţádosti o patenty, ochranné
STANOVENÍ PROPUSTNOSTI OBALOVÝCH MATERIÁLŮ PRO VODNÍ PÁRU
STANOVENÍ PROPUSTNOSTI OBALOVÝCH MATERIÁLŮ PRO VODNÍ PÁRU Úvod Obecná teorie propustnosti polymerních obalových materiálů je zmíněna v návodu pro stanovení propustnosti pro kyslík. Na tomto místě je třeba
Chyby spektrometrických metod
Chyby spektrometrických metod Náhodné Soustavné Hrubé Správnost výsledku Přesnost výsledku Reprodukovatelnost Opakovatelnost Charakteristiky stanovení 1. Citlivost metody - směrnice kalibrační křivky 2.
Statistická analýza jednorozměrných dat
Univerzita Pardubice Fakulta chemicko-technologická, Katedra analytické chemie Licenční studium GALILEO Interaktivní statistická analýza dat Semestrální práce z předmětu Statistická analýza jednorozměrných
Univerzita Pardubice Fakulta chemicko-technologická. Licenční studium Statistické zpracování dat
Univerzita Pardubice Fakulta chemicko-technologická Licenční studium Statistické zpracování dat 3.3 Tvorba nelineárních regresních modelů v analýze dat RNDr. Lada Kovaříková České technologické centrum
8. Sběr a zpracování technologických proměnných
8. Sběr a zpracování technologických proměnných Účel: dodat v částečně předzpracovaném a pro další použití vhodném tvaru ucelenou informaci o procesu pro následnou analyzu průběhu procesu a pro rozhodování
STATISTICKÉ ZPRACOVÁNÍ DAT PŘI MANAGEMENTU JAKOSTI
UNIVERZITA PARDUBICE, FAKULTA CHEMICKO TECHNOLOGICKÁ KATEDRA ANALYTICKÉ CHEMIE SEMESTRÁLNÍ PRÁCE Licenční studium STATISTICKÉ ZPRACOVÁNÍ DAT PŘI MANAGEMENTU JAKOSTI Předmět: Faktory ovlivňující jakost
Střední průmyslová škola, Karviná. Protokol o zkoušce
č.1 Stanovení dusičnanů ve vodách fotometricky Předpokládaná koncentrace 5 20 mg/l navážka KNO 3 (g) Příprava kalibračního standardu Kalibrace slepý vzorek kalibrační roztok 1 kalibrační roztok 2 kalibrační
Příloha 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
KALIBRACE A LIMITY JEJÍ PŘESNOSTI 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 KALIBRACE