Prostorové interpolace. Waldo Tobler 1970: "Everything is related to everything else, but near things are more related than distant things.
|
|
- Silvie Říhová
- před 7 lety
- Počet zobrazení:
Transkript
1 Prostorové interpolace Waldo Tobler 1970: "Everything is related to everything else, but near things are more related than distant things."
2 Prostorové interpolace Predikce hodnot cílové proměnné pro celé zájmové území s využitím pozorování proměnné na omezeném počtu míst Prostorová predikce = interpolace + extrapolace Hengl 2009: A Practical Guide to Geostatistical Mapping
3 Interpolační metody VEKTOR RASTR Metody Globální Regrese - trend Lokální Regrese lokální trend Inverse Distance Weighted IDW Spline Thiessenovy polygony Natural Neighbours interpolation Geostatistika (Kriging) Výstupy Trendy Spojité modely, DEM
4 Interpolační metody VEKTOR RASTR Metody Globální Regrese - trend Lokální Regrese lokální trend Inverse Distance Weighted IDW Spline Thiessenovy polygony Natural Neighbours interpolation Geostatistika (Kriging) deterministické (geo)statistické Výstupy Trendy Spojité modely, DEM
5 Globální trend Lineární Kvadratický Kubický z = a + bx + cy z = a + bx + cy + dx 2 + exy + fy 2
6 Interpolační metody VEKTOR RASTR Metody Globální Regrese - trend Lokální Regrese lokální trend Inverse Distance Weighted IDW Spline Thiessenovy polygony Natural Neighbours interpolation Geostatistika (Kriging) deterministické (geo)statistické Výstupy Trendy Spojité modely, DEM
7 Lokální trend polynomická funkce proložená vybranými body v sousedství citlivé na volbu velikosti sousedství, možná anisotropie interpolovaný povrchu nemusí procházet vstupními body
8 IDW hodnota interpolovaného bodu závislá na inverzní vzdálenosti od sousedů citlivé na: outliers a nahloučení bodů; možná anisotropie Povrch (téměř) prochází vstupními body Z(s 0 ) zjišťovaná hodnota Z(s i ) hodnota ve známých bodech d - vzdálenost dvou bodů p modifikuje vliv vzdálenosti
9 Spline proložení křivky s nejmenším celkovým zakřivením křivka musí procházet body nevhodné pro povrch s náhlými výraznými změnami Thin-plate spline (Hutchinson 1995) Regularized spline with tension and smoothing (Mitasova & Mitas, 1993)
10 Thiessenovy polygony Vytvoření TIN splňující Delaunay kritéria: kružnice opsaná trojúhelníku neobsahuje žádný jiný bod Kolmice v polovinách stran trojúhelníků; jejich průsečíky tvoří vrcholy Thiessenových polygonů
11 Natural neighbours Sárkozy F.
12 Natural neighbours Sárkozy F.
13 Natural neighbours Sárkozy F.
14 Natural neighbours Sárkozy F.
15 Srovnání metod Přesný versus přibližný interpolátor extrapolace? IDW Spline Kriging gis.stackexchange.com
16 Testování kvality interpolace Cross-validace Postupně vždy vypustím jeden bod, provedu interpolaci a na vynechaném bodě změřím odchylku mezi interpolovanou a originální hodnotou Vyhodnotím jako RMSE (Root mean square Error) RMSE lze použít i pro odhad vhodných parametrů interpolační metody příklad pro p parametr (IDW) ESRI Help
17 Lineární interpolace Pokud jsou dány dva body, lineární interpolace je přímka mezi těmito body Bilineární interpolace opakovaná lineární interpolace mezi body ve čtvercové síti Wikipedia
18 Geostatistika - Kriging Technika navržen důlním inženýrem D. E. Krigem a statistikem H.S. Sichelem v 50. letech; matematicky popsáno francouzským matematikem G. Matheronem až v letech základ geostatistiky Statistický přístup, mohu stanovit chybu interpolace Stejný prediktor jako u IDW Váha lambda ale určena více faktory: semivariogramem, vzdáleností a prostorovým uspořádáním dat v okolí bodu Několik částí 1. Explorativní - zkoumám statistické předpoklady (stationarity) 2. Fitování modelu na zjištěný vztah a jejich srovnání 3. Predikce hodnot (interpolace)
19 Explorativní část Zkoumám statistické charakteristiky dat rozdělení (histogram, QQplot,...) outliers prostorové rozdělení (voronoi mapy) autokorelace (semivariogram)
20 Semivariance g ve vzdálenosti h je rovna polovině průměrné variance mezi body dané vzdálenosti h Fitování modelu Terénní data Semivariogram Hengl T. (2007): JRC Scientific and Technical report
21 Fitování modelu Sdružením semivariancí do skupin podle vzdálenosti (tzv. lagů) vytvořím experimentální semivariogram (průměrné hodnoty v lagu) Pro ten pak fituju model (prokládám křivku) z předem definovaných (např. exponenciální, gaussovský, sférický ) Experimentální semivariogram Fitovaný model Hengl T. (2007): JRC Scientific and Technical report
22 Fitování modelu 2 Range max. vzdálenost na kterou jsou data autokorelovaná Sill hodnota semivariance odpovídající range Nugget prostorová variabilita nebo chyby na menší prostorové škále než popisují moje data (< sampling distance) Různé modely podle tvaru křivky: exponenciální gausův sférický
23 Fitování modelu - ArcGIS
24 IDRISI. Clarks Laboratory Fitování modelu v IDRISI
25 IDRISI. Clarks Laboratory Fitování modelu v IDRISI
26 Vlastní interpolace/predikce IDW Kriging
27 Regression kriging Mám k dispozici další proměnnou(né) jako např. model terénu, na kterých je predikovaná proměnná závislá a mohu je tedy zahrnout do interpolace T. Hengl et al. / Computers & Geosciences 33 (2007)
28 Kriging zmatení pojmů Vstupními daty jen polohy bodů a jejich hodnoty = Ordinary kriging Ordinary kriging Mám další pomocné proměnné prostředí (např. DEM, LAI, půdní typy), které mohou predikovat moji závislou proměnnou, Regression kriging = Kriging with external drift = Universal kriging RK = KDE = UK Odchylky v počtu a typu doplňkových proměnných i technickém řešení výpočtu; matematicky a především ve výsledku jsou shodné Hengl, T., Heuvelink, G. B. M., & Rossiter, D. G. (2007). About regression-kriging: From equations to case studies. Computers & Geosciences, 33(10),
29 Srovnání metod IDW Spline Kriging gis.stackexchange.com
30 Voronoi Srovnání metod TIN IDW Kriging Splines with tension Regularized spline Mitas et al. 1999
31 Literatura Srovnání metod Li, J., & Heap, A. D. (2011). A review of comparative studies of spatial interpolation methods in environmental sciences: Performance and impact factors. Ecological Informatics, 6(3-4), Prostorová statistica s důrazem na Kriging Hengl, T. (2007). A Practical Guide to Geostatistical Mapping of Environmental Variables. JRC Scientific and Technical Report. Ispra, Italy Hengl, T., Heuvelink, G. B. M., & Rossiter, D. G. (2007). About regressionkriging: From equations to case studies. Computers & Geosciences, 33(10), Diggle P.J. and Ribeiro P.J. jr. (2007): Model-based Geostatistics. Springer Cressie N.A.C. (1993): Statistics for Spatial Data (Wiley Series in Probability and Statistics) Bivand R.S., Pebesma E. and Goméz-Rubio V. (2008): Applied Spatial Data Analysis with R. Springer
32 Analýza sítí VEKTOR RASTR Charakteristiky sítí: Délka Orientace Konektivita Modelování zatížení sítě Optimální spojení Optimální trasa Problém obchodního cestujícího Alokace zdrojů
33 Analýza sítí optimální spojení
34 Analýza sítí obchodní cestující Problém obchodního cestujícího (Travelling salesman problem TSP) Definovaná místa v síti která mám navštívit Hledám nejkratší (nejlevnější) cestu mezi místy V mluvě teorie grafů: Hamiltonovská kružnice Varianta chci navštívit všechny místa: problém čínského listonoše Genetický algritmus, 500 měst, generací; 9 hodin výpočtu
35 Analýza sítí alokace zdrojů
36 Analýza sítí konektivita Upstream Upstream - threshold
Interpolační funkce. Lineární interpolace
Interpolační funkce VEKTOR RASTR Metody Globální Regrese - trend Lokální Lineární interpolace Výstupy Regrese lokální trend Inverse Distance Weighted IDW Spline Thiessenovy polygony Natural Neighbours
Digitální kartografie 7
Digitální kartografie 7 digitální modely terénu základní analýzy a vizualizace strana 2 ArcGIS 3D Analyst je zaměřen na tvorbu, analýzu a zobrazení dat ve 3D. Poskytuje jak nástroje pro interpolaci rastrových
Digitální modely terénu a vizualizace strana 2. ArcGIS 3D Analyst
Brno, 2014 Ing. Miloš Cibulka, Ph.D. Cvičení č. 7 Digitální kartografie Vytvořeno s podporou projektu Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na
9. přednáška z předmětu GIS1 Digitální model reliéfu a odvozené povrchy. Vyučující: Ing. Jan Pacina, Ph.D.
9. přednáška z předmětu GIS1 Digitální model reliéfu a odvozené povrchy Vyučující: Ing. Jan Pacina, Ph.D. e-mail: jan.pacina@ujep.cz Lehký úvod Digitální modely terénu jsou dnes v geoinformačních systémech
Digitální modely terénu (9-10) DMT v ArcGIS Desktop
Digitální modely terénu (9-10) DMT v Desktop Ing. Martin KLIMÁNEK, Ph.D. 411 Ústav geoinformačních technologií Lesnická a dřevařská fakulta, Mendelova zemědělská a lesnická univerzita v Brně 1 Digitální
Měření a vyhodnocení srážek
hydrologie LI Přednáška 3 bodové měření přístroje Měření a vyhodnocení srážek metody www.chmi.cz hydrologie LI přednáška 3 Přístroje pro bodové měření srážek Bodové měření srážek totalizátory srážkoměry
Rastrové digitální modely terénu
Rastrové digitální modely terénu Rastr je tvořen maticí buněk (pixelů), které obsahují určitou informaci. Stejně, jako mohou touto informací být typ vegetace, poloha sídel nebo kvalita ovzduší, může každá
Metody prostorové interpolace
Metody prostorové interpolace Prostorová interpolace slouží k odhadu hodnot určitého jevu či jeho intenzity v libovolném místě studované plochy, pro niž existují známé hodnoty tohoto jevu pouze v určitých
, Brno Připravil: Ing. Jaromír Landa. Tvorba modelů pokrytí
31. 3. 2014, Brno Připravil: Ing. Jaromír Landa Tvorba modelů pokrytí Typy geodat strana 2 Opakování: Typy geodat Rastry: modely pokrytí (2D/3D), letecké/satelitní snímky, formáty: TIFF, Geo JPEG, PNG,
Geoinformatika. IX GIS modelování
Geoinformatika IX GIS modelování jaro 2017 Petr Kubíček kubicek@geogr.muni.cz Laboratory on Geoinformatics and Cartography (LGC) Institute of Geography Masaryk University Czech Republic Geoinformatika
Modelování sesuvu svahu v Halenkovicích pomocí metody kriging
Modelování sesuvu svahu v Halenkovicích pomocí metody kriging Robert Zůvala, Eva Fišerová Katedra matematické analýzy a aplikací matematiky Přírodovědecká fakulta Univerzity Palackého v Olomouci ROBUST
Využití GIS a DPZ pro krajinné inženýrství přednáška č.6
2013, Brno Ing. Tomáš Mikita, Ph.D. Doc. Ing. Martin Klimánek, Ph.D. Využití GIS a DPZ pro krajinné inženýrství přednáška č.6 Prostorová interpolace dat,geostatistika, digitální modely terénu Prezentace
Geostatistika v R-projektu
Geostatistika v R-projektu Martin Dzurov, Kristýna Kitzbergerová, Lucie Šindelářová Abstrakt Geostatistika se zabývá odhady a předpovědí spojitých jevů v prostoru za použití dat jen z omezeného počtu míst
Popis metod CLIDATA-GIS. Martin Stříž
Popis metod CLIDATA-GIS Martin Stříž Říjen 2008 Obsah 1CLIDATA-SIMPLE...3 2CLIDATA-DEM...3 2.1Metodika výpočtu...3 2.1.1Výpočet regresních koeficientů...3 2.1.2 nalezených koeficientu...5 2.1.3Výpočet
Fakulta stavební GEOSTATISTIKA. Martin Dzurov, Kristýna Kitzbergerová, Lucie Šindelářová
České Vysoké Učení Technické v Praze Fakulta stavební GEOSTATISTIKA Martin Dzurov, Kristýna Kitzbergerová, Lucie Šindelářová Studijní program: Geoinformatika Vedoucí projektu: Dr. RNDr. Jana Nosková Praha,
Digitální modely terénu (6-8) DMT v GIS Idrisi Andes
Digitální modely terénu (6-8) DMT v GIS Ing. Martin KLIMÁNEK, Ph.D. Ing. Petr DOUDA 411 Ústav geoinformačních technologií Lesnická a dřevařská fakulta, Mendelova zemědělská a lesnická univerzita v Brně
Digitální model reliéfu (terénu) a analýzy modelů terénu
Digitální model reliéfu (terénu) a analýzy modelů terénu Digitální modely terénu jsou dnes v geoinformačních systémech hojně využívány pro různé účely. Naměřená terénní data jsou často zpracována do podoby
Aplikace GIS v geologických vědách
Aplikace GIS v geologických vědách Rastrová data Karel Martínek Rastrová data, extenze ArcGIS Spatial Analyst 1 RASTROVÁ DATA ÚVOD (ARC VIEW) 1.1 DEFINICE ZÁKLADNÍCH POJMŮ (RASTR, GRID, BUŇKA, PIXEL, SPOJITÝ/NESPOJITÝ
Algoritmizace prostorových úloh
Algoritmizace prostorových úloh Vektorová data Daniela Szturcová Prostorová data Geoobjekt entita definovaná v prostoru. Znalost jeho identifikace, lokalizace umístění v prostoru, vlastností vlastních
Pokročilé metody geostatistiky v R-projektu
ČVUT V PRAZE, Fakulta stavební, Geoinformatika Pokročilé metody geostatistiky v R-projektu Autoři: Vedoucí projektu: RNDr. Dr. Nosková Jana Studentská grantová soutěž ČVUT 2011 Praha, 2011 Geostatistika
ODHAD PLOŠNÝCH SRÁŽEK PRO POVODÍ ŘEKY OLŠE
ODHAD PLOŠNÝCH SRÁŽEK PRO POVODÍ ŘEKY OLŠE Lucie Juřikovská 1, Monika Šeděnková 1 1 Institut geoinformatiky, Hornicko-geologická fakulta, VŠB-TU Ostrava, 17.listopad u 15/2172, 708 33 Ostrava-Poruba, Česká
1/2008 Geomorphologia Slovaca et Bohemica
1/2008 Geomorphologia Slovaca et Bohemica HODNOCENÍ PŘESNOSTI DIGITÁLNÍCH MODELŮ RELIÉFU JANA SVOBODOVÁ* Jana Svobodová: Evaluation of digital elevation model accuracy. Geomorphologia Slovaca et Bohemica,
Aktuální mapy znečištění ovzduší v evropském i českém měřítku (roční charakteristiky) a vývoj v oblasti mapování
Aktuální mapy znečištění ovzduší v evropském i českém měřítku (roční charakteristiky) a vývoj v oblasti mapování Jan Horálek Jana Ostatnická, Jana Schovánková, Pavel Kurfürst Peter de Smet, Leonor Tarrasón,
Tvorba povrchů pomocí interpolací
Tvorba povrchů pomocí interpolací Rastrová data, která souvisle zobrazují průběh hodnot nějakého měřitelného fenoménu, jsou zpravidla vypočítávána pomocí interpolací naměřených hodnot vztažených k bodům
Digitální modely terénu (3)
Digitální modely terénu (3) Ing. Martin KLIMÁNEK, Ph.D. 411 Ústav geoinformačních technologií Lesnická a dřevařská fakulta, Mendelova zemědělská a lesnická univerzita v Brně 1 Interpolace - úvod procedura
Měření závislosti statistických dat
5.1 Měření závislosti statistických dat Každý pořádný astronom je schopen vám předpovědět, kde se bude nacházet daná hvězda půl hodiny před půlnocí. Ne každý je však téhož schopen předpovědět v případě
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
Přednáška 3. 1GIS2 Digitální modely terénu, odvozené charakteristiky DMT, základní analýzy využívající DMT FŽP UJEP
Přednáška 3 1GIS2 Digitální modely terénu, odvozené charakteristiky DMT, základní analýzy využívající DMT FŽP UJEP Digitální modely terénu - DMT (digitální model reliéfu DMR) (Digital Terrain Model(ing)
Metody prostorové interpolace
Metody prostorové interpolace 1. Základní pojmy Prostorová interpolace slouží k odhadu hodnot určitého jevu či jeho intenzity v libovolném místě studované plochy, pro niž existují známé hodnoty tohoto
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,
Lineární a polynomická regrese, interpolace, hledání v tabulce
co byste měli umět po dnešní lekci: proložit body přímku, parabolu,... a určit chyby parametrů (u přímky) interpolovat mezi hodnotami v tabulce hledat v tabulce (1D) prokládání (fitování) křivek metoda
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
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
Přehled základních metod georeferencování starých map
Přehled základních metod georeferencování starých map ČVUT v Praze, Fakulta stavební, katedra mapování a kartografie 4. listopadu 2011 Obsah prezentace 1 2 3 4 5 Zhlediska georeferencování jsou důležité
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
Prostorová variabilita
Prostorová variabilita prostorová závislost (autokorelace) reprezentuje korelaci mezi hodnotami určité náhodné proměnné v místě i a hodnotami téže proměnné v jiném místě j; prostorová heterogenita je strukturální
RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr.
Analýza dat pro Neurovědy RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr. Jaro 2014 Institut biostatistiky Janoušová, a analýz Dušek: Analýza dat pro neurovědy Blok 7 Jak hodnotit vztah spojitých proměnných
Realita versus data GIS
http://www.indiana.edu/ Realita versus data GIS Data v GIS Typy dat prostorová (poloha a vzájemné vztahy) popisná (atributy) Reprezentace prostorových dat (formát) rastrová Spojitý konceptuální model vektorová
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
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
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
Karta předmětu prezenční studium
Karta předmětu prezenční studium Název předmětu: Číslo předmětu: 545-0250 Garantující institut: Garant předmětu: Ekonomická statistika Institut ekonomiky a systémů řízení RNDr. Radmila Sousedíková, Ph.D.
Korelační a regresní analýza. 1. Pearsonův korelační koeficient 2. jednoduchá regresní analýza 3. vícenásobná regresní analýza
Korelační a regresní analýza 1. Pearsonův korelační koeficient 2. jednoduchá regresní analýza 3. vícenásobná regresní analýza Pearsonův korelační koeficient u intervalových a poměrových dat můžeme jako
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).
PROBLEMATICKÉ ASPEKTY GEOREFERENCOVÁNÍ MAP
Digitální technologie v geoinformatice, kartografii a DPZ PROBLEMATICKÉ ASPEKTY GEOREFERENCOVÁNÍ MAP Katedra geomatiky Fakulta stavební České vysoké učení technické v Praze Jakub Havlíček, 22.10.2013,
EKONOMICKÁ APLIKACE KOMPOZIČNÍHO REGRESNÍHO MODELU
EKONOMICKÁ APLIKACE KOMPOZIČNÍHO REGRESNÍHO MODELU Klára Hrůzová 1,2, Karel Hron 1,2 1 Katedra matematické analýzy a aplikací matematiky, Přírodovědecká fakulta, Univerzita Palackého v Olomouci 2 Katedra
Pravděpodobnost 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
Ústav matematiky a statistiky Masarykova univerzita Brno. workshopy Finanční matematika v praxi III Matematické modely a aplikace Podlesí
Ústav matematiky a statistiky Masarykova univerzita Brno workshopy Finanční matematika v praxi III Matematické modely a aplikace Podlesí 3. 6. září 2013 Obsah 1 2 3 4 y Motivace y 10 0 10 20 30 40 0 5
Aplikovaná statistika v R - cvičení 3
Aplikovaná statistika v R - cvičení 3 Filip Děchtěrenko Matematicko-fyzikální fakulta filip.dechterenko@gmail.com 5.8.2014 Filip Děchtěrenko (MFF UK) Aplikovaná statistika v R 5.8.2014 1 / 10 Lineární
Inovace 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)
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
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 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
Pro bodový odhad při základním krigování by soustava rovnic v maticovém tvaru vypadala následovně:
KRIGING Krigování (kriging) označujeme interpolační metody, které využívají geostacionární metody odhadu. Těchto metod je celá řada, zde jsou některé příklady. Pro krigování se používá tzv. Lokální odhad.
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
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).
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
Úvod do GIS. Karel Jedlička. Zpracování dat II. Pouze podkladová prezentace k přednáškám, nejedná se o studijní materiál pro samostatné studium.
Úvod do GIS Zpracování dat II Pouze podkladová prezentace k přednáškám, nejedná se o studijní materiál pro samostatné studium. Karel Jedlička Zpracování dat Převody mezi reprezentacemi... Vektorizace Rasterizace
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
Karta předmětu prezenční studium
Karta předmětu prezenční studium Název předmětu: Prostorová analýza dat (PAD) Číslo předmětu: 548-0044 Garantující institut: Garant předmětu: Institut geoinformatiky doc. Dr. Ing. Jiří Horák Kredity: 5
Základní vlastnosti křivek
křivka množina bodů v rovině nebo v prostoru lze chápat jako trajektorii pohybu v rovině či v prostoru nalezneme je také jako množiny bodů na ploše křivky jako řezy plochy rovinou, křivky jako průniky
Vyhodnocení topografických dat pro účely precizního zemědělství v podmínkách České republiky
Vyhodnocení topografických dat pro účely precizního zemědělství v podmínkách České republiky Jan Komárek 1 1 Katedra aplikované geoinformatiky a územního plánování, Fakulta životního prostředí, Česká zemedělská
Kartografické modelování. VIII Modelování vzdálenosti
VIII Modelování vzdálenosti jaro 2015 Petr Kubíček kubicek@geogr.muni.cz Laboratory on Geoinformatics and Cartography (LGC) Institute of Geography Masaryk University Czech Republic Vzdálenostní funkce
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 statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická
Aproximace 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
GENERATION OF APPLICATION MAPS FOR THE BASE FERTILIZATION FROM THE RESULTS OF AGROCHEMICAL ANALYSES OF SOIL SAMPLES
GENERATION OF APPLICATION MAPS FOR THE BASE FERTILIZATION FROM THE RESULTS OF AGROCHEMICAL ANALYSES OF SOIL SAMPLES TVORBA APLIKAČNÍCH MAP ZÁKLADNÍHO HNOJENÍ Z VÝSLEDKŮ AGROCHEMICKÝCH ANALÝZ PŮDNÍCH VZORKŮ
Mapová algebra. Mapová algebra obecný princip. Možné formy použití MA (uživatelská rozhraní) Mapová Algebra v prostředí ArcView, ArcMap
Mapová algebra Soubor metod analýzy prostorových dat uchovávaných v rastrovém datovém modelu. Používá map jako proměnných a prostorových operací jako operátorů v algebraických výrazech. Nová_Mapa = f(vstupní_mapa1,vstupní_mapa2,...)
GEOSTATISTIKA. Ing. Jan Popelka, Ph.D. Fakulta životního prostředí UJEP (výběr z materiálu)
GEOSTATISTIKA Ing. Jan Popelka, Ph.D. Fakulta životního prostředí UJEP (výběr z materiálu) 1 ZÁKLADNÍ POJMY ŠIRŠÍ VYMEZENÍ GEOSTATISTIKY GEOSTATISTIKA je statistická analýza prostorově lokalizovaných dat.
PRŮZKUMOVÁ ANALÝZA JEDNOROZMĚRNÝCH DAT Exploratory Data Analysis (EDA)
PRŮZKUMOVÁ ANALÝZA JEDNOROZMĚRNÝCH DAT Exploratory Data Analysis (EDA) Reprezentativní náhodný výběr: 1. Prvky výběru x i jsou vzájemně nezávislé. 2. Výběr je homogenní, tj. všechna x i jsou ze stejného
Digitální model reliéfu (terénu) a analýzy modelů terénu
Digitální model reliéfu (terénu) a analýzy modelů terénu Digitální modely terénu jsou dnes v geoinformačních systémech hojně využívány pro různé účely. Naměřená terénní data jsou často zpracována do podoby
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
Pravděpodobnost 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
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
4EK211 Základy ekonometrie
4EK211 Základy ekonometrie ZS 2015/16 Cvičení 7: Časově řady, autokorelace LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE 1. Časové řady Data: HDP.wf1
dat Robust ledna 2018
Analýza prostorově závislých funkcionálních dat V. Římalová, A. Menafoglio, A. Pini, E. Fišerová Robust 2018 25. ledna 2018 Motivace Data a náhled lokace Měsíční měření (březen-říjen 2015 a 2016) 5 chemických
PROSTOROVÁ STATISTIKA V MATLABU. , Liberci, Liberec
PROSTOROVÁ STATISTIKA V MATLABU, Liberci, 461 17 Liberec Abstrakt: # prostorové kovariance$# # & ' variogramu (lokální variabilita) resp. jeho ( ) ) jazyku Matlab *,- 1. Úvod.'# ')$' ) ' &/ ' #, ),', '
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
Optimalizace provozních podmínek. Eva Jarošová
Optimalizace provozních podmínek Eva Jarošová 1 Obsah 1. Experimenty pro optimalizaci provozních podmínek 2. EVOP klasický postup využití statistického softwaru 3. Centrální složený návrh model odezvové
4EK211 Základy ekonometrie
4EK211 Základy ekonometrie ZS 2014/15 Cvičení 6: Dummy proměnné, úvod do časových řad LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE 1. Multikolinearita
STATISTICKÉ METODY; ZÍSKÁVÁNÍ INFORMACÍ Z DRUHOVÝCH A ENVIRONMENTÁLNÍCH DAT
STATISTICKÉ METODY; ZÍSKÁVÁNÍ INFORMACÍ Z DRUHOVÝCH A ENVIRONMENTÁLNÍCH DAT (NE)VÝHODY STATISTIKY OTÁZKY si klást ještě před odběrem a podle nich naplánovat design, metodiku odběru (experimentální vs.
Aplikace T -prostorů při modelování kompozičních časových řad
Aplikace T -prostorů při modelování kompozičních časových řad P. Kynčlová 1,3 P. Filzmoser 1, K. Hron 2,3 1 Department of Statistics and Probability Theory Vienna University of Technology 2 Katedra matematické
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
MĚŘENÍ 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
Uni- and multi-dimensional parametric tests for comparison of sample results
Uni- and multi-dimensional parametric tests for comparison of sample results Jedno- a více-rozměrné parametrické testy k porovnání výsledků Prof. RNDr. Milan Meloun, DrSc. Katedra analytické chemie, Universita
Statgraphics v. 5.0 STATISTICKÁ INDUKCE PRO JEDNOROZMĚRNÁ DATA. Martina Litschmannová 1. Typ proměnné. Požadovaný typ analýzy
Dichotomická proměnná (0-1) Spojitá proměnná STATISTICKÁ INDUKCE PRO JEDNOROZMĚRNÁ DATA Typ proměnné Požadovaný typ analýzy Ověření variability Předpoklady Testy, resp. intervalové odhad Test o rozptylu
Regresní analýza. Eva Jarošová
Regresní analýza Eva Jarošová 1 Obsah 1. Regresní přímka 2. Možnosti zlepšení modelu 3. Testy v regresním modelu 4. Regresní diagnostika 5. Speciální využití Lineární model 2 1. Regresní přímka 3 nosnost
Poskytování in-situ dat kvality ovzduší a jejich použití v kombinaci s modelovými a satelitními daty
Poskytování in-situ dat kvality ovzduší a jejich použití v kombinaci s modelovými a satelitními daty Jan Horálek (Český hydrometeorologický ústav) Jana Ostatnická, Linton Corbet (ČHMÚ), Anthony Ung (INERIS),
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
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ FAKULTA STAVEBNÍ
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ FAKULTA STAVEBNÍ KATEDRA MAPOVÁNÍ A KARTOGRAFIE Studijní program: Obor: Vedoucí práce: Geodézie a kartografie Geoinformatika Doc. Ing. Lena Halounová, CSc. TOMÁŠ VOJTĚCHOVSKÝ
Eva Fišerová a Karel Hron. Katedra matematické analýzy a aplikací matematiky Přírodovědecká fakulta Univerzity Palackého v Olomouci.
Ortogonální regrese pro 3-složkové kompoziční data využitím lineárních modelů Eva Fišerová a Karel Hron Katedra matematické analýzy a aplikací matematiky Přírodovědecká fakulta Univerzity Palackého v Olomouci
Karta předmětu prezenční studium
Karta předmětu prezenční studium Název předmětu: Kvantitativní metody v geografii (KMG) Číslo předmětu: 548 Garantující institut: Garant předmětu: Institut geoinformatiky Ing. Igor Ivan, Ph.D. Kredity:
Triangulace. Význam triangulace. trojúhelník je základní grafický element aproximace ploch předzpracování pro jiné algoritmy. příklad triangulace
Význam triangulace trojúhelník je základní grafický element aproximace ploch předzpracování pro jiné algoritmy příklad triangulace Definice Triangulace nad množinou bodů v rovině představuje takové planární
Klasická a robustní ortogonální regrese mezi složkami kompozice
Klasická a robustní ortogonální regrese mezi složkami kompozice K. Hrůzová, V. Todorov, K. Hron, P. Filzmoser 13. září 2016 Kompoziční data kladná reálná čísla nesoucí pouze relativní informaci, x = (x
Kartografické modelování V Topologické překrytí - Overlay
Kartografické modelování V Topologické překrytí - Overlay jaro 2017 Petr Kubíček kubicek@geogr.muni.cz Laboratory on Geoinformatics and Cartography (LGC) Institute of Geography Masaryk University Czech
10. Předpovídání - aplikace regresní úlohy
10. Předpovídání - aplikace regresní úlohy Regresní úloha (analýza) je označení pro statistickou metodu, pomocí nichž odhadujeme hodnotu náhodné veličiny (tzv. závislé proměnné, cílové proměnné, regresandu
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
Topografické funkce. Sklonitost Expozice Analýza viditelnosti. Viditelnost Osvětlení (vizualizace) Potenciální radiace
Topografické funkce VEKTOR RASTR Sklonitost Expozice Analýza viditelnosti Viditelnost Osvětlení (vizualizace) Potenciální radiace Členitost terénu Morfometrické charakteristiky Profil Hydrologické analýzy
Strojové učení Marta Vomlelová
Strojové učení Marta Vomlelová marta@ktiml.mff.cuni.cz KTIML, S303 Literatura 1.T. Hastie, R. Tishirani, and J. Friedman. The Elements of Statistical Learning, Data Mining, Inference and Prediction. Springer
Pokročilé metody geostatistiky v R-projektu
ČVUT Fakulta stavební, Geoinformatika Pokročilé metody geostatistiky v R-projektu Autoři: Martin Šmejkal, Adéla Volfová Vedoucí projektu: RNDr. Dr. Jana Nosková Abstrakt Geostatistika se zabývá odhady
STATISTICAL DESIGN OF EXPERIMENT FOR SOLDER JOINTS QUALITY EVALUATION STATISTICKÉ PLÁNOVÁNÍ EXPERIMENTŮ PRO ÚČELY VYHODNOCOVÁNÍ KVALITY PÁJENÝCH SPOJŮ
STATISTICAL DESIGN OF EXPERIMENT FOR SOLDER JOINTS QUALITY EVALUATION STATISTICKÉ PLÁNOVÁNÍ EXPERIMENTŮ PRO ÚČELY VYHODNOCOVÁNÍ KVALITY PÁJENÝCH SPOJŮ Bc. Radim Havlásek Magisterský studijní program, Fakulta