Analýza reziduí gyroskopu umístěného na kyvadle p.1

Podobné dokumenty
Analýza reziduí gyroskopu

Zadání Máme data hdp.wf1, která najdete zde: Bodová předpověď: Intervalová předpověď:

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.

odpovídá jedna a jen jedna hodnota jiných

AVDAT Klasický lineární model, metoda nejmenších

Opravená data Úloha (A) + (E) Úloha (C) Úloha (B) Úloha (D) Lineární regrese

Testování hypotéz o parametrech regresního modelu

Statistické metody v marketingu. Ing. Michael Rost, Ph.D.

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.

Semestrální projekt. Vyhodnocení přesnosti sebelokalizace VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ. Fakulta elektrotechniky a komunikačních technologií

Regresní analýza. Eva Jarošová

Statistické metody v marketingu. Ing. Michael Rost, Ph.D.

STATISTICA Téma 6. Testy na základě jednoho a dvou výběrů

Aplikovaná statistika v R - cvičení 3

Časové řady, typy trendových funkcí a odhady trendů

Časové řady, typy trendových funkcí a odhady trendů

Posouzení přesnosti měření

Náhodné chyby přímých měření

STANOVENÍ SPOLEHLIVOSTI GEOTECHNICKÝCH KONSTRUKCÍ. J. Pruška, T. Parák

SEMESTRÁLNÍ PRÁCE. Leptání plasmou. Ing. Pavel Bouchalík

Statistické metody v marketingu. Ing. Michael Rost, Ph.D.

(Auto)korelační funkce Statistické vyhodnocování exp. dat M. Čada ~ cada

Testování hypotéz o parametrech regresního modelu

Pravděpodobnost, náhoda, kostky

Interpolace, aproximace

Náhodné (statistické) chyby přímých měření

Pravděpodobnost, náhoda, kostky

Regresní analýza 1. Regresní analýza

TÍHOVÉ ZRYCHLENÍ TEORETICKÝ ÚVOD. 9, m s.

Statistika II. Jiří Neubauer

Ekonometrie. Jiří Neubauer

Stavový model a Kalmanův filtr

Korelační a regresní analýza

Pokud data zadáme přes "Commands" okno: SDF1$X1<-c(1:15) //vytvoření řady čísel od 1 do 15 SDF1$Y1<-c(1.5,3,4.5,5,6,8,9,11,13,14,15,16,18.

Pokročilé metody geostatistiky v R-projektu

Bodové a intervalové odhady parametrů v regresním modelu

Lineární regrese. Komentované řešení pomocí MS Excel

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie

Testování statistických hypotéz

Kontingenční tabulky, korelační koeficienty

4EK211 Základy ekonometrie

Inovace bakalářského studijního oboru Aplikovaná chemie

Betonové konstrukce (S) Přednáška 3

PRAKTIKUM I. Oddělení fyzikálních praktik při Kabinetu výuky obecné fyziky MFF UK. Pracoval: Pavel Ševeček stud. skup.: F/F1X/11 dne:

AVDAT Geometrie metody nejmenších čtverců

Aplikovaná statistika v R - cvičení 2

Statistická analýza jednorozměrných dat

Korelační a regresní analýza. 1. Pearsonův korelační koeficient 2. jednoduchá regresní analýza 3. vícenásobná regresní analýza

Matematické modelování Náhled do ekonometrie. Lukáš Frýd

4EK211 Základy ekonometrie

TERMINOLOGIE ... NAMĚŘENÁ DATA. Radek Mareček PŘEDZPRACOVÁNÍ DAT. funkční skeny

13.1. Úvod Cílem regresní analýzy je popsat závislost hodnot znaku Y na hodnotách

5. Pro jednu pružinu změřte závislost stupně vazby na vzdálenosti zavěšení pružiny od uložení

KGG/STG Statistika pro geografy

SPC v případě autokorelovaných dat. Jiří Michálek, Jan Král OSSM,

Regresní a korelační analýza

Charakterizace rozdělení

Závislost obsahu lipoproteinu v krevním séru na třech faktorech ( Lineární regresní modely )

UNIVERZITA PARDUBICE. 4.4 Aproximace křivek a vyhlazování křivek

4EK211 Základy ekonometrie

Vstupní signál protne zvolenou úroveň. Na základě získaných údajů se dá spočítat perioda signálu a kmitočet. Obrázek č.2

MÍRY ZÁVISLOSTI (KORELACE A REGRESE)

Stanovení manganu a míry přesnosti kalibrace ( Lineární kalibrace )

Chyby nepřímých měření

Normální (Gaussovo) rozdělení

7. Derivace složené funkce. Budeme uvažovat složenou funkci F = f(g), kde některá z jejich součástí

Statistická analýza dat

Lineární a logistická regrese

4EK211 Základy ekonometrie

Změna hodnoty pozice v důsledku změn tržních cen.

Periodicita v časové řadě, její popis a identifikace, exponenciální vyrovnáván

TECHNICKÁ UNIVERZITA V LIBERCI. Ekonomická fakulta. Semestrální práce. Statistický rozbor dat z dotazníkového šetření školní zadání

LWS při heteroskedasticitě

Vlastnosti odhadů ukazatelů způsobilosti

Zpracování studie týkající se průzkumu vlastností statistických proměnných a vztahů mezi nimi.

Bodové a intervalové odhady parametrů v regresním modelu

E(X) = np D(X) = np(1 p) 1 2p np(1 p) (n + 1)p 1 ˆx (n + 1)p. A 3 (X) =

Regresní a korelační analýza

RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr.

Neparametrické metody

Testy statistických hypotéz

Kalibrace a limity její přesnosti

EXPERIMENTÁLNÍ MECHANIKA 2 Přednáška 5 - Chyby a nejistoty měření. Jan Krystek

Kanonická korelační analýza

Modelování systémů a procesů (11MSP) Bohumil Kovář, Jan Přikryl, Miroslav Vlček. 8. přednáška 11MSP pondělí 20. dubna 2015

Cvičící Kuba Kubina Kubinčák Body u závěrečného testu

Technická univerzita v Liberci

Chyby měření 210DPSM

Změna hodnoty pozice v důsledku změn tržních cen.

Regresní a korelační analýza

Protokol č. 1. Tloušťková struktura. Zadání:

Plánování experimentu

Regresní analýza. Ekonometrie. Jiří Neubauer. Katedra ekonometrie FVL UO Brno kancelář 69a, tel

, Brno Hanuš Vavrčík Základy statistiky ve vědě

Problematika analýzy rozptylu. Ing. Michael Rost, Ph.D.

4EK211 Základy ekonometrie

Transkript:

Analýza reziduí gyroskopu umístěného na kyvadle Petr Šimeček Analýza reziduí gyroskopu umístěného na kyvadle p.1

Data z gyroskopu na kyvadle Data: 2 vzorky: RFILE, SIM frekvence 0.1s 30000 pozorování Proměnné: čas (resp. mikročas) úhel (problém - diskretizace) gyro (jednotky?) teplota Analýza reziduí gyroskopu umístěného na kyvadle p.2

Data - graf gyro 10000 5000 0 100 200 300 400 Index Analýza reziduí gyroskopu umístěného na kyvadle p.3

RFILE - závislost úhlu a gyra Analýza reziduí gyroskopu umístěného na kyvadle p.4

Naivní model gyro = β 0 + β 1 duhel + ɛ kde duhel je úhlová rychlost, tj. v našem případě (numericky spočítaná) derivace proměnné úhel. Problémy: závislost na teplotě (+β 2 teplota) diskretizace úhlu (viz dále, modelujeme jako další šum) časový posun - viz obr. Analýza reziduí gyroskopu umístěného na kyvadle p.5

0 10000 gyro 5000 15000 SIM - závislost duhlu a gyra 40 20 0 20 40 derivace uhlu Analy za reziduı gyroskopu umı ste ne ho na kyvadle p.6

Naivní model pro SIM Pokud modelujeme jako gyro = β 0 + β 1 duhel + β 2 teplota + ɛ, potom nám rezidua tohoto modelu silně korelují s proměnnou úhel. Přirozeně tedy můžeme přejít k vylepšenému modelu: gyro = β 0 + β 1 duhel + β 2 teplota + β 3 uhel + ɛ. Odhady koeficientů β jsou nekorelované. Tento model však nemá fyzikální interpretaci. Co je špatně? Analýza reziduí gyroskopu umístěného na kyvadle p.7

Odhady v naivním a vylepšeném modelu > lm(gyro duhel,data=ndata) Call: lm(formula = gyro duhel, data = ndata) Coefficients: (Intercept) duhel -24.6 318.1 Residual standard deviation: 498.8709 > lm(gyro duhel+uhel+t,data=ndata) Call: lm(formula = gyro duhel + uhel + t, data = ndata) Coefficients: (Intercept) duhel uhel t -418.909 318.101-15.107-5.108 Residual standard deviation: 211.5794 Analýza reziduí gyroskopu umístěného na kyvadle p.8

SIM - rezidua naivního modelu a úhel Rezidua linearniho modelu + LOESS 1000 0 100 200 300 400 Index Uhel 0 0 100 200 300 400 Index Analýza reziduí gyroskopu umístěného na kyvadle p.9

Řešení simulace Zkusme generovat gyro = 24.6+318.1 duhel = 45 cos ( 45 cos ( cas ) 10 45 ( ) cas + 0.8 10 ) 45 +200N(0, 1) kde použité konstanty jsou vhodně zvoleny tak, aby výsledná řada byla podobná té naší. Závislost na teplotě pro tuto chvíli zanedbáváme (předpokládáme, že už jsme provedli korekci). Analýza reziduí gyroskopu umístěného na kyvadle p.10

Simulace - graf sim. gyro 30000 10000 0 100 200 300 400 Index Analýza reziduí gyroskopu umístěného na kyvadle p.11

15000 30000 y 0 Simulace - závislost duhlu a gyra 80 60 40 20 0 dx Analy za reziduı gyroskopu umı ste ne ho na kyvadle p.12

Simulace odhad směrodatné odchylky rozptylu Z takto nasimulovaných hodnot se pokusme nyní odhadnout rozptyl za pomoci vylepšeného modelu (proměnnou úhel získáme jako vyintegrováním duhel), celý postup 100krát opakujme. Odhad směrodatné odchylky rozptylu (skutečná hodnota 200): Min. 1st Qu. Median Mean 3rd Qu. Max. 198.0 199.5 200.1 200.0 200.5 202.1 Analýza reziduí gyroskopu umístěného na kyvadle p.13

Simulace s diskretizací Předpokládáme, že duhel měříme na stupnici s dílkem 0.9, potom duhel = 0.9konst + R( 0.45, 0.45) gyro =... + ɛ + β 1 R( 0.45, 0.45) Odhady v lineárním modelu "fungují" i když rezidua nejsou normální (za dostatečného počtu dat na základě CLV i testování hypotéz). Analýza reziduí gyroskopu umístěného na kyvadle p.14

Simulace - závislost duhlu a gyra 15000 30000 y 0 Simulace s posunem casu a kvantovanim 80 60 40 20 0 dxp Analy za reziduı gyroskopu umı ste ne ho na kyvadle p.15

Simulace s diskretizací - korekce Platí tedy rozptyl rezidui = rozptyl nah. chyby+β 2 1rozptyl R( 0.45, 0.45) Není tedy problém spočítat korekci pro směr. odchylky chyb Výsledek: SD new = SD 2 old ˆβ 2 1 0.45 3 Min. 1st Qu. Median Mean 3rd Qu. Max. 197.8 199.9 200.5 200.6 201.2 202.6 Analýza reziduí gyroskopu umístěného na kyvadle p.16

Gyro - korekce Diskretizovaný je úhel (nikoli duhel), ve vylepšeném modelu tedy máme 2 efekty diskretizace. Chyba = ɛ + β 2 3R( 0.09, 0.09) + β 2 1S(0.09, 0.1), kde pod S(a,b) máme na mysli rozdělení, jež je pro vznikne transformací z X,Y R( a,a) jako X Y 2b. Příslušná korekce SD new = Výsledek pro SIM gyroskop: 176.3 SD 2 old ˆβ 2 3 0.045 3 ˆβ 2 1 0.045 2 0.02 3 Analýza reziduí gyroskopu umístěného na kyvadle p.17

Návrh řešení pro situaci bez referenčního měření Nutno mít opravdu HODNĚ pozorování odstranit závislost na teplotě (není nutné mít všechna data v paměti) spočítat součty K pozorování (kde K > 1000 perioda) spočítat směr. odchylku těchto součtů SD old směr. odchylka gyroskopu je potom přibližně K SDold Analýza reziduí gyroskopu umístěného na kyvadle p.18