Protokol č. 5. Vytyčovací údaje zkusných ploch

Podobné dokumenty
Protokol č. 2. základní taxační veličiny. Vyplňte zadanou tabulku na základě měření tlouštěk a výšek v porostu.

Protokol č. 8. Stanovení zásoby relaskopickou metodou

Protokol č. 7. Jednotné objemové křivky. Je zadána výměra porostu, výška dřevin a počty stromů v jednotlivých tloušťkových stupních.

Protokol č. 1. Tloušťková struktura. Zadání:

Speciální metody dendrometrie

Protokol č. 3. Morfologie ležícího kmene

Protokol č. 10. Odhad zásoby pomocí růstových tabulek

Ústav pro hospodářskou úpravu lesů Brandýs nad Labem. Mrtvé dříví NIL2

Aplikovaná statistika pro učitele a žáky v hodinách zeměpisu aneb jak využít MS Excel v praxi. Geografický seminář 30. března 2011 Pavel Bednář

Zápočtová práce STATISTIKA I

Simulace. Simulace dat. Parametry

Protokol č. 6. Objemové tabulky

UKAZATELÉ VARIABILITY

Inferenční statistika - úvod. z-skóry normální rozdělení pravděpodobnost rozdělení výběrových průměrů

Nadzemní biomasa a zásoba uhlíku

Statistika. Teorie odhadu statistická indukce. Roman Biskup. (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at) .

MODELY HOSPODÁŘSKÝCH LESŮ IV. Postup výpočtu etátu

TECHNICKÁ UNIVERZITA V LIBERCI

ROZDĚLENÍ NÁHODNÝCH VELIČIN

JEDNOVÝBĚROVÉ TESTY. Komentované řešení pomocí programu Statistica

Charakteristika datového souboru

MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ

TAJGA - MONITORING LOKALITY PONECHANÉ SAMOVOLNÉMU VÝVOJI

Pracovní list č. 3 Charakteristiky variability

Číselné charakteristiky

KLEŤ - MONITORING LOKALITY PONECHANÉ SAMOVOLNÉMU VÝVOJI

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

Statistika pro geografy

KOSTELECKÉ BORY MONITORING LOKALITY PONECHANÉ SAMOVOLNÉMU VÝVOJI

SEMESTRÁLNÍ PRÁCE. Leptání plasmou. Ing. Pavel Bouchalík

MATEMATICKÁ STATISTIKA. Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci

První výsledky NIL2. 7. října Ústav pro hospodářskou úpravu lesů Brandýs nad Labem. Forest Management Institute, Czech Republic

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

Bonita stanoviště a bonita porostu

Úloha č. 2 - Kvantil a typická hodnota. (bodově tříděná data): (intervalově tříděná data): Zadání úlohy: Zadání úlohy:

Chyby měření 210DPSM

Střední průmyslová škola, Karviná. Protokol o zkoušce

Obr. P1.1 Zadání úlohy v MS Excel

Náhodné chyby přímých měření

LIBICKÝ LUH HAVRANY MONITORING LOKALITY PONECHANÉ SAMOVOLNÉMU

Stěžejní funkce MS Excel 2007/2010, jejich ovládání a možnosti využití

Odhady parametrů základního souboru. Cvičení 6 Statistické metody a zpracování dat 1 (podzim 2016) Brno, říjen listopad 2016 Ambrožová Klára

Matematika PRŮŘEZOVÁ TÉMATA

Výrobní produkce divizí Ice Cream Po lo ha plane t Rozložený výse ový 3D graf Bublinový graf Histogram t s tn e ídy

Přílohy. Příloha 1. Obr. P1.1 Zadání úlohy v MS Excel

LOVĚTÍNSKÁ ROKLE - MONITORING LOKALITY PONECHANÉ SAMOVOLNÉMU VÝVOJI

Číselné charakteristiky a jejich výpočet

Posouzení přesnosti měření

STATISTICA Téma 7. Testy na základě více než 2 výběrů

Semestrální projekt. do předmětu Statistika. Vypracoval: Adam Mlejnek Oponenti: Patrik Novotný Jakub Nováček Click here to buy 2

PROTOKOL. č. C2858c. Masarykova univerzita PF Ústav chemie Chemie konzervování a restaurování 1 POPIS PRAKTICKÉHO CVIČENÍ. 1.

Plánování experimentu

POPISNÁ STATISTIKA Komentované řešení pomocí programu Statistica

STATISTICKÉ ZJIŠŤOVÁNÍ

HEDVÍKOVSKÁ ROKLE - MONITORING LOKALITY PONECHANÉ SAMOVOLNÉMU

Škody zvěří na lesních porostech

VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA STAVEBNÍ ROZPTYL GEOMETRICKÝCH PARAMETRŮ OTEVŘENÝCH VÁLCOVANÝCH PROFILŮ SVOČ 2002

Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie STATISTICKÉ ZPRACOVÁNÍ EXPERIMENTÁLNÍCH DAT

SAMOSTATNÁ STUDENTSKÁ PRÁCE ZE STATISTIKY

František Hudek. květen 2012

Detailní porozumění podstatě měření

Normální (Gaussovo) rozdělení

Jednovýběrové testy. Komentované řešení pomocí MS Excel

Praktická statistika. Petr Ponížil Eva Kutálková

Systém rizikové analýzy při sta4ckém návrhu podzemního díla. Jan Pruška

KAPITOLA 9 - POKROČILÁ PRÁCE S TABULKOVÝM PROCESOREM

STATISTICA Téma 6. Testy na základě jednoho a dvou výběrů

Matematické modelování dopravního proudu

Mgr. et Mgr. Jan Petrov, LL.M. Ph.D. BYZNYS A PRÁVO

VE STUDENÉM MONITORING LOKALITY PONECHANÉ SAMOVOLNÉMU VÝVOJI

Výpočet pravděpodobností

I. Kalkulátor Rebell SC2040 manuál s příklady Tlačítko: MODE CLR

Mann-Whitney U-test. Znaménkový test. Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek

STATISTICKÉ CHARAKTERISTIKY

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

VYSOKONAPĚŤOVÉ ZKUŠEBNICTVÍ. #2 Nejistoty měření

Parametry hledáme tak, aby součet čtverců odchylek byl minimální. Řešením podle teorie je =

Statistické vyhodnocování ankety pilotního projektu Kvalita výuky na Západočeské univerzitě v Plzni

STANOVENÍ PROPUSTNOSTI OBALOVÝCH MATERIÁLŮ PRO VODNÍ PÁRU

Dobývání znalostí. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze

Základní vzorce a funkce v tabulkovém procesoru

Induktivní statistika. z-skóry pravděpodobnost

III) Podle závislosti na celkovém ekonomickém vývoji či na vývoji v jednotlivé firmě a) systematické tržní, b) nesystematické jedinečné.

ODBĚR, PŘÍPRAVA, PŘEPRAVA A UCHOVÁVÁNÍ VZORKŮ

Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady

Indexy, analýza HDP, neaditivnost

Komplexní čísla, Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady

DOUTNÁČ - MONITORING LOKALITY PONECHANÉ SAMOVOLNÉMU VÝVOJI

= = 2368

P ílohy. P íloha 1. ešení úlohy lineárního programování v MS Excel

3/8.4 PRAKTICKÉ APLIKACE PŘI POUŽÍVÁNÍ NEJISTOT

Ekonomika lesního hospodářství

Statistické metody - nástroj poznání a rozhodování anebo zdroj omylů a lží

23. Matematická statistika

Soubor map - Porostní charakteristiky horských smr in na trvalých zkusných plochách v lokalit Calimani v Rumunsku

Dendrometrie pro účel oceňování dřevin rostoucích mimo les dle metodiky AOPK

VNITROSKUPINOVÝ ROZPTYL. Je mírou variability uvnitř skupin Jiný název: průměr rozptylů Vypočítává se jako průměr rozptylů v jednotlivých skupinách

Transkript:

Protokol č. 5 Vytyčovací údaje zkusných ploch Zadání: Ve vybraném porostu bylo prováděno zjišťování zásob za použití reprezentativní metody kruhových zkusných ploch. Na těchto zkusných plochách byl zjišťován objem hroubí kmene všech dřevin. Vypočtěte průměrnou hektarovou zásobu a zásobu celého porostu. Vyjádřete chyby těchto odhadů a porovnejte je s maximální tolerovanou chybou z Vašeho zadání. Odhadněte počet zkusných ploch a intenzitu výběru nutné pro dosažení požadované přesnosti stanovení zásob. Zhodnoťte rentabilitu a spolehlivost metody při daném počtu zkusných ploch. Je zadáno: S - výměra porostu [ha] h - hustota porostu [stromů/ha] n - průměrný počet stromů na zkusné ploše E - tolerovaná 95 % mezní chyba porostní (hektarové) zásoby [%] k - počet zkusných ploch průzkumného výběru zjištěná zásoba (m 3 ) na 15 zkusných plochách Výpočet základních vytyčovacích veličin. Základem metody kruhových zkusných ploch jako jedné z reprezentativních, matematicko statistických metod je teorie náhodného výběru a odhadu statistických charakteristik základního souboru pomocí zmíněných charakteristik výběru. Patří k často používaným metodám v praxi. Obvykle používaná přesnost zjišťování zásob metodou kruhových zkusných ploch je ± 10%.

p - velikost zkusné plochy [ha] se spočítá jako průměrný počet stromů na zkusné ploše n / hustota porostu h Např.: 19 / 410 = 0,05 ha V závislosti na hustotě porostu se volí různá velikost kruhů zkusných ploch tak, aby se v kruhu nacházelo obvykle průměrně 15-25 stromů. Tento počet je nejvhodnější s ohledem na ekonomičnost provádění a požadovanou přesnost měření. P - celková výměra zkusných ploch [ha] se spočítá jako velikost zkusné plochy p * počet zkusných ploch průzkumného výběru k Např.: 0,046 * 15 = 0,70 ha

i(%) - intenzita výběru [%] se spočítá jako celková výměra zkusných ploch P / výměra porostu S * 100 Např.: 0,70 / 13 * 100 = 5,35 % Jedná se o procento výměry kruhových zkusných ploch z plochy celého porostu.

Poznámka: Pokud má být výsledek v procentech, můžeme ho obdržet místo násobením 100 i úpravou formátu buněk na procenta.

Do buňky klikneme pravým tlačítkem myši, vybereme Formát buněk

Vybereme Procenta a klikneme na OK

Výsledek se objeví v procentech Pokud je formát buněk nastaven v procentech, objeví se v buňce spolu s výsledkem %. Pokud jsme procenta obdrželi vynásobením vzorce * 100, výsledek je také v procentech, ale % se spolu s výsledkem v buňce neobjeví. d - odstupová vzdálenost středů zkusných ploch[m] se spočítá jako ODMOCNINA (výměra porostu S / počet zkusných ploch průzkumného výběru k) * 100 Např.: ODMOCNINA (13 / 15) * 100 = 93,09 m Zkusné plochy jsou v porostu s ohledem na jeho charakter (nepravidelnosti hustoty porostu a zastoupení dřevin v jeho různých částech) rozmístěny zhruba schematicky, a to rovnoměrně dle čtvercové nebo obdélníkové sítě nebo nerovnoměrně dle jiné sítě.

Zásoba na hektar. V prům/ha - průměrná hektarová zásoba na zkusné ploše [m 3 ] se spočte jako (PRŮMĚR (označené všechny zjištěné zásoby na zkusných plochách)) / velikost zkusné plochy p Např.: (PRŮMĚR (označené zásoby ze zkusných ploch)) / 0,05 = 645,79 m 3 Místo funkce průměr můžeme provést sumu zásob na zkusných plochách, kterou vydělíme počtem zkusných ploch.

Pro výpočet S vi/ha - směrodatná odchylka hektarové zásoby na zkusné ploše [m 3 ] zadáme SMODCH.VÝBĚR (označená veškerá zjištěná zásoba ze zadaných 15 zkusných ploch) / velikost zkusné plochy p Např.: SMODCH.VÝBĚR (označené zjištěné zásoby na zkusných plochách) / 0,05 = 210,55 m 3 Rozměr směrodatné odchylky je stejný jako rozměr veličiny. Používá se hlavně pro popis souborů.

Var vi/ha (%) - variační koeficient hektarové zásoby na zkusné ploše [%] se spočítá jako podíl S vi/ha / V prům/ha * 100 S% S x 100 Např.: 210,55 / 645,79 = 32,60 % Variační koeficient je relativní mírou variability, používá se k vzájemnému porovnání variability různých souborů.

S ha - směrodatná odchylka odhadu průměrné hektarové zásoby [m 3 ] se spočítá jako S vi/ha / ODMOCNINA z počtu zkusných ploch průzkumného výběru k Např.: 210,55 / ODMOCNINA z 15 = 54,36 m 3

E ha - vypočtená 95% absolutní mezní chyba odhadu průměrné hektarové zásoby [m 3 ] se spočítá jako TINV ( prst = α = 0,05; volnost = n-1 = 15-1 = 14) * S ha Pozn. α = 0,05 pro 95 % pravděpodobnost, riziko chyby je 5 %. Volnost je počet zkusných ploch snížen o 1, tj. 15 1 = 14. Např.: TINV (0,05; 14) * 54,36 = 116,60 m 3 E ha (%) - vypočtená 95% relativní mezní chyba odhadu průměrné hektarové zásoby [%] se spočítá jako podíl E ha a V prům/ha * 100 Např.: 116,60 / 645,79 * 100 = 18,05 %

Zásoba celého porostu. V porost - zásoba celého porostu [m 3 ] se spočítá jako V prům/ha * výměra porostu S Např.: 645,79 * 13 = 8395,22 m 3 Pro zjištění zásoby porostu vynásobíme známou hektarovou zásobu počtem hektarů celého porostu.

S porost - směrodatná odchylka odhadu zásoby porostu [m 3 ] spočteme jako S ha * výměra porostu S Např.: 54,36 * 13 = 706,72 m 3

E porost - vypočtená 95% absolutní mezní chyba odhadu zásoby porostu [m 3 ] se spočítá jako TINV ( prst = α = 0,05; volnost = n-1 = 15-1 = 14) * S porost Např.: TINV (0,05; 14) * 706,72 = 1515,75 m 3

E porost (%) - vypočtená 95% relativní mezní chyba odhadu zásoby porostu [%] se spočítá jako E porost / V porost * 100 Např.: 1515,75 / 8395,22 * 100 = 18,5 % Vypočtený počet zkusných ploch, intenzita výběru. K - vypočtený počet zkusných ploch o dané velikosti potřebný k dosažení požadované přesnosti stanovení zásoby spočteme jako TINV (prst = α = 0,05; volnost = n-1 = 15-1 = 14) ^ 2 * (Var vi /ha (%) ^2 / E ^ 2) Pozn. α = 0,05 pro 95 % pravděpodobnost. Např.: TINV (0,05; 14) ^ 2 * (32,60 (%) ^2 / 15 (%) ^ 2) = 21,73 Počet zkusných ploch je minimální potřebný počet ploch pro stanovení zásoby s požadovanou přesností. V komentáři je třeba počet zkusných ploch zaokrouhlit na celé číslo nahoru.

I (%)- intenzita výběru pro potřebný počet zkusných ploch [%] se spočítá jako K * p / S * 100 Např. 21,73 * 0,05 / 13 * 100 = 7,75 % Je to procento výměry kruhových zkusných ploch z plochy celého porostu.

Výsledky okomentujeme: