Odhad střední chyby výměry parcely

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

GEODETICKÉ VÝPOČTY I.

Přesnost elastické konformní transformace

Zpracování náhodného vektoru. Ing. Michal Dorda, Ph.D.

VI. Derivace složené funkce.

Otázku, kterými body prochází větev implicitní funkce řeší následující věta.

9. T r a n s f o r m a c e n á h o d n é v e l i č i n y

19 Eukleidovský bodový prostor

MÍRY ZÁVISLOSTI (KORELACE A REGRESE)

Odvození středové rovnice kružnice se středem S [m; n] a o poloměru r. Bod X ležící na kružnici má souřadnice [x; y].

Shodnostní Helmertova transformace

12. cvičení z PSI prosince (Test střední hodnoty dvou normálních rozdělení se stejným neznámým rozptylem)

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

9. T r a n s f o r m a c e n á h o d n é v e l i č i n y

3. ÚVOD DO ANALYTICKÉ GEOMETRIE 3.1. ANALYTICKÁ GEOMETRIE PŘÍMKY

Náhodné veličiny jsou nekorelované, neexistuje mezi nimi korelační vztah. Když jsou X; Y nekorelované, nemusí být nezávislé.

10. N á h o d n ý v e k t o r

SYLABUS 9. PŘEDNÁŠKY Z GEODÉZIE 2 (Výpočet výměr)

Parametrická rovnice přímky v rovině

Číselné charakteristiky a jejich výpočet

ANALYTICKÁ GEOMETRIE V ROVINĚ

1. Přednáška. Ing. Miroslav Šulai, MBA

Vzorová písemka č. 1 (rok 2015/2016) - řešení

Dynamika soustav hmotných bodů

Zákony hromadění chyb.

UNIVERSITA PALACKÉHO V OLOMOUCI PŘÍRODOVĚDECKÁ FAKULTA. KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY školní rok 2009/2010 BAKALÁŘSKÁ PRÁCE

Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady

Vyhledávání. doc. Mgr. Jiří Dvorský, Ph.D. Katedra informatiky Fakulta elektrotechniky a informatiky VŠB TU Ostrava. Prezentace ke dni 21.

Náhodná veličina a její charakteristiky. Před provedením pokusu jeho výsledek a tedy ani sledovanou hodnotu neznáte. Proto je proměnná, která

KGG/STG Statistika pro geografy

10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457.

1 Rozptyl a kovariance

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

7. Analýza rozptylu.

Řešení 1a Budeme provádět úpravu rozšířením směřující k odstranění odmocniny v čitateli. =lim = 0

kuncova/, 2x + 3 (x 2)(x + 5) = A x 2 + B Přenásobením této rovnice (x 2)(x + 5) dostaneme rovnost

Chyba predikce při rezervování metodou Chain Ladder u korelovaných vývojových trojúhelníků

Maticí typu (m, n), kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru:

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

8.1. Definice: Normální (Gaussovo) rozdělení N(µ, σ 2 ) s parametry µ a. ( ) ϕ(x) = 1. označovat písmenem U. Její hustota je pak.

12. cvičení z PST. 20. prosince 2017

Vektorový součin I

Příklad 1. Korelační pole. Řešení 1 ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 13

ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ V ROVINĚ

4 Integrální počet funkcí více reálných proměnných

Pravděpodobnost a aplikovaná statistika

INTEGRÁLY S PARAMETREM

Nejdřív spočítáme jeden příklad na variaci konstant pro lineární diferenciální rovnici 2. řádu s kostantními koeficienty. y + y = 4 sin t.

1 Odvození poptávkové křivky

Vlastnosti odhadů ukazatelů způsobilosti

REÁLNÁ FUNKCE JEDNÉ PROMĚNNÉ

Euklidovský prostor Stručnější verze

Elementární křivky a plochy

Náhodný vektor. Náhodný vektor. Hustota náhodného vektoru. Hustota náhodného vektoru. Náhodný vektor je dvojice náhodných veličin (X, Y ) T = ( X

MATURITNÍ TÉMATA Z MATEMATIKY

Testování statistických hypotéz. Ing. Michal Dorda, Ph.D.

Pravděpodobnost a statistika (BI-PST) Cvičení č. 7

Rozptyl. Pozn.: rozptyl je nezávislý na posunu hustoty pravděpodobnosti na ose x, protože Var(X) mi určuje jen šířku rozdělení.

Derivace funkcí více proměnných

11 Vzdálenost podprostorů

1.4. VEKTOROVÝ SOUČIN

Value at Risk. Karolína Maňáková

Matematická analýza pro informatiky I. Limita funkce

CVIČNÝ TEST 15. OBSAH I. Cvičný test 2. Mgr. Tomáš Kotler. II. Autorské řešení 6 III. Klíč 15 IV. Záznamový list 17

Vytyčení polohy bodu polární metodou

Gyrační poloměr jako invariant relativistického pohybu. 2 Nerovnoměrný pohyb po kružnici v R 2

KVADRATICKÁ KALIBRACE

2D transformací. červen Odvození transformačního klíče vybraných 2D transformací Metody vyrovnání... 2

Algebraické výrazy pro učební obory

Matematika III 10. týden Číselné charakteristiky střední hodnota, rozptyl, kovariance, korelace

Normální (Gaussovo) rozdělení

maticeteorie 1. Matice A je typu 2 4, matice B je typu 4 3. Jakých rozměrů musí být matice X, aby se dala provést

O dělitelnosti čísel celých

Lineární algebra : Změna báze

MATEMATICKÉ PRINCIPY VÍCEROZMĚRNÉ ANALÝZY DAT

Kapitola 2. o a paprsek sil lze ztotožnit s osou x (obr.2.1). sil a velikost rovnou algebraickému součtu sil podle vztahu R = F i, (2.

Intervalové odhady. Interval spolehlivosti pro střední hodnotu v N(µ, σ 2 ) Interpretace intervalu spolehlivosti. Interval spolehlivosti ilustrace

1 Mnohočleny a algebraické rovnice

You created this PDF from an application that is not licensed to print to novapdf printer (

Katedra matematické analýzy a aplikací matematiky, Přírodovědecká fakulta, UP v Olomouci

Dvojné a trojné integrály příklad 3. x 2 y dx dy,

Matematické modelování Náhled do ekonometrie. Lukáš Frýd

Vyhledávání. doc. Mgr. Jiří Dvorský, Ph.D. Katedra informatiky Fakulta elektrotechniky a informatiky VŠB TU Ostrava. Prezentace ke dni 12.

Statistika I (KMI/PSTAT)

EXPONENCIÁLNÍ ROVNICE

19 Hilbertovy prostory

Tento výukový materiál byl vytvořen v rámci projektu MatemaTech Matematickou cestou k technice.

Kvadratické rovnice. Řešení kvadratických rovnic. Kvadratická rovnice bez lineárního členu. Příklad 1:

Intervalové odhady. Interval spolehlivosti pro střední hodnotu v N(µ, σ 2 ) Interpretace intervalu spolehlivosti. Interval spolehlivosti ilustrace

2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení

OSTRAVSKÁ UNIVERSITA V OSTRAVĚ Pedagogická fakulta Obor informační technologie ve vzdělávání Kombinované studium

1 Mnohočleny a algebraické rovnice

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

STATISTICKÉ CHARAKTERISTIKY

14. přednáška. Přímka

8. Normální rozdělení

III. Diferenciál funkce a tečná rovina 8. Diferenciál funkce. Přírůstek funkce. a = (x 0, y 0 ), h = (h 1, h 2 ).

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

Inženýrská statistika pak představuje soubor postupů a aplikací teoretických principů v oblasti inženýrské činnosti.

Substituce. Petr Štěpánek. S využitím materialu Krysztofa R. Apta. Logické programování 2 1

Transkript:

Odhad střední chyby výměry parcely Lubomír Soukup Ústav teorie informace a automatizace Akademie věd České republiky Pod vodárenskou věží 4 18 08 Praha 8 tel: 66 05 551 e mail: soukup@utia.cas.cz 1 Výpočet obsahu mnohoúhelníka Je dána parcela tvaru mnohoúhelníka. Vrcholy tohoto mnohoúhelníka jsou dány kartézskými souřadnicemi X i, Y i. Obsah P tohoto mnohoúhelníka výměru dané parcely lze určit pomocí l Huillierova vzorce viz např. [], kap. 4.1..: kde P 1 n X i Y i1 X i1 Y i, 1 i1 X i, Y i... souřadnice i-tého vrcholu mnohoúhelníka, i {0, 1,..., n1} při vzestupném číslování ve směru orientace souřadnicových os, tj. tak, aby při obcházení parcely ve směru číslování vrcholů ležela parcela stále po levé ruce pro matematický souřadnicový systém, n... počet všech vrcholů mnohoúhelníka. Přitom pro číslování bodů platí konvence: X 0 X n, Y 0 Y n, X 1 X n1, Y 1 Y n1. Formulace problému Je třeba odhadnout střední chybu obsahu 1 mnohoúhelníka v závislosti na poloze a přesnosti jeho vrcholů. Přitom se předpokládá, že souřadnice X i, Y i vrcholů mnohoúhelníka jsou nezávislé náhodné veličiny s konečným rozptylem. 1

Dáno: souřadnice ˆx i, ŷ i vrcholů mnohoúhelníka, které jsou středními hodnotami náhodných veličin X i, Y i, i {1,..., n}, střední chyby X,i, Y,i souřadnic X i, Y i, i {1,..., n}. Hledá se: Střední chyba P obsahu P daného vzorcem 1. 3 Odvození střední chyby obsahu mnohoúhelníka Souřadnice X i, Y i vrcholů mnohoúhelníka jsou náhodné veličiny, a proto i jeho obsah P je náhodná veličina. Střední chyba obecné náhodné veličiny U je definována vztahem U : varu. 3 Variance náhodné veličiny U je definována pomocí operátoru střední hodnoty... E viz. např. [1], str. 14. varu : EU EU EU EU. 4 Podobně je definován obecnější pojem, kovariance dvou náhodných veličin U, V viz. např. [1], str. 7: covu, V : EU EUV EV EUV EUEV. 5 Z definic 4, 5 je vidět, že platí Nejdříve určíme varianci dvojnásobku obsahu P varu covu, U. 6 Q : P. S využitím definice 4 a linearity operátoru E tudíž platí: viz též např. [1], str. 14. Pak bude varq 4 varp P 1 varq 7

3.1 Variance dvojnásobku obsahu mnohoúhelníka Vhodný vzorec pro výpočet dvojnásobku obsahu mnohoúhelníka dostaneme úpravou 1. kde Q P S m,i, 8 z n mod, S m,i : 1 a W a,i W 1 a,i1, a : i 1 m mod, 9 W 0,j : X j mod n, W 1,j : Y j mod n. Poslední dva vztahy zobecňují konvenci. Infixový operátor mod představuje zbytek po dělení levého operandu pravým operandem, tj. Potom varq x mod y : x y max{ k Z k y x }. var S m,i vars m,i vars m,i ji1 covs m,i, S m,i1 covs m,i, S m,j. 10 Při předchozích úpravách jsme postupně použili vztah 6 spolu s linearitou operátoru E příp. přímo vzorec 17 na str. 9 v [1] a rovnosti covs m,i, S m,j 0 pro j > i 1, která je přímým důsledkem definice 9. Pro pokračování odvozování 10 je nutné rozepsat výrazy vars m,i, covs m,i, S m,i1. K tomu nám poslouží vzorce 3

vart U vart varu vart EU varuet, 11 covt U, UV ET EV varu, 1 které lze snadno odvodit z definic 4, 5 s využitím linearity operátoru E. Aplikujeme-li nyní vzorce 11, 1 na součiny T U S m,i 1 m W m,i W 1 m,i1, UV S 1 m,i1 1 m W 1 m,i1 W m,i a zavedeme-li úspornější označení dostáváme další pokračování odvození 10: a,i : varw a,i, 13 ŵ a,i : EW a,i, 14 varq m,i 1 m,i1 m,iŵ 1 m,i1 1 m,i1ŵ m,i 1 m,i1ŵm,iŵm,i m,i 1 m,i1 m,iŵ 1 m,i1 1 m,i1 ŵ m,i ŵ m,i ŵ m,i m,i 1 m,i1 m,iŵ 1 m,i1 m,i ŵ 1 m,i 1 ŵ 1 m,i 1 ŵ 1 m,i1 m,i 1 m,i1 m,i ŵ 1 m,i 1 ŵ 1 m,i 1 ŵ 1 m,i1 ŵ 1 m,i1 4

m,i 1 m,i1 m,i ŵ 1 m,i 1 ŵ 1 m,i1 n X,i Y,i 1 Y,i1 Y,i x i1 x i 1 X,i y i1 y i 1. i1 3. Střední chyba obsahu mnohoúhelníka Nyní již můžeme díky 7 rovnou psát výsledný vzorec pro střední chybu obsahu mnohoúhelníka. P 1 n X,i Y,i 1 Y,i1 Y,i ˆx i1 ˆx i 1 X,i ŷ i1 ŷ i 1 i1 15 Předpokládáme-li, že přesnost určení polohy všech vrcholů mnohoúhelníka je stejná a nezávislá na poloze souřadnicových os, vzorec 15 se zjednoduší na konečný, prakticky použitelný tvar 17. V něm je symbol XY střední souřadnicovou chybou, neboť předpokládáme P XY XY : X,i Y,i pro i {1,..., n}. 16 n XY přičemž pro číslování bodů platí vztahy: n ˆx i1 ˆx i 1 ŷ i1 ŷ i 1, 17 i1 ˆx 0 ˆx n, ŷ 0 ŷ n, ˆx 1 ˆx n1, ŷ 1 ŷ n1. 18 4 Závěr Za předpokladu, že souřadnice ˆx i, ŷ i lomových bodů parcely vrcholů mnohoúhelníka byly určeny stejně přesně viz 16 a vzájemně nezávisle, platí pro střední chybu výměry parcely P vzorec 17. 5

Použitá literatura [1] Jiří Anděl. Matematická statistika. SNTL, Praha, 1978. [] Hans-Jochen Bartsch. Matematické vzorce. SNTL, Praha, 1987. 6