Kompendium 2012, Úloha B8.01, str. 785, Model A

Podobné dokumenty
http: //meloun.upce.cz,

Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium Management systému jakosti

Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie

Úlohy. Kompendium 2012, Úloha B8.01a, str. 785, Model y = P1 * exp( P2/(B801x + P3)

Kalibrace a limity její přesnosti

6. Lineární regresní modely

Reologie tavenin polystyrenových plastů. Závěrečná práce LS Pythagoras

Tvorba nelineárních regresních modelů v analýze dat

KALIBRACE A LIMITY JEJÍ PŘESNOSTI. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie

Stanovení manganu a míry přesnosti kalibrace ( Lineární kalibrace )

6. Lineární regresní modely

Thermodynamické disociační konstanty antidepresiva Vortioxetinu

Kurz 1 Úvod k biochemickému praktiku

6. Lineární regresní modely

1. Příloha 1 Návod úlohy pro Pokročilé praktikum z biochemie I

Fakulta chemicko technologická Katedra analytické chemie licenční studium Management systému jakosti Kalibrace a limity její přesnosti

6. Lineární regresní modely

Tvorba nelineárních regresních

UNIVERZITA PARDUBICE

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice

Úloha 1: Lineární kalibrace

Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie

Inovace bakalářského studijního oboru Aplikovaná chemie

6. Lineární regresní modely

Tvorba nelineárních regresních modelů v analýze dat

Kalibrace a limity její přesnosti

Úvod. Náplň práce. Úkoly

SPEKTROSKOPICKÉ VLASTNOSTI LÁTEK (ZÁKLADY SPEKTROSKOPIE)

Adsorpce barviva na aktivním uhlí

Semestrální práce. 3.3 Tvorba nelineárních regresních modelů v analýze dat

PROTOLYTICKÉ ROVNOVÁHY

Univerzita Pardubice SEMESTRÁLNÍ PRÁCE. Tvorba nelineárních regresních modelů v analýze dat. 2015/2016 RNDr. Mgr. Leona Svobodová, Ph.D.

SADA VY_32_INOVACE_CH2

POLYNOMICKÁ REGRESE. Jedná se o regresní model, který je lineární v parametrech, ale popisuje nelineární závislost mezi proměnnými.

Ústřední komise Chemické olympiády. 55. ročník 2018/2019 NÁRODNÍ KOLO. Kategorie E. Řešení praktických částí

Měření koncentrace roztoku absorpčním spektrofotometrem

Potenciometrické stanovení disociační konstanty

2.2 Kalibrace a limity její p esnosti

Zadání Vypracujte písemně s využitím paketu ADSTAT a vyřešte 3 příklady. Příklady postavte z dat vašeho pracoviště nebo nalezněte v literatuře. Každý

Kalibrace a limity její přesnosti

UNIVERZITA PARDUBICE

Aproximace a vyhlazování křivek

Tvorba lineárních regresních modelů

Výpočty koncentrací. objemová % (objemový zlomek) krvi m. Vsložky. celku. Objemy nejsou aditivní!!!

Ústřední komise Chemické olympiády. 55. ročník 2018/2019 TEST ŠKOLNÍHO KOLA. Kategorie E ŘEŠENÍ

Semestrální práce. 2. semestr

Kalibrace a limity její přesnosti

12. licenční studium Statistické zpracování dat při managementu jakosti. Lenka Hromádková

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1

UNIVERZITA PARDUBICE

Ústřední komise Chemické olympiády. 55. ročník 2018/2019 NÁRODNÍ KOLO. Kategorie E. Zadání praktické části Úloha 2 (30 bodů)

TVORBA LINEÁRNÍCH REGRESNÍCH MODELŮ PŘI ANALÝZE DAT. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie

) T CO 3. z distribučních koeficientů δ a c(co 2. *) c(h + ) ) 2c(H 2. ) 2c(CO 3

Gymnázium Vysoké Mýto nám. Vaňorného 163, Vysoké Mýto

ÚLOHA 1. EXPONENCIÁLNÍ MODEL...2 ÚLOHA 2. MOCNINNÝ MODEL...7

UNIVERZITA PARDUBICE

Spektroskopie v UV-VIS oblasti. UV-VIS spektroskopie. Roztok KMnO 4. pracuje nejčastěji v oblasti nm

Příloha č. 1 Grafy a protokoly výstupy z adstatu

Odměrná analýza, volumetrie

Hledání chemického modelu regresní analýzou VIS spekter

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

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice

LABORATORNÍ STANOVENÍ SÍRANŮ VE VODNÉM ROZTOKU

Licenční studium Galileo: Statistické zpracování dat. Tvorba lineárních regresních modelů při analýze dat. Semestrální práce

Spektrofotometrické stanovení termodynamických disociačních konstant vybraných cytostatik

Chemické výpočty II. Vladimíra Kvasnicová

Semestrální práce str. 1. Semestrální práce. 2.1 Tvorba lineárních regresních modelů při analýze dat. 2.3 Kalibrace a limity její přesnosti

MĚŘENÍ STATISTICKÝCH ZÁVISLOSTÍ

Rozpustnost s. Rozpouštění = opakem krystalizace Veličina udávající hmotnost rozpuštěné látky v daném objemu popř. v hmotnosti nasyceného roztoku.

nastavení real-time PCR cykléru icycler iq5 Multi-Color Real-Time PCR Detection System

Úvod k biochemickému. mu praktiku. Vladimíra Kvasnicová

STANOVENÍ PROPUSTNOSTI OBALOVÝCH MATERIÁLŮ PRO VODNÍ PÁRU

Ústřední komise Chemické olympiády. 55. ročník 2018/2019 NÁRODNÍ KOLO. Kategorie E. Řešení teoretické části

Úvod k biochemickému praktiku. Pavel Jirásek

KALIBRACE A LIMITY JEJÍ PŘESNOSTI 2015

Univerzita Pardubice Fakulta chemicko-technologická. Licenční studium Statistické zpracování dat


1 DATA: CHYBY, VARIABILITA A NEJISTOTY INSTRUMENTÁLNÍCH MĚŘENÍ. 1.5 Úlohy Analýza farmakologických a biochemických dat

otec syn

INDUKTIVNÍ STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA

Semestrální práce. 2. semestr

Tvorba lineárních regresních modelů při analýze dat

Voda a život Wasser und Leben

Univerzita Pardubice

Tvorba nelineárních regresních modelů v analýze dat

Derivační spektrofotometrie a rozklad absorpčního spektra

Fakulta chemicko technologická Katedra analytické chemie

Automatická potenciometrická titrace Klinická a toxikologická analýza Chemie životního prostředí Geologické obory

Základy fotometrie, využití v klinické biochemii

Oborový workshop pro SŠ CHEMIE

Hydrochemie koncentrace látek (výpočty)

LINEÁRNÍ REGRESE. Lineární regresní model

pracovní list studenta Komplexní sloučeniny Stanovení koncentrace železnaté soli Aleš Mareček

Licenční studium Galileo: Statistické zpracování dat. Kalibrace a limity její přesnosti. Semestrální práce

Tvorba grafů v programu ORIGIN

fenanthrolinem Příprava

Univerzita Pardubice SEMESTRÁLNÍ PRÁCE. Tvorba lineárních regresních modelů. 2015/2016 RNDr. Mgr. Leona Svobodová, Ph.D.

Určení koncentrace proteinu fluorescenční metodou v mikrotitračních destičkách

Transkript:

Úlohy Kompendium 2012, Úloha B8.01, str. 785, Model A Úloha B8.01 Závislost hmotnosti očních čoček na stáří králíků Dudzinksi a Mykytowycz (1961) ukázali, že hmotnost vysušených očních čoček evropských králíků Oryctolagus cuniculus je užitečným indikátorem stáří králíka ve dnech. Nelineární regresní model je vyjádřen vztahem y = b1*exp(-b2/(x+b3)) (Model A) a alternativní model transformovaný pro případ multiplikativních chyb má tvar ln y = b1-(b2/(x+b3)) (Model B). Vyšetřete regresní triplet a ověřte, který ze dvou navržených modelů lépe vyhovuje daným datům. K porovnání regresních modelů využijte střední kvadratickou chybu predikce MEP nebo Akaikeho informační kritérium AIC. Rozeberte postup výstavby nelineárního regresního modelu. Jak se posuzuje kvalita nalezených odhadů parametrů? Data: Králíka x [dny], hmotnost vysušených očních čoček y [mg]

Fitting Function Organizer (dle Úlohy 4a) Model: Výstavba regresní funkce Výpočet: Proložení dat modelem F9, nebo Tools, Fitting Function Organizer Načíst sloupce dat x a y, Vpravo New Category a User Defined nejprve ze sloupce nabídek Vpravo New Function a B801 Function Type=Used Defined, Function Model=Explicite, IndependetVariable=B801ax, DependentVariable=B801ay, Parameters=b1,b2,b3 Function Form=Origin C Function Body= B801y=b1*exp(-b2/(B801x+b3)) Ikona Code Builder, Ikona Compile, Ikona Return to Dialog, Save OK Zablokovat B(Y), Analysis z menu, Fitting, Nonlinear Curve Fit, Open Dialog, Záložka Setting, Řádek Function Selection, Category=User Defined, Function=B801, Řádek Data Selection, Klik na Range1 Naplnit B801ax=C Naplnit B801ay=D Záložka Parameters, 4,7,4 Fit Until Converge, OK,

Úlohy Kompendium 2012, Úloha B8.01, str. 785, Model B (logaritmický) Úloha B8.01 Závislost hmotnosti očních čoček na stáří králíků Dudzinksi a Mykytowycz (1961) ukázali, že hmotnost vysušených očních čoček evropských králíků Oryctolagus cuniculus je užitečným indikátorem stáří králíka ve dnech. Nelineární regresní model je vyjádřen vztahem y = b1*exp(-b2/(x+b3)) (Model A) a alternativní model transformovaný pro případ multiplikativních chyb má tvar ln y = b1-(b2/(x+b3)) (Model B). Vyšetřete regresní triplet a ověřte, který ze dvou navržených modelů lépe vyhovuje daným datům. K porovnání regresních modelů využijte střední kvadratickou chybu predikce MEP nebo Akaikeho informační kritérium AIC. Rozeberte postup výstavby nelineárního regresního modelu. Jak se posuzuje kvalita nalezených odhadů parametrů? Data: Králíka x [dny], hmotnost vysušených očních čoček y [mg]

Fitting Function Organizer (dle Úlohy 4a) Model: Výstavba regresní funkce Výpočet: Proložení dat modelem F9, nebo Tools, Fitting Function Organizer Načíst sloupce dat x a y, Vpravo New Category a User Defined nejprve ze sloupce nabídek Vpravo New Function a B801log Function Type=Used Defined, Function Model=Explicite, IndependetVariable=B801ax, DependentVariable=B801ay, Parameters=b1,b2,b3 Function Form=Origin C Function Body= B801ay=b1-(b2/(B801ax+b3)) Ikona Code Builder, Ikona Compile, Ikona Return to Dialog, Save OK Zablokovat D(Y), Analysis z menu, Fitting, Nonlinear Curve Fit, Open Dialog, Záložka Setting, Řádek Function Selection, Category=User Defined, Function=B801log(User), Řádek Data Selection, Klik na Range1 Naplnit B801ax=C Naplnit B801ay=D Záložka Parameters, 5,22,26 Fit Until Converge, OK,

Úlohy Kompendium 2012, Úloha C8.09, str. 793, Úloha C8.09 Disociační konstanty a molární absorpční koeficienty částic kyseliny HL Stanovte disociační konstantu pka1 (parametr b1) a dva molární absorpční koeficienty disociující kyseliny HL regresní analýzou A-pH křivky u vybraných indikátorů. V závislosti na ph (nezávisle proměnná x) vodný roztok indikátoru obsahuje postupně dvě různě protonové částice, L a HL, se smíšenou disociační konstantou pka1. K měření ph byla užita skleněná elektroda G202B a SKE o směrnici charakteristiky článku 59.16 mv/ph při teplotě 25 C v roztoku iontové síly 0.001 mol/l. Absorbance y byla změřena v kyvetě délky d [cm] na spektrofotometru SPEKOL 21 s chybou sinst(y) = 0.002. Pokud obě částice absorbují záření dané vlnové délky, bude absorbance y v kyvetě délky d [cm] vyjádřena vztahem y=(b2+(b3*10^(b1-x)))/(1+(10^(b1-x))) a c= 1 je analytická koncentrace disociující kyseliny rovná 1M. Nulté přiblížení parametrů je uvedeno. Komentujte i spolehlivost odhadů parametrů z těsnosti proložení. Jak se provádí analýza vlivných bodů? Rozeberte postup výstavby nelineárního regresního modelu. Data: = 1 mol. dm!3, d = 1.000 cm, Bromkrezolová zeleň: b1=5.0, b2=0.1, b3= 0.7, T = 298 K,

Fitting Function Organizer (Úloha 4) Výstavba regresního modelu: Proložení dat modelem: F9, nebo Tools, Fitting Function Organizer Načíst sloupce dat x a y, Vpravo New Category a User Defined Zablokovat B(Y), sloupce nabídek Vpravo New Function a B801a Analysis, Function Type=Used Defined, Fitting, Function Model=Explicite, Nonlinear Curve Fit, IndependetVar.=B801x, Open Dialog, DependentVar.=B801y, Setting, Parameters=b1,b2,b3 Function Selection, Function Form=Origin C Category=User Defined Vpravo Builder, Function=B801a, Next, Next, Záložka Parameters, 300,130,35 300,128,35 Function Body= Fit Until Converge, B801y=b1*exp(-b2/(B801x+b3)) Code Builder, OK, Compile, Return to Dialog, Quick Check x= 20 Běžec y= 29.268 Finish, OK

Úlohy Kompendium 2012, Úloha C8.02a, str. 788, Úloha C8.02 D Nulté přiblížení parametrů je uvedeno. Komentujte i spolehlivost odhadů parametrů z těsnosti proložení. Jak se provádí analýza vlivných bodů? Rozeberte postup výstavby nelineárního regresního modelu. Data:

Úlohy Kompendium 2012, Úloha C8.02b, str. 788, Úloha C8.02 D Nulté přiblížení parametrů je uvedeno. Komentujte i spolehlivost odhadů parametrů z těsnosti proložení. Jak se provádí analýza vlivných bodů? Rozeberte postup výstavby nelineárního regresního modelu. Data:

Úlohy Kompendium 2012, Úloha C8.03, str. 788, Úloha C8.02 D Nulté přiblížení parametrů je uvedeno. Komentujte i spolehlivost odhadů parametrů z těsnosti proložení. Jak se provádí analýza vlivných bodů? Rozeberte postup výstavby nelineárního regresního modelu. Data:

Úlohy Kompendium 2012, Úloha C8.06, str. 788, Úloha C8.02 D Nulté přiblížení parametrů je uvedeno. Komentujte i spolehlivost odhadů parametrů z těsnosti proložení. Jak se provádí analýza vlivných bodů? Rozeberte postup výstavby nelineárního regresního modelu. Data:

Úlohy Kompendium 2012, Úloha C8.09a, str. 788, Úloha C8.02 D Nulté přiblížení parametrů je uvedeno. Komentujte i spolehlivost odhadů parametrů z těsnosti proložení. Jak se provádí analýza vlivných bodů? Rozeberte postup výstavby nelineárního regresního modelu. Data:

Úlohy Kompendium 2012, Úloha C8.09b, str. 788, Úloha C8.02 D Nulté přiblížení parametrů je uvedeno. Komentujte i spolehlivost odhadů parametrů z těsnosti proložení. Jak se provádí analýza vlivných bodů? Rozeberte postup výstavby nelineárního regresního modelu. Data:

Úlohy Kompendium 2012, Úloha C8.09c, str. 788, Úloha C8.02 D Nulté přiblížení parametrů je uvedeno. Komentujte i spolehlivost odhadů parametrů z těsnosti proložení. Jak se provádí analýza vlivných bodů? Rozeberte postup výstavby nelineárního regresního modelu. Data:

Úlohy Kompendium 2012, Úloha E8.02a, str. 800, Model D Úloha E8.02a D Nulté přiblížení parametrů je uvedeno. Komentujte i spolehlivost odhadů parametrů z těsnosti proložení. Jak se provádí analýza vlivných bodů? Rozeberte postup výstavby nelineárního regresního modelu. Data: