Obliczenia w Matlabie Analiza statystyczna

Slides:



Advertisements
Podobne prezentacje
Statystyka w analizie rynku i wycenie nieruchomości (cz.1)
Advertisements

w szkole średniej Wykonały: Alicja Makowska i Beata Karwowska
W dalszej części zajęć wyróżniać będziemy następujące
IV Tutorial z Metod Obliczeniowych
Skale pomiarowe – BARDZO WAŻNE
PODSUMOWANIE WIADOMOŚCI ZE STATYSTYKI
Jak mierzyć zróżnicowanie zjawiska? Wykład 4. Miary jednej cechy Miary poziomu Miary dyspersji (zmienności, zróżnicowania, rozproszenia) Miary asymetrii.
ANALIZA STRUKTURY SZEREGU NA PODSTAWIE MIAR STATYSTYCZNYCH
Krzysztof Jurek Statystyka Spotkanie 4. Miary zmienności m ó wią na ile wyniki są rozproszone na konkretne jednostki, pokazują na ile wyniki odbiegają
JAK TO JEST ZROBIONE? Zajęcia artystyczne dla uczniów szkoły podstawowej. Materiał dla uczniów Autor: Karolina Vyšata Projekt zrealizowany w ramach Akademii.
(dla szeregu szczegółowego) Średnia arytmetyczna (dla szeregu szczegółowego) Średnią arytmetyczną nazywamy sumę wartości zmiennej wszystkich jednostek.
Pakiety statystyczne Maciej Szydłowski (dr)
BIOSTATYSTYKA I METODY DOKUMENTACJI
Średnie i miary zmienności
Podstawy informatyki 2013/2014 Łukasz Sztangret Katedra Informatyki Stosowanej i Modelowania Prezentacja przygotowana w oparciu o materiały Danuty Szeligi.
Podstawy informatyki 2012/2013
Efektywne wyszukiwanie informacji w Internecie by Katarzyna Wilk is licensed under a Creative Commons Uznanie autorstwa-Użycie niekomercyjne-Bez utworów.
Elementy Rachunku Prawdopodobieństwa i Statystyki
Tanzania: między tradycją a nowoczesnością
Arkusze kalkulacyjne Wybrane kategorie funkcji
Podstawy informatyki 2013/2014
Podstawy informatyki 2013/2014 Łukasz Sztangret Katedra Informatyki Stosowanej i Modelowania Prezentacja przygotowana w oparciu o materiały Danuty Szeligi.
Programowanie Matlaba
Programowanie obiektowe 2013/2014 Łukasz Sztangret Katedra Informatyki Stosowanej i Modelowania Prezentacja przygotowana w oparciu o materiały Danuty Szeligi.
Programowanie obiektowe 2013/2014
Statystyka i opracowanie wyników badań
HARALD KAJZER ZST NR 2 im. M. Batko
Treści multimedialne - kodowanie, przetwarzanie, prezentacja Odtwarzanie treści multimedialnych Andrzej Majkowski.
Statystyka medyczna Piotr Kozłowski
1 informatyka +. 2 TYTUŁ: Podstawowe statystyki wykorzystywane do analizowania danych AUTOR: A. Brzostek, P. Królikowski.
TEST SPRAWDZAJĄCY Z MATEMATYKI dla klasy IV szkoły podstawowej z zakresu FIGURY GEOMETRYCZNE Autor: Justyna Itrych.
Pakiety numeryczne Wprowadzenie Łukasz Sztangret Katedra Informatyki Stosowanej i Modelowania.
Pakiety numeryczne Optymalizacja
Biblioteka.pollub.pl facebook.com/BibliotekaPL. Katarzyna Panasiewicz Modele otwartego dostępu.
Podstawy informatyki Tablice Łukasz Sztangret Katedra Informatyki Stosowanej i Modelowania Prezentacja przygotowana w oparciu o materiały Danuty Szeligi.
Pakiety numeryczne Graphical User Interface Łukasz Sztangret Katedra Informatyki Stosowanej i Modelowania.
Pakiety numeryczne Tablice: tworzenie, indeksowanie, wymiary Łukasz Sztangret Katedra Informatyki Stosowanej i Modelowania.
Pakiety numeryczne Interpolacja i aproksymacja
Pakiety numeryczne Wykresy Łukasz Sztangret Katedra Informatyki Stosowanej i Modelowania.
Pakiety numeryczne Wielomiany Łukasz Sztangret Katedra Informatyki Stosowanej i Modelowania.
Podstawowe pojęcia i terminy stosowane w statystyce
Podstawy informatyki Preprocesor Łukasz Sztangret Katedra Informatyki Stosowanej i Modelowania Prezentacja przygotowana w oparciu o materiały Danuty Szeligi.
Podstawy informatyki Funkcje Łukasz Sztangret Katedra Informatyki Stosowanej i Modelowania Prezentacja przygotowana w oparciu o materiały Danuty Szeligi.
Łukasz Sztangret Katedra Informatyki Stosowanej i Modelowania Prezentacja przygotowana w oparciu o materiały Danuty Szeligi i Pawła Jerzego Matuszyka Podstawy.
Pakiety numeryczne Skrypty, funkcje Łukasz Sztangret Katedra Informatyki Stosowanej i Modelowania.
Podstawy informatyki Struktury Łukasz Sztangret Katedra Informatyki Stosowanej i Modelowania Prezentacja przygotowana w oparciu o materiały Danuty Szeligi.
Podstawy informatyki Szablony funkcji Łukasz Sztangret Katedra Informatyki Stosowanej i Modelowania Prezentacja przygotowana w oparciu o materiały Danuty.
Podstawy informatyki Operatory rzutowania Łukasz Sztangret Katedra Informatyki Stosowanej i Modelowania Prezentacja przygotowana w oparciu o materiały.
Statystyczna analiza danych w praktyce
Podstawy informatyki Mechanizm obsługi sytuacji wyjątkowych Łukasz Sztangret Katedra Informatyki Stosowanej i Modelowania Prezentacja przygotowana w oparciu.
Statystyczna analiza danych
Statystyczna analiza danych
Pakiety numeryczne Operatory, instrukcje sterujące, operacje bitowe Łukasz Sztangret Katedra Informatyki Stosowanej i Modelowania.
Osoby prowadzące zajęcia z Informatyki (II część): Prof. Mirosław Czarnecki (W+L) Konsultacje:piątek (p. 302a)
ze statystyki opisowej
Pakiety numeryczne Równania różniczkowe Łukasz Sztangret Katedra Informatyki Stosowanej i Modelowania.
Pakiety numeryczne Optymalizacja Łukasz Sztangret Katedra Informatyki Stosowanej i Modelowania.
© Fundacja Dajemy Dzieciom Siłę 2016
Jak mierzyć zróżnicowanie zjawiska?
METROLOGIA Statystyczne metody poprawienia dokładności
Obliczenia inżynierskie w Matlabie
Obliczenia w Matlabie Tablice
Obliczenia inżynierskie w Matlabie
Obliczenia w Matlabie Optymalizacja
Obliczenia w Matlabie Interpolacja i aproksymacja
Język C++ Typy Łukasz Sztangret Katedra Informatyki Stosowanej i Modelowania Prezentacja przygotowana w oparciu o materiały Danuty Szeligi i Pawła Jerzego.
MIARY STATYSTYCZNE Warunki egzaminu.
Język C++ Operatory Łukasz Sztangret Katedra Informatyki Stosowanej i Modelowania Prezentacja przygotowana w oparciu o materiały Danuty Szeligi i Pawła.
Język C++ Tablice Łukasz Sztangret Katedra Informatyki Stosowanej i Modelowania Prezentacja przygotowana w oparciu o materiały Danuty Szeligi i Pawła Jerzego.
Obliczenia w Matlabie Obliczenia symboliczne
Zapis prezentacji:

Obliczenia w Matlabie Analiza statystyczna Łukasz Sztangret Katedra Informatyki Stosowanej i Modelowania

Współczynnik korelacji x=-1:0.1:1; y=x; c=corr(x.',y.') figure; plot(x,y); y=-x; y=x.^2; x=0:0.1:1; x=-1:0.1:1; y=x.^2+x; c=corr(x.',y.') figure; plot(x,y); c = 1 -1 2.5044e-017 0.9631 0.8800

Współczynnik korelacji T=1; fs=8192; t=0:1/fs:T; y=2*sin(2*pi*t*200)+sin(2*pi*t*600); plot(t(1:100),y(1:100)); c=zeros(1,50); for i=1:50 c(i)=corr(y(1:100).',y(i:i+99).'); if mod(i,10)==0 figure; plot(t(1:100),y(i:i+99)); title(['i=' num2str(i)]); end

Współczynnik korelacji T=1; fs=8192; t=0:1/fs:T; y=2*sin(2*pi*t*200)+sin(2*pi*t*600); plot(t(1:100),y(1:100)); c=zeros(1,50); for i=1:50 c(i)=corr(y(1:100).',y(i:i+99).'); end figure; plot(c); dt=(0:49)/fs; plot(dt,c); Okres sygnału y wynosi 5ms.

Dokładność aproksymacji wielomianowej x=-1:0.1:1; y=x.^2+0.1*randn(size(x)); [p S]=polyfit(x,y,2); [yyy d]=polyconf(p,x,S); xx=-1:0.01:1; yy=polyval(p,xx); plot(x,y,'r*'); hold on; plot(xx,yy); plot(x,yyy-d,'g--'); plot(x,yyy+d,'g--'); 95% punktów będzie leżało pomiędzy zielonymi liniami.

Funkcje statystyczne x=randi(10,1,10) x = 9 1 7 3 9 3 4 10 9 9 min(x) 1 - wartość minimalna max(x) 10 - wartość maksymalna range(x) 9 - różnica między wartościami max i min mean(x) 6.4 - średnia arytmetyczna geomean(x) 5.2703 - średnia geometryczna harmmean(x) 3.8403 - średnia harmoniczna trimmean(x,20) 6.625 - średnia arytmetyczna bez 20% najbardziej skrajnych wartości (średnia bez wartości 1 oraz 10) iqr(x) 6 - różnica między górnym i dolnym kwartylem mode(x) 9 - najczęściej występująca wartość median(x) 8 - mediana std(x) 3.3066 - odchylenie standardowe var(x) 10.933 - wariancja

Rzut ukośny

g=9. 81; v0=125; a0=[30,45,60]; N=100; A0=repmat(a0,N,1); s=50 g=9.81; v0=125; a0=[30,45,60]; N=100; A0=repmat(a0,N,1); s=50*randn(size(A0))+v0^2*sind(2*A0)/g; h=50*randn(size(A0))+(v0*sind(A0)).^2/(2*g);

figure('Color',[1,1,1]); subplot(2,1,1) hist(h) hfit=linspace(min(min(h)),max(max(h)),100); subplot(2,1,2) [mu,sigma]=normfit(h(:,1)); plot(hfit,normpdf(hfit,mu,sigma)); hold on; [mu,sigma]=normfit(h(:,2)); [mu,sigma]=normfit(h(:,3));

figure('Color',[1,1,1]); boxplot(s,a0); boxplot(h,a0); figure('Color',[1,1,1]) gscatter(h(:),s(:),A0(:),'brk','sv^')

figure('Color',[1,1,1]) gscatter(h(:,1),s(:,1),A0(:,1)) k=convhull(h(:,1),s(:,1)); hold on; plot(h(k,1),s(k,1)); T=delaunay(h(:,1),s(:,1)); triplot(T,h(:,1),s(:,1));

figure('Color',[1,1,1]) gscatter(a0,h figure('Color',[1,1,1]) gscatter(a0,h.') A0=A0(:); h=h(:); Xh=[ones(size(A0)),A0]; ph=regress(h,Xh); a0fit=linspace(min(a0),max(a0),50); hfit=polyval(flipud(ph),a0fit); hold on plot(a0fit,hfit)

figure('Color',[1,1,1]) gscatter(a0,s figure('Color',[1,1,1]) gscatter(a0,s.') s=s(:); Xs=[ones(size(A0)),A0,A0.^2]; ps=regress(s,Xs); sfit=polyval(flipud(ps),a0fit); hold on plot(a0fit,sfit)

N=100; v0=50*rand(N,1)+100; a0=30*rand(N,1)+30; h=100*randn(N,1)+(v0.*sind(a0)).^2/(2*g); s=100*randn(N,1)+v0.^2.*sind(2*a0)/g;

X=[ones(size(v0)),v0,a0,v0.*a0]; ph=regress(h,X); v0fit=linspace(min(v0),max(v0),50); a0fit=linspace(min(a0),max(a0),50); [v0FIT,a0FIT]=meshgrid(v0fit,a0fit); figure('Color',[1,1,1]) scatter3(v0,a0,h,'filled') hold on HFIT=ph(1)+ph(2)*v0FIT+ph(3)*a0FIT+ph(4)*v0FIT.*a0FIT; surf(v0FIT,a0FIT,HFIT,'Facealpha',0.5)

X=[ones(size(v0)),v0,a0,v0. a0,a0 X=[ones(size(v0)),v0,a0,v0.*a0,a0.^2]; ps=regress(s,X); v0fit=linspace(min(v0),max(v0),50); a0fit=linspace(min(a0),max(a0),50); [v0FIT,a0FIT]=meshgrid(v0fit,a0fit); figure('Color',[1,1,1]) scatter3(v0,a0,s,'filled') hold on SFIT=ps(1)+ps(2)*v0FIT+ps(3)*a0FIT+ps(4)*v0FIT.*a0FIT+ps(5)*a0FIT.^2; surf(v0FIT,a0FIT,SFIT,'Facealpha',0.5)

Prezentacja udostępniona na licencji Creative Commons: Uznanie autorstwa, Na tych samych warunkach 3.0. Pewne prawa zastrzeżone na rzecz autorów. Zezwala się na dowolne wykorzystywanie treści pod warunkiem wskazania autorów jako właścicieli praw do prezentacji oraz zachowania niniejszej informacji licencyjnej tak długo, jak tylko na utwory zależne będzie udzielana taka sama licencja. Tekst licencji dostępny jest na stronie: http://creativecommons.org/licenses/by-sa/3.0/deed.pl