Zagadnienie niedokładności w GIS

Slides:



Advertisements
Podobne prezentacje
Ocena dokładności i trafności prognoz
Advertisements

Statystyczna kontrola jakości badań laboratoryjnych wg: W.Gernand Podstawy kontroli jakości badań laboratoryjnych.
Wykład 13 Estymacja wartości oczekiwanej zmiennej zależnej.
MIĘDZYNARODOWE UNORMOWANIA WYRAŻANIA NIEPEWNOŚCI POMIAROWYCH
Fazy procesu podejmowania decyzji
Inteligencja Obliczeniowa Metody probabilistyczne.
Skale pomiarowe – BARDZO WAŻNE
Treść wykładu Wstęp Przewidywanie - prognoza Klasyfikacja prognoz
BUDOWA MODELU EKONOMETRYCZNEGO
Krzysztof Jurek Statystyka Spotkanie 4. Miary zmienności m ó wią na ile wyniki są rozproszone na konkretne jednostki, pokazują na ile wyniki odbiegają
Statystyka w doświadczalnictwie
Podstawowe pojęcia prognozowania i symulacji na podstawie modeli ekonometrycznych Przewidywaniem nazywać będziemy wnioskowanie o zdarzeniach nieznanych.
KWESTIA ENDOGENICZNOŚCI
Olimpia Markiewicz Dominika Milczarek-Andrzejewska NIEPEWNOŚĆ I RYZYKO
Olimpia Markiewicz Dominika Milczarek-Andrzejewska AKTYWA RYZYKOWNE
Maps of bounded rationality:
Niepewności przypadkowe
Wykład 6 Standardowy błąd średniej a odchylenie standardowe z próby
Wykład 4 Rozkład próbkowy dla średniej z rozkładu normalnego
Wykład 3 Wzór Bayesa – wpływ rozkładu a priori.
Wykład 5 Przedziały ufności
Wykład 3 Rozkład próbkowy dla średniej z rozkładu normalnego
Wykład 3 Wzór Bayesa, cd.: Wpływ rozkładu a priori.
Wykład 4 Przedziały ufności
Korelacje, regresja liniowa
Test t-studenta dla pojedynczej próby
Rozkład normalny Cecha posiada rozkład normalny jeśli na jej wielkość ma wpływ wiele niezależnych czynników, a wpływ każdego z nich nie jest zbyt duży.
Komputerowe wspomaganie podejmowania decyzji
Komputerowe wspomaganie podejmowania decyzji
Metody Symulacyjne w Telekomunikacji (MEST) Wykład 6/7: Analiza statystyczna wyników symulacyjnych  Dr inż. Halina Tarasiuk
Średnie i miary zmienności
Analiza wariancji.
Estymacja przedziałowa i korzystanie z tablic rozkładów statystycznych
AGH Wydział Zarządzania
Jak mierzyć i od czego zależy?
Ekonometria. Co wynika z podejścia stochastycznego?
Badania Operacyjne i Ekonometria. Literatura podstawowa 1.M.Anholcer, H.Gaspars, A.Owczrkowski Przykłady i zadania z badań operacyjnych i ekonometrii.
Hipotezy statystyczne
Błędy i niepewności pomiarowe II
Planowanie badań i analiza wyników
MS Excel - wspomaganie decyzji
Politechniki Poznańskiej
Wykład 16 Inne zagadnienia z prostej regresji liniowej.
Seminarium licencjackie Beata Kapuścińska
Testowanie hipotez statystycznych
Wnioskowanie statystyczne
Regulamin przedmiotu: Analiza Ekonomiczna Decyzji Biznesowych Wymagania. Sposób zaliczenia Dr inż. Bożena Mielczarek 413 B1
Statystyka medyczna Piotr Kozłowski
D. Ciołek EKONOMETRIA – wykład 6
Wykład 5 Przedziały ufności
Weryfikacja hipotez statystycznych
Testowanie hipotez Jacek Szanduła.
Model trendu liniowego
STATYSTYKA – kurs podstawowy wykład 5 dr Dorota Węziak-Białowolska Instytut Statystyki i Demografii.
Weryfikacja hipotez statystycznych „Człowiek – najlepsza inwestycja”
WYKŁAD Teoria błędów Katedra Geodezji im. K. Weigla ul. Poznańska 2
Modele nieliniowe sprowadzane do liniowych
Estymacja parametryczna dr Marta Marszałek Zakład Statystyki Stosowanej Instytut Statystyki i Demografii Kolegium Analiz.
Dokładność NMT modelowanie dokładności NMT oszacowanie a priori badanie a posteriori.
Błędy i niepewności pomiarowe II
Statystyka matematyczna
Statystyka matematyczna
METROLOGIA Statystyczne metody poprawienia dokładności
Regresja wieloraka – bada wpływ wielu zmiennych objaśniających (niezależnych) na jedną zmienną objaśnianą (zależą)
Jednorównaniowy model regresji liniowej
Analiza niepewności pomiarów Zagadnienia statystyki matematycznej
MNK – podejście algebraiczne
PODSTAWY STATYSTYKI Wykład udostępniony przez dr hab. Jana Gajewskiego
Analiza niepewności pomiarów
Test t-studenta dla pojedynczej próby
Zapis prezentacji:

Zagadnienie niedokładności w GIS Beata Hejmanowska

Analiza dokładności procesu wspomagania decyzji za pomocą narzędzi GIS Niedokładność danych : błędy pomiarowe: określanie błędu, szacowanie błędu, przenoszenie błędów, raporty o jakości danych Wpływ niedokładności danych w GIS na proces podejmowania decyzji (reguły decyzyjne) ????? (hard, soft decision rule)

Typy błędów Dane Reguły decyzyjne Relacje Uncertainty in the Evidence in the Relation Uncertainty in the Decision Set

Uncertainty in the Evidence Dane Uncertainty in the Evidence W przypadku danych ilościowych błąd średni kwadratowy Root Mean Square(RMS) W przypadku danych jakościowych błąd „proporcjonalny”

Uncertainty in the Relation Relacje Uncertainty in the Relation Definicja kryterium – teoria zborów rozmytych fuzzy set (nachylenie < 3.5 %, 3.4999% ???) Dane nie pozwalają na zbudowanie bezpośredniej i jednoznacznej reguły decyzyjnej – (woda absorbuje promieniowanie podczerwone, ale nie tylko ona....) – dane sugerują obecność zjawiska, obiektu na pewnym poziomie ufności - Bayes and Dempster-Shafer theory. Błąd modelu - model specification error – np. złożenie prostych kryteriów: nachylenia – 0.6 odległości od obiektu (drogi, wody....) – 0.7 prawdopodobieństwo: 0.42 fuzzy – 0.6 Bayes – 0.78 Dempster-Shafer – 0.88 liniowa kombinacja – 0.65 ???????????????????????????????????

Uncertainty in the Decison Set Reguła decyzyjna Uncertainty in the Decison Set Ostateczny błąd (niedokładność) reguły decyzyjnej. Podejmowanie decyzji: sprecyzowanie elementarnych kryteriów, warunków złożenie wyników zgodnie z jakąś regułą. W takim procesie nastąpi sumowanie błędów, a ostateczna decyzja musi uwzględnić jakiś dopuszczalny próg błędu (decision risk) Database Uncertainty, Decision Rule Uncertainty Decision Risk

Rozkład normalny zmiennej X m – średnia s - odchylenie standardowe zmiennej X Rozkład normalny średniej arytmetycznej m – wartość oczekiwana zmiennej odchylenie standardowe zmiennej Rozkład normalny odchylenia standardowego m – średnia odchylenie standardowe zmiennej

Niepewność bazy danych Ryzyko w podejmowaniu decyzji Database Uncertainty and Decision Risk Szacowanie błędu - Error Assessment z z

Zagadnienie minimalnej liczebności próby Dla wartości średniej Dla odchylenia standardowego

Niepewność bazy danych Ryzyko w podejmowaniu decyzji Database Uncertainty and Decision Risk Szacowanie błędu - Error Assessment Błąd CMT RMS = +/- 3 m e = +/- 0.5 m n = (1.6452 * 32) / (2 * 0.52) = 49 Błąd interpretacji q= 0.15, p= 0.85 e = 0.05 m z=1.645 (poziom ufności 90%) n = (1.6452 * 0.15*0.85) / (0.052) = 138

Niepewność bazy danych Ryzyko w podejmowaniu decyzji Database Uncertainty and Decision Risk Szacowanie błędu - Error Assessment – analiza jakościowa

Przenoszenie się błędów - Error Propagation Błędy przenoszą się w trakcie wszystkich analiz przestrzennych: Overlay Add / Subtract (e.g., Z=X+Y or Z=X-Y) Overlay Multiply / Divide (e.g., Z=X*Y or Z=X/Y) Scalar Add / Subtract Sz=Sx (e.g., Z=X+k or Z=X-k) Scalar Multiply Sz=Sx*k (e.g., Z=X*k) Scalar Divide Sz=Sx/k (e.g., Z=X/k)

Przenoszenie się błędów - Error Propagation SURFACE Fragment siatki grid’a CMT Z5 Z2 Z6 Z1 Z9 Z3 Z8 Z4 Z7 ---Dh---

Szacowanie ryzyka związanego z podejmowaną decyzją Dicision Risk RECLASS PCLASS 90% błąd CMRT <= 1.28 m 95% błąd CMRT <= 1.645 m