Alfred Stach Instytut Paleogeografii i Geoekologii

Slides:



Advertisements
Podobne prezentacje
Estymacja. Przedziały ufności.
Advertisements

Analiza współzależności zjawisk
Analiza wariancji jednoczynnikowa
Zmienne losowe i ich rozkłady
Analiza wariancji Marcin Zajenkowski. Badania eksperymentalne ANOVA najczęściej do eksperymentów Porównanie wyników z 2 grup lub więcej Zmienna niezależna.
BUDOWA MODELU EKONOMETRYCZNEGO
Jak mierzyć asymetrię zjawiska?
Jak mierzyć zróżnicowanie zjawiska? Wykład 4. Miary jednej cechy Miary poziomu Miary dyspersji (zmienności, zróżnicowania, rozproszenia) Miary asymetrii.
Miary jednej cechy Miary poziomu Miary dyspersji Miary asymetrii (skośności)
ANALIZA STRUKTURY SZEREGU NA PODSTAWIE MIAR STATYSTYCZNYCH
MIARY ZMIENNOŚCI Główne (wywołujące zmienność systematyczną)
Krzysztof Jurek Statystyka Spotkanie 4. Miary zmienności m ó wią na ile wyniki są rozproszone na konkretne jednostki, pokazują na ile wyniki odbiegają
BIOSTATYSTYKA I METODY DOKUMENTACJI
Wykład 4 Rozkład próbkowy dla średniej z rozkładu normalnego
Wykład 3 Rozkład próbkowy dla średniej z rozkładu normalnego
Alfred Stach Instytut Paleogeografii i Geoekologii
Alfred Stach Instytut Paleogeografii i Geoekologii
Alfred Stach Instytut Paleogeografii i Geoekologii
GEOSTATYSTYKA Wykłady dla III roku Geografii specjalność – geoinformacja Estymacja na podstawie danych jednej zmiennej I Alfred Stach Instytut Paleogeografii.
Alfred Stach Instytut Paleogeografii i Geoekologii
GEOSTATYSTYKA I ANALIZA PRZESTRZENNA Wykład dla III roku Geografii specjalność - geoinformacja Alfred Stach Instytut Geoekologii i Geoinformacji Wydział
GEOSTATYSTYKA Wykłady dla III roku Geografii specjalność – geoinformacja Estymacja na podstawie danych jednej zmiennej II Alfred Stach Instytut Paleogeografii.
Alfred Stach Instytut Geoekologii i Geoinformacji
Alfred Stach Instytut Geoekologii i Geoinformacji
GEOSTATYSTYKA Wykłady dla III roku Geografii specjalność – geoinformacja Kriging wartości kodowanych (Indicator Kriging) Alfred Stach Instytut Paleogeografii.
Instytut Badań Czwartorzędu i Geoekologii UAM
Alfred Stach Instytut Geoekologii i Geoinformacji
Alfred Stach Instytut Paleogeografii i Geoekologii
GEOSTATYSTYKA I ANALIZA PRZESTRZENNA Wykład dla III roku Geografii specjalność - geoinformacja Alfred Stach Instytut Geoekologii i Geoinformacji Wydział
Alfred Stach Instytut Paleogeografii i Geoekologii
GEOSTATYSTYKA I ANALIZA PRZESTRZENNA Wykład dla III roku Geografii specjalność - geoinformacja Alfred Stach Instytut Geoekologii i Geoinformacji Wydział
Korelacje, regresja liniowa
Metody Symulacyjne w Telekomunikacji (MEST) Wykład 6/7: Analiza statystyczna wyników symulacyjnych  Dr inż. Halina Tarasiuk
Średnie i miary zmienności
Co to są rozkłady normalne?
Co to są rozkłady normalne?
Jednoczynnikowa analiza wariancji (ANOVA)
Analiza wariancji jednoczynnikowa
Analiza współzależności cech statystycznych
dr hab. Ryszard Walkowiak prof. nadzw.
Elementy Rachunku Prawdopodobieństwa i Statystyki
Analiza wariancji jednoczynnikowa.
na podstawie materiału – test z użyciem komputerowo generowanych prób
Prognozowanie z wykorzystaniem modeli ekonometrycznych
Statystyka – zadania 4 Janusz Górczyński.
Statystyka ©M.
Planowanie badań i analiza wyników
Regresja wieloraka.
ANALIZA ANOVA - KIEDY? Wiele przedsięwzięć badawczych zakłada porównanie pomiędzy średnimi z więcej niż dwóch populacji lub dwóch warunków eksperymentalnych.
Ruch jednostajny prostoliniowy i jednostajnie zmienny Monika Jazurek
Statystyka medyczna Piotr Kozłowski
Ekonometria stosowana
Program przedmiotu “Opracowywanie danych w chemii” 1.Wprowadzenie: przegląd rodzajów danych oraz metod ich opracowywania. 2.Podstawowe pojęcia rachunku.
Podstawowe pojęcia i terminy stosowane w statystyce
Statystyczna analiza danych w praktyce
Jak mierzyć asymetrię zjawiska? Wykład 5. Miary jednej cechy  Miary poziomu  Miary dyspersji (zmienności, zróżnicowania, rozproszenia)  Miary asymetrii.
Statystyczna analiza danych
Statystyczna analiza danych
Korelacje dwóch zmiennych. Korelacje Kowariancja.
Ekonometria stosowana Heteroskedastyczność składnika losowego Piotr Ciżkowicz Katedra Międzynarodowych Studiów Porównawczych.
Treść dzisiejszego wykładu l Szeregi stacjonarne, l Zintegrowanie szeregu, l Kointegracja szeregów.
STATYSTYKA – kurs podstawowy wykład 8 dr Dorota Węziak-Białowolska Instytut Statystyki i Demografii.
Halina Klimczak Katedra Geodezji i Fotogrametrii Akademia Rolnicza we Wrocławiu WYKŁAD 2 ZMIENNE GRAFICZNE SKALA CIĄGŁA I SKOKOWA.
Modele nieliniowe sprowadzane do liniowych
Co do tej pory robiliśmy:
Regresja wieloraka – bada wpływ wielu zmiennych objaśniających (niezależnych) na jedną zmienną objaśnianą (zależą)
Jednorównaniowy model regresji liniowej
MIARY STATYSTYCZNE Warunki egzaminu.
Korelacja i regresja liniowa
Alfred Stach Instytut Paleogeografii i Geoekologii UAM
Zapis prezentacji:

GEOSTATYSTYKA Wykład dla III roku Geografii specjalność - geoinformacja Alfred Stach Instytut Paleogeografii i Geoekologii Wydział Nauk Geograficznych i Geologicznych UAM

Semiwariogram kodów – zmienna ciągła Funkcja kowariancji i semiwariogram to charakterystyki ciągłości przestrzennej (lub zmienności) dla całego zakresu wartości cechy. Struktura ciągłości przestrzennej (lub zmienności) może jednak różnić się, zależnie czy pod uwagę bierzemy rozkład punktów danych charakteryzujących się niskimi, średnimi czy wysokimi wartościami cechy. W wielu sytuacjach spotykanych w środowisku przyrodniczym lub społeczno-gospodarczym, losowo występujące wysokie wartości cechy, są otoczone większymi obszarami o średnich lub niskich wartościach, które zmieniają się w sposób ciągły. To czy wartości ekstremalne są w przestrzeni rozproszone, czy też skupione, ma duże znaczenie dla wyjaśniania zjawiska, oraz jakości estymacji.

Analiza danych kodowanych – zmienna ciągła 10 percentyl = 314 25 percentyl = 323 50 percentyl = 331 75 percentyl = 332 90 percentyl = 348

Analiza danych kodowanych – zmienna ciągła Eksperymentalna autokowariancja kodów F-h(zk) i F+h(zk) oznaczają proporcje (ułamek) wartości ogona i głowy nie przekraczających poziomu wartości progowej zk. Kowariancja kodów określa jak często, dwie wartości tej samej cechy oddalone od siebie o wektor h, są jednocześnie nie większe od wartości progowej zk.

Analiza danych kodowanych – zmienna ciągła Eksperymentalna autokorelacja kodów wariancja wartości kodów ogona wariancja wartości kodów głowy

Analiza danych kodowanych – zmienna ciągła Eksperymentalny semiwariogram kodów Wariogram kodów ( 2I(h; zk) ) określa jak często dwie wartości cechy oddalone o wektor h znajdują się po przeciwnych stronach wartości progowej zk. Innymi słowy 2I(h; zk) daje wielkość frekwencji przejść między dwoma klasami wartości cechy jako funkcję odległości (h).

Analiza danych kodowanych – interpretacja graficzna Kowariancja i semiwariogram danych kodowanych można interpretować jako proporcję punktów (par danych), które występują w określonych częściach wykresu rozrzutu z przesunięciem: Kowariancja – obszar zaszrafowany poziomo, Semiwariogram – obszar zaszrafowany pionowo

Powierzchnie semiwariogramu danych kodowanych – zmienna b1_03b Dane niekodowane 50 percentyl = mediana 10 percentyl 90 percentyl

Semiwariogram kodów – zmienna ciągła

Analiza danych kodowanych – zmienna kategoryzowana Jeśli średnia wartość cechy z na obszarze należącym do określonej kategorii sk bardzo się różni od ogólnej średniej, to geometryczny układ tej kategorii wpływa na kształt i anizotropię semiwariogramu z. Strukturę ciągłości (zmienności) kategorii sk można scharakteryzować za pomocą semiwariogramu określonego na zakodowanych danych obecności/braku tej kategorii według wzoru:

Analiza danych kodowanych – zmienna kategoryzowana Eksperymentalny semiwariogram kodów dla kategorii sk jest obliczany według wzoru: Wariogram kodów ( 2I(h; sk) ) określa jak często dwie lokalizacje oddalone o wektor h należą do różnych kategorii sk`sk. Im mniejsze 2I(h; sk), tym ciągłość przestrzenna kategorii sk jest lepsza. Zasięgi i kształty semiwariogramów kierunkowych są odbiciem struktury geometrycznej kategorii sk.

Zmienne b1_03b i g-swir03b

Powierzchnie wariogramu dla grup zmiennej g-swir03b Grupa 1 Grupa 3 Grupa 2 Grupa 4

Semiwariogramy bezkierunkowe grup zmiennej g-swir03b

Semiwariogram reszt Jeśli struktura zmienności przestrzennej cechy z jest efektem dużych różnic w średnich wartościach z pomiędzy kategoriami sk, odfiltrowanie takich różnic powinno wpłynąć na kształt semiwariogramu z. Procedura jest następująca: Odjęcie od wartości każdej danej z(u) należącej do kategorii sk = s(u) średnią z wewnątrz sk, to jest średnią warunkową msk, Obliczenie semiwariogramu R(h) reszt r(u) = z(u) - msk, Porównanie wariancji progowej i kształtu semiwariogramów danych oryginalnych i reszt

Semiwariogram reszt – statystyki zmiennej b1_03b w grupach swir_03b

Semiwariogram reszt – analizy zmiennych b1_03b i swir_03b w profilach

Semiwariogram reszt – analizy zmiennych b1_03b i swir_03b w profilach

Semiwariogram reszt zmiennej b1_03b