Kurvetilpasning - filtere

Slides:



Advertisements
Liknende presentasjoner
Kapittel 4 - Regresjonsanslyse
Advertisements

Statistikk på 50 5 minutter
Managerial Decision Modeling
Kap 12 Korrelasjon / Regresjon
Kap 5 - Prediksjonsmodeller
Kap 09 Kontinuerlige fordelingsfunksjoner
Beveglsesmønstre og koordinatsystem Grunnleggende frame.. X er rett fremover. Origo ligger i akse 1 med z rett opp. Høyredreid system.!
Kapittel F Kjemisk likevekt.
Stoler du på hva øyet forteller deg?
Kurs i praktisk bruk av Bayesianske metoder.
Funksjoner - 3. april-02 TEMA:
Støy Stoff fra Fraden kap 5.13 (Støy) Fraden kap 5.11 (Brokoblinger)
Kompleksitetsanalyse
Forside Motivasjon Analyse Forside Motivasjon Analyse  -notasjon O og  Relasjoner Klasser Fallgruver Spørsmål Kompleksitetsanalyse Åsmund Eldhuset asmunde.
Uni-, bi- og multivariate analyser
Grunnleggende testteori
Bjørn Grung Kjemisk institutt Universitetet i Bergen
Repetisjon kap 6,7,8.
MAT6 REPETISJON Kap 1 og 2 Laila.
Simpel regresjon Plott av variablene Y mot X
«Densitometriske og planimetriske målinger av rasterstrukturer» Maria Sunde Wroldsen.
SAMMENHENGER MELLOM VARIABLER
Kontrollregler Z- tabell Kontrollregler Tillatt totalfeil
LÆREPLANEN Matematikk Vg2 – hovedprinsipper. Struktur (fra
Dose i et medium- N k. Oppsett for måling av eksposisjon.
INF 295 Algoritmer og datastrukturer Forelesning 10 Invarianter og Hashing Hans Fr. Nordhaug (Ola Bø)
Formelmagi Målsetting Å få struktur på formelapparatet:
PROGRAMFAG MATEMATIKK
PROST årsmøte /05/ Frode Martinsen, dr.ing.stud., teknisk kybernetikk Optimalisering i ulineær model prediktiv regulering (NMPC)
Statistiske egenskaper ved målesystemer
Segmentering ved terskling
Eksperimentell metode - I
Sensor krav og motivasjon. Målesystem (Fraden) Absolutt eller relativ sensor P1P1 P2P2 P1P1 P0P0.
Første ordens system Fysikk Matematikk Blokkdiagram Stoff fra: Fraden 2.16, Kompendiet.
Regresjonsanalyse Del 2
Sensor krav og motivasjon
Forelesning 7 HSTAT1101 Ola Haug Norsk Regnesentral
Presentasjon av data: deskriptiv statistikk
INF 295 Algoritmer og datastrukturer Forelesning 22 Teknikker for algoritmeutvikling Hans Fr. Nordhaug/ Ola Bø.
Regresjon Gjennom punktsvermer (scatter plots) kan en ofte (men ikke alltid) med rimelighet trekke en rett linje. En slik linje heter en regresjonslinje.
Siste forelesning er i morgen!
Regresjon Petter Mostad
Geografiske informasjonssystem - en definisjon Et geografisk informasjonssystem (GIS) kan defineres som et system basert på datateknologi, for innsamling,
Ko-varians - korrelasjon Mellom (støy) kilder Mellom utganger I tid.
 Vi ønsker å tilpasse en rett linje gjennom dataskyen  Denne linjen skal ha den beste tilpasningen (minst feil) til data.
Operasjonsanalytiske emner
Funksjoner og didaktikk
M1 årskurs HVE 7. september 2009
Stian Grønning Master i samfunnsøkonomi Daglig leder i Recogni.
Operasjonsanalytiske emner
Funksjoner med digitale hjelpemidler- GeoGebra Høyskolen i Oslo og Akershus Mandag Trine Foyn.
INF23101 / 26 ● Kjapp repetisjon av gråtonetransformasjon ● Histogramtransformasjoner − Histogramutjevning − Histogramtilpasning/histogramspesifikasjon.
Funksjoner med digitale hjelpemidler- GeoGebra Høyskolen i Oslo og Akershus Mandag Trine Foyn.
PROGRAMFAG MATEMATIKK Verdt å merke seg: Dersom du på Vg2 velger matematikk R1 eller S1: faller fellesfaget i matematikk (3 t) bort og du må ta enten:
MAT0100V Sannsynlighetsregning og kombinatorikk
Funksjoner Kapittel 2.
Funksjonar i dagleglivet
Regresjonsforutsetninger i STATA
Kapittel 14: Multippel regresjon
SIV : Repetisjon Kapittel /12/2018 Fred Wenstøp.
SIV : Ett gjennomsnitt Kapittel /12/2018 Fred Wenstøp.
SIV : Kategoriske variabler og normaltilnærmelsen
Kapittel 15: Valg av metode Kapittel 16: Stokastiske variabler
MET 8006 Statistikk Kapittel 13: Regresjon.
MET 8006 Statistikk Kapittel 13: Regresjon.
SIV : Regresjon Kapittel 13 17/01/2019 Fred Wenstøp.
MET 2211 Statistikk og dataanalyse
MET 2211 Statistikk og dataanalyse
MET 2211 Statistikk og dataanalyse
I dag Konfidensintervall og hypotesetesting – ukjent standardavvik (kap. 7.1) t-fordelingen.
Utskrift av presentasjonen:

Kurvetilpasning - filtere Stoff fra kompendiet og labøvelse 1

Kalibrering av ishockeykølle

Gjentatte målinger Måler y N ganger: Middelverdi: Standard avvik:

Fremstilling av målinger for varierende input μ σ

Minste kvadraters metode Definerer avvik mellom modell og måling som Minimerer avviket med hensyn på parametrene i modellen (a1…..an) Lineær tilpasning hvis y er lineært avhengig av a

Lineær regresjon med rett linje Y = A + B * X Weight given by Data1_C error bars. Parameter Value Error ---------------------------------------------------- A 1,07745 0,15231 B 1,97871 0,04815 R SD N ----------------------------------------------------- 0,99925 0,79517 6

Lineær regresjon med førse og andre orden polynom Forventet chi-kvadrat: Antall målepunkter minus antall frihetsgrader

Ikke normalfordelte avvik

Minste kvadraters metode Tar utganspunkt i å minimere chi-kvadrat Dersom modellen er lineær kan man utlede formler for koeffisientene Dersom modellen er ulineær må man bruke en numerisk algoritme

Ulineær tilpasning og feil

Konvulusjons filtere u y

Glatting - adjacent average

Savitzky-Golay {-3, 12, 17, 12, -3} / 35 {1, 1, 1, 1, 1} / 5 Beste tilpasning til et polynom rundt punktet man ser på

Rekursive filtere Analogt lavpassfilter Digital beskrivelse: Sampling intervall RC