Mål for timene Forstå hvordan vi ved hjelp av et variogram kan uttrykke den romlige variasjonen til en tilfeldig variabel.

Slides:



Advertisements
Liknende presentasjoner
Senterpartiet Vi tar hele Norge i bruk.
Advertisements

Mean-Variance Analysis continued
Corporate Finance Kap 11 Portfolio theory.
Kap 12 Korrelasjon / Regresjon
STATISTISK GENERALISERING
Kap 09 Kontinuerlige fordelingsfunksjoner
Kurs i praktisk bruk av Bayesianske metoder.
Gjenfinningssystemer og verktøy II
Valuing Stock Options:The Black-Scholes-Merton Model
GIS for mineralutvinning
GIS for mineralutvinning
GIS - De neste timer Innledning Statistikk Prøvetaking
Mål for timene Forstå hvordan vi ved hjelp av et variogram kan uttrykke den romlige variasjonen til en tilfeldig variabel. Volum – varians Simpel kriging.
Uni-, bi- og multivariate analyser
Bjørn Grung Kjemisk institutt Universitetet i Bergen
Lokalisering av avfallsanlegg - størst minsteavstand.
Simpel regresjon Plott av variablene Y mot X
Analyse og tolkning av datamaterialet
Kap 06 Diskrete stokastiske variable
SAMMENHENGER MELLOM VARIABLER
Perturbation Theory for the Singular Value Decomposition.
Maiken Pedersen, Farid Ould-Saada, Eirik Gramstad Universitetet i Oslo.
Kvantefysikk Schrødinger-ligningen Tids-uavhengig Hydrogenatomet
Korrelasjon Frode Svartdal UiTø 2014.
Statistiske egenskaper ved målesystemer
Kvalitative og kvantitative metoder
Diskrete stokastiske variable
Eksperimentelle design Ikke-eksperimentelle design
Forelesning 6 HSTAT1101 Ola Haug Norsk Regnesentral
Forelesning 7 HSTAT1101 Ola Haug Norsk Regnesentral
Presentasjon av data: deskriptiv statistikk
Bayesiansk statistikk Petter Mostad Overblikk Tilbakeblikk på sannsynlighetsbegrepet Hvordan gjøre Bayesianske analyser Analyser ved hjelp.
Hypotesetesting, og kontinuerlige stokastiske variable
Usikkerheter og sannsynligheter Petter Mostad
Forelesning 4 HSTAT1101 Ola Haug Norsk Regnesentral
Regresjon Petter Mostad
Ko-varians - korrelasjon Mellom (støy) kilder Mellom utganger I tid.
Forelesning 5 HSTAT1101 Ola Haug Norsk Regnesentral
Lokalisering og max minimumavstand. LOG530 Distribusjonsplanlegging 2 2 Anta at nettverket angir en region hvor McBurger skal opprettes 3 konkurrerende.
Operasjonsanalytiske emner
Operasjonsanalytiske emner Prognosemodeller basert på Tidsserieanalyse Rasmus RasmussenBØK710 OPERASJONSANALYTISKE EMNER1 Del 23Forecasting 1 - Mønster.
A 4 / 5 / 6 B 8 / 10 / 13 C 9 / 12 / 16 D 7 / 8 / 9 E 5 / 6 / 8 Når vi skal beregne et PERT-nettverk tar vi utgangspunkt i forventet varighet for alle.
Økonometri Uke 6 The regression model OLS Regression Ulf H. Olsson Professor of Statistics.
Stian Grønning Master i samfunnsøkonomi Daglig leder i Recogni.
Operasjonsanalytiske emner
INF23101 / 26 ● Kjapp repetisjon av gråtonetransformasjon ● Histogramtransformasjoner − Histogramutjevning − Histogramtilpasning/histogramspesifikasjon.
Kapittel 6 Følsomhet. Læringsmål Etter å ha jobbet med lærebok og hjemmeside til kapittel 6 skal du kunne: 1.Beregne nullpunkt og kritisk verdi 2.lage.
Samfunnsvitenskapelig metode – innføring Forelesning 4/
Statistikk Forkurs Hva er statistikk? undersøke registrere lage oversikt→ Presentasjon av informasjon formidle Arbeidet med statistikk kan vi dele.
Våre 4 bruksområder for bokstavene: Identiteter: To algebraiske uttrykk kan være like; dvs at de får samme verdi hvis vi setter inn en verdi for bokstavene.
Are Raklev Teoretisk fysikk, rom FØ456, Forelesning 9.
Kvalitative og kvantitative metoder
MAT0100V Sannsynlighetsregning og kombinatorikk
Repetisjon av sannsynlighetsregning
Samfunnsvitenskapelig metode – innføring
Forskningsdesign: eksperiment
MAT0100V Sannsynlighetsregning og kombinatorikk
MET 2211 Statistikk og dataanalyse
Kapittel 12: Finansiell risiko
Dagens tekst Adm Underveisevaluering – frist
Irregulær sjø & havmiljøstatistikk Pensum litteratur
MET 2211 Statistikk og dataanalyse
Kapittel 15: Valg av metode Kapittel 16: Stokastiske variabler
forventning og varians
SIV : Metodevalg Stokastiske variabler
SIV : Regresjon Kapittel 13 17/01/2019 Fred Wenstøp.
SIV : Kapittel 9 Normalfordelingen 17/01/2019 Fred Wenstøp.
Kapittel 12: Korrelasjon
Utvalgsfordelinger (Kapittel 5)
I dag Konfidensintervall og hypotesetesting – ukjent standardavvik (kap. 7.1) t-fordelingen.
Utskrift av presentasjonen:

Mål for timene Forstå hvordan vi ved hjelp av et variogram kan uttrykke den romlige variasjonen til en tilfeldig variabel.

Grunnleggende antagelser for å anta hvordan prøver i kjente punkt benyttes til å si noe om egenskapene i ukjente punkt. En kan velge: Uavhengighet av punktenes beliggenhet. At det nærmeste prøvepunktet skal gi egenskapene til det ukjente. Å benytte en funksjon av avstanden fra det kjente punktet til det ukjente Å kombinerer informasjon i prøvepunktene med annen informasjon fra området.

Interpolering mellom borehull A B C ? Mineralisering

Tilfeldig variabel En tilfeldig variabel er en variabel kan ta en verdi i henhold til en sannsynlighetsfordeling. Z(x) z(xi)

Tilfeldig variabel

Regionaliserte variable En regionalisert variabel har ofte et strukturert og et tilfeldig aspekt Dyp Vertikal variasjon i nikkelgehalt

Regionaliserte variable Pris Det endimensjonale rom time z x y Det todimensjonale rom x z Det tredimensjonale rom y

Kovarians 1 5 Z ( x + h ) z1 m1 m2 r z2

Kovarians

Kovarians - Standardisering Sentrerer ved å trekke fra middelverdien Normaliserer avstanden til massesenteret ved å dividere på standardavviket Den standardiserte variablen har varians lik 1

Korrelasjonskoeffisient Korelasjonskoeffisienten er kovariansen til to standardiserte variable r = korrelasjonskoeffisienten ij Korrelasjonskoeffisienten kan beregnes direkte fra de to variable

Sannsynlighetstetthet Metodene for å beregne sannsynlighet krever kjennskap til sannsynlighetstettheten. Hvordan får vi denne kunnskapen ? m s f(x) f(x) Histogram x x

Stasjonæitet Invariant overfor translasjoner E[Z(x)]=m i hele forekomsten Cov[Z(x), Z(x+h)] eksisterer for alle par Z(x), Z(x+h) i hele forekomsten

Stasjonæritet Svakt stasjonær (Annen ordens stasjonær) Intrinsisk Bar de to første momentene (middel, varians) Intrinsisk Middelverdi og varians til inkrementer eksisterer og er uavhengige av x Kvasistasjonær Stasjonær innen begrensede områder

Variogrammet Vi ser på differansen mellom verdier, ikke på verdiene i seg Definisjon

Variogram Variogrammet kan uttrykkes ved hjelp av variansen og covariansen eller ved variansen og korrelasjonskoeffisienten T

Variogram modeller Nugget effekt Sfærisk Eksponensiell The linear model

Det eksperimentelle variogram På den samme måten som histogrammet gir fordelingsfunksjonen, gir det eksperimentelle variogrammet variogramfunksjonen

Eksperimentelle variogram 2D 35 35 33 33 34 31 35 37 41 41 35 35 35 35 33 41 37 35 37 35 37 37 39 39 41 37 40 42 34 36 41 34 41 33 35 42 33 39 31 30

Antall par, h er 1 lengde

Variogram når undersøkelsesmønsteret ikke er regulært h Åpningsvinkel Søke retning

Tilpasning av en sfærisk modell til et eksperimentelt variogram 2/3 1/3 a C C0