ΑΝΑΛΥΣΗ ΜΗ - ΣΤΑΣΙΜΩΝ ΑΚΡΑΙΩΝ ΚΥΜΑΤΩΝ ANALYSIS OF NON-STATIONARY EXTREME WAVES
|
|
- Άριστόδημος Ζάχος
- 8 χρόνια πριν
- Προβολές:
Transcript
1 9 ο Πανελλήνιο Συμπόσιο Ωκεανογραφίας & Αλιείας Πρακτικά, Τόμος Ι ΑΝΑΛΥΣΗ ΜΗ - ΣΤΑΣΙΜΩΝ ΑΚΡΑΙΩΝ ΚΥΜΑΤΩΝ Γαλιατσάτου Π., Πρίνος Π. 1 Τμήμα Πολιτικών Μηχανικών, Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκη, Εργαστήριο Υδραυλικής, pgaliats@civil.auth.gr, prinosp@civil.auth.gr Περίληψη Στo παρόν άρθρο επιχειρείται η ανάλυση με χρήση της τεχνικής των κυματιδίων μιας χρονοσειράς σημαντικού ύψους κύματος, στην περιοχή του Β. Αιγαίου. Το φάσμα ισχύος του κυματιδίου και το καθολικό κυματιδιακό φάσμα, χρησιμοποιούνται για την ανίχνευση των κύριων μη-στασιμοτήτων σήματος. Μια περιοδικότητα της τάξης του ενός έτους, που οφείλεται πιθανότατα στην εποχικότητα του σήματος, είναι εμφανής από την ανάλυση και παρουσιάζεται ως στατιστικά σημαντική. Αντίθετα, από την ανάλυση με τη βοήθεια των κυματιδίων, δεν παρουσιάζονται σοβαρές ενδείξεις ύπαρξης τάσεων στα δεδομένα. Τα κύρια αποτελέσματα της ανάλυσης χρησιμοποιούνται στη συνέχεια για την επαγωγή σε ακραία επίπεδα τιμών του σημαντικού ύψους κύματος, με χρήση ενός μοντέλου ακραίων τιμών, μιας ανέλιξης Poisson. Η εποχικότητα και διάφοροι παραμετρικοί τύποι τάσεων, ενσωματώνονται στο παραπάνω μοντέλο και τα αποτελέσματα που προκύπτουν συγκρίνονται με τα αντίστοιχα ενός στάσιμου μοντέλου. Λέξεις κλειδιά: κυματίδια, εποχικότητα, τάσεις, ανέλιξη Poisson, επίπεδα επαναφοράς. ANALYSIS OF NON-STATIONARY EXTREME WAVES Galiatsatou P., Prinos P. 1 Department of Civil Engineering, Aristotle Uninersity of THessaloniki, Hydraulics Laboratory, pgaliats@civil.auth.gr,, prinosp@civil.auth.gr Abstract In the present paper an analysis of a time series of significant wave heights in the area of the N. Aegean Sea is performed, using the wavelet techniques. The wavelet power spectrum and the global wavelet spectrum are used to detect the main nonstationarities of the signal. Α one-year periodicity, probably due to seasonality of the signal, is evident from the analysis and it is proven to be statistically significant. On the contrary, from the wavelet analysis, there is no clear evidence of trends in the data. The main results of the analysis are utilized to perform extrapolation to extreme levels of significant wave height, using an extreme value model, a Poisson process. Seasonality and different forms of parametric trends are incorporated in the model and the concluding results are compared to those from a stationary model. Keywords: wavelets, seasonality, trends, Poisson process, return levels. 1. Εισαγωγή Είναι γνωστό ότι τα περισσότερα φυσικά σήματα χαρακτηρίζονται από φαινόμενα μηστασιμότητας (non-stationarity). Στην πλειονότητα των ωκεανογραφικών σημάτων εντοπίζονται τέτοια φαινόμενα. Οι μη-στάσιμες διαδικασίες έχουν χαρακτηριστικά που μεταβάλλονται συστηματικά στο χρόνο, πιθανότατα εξαιτίας κλιματικών διαφορών ανά τους μήνες (seasonality), ή υπό τη μορφή τάσεων ή ίσως εξαιτίας των κλιματικών μεταβολών μεγάλης κλίμακας (trends). Τα ωκεανογραφικά σήματα (π.χ. ύψος κύματος, μετεωρολογική παλίρροια κτλ) είναι σήματα στον τομέα του χρόνου. Ωστόσο, σε πολλές περιπτώσεις οι πιο διακεκριμένες πληροφορίες «κρύβονται» στο φάσμα των συχνοτήτων, το οποίο παρέχει την ενέργεια που σχετίζεται με κάθε δεδομένη συχνότητα. Ο μετασχηματισμός με τη χρήση της τεχνικής των κυματιδίων (wavelets) (Torrence & Compo, 1998) είναι μια μέθοδος ανάλυσης μη-στάσιμων (non-stationary) φαινομένων πολλαπλής κλίμακας που επιτρέπει την «εστίαση» τόσο στον τομέα του χρόνου όσο και σ αυτόν των συχνοτήτων. Το γεγονός ότι στα έργα του πολιτικού μηχανικού πρέπει να υπολογίζονται οι ακραίες συνθήκες απαιτεί ιδιαίτερη προσοχή στις ακραίες τιμές των διαφόρων μεγεθών. Οι μέθοδοι ακραίων τιμών -529-
2 9 th Symposium on Oceanography & Fisheries, Proceedings, Volume Ι χρησιμοποιούνται συνήθως με στόχο την επαγωγή (extrapolation) σε πιο ακραία επίπεδα μιας μεταβλητής, σε σχέση με αυτά που έχουν παρατηρηθεί. Η σημειακή ανέλιξη Poisson (Smith, 1989) είναι ένα προσφιλές μοντέλο ακραίων τιμών, που ενοποιεί σε ένα γενικότερο πλαίσιο τα μοντέλα των μέγιστων τιμών των «μπλοκ» και την οριακή κατανομή GPd (Generalized Pareto distribution). Στην παρούσα εργασία επιχειρείται η ανάλυση με χρήση της τεχνικής των κυματιδίων δεδομένων σημαντικού ύψους κύματος, στην περιοχή του Β. Αιγαίου. Τα κύρια αποτελέσματα της ανάλυσης χρησιμοποιούνται στη συνέχεια για την επαγωγή σε ακραία επίπεδα τιμών του σημαντικού ύψους κύματος, με χρήση ενός μοντέλου ακραίων τιμών, μιας ανέλιξης Poisson. 2. Μεθοδολογία Τα διαθέσιμα δεδομένα για την παρούσα εργασία είναι τρίωρες προβλέψεις σημαντικού ύψους κύματος του μοντέλου WAM για μια χρονική περίοδο δέκα ετών ( ) για ένα σύνολο σταθμών στην περιοχή του Β. Αιγαίου. Η προτεινόμενη μεθοδολογία θα εφαρμοστεί σε σταθμό στην περιοχή του λιμένα Αλεξανδρούπολης (40.65 o N, 25.6 o E), που βρίσκεται σε βάθος νερού 50m. Ο σταθμός βρίσκεται μεταξύ της ηπειρωτικής Ελλάδας και του νησιού της Σαμοθράκης. Ο μετασχηματισμός ενός σήματος με τη βοήθεια των κυματιδίων το αναλύει στα λεγόμενα κυματίδια (wavelets) ψ, που προέρχονται από μια αρχική συνάρτηση, το «μητρικό κυματίδιο» (mother wavelet) ψ 0, με μεταβολή της διάρκειάς του και μετατόπισή του ως προς το χρόνο. Ένα από τα πιο διαδεδομένα μη ορθογώνια «μητρικά κυματίδια» είναι το κυματίδιο Morlet. Αυτό, χρησιμοποιείται και στην παρούσα ανάλυση. Το φάσμα ισχύος του κυματιδίου (wavelet power spectrum) ορίζεται 2 ως το τετράγωνο της απόλυτης τιμής του κυματιδιακού μετασχηματισμού Wn (s) και παρέχει ένα μέτρο της διακύμανσης του σήματος σε κάθε κλίμακα (περίοδο) και κάθε χρονική στιγμή. Στην 2 2 Εικόνα 1, παρουσιάζεται το κανονικοποιημένο φάσμα ισχύος του κυματιδίου W n ( s) / σ για τις μέγιστες τιμές του σημαντικού ύψους κύματος ανά διαστήματα 48 ωρών στο θεωρούμενο σταθμό του Θρακικού Πελάγους. Η επιλογή του διαστήματος των 48 ωρών έγινε με βάση τη διερεύνηση της σειριακής αυτοσυσχέτισης (τιμές μικρότερες του 0.5) και της συσχέτισης πρώτου βαθμού των δεδομένων (Zachary et al., 1998), έτσι ώστε να εξασφαλιστεί κατά έναν μάλλον απλό τρόπο η ανεξαρτησία των ακραίων παρατηρήσεων που αποτελεί προϋπόθεση της εφαρμογής της Θεωρίας Ακραίων Τιμών (EVT). Σημειώνεται ότι σε προηγούμενες μελέτες υψών κύματος στην ανοιχτή θάλασσα έχουν χρησιμοποιηθεί παρόμοια διαστήματα εικοσιτεσσάρων έως εξήντα ωρών. Τα σχετικά σχήματα παραλείπονται χάριν συντομίας. Εικ. 1: Κανονικοποιημένο κυματιδιακό φάσμα ισχύος για τις μέγιστες τιμές σημαντικού ύψους κύματος ανά διαστήματα 48 ωρών με χρήση του κυματιδίου Morlet
3 9 ο Πανελλήνιο Συμπόσιο Ωκεανογραφίας & Αλιείας Πρακτικά, Τόμος Ι Στην Εικόνα 1, διακρίνεται μια συνεχής κοίλη γραμμή, ο κώνος επιρροής (Cone of Influence). Οι αιχμές στην περιοχή αυτή έχουν μειωθεί σημαντικά εξαιτίας της συμπλήρωσης της χρονοσειράς στα άκρα με μηδενικά. Προκειμένου να πραγματοποιηθούν έλεγχοι για μη-στάσιμες μεταβολές στη διακύμανση των τιμών του σημαντικού ύψους κύματος, επιλέγεται το καθολικό κυματιδιακό φάσμα (global wavelet spectrum). Για να ελεγχθεί η στατιστική σημαντικότητα των αιχμών του κυματιδιακού φάσματος, δηλαδή για να αξιολογηθεί εάν πρόκειται για πραγματικά χαρακτηριστικά με ένα συγκεκριμένο επίπεδο εμπιστοσύνης, ορίζεται ένα θεωρητικό φάσμα κόκκινου θορύβου και συγκρίνεται με το καθολικό κυματιδιακό φάσμα που προέκυψε παραπάνω. Το φάσμα αυτό περιγράφεται από ένα μονομεταβλητό μοντέλο AR με συντελεστή αυτοσυσχέτισης a=0.50, που προκύπτει από τα ίδια τα δεδομένα. Εικ. 2: Το καθολικό κυματιδιακό φάσμα για τις μέγιστες τιμές σημαντικού ύψους κύματος ανά διαστήματα 48 ωρών και το 95% επίπεδο εμπιστοσύνης για αυτό με α=0.50. Από τις Εικόνες 1 και 2 είναι εμφανής μια μεταβολή της τάξης του ενός έτους σε όλο το μήκος της χρονοσειράς. Στην περιοχή αυτή το κανονικοποιημένο κυματιδιακό φάσμα παίρνει μέγιστες τιμές (Εικ. 1). Η μεταβολή αυτή παρουσιάζεται ως στατιστικά σημαντική σε επίπεδο σημαντικότητας 5%. Η παρατήρηση αυτή μπορεί να επεξηγηθεί από το γεγονός ότι στο πλαίσιο των περιβαλλοντικών διαδικασιών, τα φαινόμενα μη-στασιμότητας είναι έκδηλα κυρίως λόγω των εποχικών μεταβολών και λόγω των διαφορετικών κλιματικών συνθηκών στους διάφορους μήνες του έτους. Στις Εικόνες 1 και 2 δεν υπάρχουν σοβαρές ενδείξεις ύπαρξης μεταβολών μεγάλης κλίμακας (trends) στα δεδομένα (δεν παρουσιάζονται μεγάλες τιμές του κανονικοποιημένου κυματιδιακού φάσματος ή του καθολικού κυματιδιακού φάσματος σε μεγάλες περιόδους). Τα αποτελέσματα της παραπάνω ανάλυσης χρησιμοποιούνται για τη στελέχωση ενός μοντέλου ακραίων τιμών, μιας σημειακής ανέλιξης Poisson. Η επιλογή του ορίου u της ανέλιξης είναι ένα ζήτημα εξισορρόπησης μεταξύ της μεροληψίας και της διακύμανσης. Στη συγκεκριμένη εφαρμογή χρησιμοποιείται το όριο u=1.5m, ως μια τιμή αρκετά αποδεκτή για την περιοχή του Β. Αιγαίου που επιτρέπει ποσοστό υπερβάσεων 5% του συνόλου των σαρανταοχτάωρων παρατηρήσεων. Η τιμή αυτή θεωρείται ότι ικανοποιεί και τα κριτήρια επιλογής ορίου από το διάγραμμα της μέσης τιμής των υπερβάσεων, αλλά και από τα διαγράμματα μεταβολής των παραμέτρων του μοντέλου με το όριο. Για την ενσωμάτωση της εποχικότητας στο μοντέλο ακραίων τιμών, οι παράμετροι θέσεως, μ, και κλίμακας, σ, του μοντέλου θεωρούνται συνημιτονοειδείς συναρτήσεις του χρόνου με περίοδο ενός έτους. Για την προσομοίωση των τάσεων στα δεδομένα, οι παράμετροι θέσεως και κλίμακας, του μοντέλου μεταβάλλονται γραμμικά με το χρόνο (μ=μ 0 + μ 1 t και σ=σ 0 + σ 1 t), θεωρούνται συνδεδεμένες μεταξύ τους μέσω μιας σταθερής παραμέτρου ή εκφράζονται συναρτήσει του αριθμού, λ, και της έντασης, φ, των ακραίων γεγονότων. Όλες οι παράμετροι του μοντέλου υπολογίζονται με τη μέθοδο της Μέγιστης Πιθανοφάνειας (MLΕ). Τα αποτελέσματα της ανάλυσης των ακραίων τιμών σε όρους επιπέδου επαναφοράς 50 και 100 ετών με θεώρηση φαινομένων μη-στασιμότητας, συγκρίνονται με τα αντίστοιχα ενός στάσιμου μοντέλου
4 9 th Symposium on Oceanography & Fisheries, Proceedings, Volume Ι 3. Αποτελέσματα Στον Πίνακα 1, παρουσιάζονται τα επίπεδα επαναφοράς του σημαντικού ύψους κύματος για περιόδους επαναφοράς 50 και 100 ετών για την απλή περίπτωση ενός στάσιμου μοντέλου, όπως και για τις περιπτώσεις που γίνεται προσπάθεια ενσωμάτωσης της εποχικότητας στο μοντέλο ακραίων τιμών με χρήση συνημιτονοειδών συναρτήσεων για: α) την παράμετρο θέσεως, μ, του μοντέλου και β) τις παραμέτρους θέσεως, μ, και κλίμακας, σ, του μοντέλου. Για την παράμετρο θέσεως του μοντέλου χρησιμοποιούνται δύο μοντέλα: 1) μ= μ 0 cos(2πt) και 2) μ= μ 0 cos(2πt-μ 2 ) ενώ για την παράμετρο κλίμακας χρησιμοποιείται μόνο το σύνθετο μοντέλο: σ= σ 0 cos(2πt-σ 2 ). Τα επίπεδα επαναφοράς που προκύπτουν με ενσωμάτωση της ετήσιας περιοδικότητας στο μοντέλο ακραίων τιμών είναι μικρότερα από τα αντίστοιχα του στάσιμου μοντέλου. Στο πιο πλήρες από τα τρία μη-στάσιμα μοντέλα (μ= μ 0 cos(2πt-μ 2 ) και σ= σ 0 cos(2πt-σ 2 )), το οποίο παρουσιάζει και τις μεγαλύτερες αποκλίσεις από το στάσιμο μοντέλο, οι μέσες τιμές του επιπέδου επαναφοράς των 50 και 100 ετών είναι μικρότερες από αυτές του στάσιμου μοντέλο κατά 5.8% και 5.6%, αντίστοιχα. Πίνακας 1: Επίπεδα επαναφοράς για το σημαντικό ύψος κύματος με ενσωμάτωση της εποχικότητας στο μοντέλο ακραίων τιμών. Μοντέλα για τις παραμέτρους προκειμένου να ενσωματώσουν την εποχικότητα Επίπεδο Επαναφοράς (m) 50 έτη 100 έτη Στάσιμη Σημειακή Ανέλιξη Poisson μ=μ 0 *cos(2πt) μ=μ 0 *cos(2πt-μ 2 ) μ=μ 0 *cos(2πt-μ 2 ) και σ=exp(σ 0 *cos(2πt-σ 2 )) Για την προσομοίωση των τάσεων (trends) στα δεδομένα χρησιμοποιούνται τα ακόλουθα παραμετρικά μοντέλα: (α) γραμμική μεταβολή της παραμέτρου θέσεως, μ, με το χρόνο (μ= μ 0 t), (β) γραμμική μεταβολή των παραμέτρων θέσεως, μ, και κλίμακας, σ, με το χρόνο (μ= μ 0 t και σ= σ 0 t) (γ) θεώρηση των παραμέτρων θέσεως, μ, και κλίμακας, σ, ως συνδεδεμένων μέσω μιας σταθερής παραμέτρου και (δ) έκφραση του μοντέλου συναρτήσει του αριθμού, λ, και της έντασης, φ, των ακραίων γεγονότων (λ= λ 0 +λ 1 t και φ= φ 0 +φ 1 t) (Butler, 2005). Στην Εικόνα 3, παρουσιάζονται οι τιμές του επιπέδου επαναφοράς της εκατονταετίας για το σημαντικό ύψος κύματος, που προέκυψαν με θεώρηση των παραπάνω μοντέλων για τις τάσεις, καθώς και η τιμή του μεγέθους για το στάσιμο μοντέλο. Για την πεντηκονταετία, τα αποτελέσματα παρουσιάζουν παρόμοια μορφή και δεν παρατίθενται εδώ χάριν συντομίας. Από την Εικόνα 3, παρατηρείται μια ταύτιση των μοντέλων (β) και (δ), που θεωρούν γραμμικές μεταβολές των παραμέτρων μ και σ και λ και φ, αντίστοιχα, καθώς και του μοντέλου που θεωρεί γραμμική μεταβολή της παραμέτρου θέσεως, μ {μοντέλο (α)}, και του στάσιμου μοντέλου. Οι εκτιμήσεις του επιπέδου επαναφοράς του μοντέλου (γ), που θεωρεί τις παραμέτρους μ και σ συνδεδεμένες, βρίσκονται μεταξύ των άλλων τεσσάρων. Παρόλο που τα μοντέλα (β) και (δ) εμφανίζουν μια αυξητική τάση στα επίπεδα επαναφοράς από την αρχή ως το τέλος τη δεκαετίας, που μεταφράζονται σε μια αυξητική τάση στον αριθμό και την ένταση των ακραίων κυματικών γεγονότων σύμφωνα με το μοντέλο (δ), από την εξέταση του μεγέθους της στατιστικής απόκλισης, οι μεταβολές αυτές δε φαίνεται να είναι στατιστικά σημαντικές
5 9 ο Πανελλήνιο Συμπόσιο Ωκεανογραφίας & Αλιείας Πρακτικά, Τόμος Ι Εικ. 3: Επίπεδα επαναφοράς της εκατονταετίας για διάφορες μορφές τάσεων στα δεδομένα. 4. Συμπεράσματα - Συζήτηση Στην παρούσα εργασία επιχειρείται η ανάλυση με χρήση της τεχνικής των κυματιδίων μιας σειράς μέγιστων τιμών σημαντικού ύψους κύματος σε διαστήματα 48 ωρών στην περιοχή του Β. Αιγαίου. Τα κύρια αποτελέσματα της ανάλυσης και ένα μοντέλο ακραίων τιμών, μια ανέλιξη Poisson χρησιμοποιούνται για την εξαγωγή των επιπέδων σημαντικού ύψους κύματος που αντιστοιχούν σε μεγάλες περιόδους επαναφοράς. Από την ανάλυση με τη βοήθεια της τεχνικής των κυματιδίων, είναι εμφανής μια μεταβολή της τάξης του ενός έτους σε όλο το μήκος της χρονοσειράς. Στην περιοχή αυτή το κανονικοποιημένο κυματιδιακό φάσμα παίρνει μέγιστες τιμές. Η μεταβολή αυτή παρουσιάζεται ως στατιστικά σημαντική σε επίπεδο σημαντικότητας 5%. Τα επίπεδα επαναφοράς που προκύπτουν με ενσωμάτωση της ετήσιας περιοδικότητας στο μοντέλο ακραίων τιμών είναι μικρότερα από τα αντίστοιχα του στάσιμου μοντέλου. Στο μοντέλο που θεωρεί μ= μ 0 cos(2πt-μ 2 ) και σ= σ 0 cos(2πt-σ 2 )), οι μέσες τιμές του επιπέδου επαναφοράς των 50 και 100 ετών είναι μικρότερες από αυτές του στάσιμου κατά 5.8% και 5.6%, αντίστοιχα. Παρόλο που τα μοντέλα που θεωρούν μ= μ 0 t και σ= σ 0 t, καθώς και λ= λ 0 +λ 1 t και φ= φ 0 +φ 1 t, εμφανίζουν μια αυξητική τάση στα επίπεδα επαναφοράς, που μεταφράζονται σε μια αυξητική τάση στον αριθμό και την ένταση των ακραίων κυματικών γεγονότων σύμφωνα με το τελευταίο μοντέλο, από την εξέταση του μεγέθους της στατιστικής απόκλισης, οι μεταβολές αυτές δε φαίνεται να είναι στατιστικά σημαντικές. 5. Ευχαριστίες Η εργασία που περιγράφεται σ αυτό το άρθρο υποστηρίχθηκε από το Έκτο Πλαισιακό Πρόγραμμα της Ευρωπαϊκής Κοινότητας, μέσω της παραχώρησης στον προϋπολογισμό του Ολοκληρωμένου Προγράμματος FLOODsite, Συμβόλαιο GOCE-CT Το παρών άρθρο εκφράζει τις θέσεις των συγγραφέων και όχι αυτές της Ευρωπαϊκής Κοινότητας. Τόσο η Ευρωπαϊκή Κοινότητα, όσο και τα μέλη της Συνεργασίας του FLOODsite δεν είναι υπόλογα για οποιαδήποτε χρήση πληροφοριών που περιέχονται στην εργασία. Ο κώδικας που χρησιμοποιήθηκε για την ανάλυση με την τεχνική των κυματιδίων είναι των Torrence, C. και Compo, G. και διατίθεται στην ιστιοσελίδα:
6 9 th Symposium on Oceanography & Fisheries, Proceedings, Volume Ι 6. Βιβλιογραφικές Αναφορές Butler, A., Statistical modelling of synthetic oceanographic extremes. Ph.D. Thesis. Lancaster University, London, UK. Smith, R. L., 1989, Extreme value analysis of environmental time series: an example based on ozone data (with discussion). Statistical Science, 4: Torrence, Ch. & Compo, G. P., 1998, A practical guide to wavelet analysis, Bulletin of the American Meteorological Society, 79 (1): Zachary, S., Feld, G., Ward, G. & Wolfram, J., 1998, Multivariate extrapolation in the offshore environment, Applied Ocean Research, 20:
ΠΕ3 : ΕΚΤΙΜΗΣΗ ΜΕΤΕΩΡΟΛΟΓΙΚΩΝ ΚΑΙ ΘΑΛΑΣΣΙΩΝ ΑΚΡΑΙΩΝ ΤΙΜΩΝ ΣΥΝΕΚΤΙΜΩΝΤΑΣ ΤΗΝ ΚΛΙΜΑΤΙΚΗ ΑΛΛΑΓΗ.
ΠΕ3 : ΕΚΤΙΜΗΣΗ ΜΕΤΕΩΡΟΛΟΓΙΚΩΝ ΚΑΙ ΘΑΛΑΣΣΙΩΝ ΑΚΡΑΙΩΝ ΤΙΜΩΝ ΣΥΝΕΚΤΙΜΩΝΤΑΣ ΤΗΝ ΚΛΙΜΑΤΙΚΗ ΑΛΛΑΓΗ. CCSEWAVS : Επίδραση της κλιματικής αλλαγής στη στάθμη και το κυματικό κλίμα των ελληνικών θαλασσών, στην τρωτότητα
ΑΝΑΛΥΣΗ ΑΚΡΑΙΩΝ ΚΥΜΑΤΩΝ ΜΕ XΡΗΣΗ ΤΗΣ ΤΕΧΝΙΚΗΣ ΤΩΝ ΚΥΜΑΤΙ ΙΩΝ ΠΕΡΙΛΗΨΗ
ΑΝΑΛΥΣΗ ΑΚΡΑΙΩΝ ΚΥΜΑΤΩΝ ΜΕ XΡΗΣΗ ΤΗΣ ΤΕΧΝΙΚΗΣ ΤΩΝ ΚΥΜΑΤΙ ΙΩΝ Π. Γαλιατσάτου, Υποψήφια ιδάκτορας Α.Π.Θ Π. Πρίνος, Καθηγητής Α.Π.Θ Εργαστήριο Υδραυλικής, Τµήµα Πολιτικών Μηχανικών, Αριστοτέλειο Πανεπιστήµιο
ΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ 7. ΚΕΦΑΛΑΙΟ 1: Εισαγωγικές Έννοιες 13
ΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ 7 ΚΕΦΑΛΑΙΟ 1: Εισαγωγικές Έννοιες 13 1.1. Εισαγωγή 13 1.2. Μοντέλο ή Υπόδειγμα 13 1.3. Η Ανάλυση Παλινδρόμησης 16 1.4. Το γραμμικό μοντέλο Παλινδρόμησης 17 1.5. Πρακτική χρησιμότητα
ΑΠΟ ΤΟ ΔΕΙΓΜΑ ΣΤΟΝ ΠΛΗΘΥΣΜΟ
ΑΠΟ ΤΟ ΔΕΙΓΜΑ ΣΤΟΝ ΠΛΗΘΥΣΜΟ Το ενδιαφέρον επικεντρώνεται πάντα στον πληθυσμό Το δείγμα χρησιμεύει για εξαγωγή συμπερασμάτων για τον πληθυσμό π.χ. το ετήσιο εισόδημα των κατοίκων μιας περιοχής Τα στατιστικά
SEGMENTATION ANALYSIS OF LONG TERM SIGNIFICANT WAVE HEIGHT TIME SERIES
9 ο Πανελλήνιο Συμπόσιο Ωκεανογραφίας & Αλιείας 2009 - Πρακτικά, Τόμος Ι ΚΑΤΑΤΜΗΣΗ ΜΑΚΡΟΧΡΟΝΙΩΝ ΧΡΟΝΟΣΕΙΡΩΝ ΣΗΜΑΝΤΙΚΟΥ ΥΨΟΥΣ ΚΥΜΑΤΟΣ Σουκισιάν Τ., Φωτιάδου Χ. Ινστιτούτο Ωκεανογραφίας, Ελληνικό Κέντρο
ΑΝΑΛΥΣΗ ΤΗΣ ΑΠΟΚΛΙΣΗΣ ΑΠΟ ΤΗΝ ΗΜΙΤΟΝΟΕΙΔΗ ΚΑΜΠΥΛΗ ΒΡΟΧΟΠΤΩΣΗΣ ΚΑΙ ΧΡΗΣΗ ΤΗΣ ΩΣ ΔΕΙΚΤΗ ΚΛΙΜΑΤΙΚΗΣ ΑΛΛΑΓΗΣ
ΑΝΑΛΥΣΗ ΤΗΣ ΑΠΟΚΛΙΣΗΣ ΑΠΟ ΤΗΝ ΗΜΙΤΟΝΟΕΙΔΗ ΚΑΜΠΥΛΗ ΒΡΟΧΟΠΤΩΣΗΣ ΚΑΙ ΧΡΗΣΗ ΤΗΣ ΩΣ ΔΕΙΚΤΗ ΚΛΙΜΑΤΙΚΗΣ ΑΛΛΑΓΗΣ Καλύβας Θ., Ζέρβας Ε.¹ ¹ Σχολή Θετικών Επιστημών και Τεχνολογίας, Ελληνικό Ανοικτό Πανεπιστήμιο,
ΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ 3 ΔΕΣΜΕΥΜΕΝΗ ΠΙΘΑΝΟΤΗΤΑ, ΟΛΙΚΗ ΠΙΘΑΝΟΤΗΤΑ ΘΕΩΡΗΜΑ BAYES, ΑΝΕΞΑΡΤΗΣΙΑ ΚΑΙ ΣΥΝΑΦΕΙΣ ΕΝΝΟΙΕΣ 71
ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ ΠΙΘΑΝΟΤΗΤΕΣ 11 ΚΕΦΑΛΑΙΟ 1 ΕΙΣΑΓΩΓΗ 13 ΚΕΦΑΛΑΙΟ 2 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 19 2.1 Αβεβαιότητα, Τυχαία Διαδικασία, και Συναφείς Έννοιες 21 2.1.1 Αβεβαιότητα και Τυχαίο Πείραμα
Κλιματική αλλαγή, δυναμική Hurst- Kolmogorov και αβεβαιότητα
Εθνικό Μετσόβιο Πολυτεχνείο ΔΠΜΣ Επιστήμη και Τεχνολογία Υδατικών Πόρων Για το μάθημα «Διαχείριση Υδατικών Πόρων» Κλιματική αλλαγή, δυναμική Hurst- Kolmogorov και αβεβαιότητα Μαρία Καραναστάση Γεωργία
ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ ΠΙΘΑΝΟΤΗΤΕΣ 13 ΚΕΦΑΛΑΙΟ 1 ΕΙΣΑΓΩΓΗ 15 ΚΕΦΑΛΑΙΟ 2 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 19
ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ ΠΙΘΑΝΟΤΗΤΕΣ 13 ΚΕΦΑΛΑΙΟ 1 ΕΙΣΑΓΩΓΗ 15 ΚΕΦΑΛΑΙΟ 2 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 19 2.1 Αβεβαιότητα, Τυχαία Διαδικασία, και Συναφείς Έννοιες 21 2.1.1 Αβεβαιότητα και Τυχαίο Πείραμα
ΦΑΣΜΑΤΙΚΗ ΑΝΑΛΥΣΗ ΚΑΙ ΕΠΟΧΙΚΗ ΔΙΟΡΘΩΣΗ ΧΡΟΝΟΛΟΓΙΚΩΝ ΣΕΙΡΩΝ
ΦΑΣΜΑΤΙΚΗ ΑΝΑΛΥΣΗ ΚΑΙ ΕΠΟΧΙΚΗ ΔΙΟΡΘΩΣΗ ΧΡΟΝΟΛΟΓΙΚΩΝ ΣΕΙΡΩΝ Υπό Δρος ΔΙΟΝΥΣΙΟΥ Ε. ΚΑΡΑΜΠΑΛΗ Τράπεζα της Ελλάδος 1. ΕΙΣΑΓΩΓΗ Σκοπός της εργασίας αυτής είναι η εξέταση της συμπεριφοράς των χρονολογικών σειρών
ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ: ΠΙΘΑΝΟΤΗΤΕΣ 11 ΚΕΦΑΛΑΙΟ 1 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 13
ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ: ΠΙΘΑΝΟΤΗΤΕΣ 11 ΚΕΦΑΛΑΙΟ 1 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 13 ΚΕΦΑΛΑΙΟ 2 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 20 2.1 Αβεβαιότητα, Τυχαία Διαδικασία, και Συναφείς Έννοιες 20 2.1.1 Αβεβαιότητα
Εισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500
Εισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500 Πληθυσμός Δείγμα Δείγμα Δείγμα Ο ρόλος της Οικονομετρίας Οικονομική Θεωρία Διατύπωση της
ΔΗΜΟΚΡΙΤΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΡΑΚΗΣ Τμήμα Επιστήμης Φυσικής Αγωγής και Αθλητισμού Πρόγραμμα Διδακτορικών Σπουδών ΠΛΗΡΟΦΟΡΙΑΚΟ ΕΝΤΥΠΟ ΜΑΘΗΜΑΤΟΣ
ΔΗΜΟΚΡΙΤΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΡΑΚΗΣ Τμήμα Επιστήμης Φυσικής Αγωγής και Αθλητισμού Πρόγραμμα Διδακτορικών Σπουδών ΠΛΗΡΟΦΟΡΙΑΚΟ ΕΝΤΥΠΟ ΜΑΘΗΜΑΤΟΣ 1. ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ: Προχωρημένη Στατιστική 2. ΠΕΡΙΓΡΑΜΜΑ ΕΙΣΗΓΗΣΕΩΝ
ΜΑΘΗΜΑ 3ο. Βασικές έννοιες
ΜΑΘΗΜΑ 3ο Βασικές έννοιες Εισαγωγή Βασικές έννοιες Ένας από τους βασικότερους σκοπούς της ανάλυσης των χρονικών σειρών είναι η διενέργεια των προβλέψεων. Στα υποδείγματα αυτά η τρέχουσα τιμή μιας οικονομικής
Χρονικές σειρές 6 Ο μάθημα: Αυτοπαλίνδρομα μοντέλα (2)
Χρονικές σειρές 6 Ο μάθημα: Αυτοπαλίνδρομα μοντέλα (2) Εαρινό εξάμηνο 2018-2019 Τμήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα Μεταδιδακτορική Ερευνήτρια Πολυτεχνική σχολή, Α.Π.Θ. & Οικονομικό Τμήμα,
ΠΕΡΙΟΧΙΚΗ ΑΝΑΛΥΣΗ ΣΥΧΝΟΤΗΤΑΣ ΑΚΡΑΙΩΝ ΚΥΜΑΤΩΝ REGIONAL FREQUENCY ANALYSIS OF EXTREME WAVES
ΠΕΡΙΟΧΙΚΗ ΑΝΑΛΥΣΗ ΣΥΧΝΟΤΗΤΑΣ ΑΚΡΑΙΩΝ ΚΥΜΑΤΩΝ Γαλιατσάτου Π., Πρίνος Π. Τμήμα Πολιτικών Μηχανικών Α.Π.Θ., Εργαστήριο Υδραυλικής, Θεσσαλονίκη, 54124, pgaliats@civil.auth.gr, prinosp@civil.auth.gr Περίληψη
Χρονικές σειρές 2 Ο μάθημα: Εισαγωγή στις χρονοσειρές
Χρονικές σειρές 2 Ο μάθημα: Εισαγωγή στις χρονοσειρές Εαρινό εξάμηνο 2018-2019 μήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα Μεταδιδακτορική Ερευνήτρια Πολυτεχνική σχολή, Α.Π.Θ. & Οικονομικό μήμα, Πανεπιστήμιο
ΠΡΟΗΓΜΕΝΑ ΣΥΣΤΗΜΑΤΑ ΜΕΤΑΦΟΡΩΝ
ΠΡΟΗΓΜΕΝΑ ΣΥΣΤΗΜΑΤΑ ΜΕΤΑΦΟΡΩΝ Ενότητα 4: Time and Frequency Analysis Διδάσκων: Γεώργιος Στεφανίδης Πολυτεχνική Σχολή Τμήμα Πολιτικών Μηχανικών Σκοποί ενότητας Για την περιγραφή ενός συστήματος κρίσιμο
1. Ποιες είναι οι διαφορές μεταξύ αυτοπαλίνδρομων υποδειγμάτων (AR) και υποδειγμάτων κινητού μέσου (MA);
Ερωτήσεις: 1. Ποιες είναι οι διαφορές μεταξύ αυτοπαλίνδρομων υποδειγμάτων (AR) και υποδειγμάτων κινητού μέσου (MA); Στα αυτοπαλίνδρομα υποδείγματα η τρέχουσα τιμή της y είναι συνάρτηση p υστερήσεων της
ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ
ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ ΤΕΧΝΙΚΕΣ ΠΡΟΒΛΕΨΕΩΝ& ΕΛΕΓΧΟΥ ΜΑΘΗΜΑ ΘΕΩΡΙΑΣ-ΣΤΑΣΙΜΕΣ ΔΙΑΔΙΚΑΣΙΕΣ-ΥΠΟΔΕΙΓΜΑΤΑ SARIMA (sp,sd,qs) ARIMA (p,d,q) ΕΠΙΧ - Τεχνικές Προβλέψεων & Ελέγχου
ΔΙΕΡΕΥΝΗΣΗ ΚΛΙΜΑΤΙΚΩΝ ΑΛΛΑΓΩΝ ΓΙΑ ΤΟ ΝΗΣΙ ΤΗΣ ΝΑΞΟΥ
ΔΙΕΡΕΥΝΗΣΗ ΚΛΙΜΑΤΙΚΩΝ ΑΛΛΑΓΩΝ ΓΙΑ ΤΟ ΝΗΣΙ ΤΗΣ ΝΑΞΟΥ ΜΑΜΜΑΣ ΚΩΝ/ΝΟΣ ΑΜ:331/2003032 ΝΟΕΜΒΡΙΟΣ 2010 Ευχαριστίες Σε αυτό το σημείο θα ήθελα να ευχαριστήσω όλους όσους με βοήθησαν να δημιουργήσω την παρούσα
Είδη Μεταβλητών. κλίµακα µέτρησης
ΠΕΡΙΕΧΟΜΕΝΑ Κεφάλαιο 1 Εισαγωγικές Έννοιες 19 1.1 1.2 1.3 1.4 1.5 1.6 1.7 Η Μεταβλητότητα Η Στατιστική Ανάλυση Η Στατιστική και οι Εφαρµοσµένες Επιστήµες Στατιστικός Πληθυσµός και Δείγµα Το στατιστικό
Τεχνολογικό Εκπαιδευτικό Ίδρυμα Δυτικής Μακεδονίας Western Macedonia University of Applied Sciences Κοίλα Κοζάνης Kozani GR 50100
Ποσοτικές Μέθοδοι Τεχνολογικό Εκπαιδευτικό Ίδρυμα Δυτικής Μακεδονίας Western Macedonia University of Applied Sciences Κοίλα Κοζάνης 50100 Kozani GR 50100 Απλή Παλινδρόμηση Η διερεύνηση του τρόπου συμπεριφοράς
Διάλεξη 6. Fourier Ανάλυση Σημάτων. (Επανάληψη Κεφ. 10.0-10.2 Κεφ. 10.3, 10.5-7) Ανάλυση σημάτων. Τι πρέπει να προσέξουμε
University of Cyprus Biomedical Imaging & Applied Optics Διάλεξη (Επανάληψη Κεφ. 10.0-10. Κεφ. 10.3, 10.5-7) Ανάλυση σημάτων Τι πρέπει να προσέξουμε Επαρκής ψηφιοποίηση στο χρόνο (Nyquist) Αναδίπλωση (aliasing)
Η Επίδραση των Events στην Απόδοση των Μετοχών
Χρηματοοικονομικά και Διοίκηση Μεταπτυχιακή διατριβή Η Επίδραση των Events στην Απόδοση των Μετοχών Άντρεα Φωτίου Λεμεσός, Μάιος 2018 ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΔΙΟΙΚΗΣΗΣ
ΠΕ4 : ΕΚΤΙΜΗΣΗ ΤΩΝ ΕΠΙΠΤΩΣΕΩΝ ΤΗΣ ΚΛΙΜΑΤΙΚΗΣ ΑΛΛΑΓΗΣ ΣΤΗΝ ΠΑΡΑΚΤΙΑ ΤΡΩΤΟΤΗΤΑ ΣΕ ΚΑΤΑΚΛΙΣΗ ΚΑΙ ΔΙΑΒΡΩΣΗ
ΠΕ4 : ΕΚΤΙΜΗΣΗ ΤΩΝ ΕΠΙΠΤΩΣΕΩΝ ΤΗΣ ΚΛΙΜΑΤΙΚΗΣ ΑΛΛΑΓΗΣ ΣΤΗΝ ΠΑΡΑΚΤΙΑ ΤΡΩΤΟΤΗΤΑ ΣΕ ΚΑΤΑΚΛΙΣΗ ΚΑΙ ΔΙΑΒΡΩΣΗ : Επίδραση της κλιματικής αλλαγής στη στάθμη και το κυματικό κλίμα των ελληνικών θαλασσών, στην τρωτότητα
Στατιστική είναι το σύνολο των μεθόδων και θεωριών που εφαρμόζονται σε αριθμητικά δεδομένα προκειμένου να ληφθεί κάποια απόφαση σε συνθήκες
Ορισμός Στατιστική είναι το σύνολο των μεθόδων και θεωριών που εφαρμόζονται σε αριθμητικά δεδομένα προκειμένου να ληφθεί κάποια απόφαση σε συνθήκες αβεβαιότητας. Βασικές έννοιες Η μελέτη ενός πληθυσμού
ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ
Π E Ρ IEXOMENA Πρόλογος... xiii ΜΕΡΟΣ ΠΡΩΤΟ ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΚΕΦΑΛΑΙΟ 1 ΕΙΣΑΓΩΓΙΚΕΣ ΕΝΝΟΙΕΣ ΠΑΡΟΥΣΙΑΣΗ ΤΩΝ ΣΤΑΤΙΣΤΙΚΩΝ Ε ΟΜΕΝΩΝ 1.1 Εισαγωγή... 3 1.2 Ορισµός και αντικείµενο της στατιστικής... 3
ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ
ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ ΤΕΧΝΙΚΕΣ ΠΡΟΒΛΕΨΕΩΝ& ΕΛΕΓΧΟΥ ΜΑΘΗΜΑ ΤΡΙΤΟ ΣΥΝΑΡΤΗΣΗ ΑΥΤΟΣΥΣΧΕΤΙΣΗΣ-ΕΛΕΓΧΟΣ ΣΤΑΣΙΜΟΤΗΤΑΣ Δρ. Κουνετάς Η Κωνσταντίνος ΕΠΙΧ Τεχνικές Προβλέψεων & Ελέγχου
ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ ΕΡΓΑΣΤΗΡΙΟ ΤΕΧΝΙΚΩΝ ΠΡΟΒΛΕΨΕΩΝ& ΕΛΕΓΧΟΥ ΜΑΘΗΜΑ ΤΡΙΤΟ-ΑΥΤΟΣΥΣΧΕΤΙΣΗ (AUTOCORRELATION)
ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ ΕΡΓΑΣΤΗΡΙΟ ΤΕΧΝΙΚΩΝ ΠΡΟΒΛΕΨΕΩΝ& ΕΛΕΓΧΟΥ ΜΑΘΗΜΑ ΤΡΙΤΟ-ΑΥΤΟΣΥΣΧΕΤΙΣΗ (AUTOCORRELATION) Μέθοδοςεκθετικήςεξομάλυνσης Μια άλλη τεχνική για δεδομένα με
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΚΗΣ ΕΠΙΣΤΗΜΗΣ ΑΜΕΣΕΣ ΞΕΝΕΣ ΕΠΕΝΔΥΣΕΙΣ ΣΕ ΕΥΡΩΠΑΙΚΕΣ ΧΩΡΕΣ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΚΗΣ ΕΠΙΣΤΗΜΗΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΣΤΗΝ ΟΙΚΟΝΟΜΙΚΗ ΚΑΙ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΣΤΡΑΤΗΓΙΚΗ ΑΜΕΣΕΣ ΞΕΝΕΣ ΕΠΕΝΔΥΣΕΙΣ ΣΕ ΕΥΡΩΠΑΙΚΕΣ ΧΩΡΕΣ Αθανάσιος Νταραβάνογλου Διπλωματική
ΚΕΦΑΛΑΙΟ 6 ΠΡΟΒΛΕΨΕΙΣ ΜΕ ΥΠΟΔΕΙΓΜΑΤΑ ΧΡΟΝΟΣΕΙΡΩΝ
ΚΕΦΑΛΑΙΟ 6 ΠΡΟΒΛΕΨΕΙΣ ΜΕ ΥΠΟΔΕΙΓΜΑΤΑ ΧΡΟΝΟΣΕΙΡΩΝ 6. Εισαγωγή 6. Μονομεταβλητές προβλέψεις Βέλτιστη πρόβλεψη και Θεώρημα βέλτιστης πρόβλεψης Διαστήματα εμπιστοσύνης 6.3 Εφαρμογές A. MILIONIS KEF. 6 08 BEA
Εφαρμοσμένη Στατιστική: Συντελεστής συσχέτισης. Παλινδρόμηση απλή γραμμική, πολλαπλή γραμμική
ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΜΕΡΟΣ B Δημήτρης Κουγιουμτζής e-mal: dkugu@auth.gr Ιστοσελίδα αυτού του τμήματος του μαθήματος: http://uer.auth.gr/~dkugu/teach/cvltraport/dex.html Εφαρμοσμένη Στατιστική:
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 4ο
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΜΑΘΗΜΑ 4ο Διαδικασία των συντελεστών αυτοσυσχέτισης Ονομάζουμε συνάρτηση αυτοσυσχέτισης (autocorrelation function) και συμβολίζεται με τα γράμματα
Συνολοκλήρωση και VAR υποδείγματα
ΜΑΘΗΜΑ ο Συνολοκλήρωση και VAR υποδείγματα Ησχέσησ ένα στατικό υπόδειγμα συνολοκλήρωσης και σ ένα υπόδειγμα διόρθωσης λαθών μπορεί να μελετηθεί καλύτερα όταν χρησιμοποιούμε τις ιδιότητες των αυτοπαλίνδρομων
ΜΑΡΚΟΠΟΥΛΟΣ ΑΠΟΣΤΟΛΟΣ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΥΔΑΤΙΚΩΝ ΠΟΡΩΝ ΚΑΙ ΠΕΡΙΒΑΛΛΟΝΤΟΣ ΙΟΥΛΙΟΣ 2017
ΜΑΡΚΟΠΟΥΛΟΣ ΑΠΟΣΤΟΛΟΣ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΥΔΑΤΙΚΩΝ ΠΟΡΩΝ ΚΑΙ ΠΕΡΙΒΑΛΛΟΝΤΟΣ ΙΟΥΛΙΟΣ 2017 Κίνητρα μελέτης πλημμυρικών παροχών Τεράστιες επιπτώσεις
τρόπος για να εμπεδωθεί η θεωρία. Για την επίλυση των παραδειγμάτων χρησιμοποιούνται στατιστικά πακέτα, ώστε να είναι δυνατή η ανάλυση μεγάλου όγκου
ΠΡΟΛΟΓΟΣ Η γραμμική παλινδρόμηση χρησιμοποιείται για την μελέτη των σχέσεων μεταξύ μετρήσιμων μεταβλητών. Γενικότερα, η γραμμική στατιστική συμπερασματολογία αποτελεί ένα ευρύ πεδίο της στατιστικής ανάλυσης
ΥΔΡΟΛΟΓΙΑ. Ενότητα 4: Όμβριες Καμπύλες. Καθ. Αθανάσιος Λουκάς. Εργαστήριο Υδρολογίας και Ανάλυσης Υδατικών Συστημάτων. Τμήμα Πολιτικών Μηχανικών
Τμήμα Πολιτικών Μηχανικών Πανεπιστήμιο Θεσσαλίας ΥΔΡΟΛΟΓΙΑ Καθ. Αθανάσιος Λουκάς Εργαστήριο Υδρολογίας και Ανάλυσης Υδατικών Συστημάτων Τμήμα Πολιτικών Μηχανικών Πολυτεχνική Σχολή Σχέσεις Έντασης Διάρκειας
ΠΡΟΒΛΕΨΗ ΤΕΣΣΑΡΑΚΟΝΤΑΕΤΙΑΣ ΤΗΣ ΜΕΤΑΒΟΛΗΣ ΤΗΣ ΑΚΤΟΓΡΑΜΜΗΣ ΣΤΗΝ ΕΥΡΥΤΕΡΗ ΠΕΡΙΟΧΗ ΤΟΥ ΛΙΜΕΝΑ ΤΗΣ ΑΛΕΞΑΝΔΡΟΥΠΟΛΗΣ ΜΕ ΤΗ ΧΡΗΣΗ ΤΟΥ ΛΟΓΙΣΜΙΚΟΥ CEDAS
ΠΡΟΒΛΕΨΗ ΤΕΣΣΑΡΑΚΟΝΤΑΕΤΙΑΣ ΤΗΣ ΜΕΤΑΒΟΛΗΣ ΤΗΣ ΑΚΤΟΓΡΑΜΜΗΣ ΣΤΗΝ ΕΥΡΥΤΕΡΗ ΠΕΡΙΟΧΗ ΤΟΥ ΛΙΜΕΝΑ ΤΗΣ ΑΛΕΞΑΝΔΡΟΥΠΟΛΗΣ ΜΕ ΤΗ ΧΡΗΣΗ ΤΟΥ ΛΟΓΙΣΜΙΚΟΥ CEDAS Α. Βαλσαμίδης, Πολιτικός Μηχανικός, M.Sc., Μελετητής Λιμενικών
ΠΡΟΣΦΑΤΕΣ ΠΑΡΑΤΗΡΗΣΕΙΣ ΕΠΙ ΤΩΝ ΦΥΣΙΚΟΧΗΜΙΚΩΝ ΧΑΡΑΚΤΗΡΙΣΤΙΚΩΝ ΤΟΥ ΚΟΡΙΝΘΙΑΚΟΥ ΚΟΛΠΟΥ ( ).
8ο Πανελλήνιο Συμποσιο Ωκεανογραφίας & Αλιείας 767 ΠΡΟΣΦΑΤΕΣ ΠΑΡΑΤΗΡΗΣΕΙΣ ΕΠΙ ΤΩΝ ΦΥΣΙΚΟΧΗΜΙΚΩΝ ΧΑΡΑΚΤΗΡΙΣΤΙΚΩΝ ΤΟΥ ΚΟΡΙΝΘΙΑΚΟΥ ΚΟΛΠΟΥ (2004-2005). Σταύρος Μπαρμπετσέας*, Αλεξάνδρα Παυλίδου & Ρόζα Ψυλλίδου-Γκιουράνοβιτς
Τεχνικές Προβλέψεων Αυτοπαλινδρομικά Μοντέλα Κινητού Μέσου Όρου (ARIMA)
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Μονάδα Προβλέψεων & Στρατηγικής Forecasting & Strategy Unit Τεχνικές Προβλέψεων Αυτοπαλινδρομικά Μοντέλα Κινητού Μέσου
Ανάλυση Χρονοσειρών. Κεφάλαιο Ανάλυση Χρονοσειρών
Κεφάλαιο 22 Ανάλυση Χρονοσειρών 22.1 Ανάλυση Χρονοσειρών Με τον όρο Χρονοσειρά εννοούµε µια σειρά από παρατηρήσεις που παίρνονται σε ορισµένες χρονικές στιγµές ή περιόδους που ισαπέχουν µεταξύ τους. Υπάρχουν
Όµβριες καµπύλες για το οδικό έργο Καναβάρι- οµβαίνα-πρόδροµος
Όµβριες καµπύλες για το οδικό έργο Καναβάρι- οµβαίνα-πρόδροµος Περιοχή έργου Η µελέτη αυτή εκπονήθηκε στα πλαίσια της υδραυλικής µελέτης αποστράγγισης της οδού Καναβάρι- οµβαίνα-πρόδροµος που ανατέθηκε
iii ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος
iii ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος xi 1 Αντικείμενα των Πιθανοτήτων και της Στατιστικής 1 1.1 Πιθανοτικά Πρότυπα και Αντικείμενο των Πιθανοτήτων, 1 1.2 Αντικείμενο της Στατιστικής, 3 1.3 Ο Ρόλος των Πιθανοτήτων
ΑΚΡΑΙΑ ΦΑΙΝΟΜΕΝΑ ΚΑΙ ΚΙΝ ΥΝΟΙ ΠΛΗΜΜΥΡΑΣ ΠΑΡΑΚΤΙΩΝ ΠΕΡΙΟΧΩΝ ΠΕΡΙΛΗΨΗ
ΑΚΡΑΙΑ ΦΑΙΝΟΜΕΝΑ ΚΑΙ ΚΙΝ ΥΝΟΙ ΠΛΗΜΜΥΡΑΣ ΠΑΡΑΚΤΙΩΝ ΠΕΡΙΟΧΩΝ Π. Γαλιατσάτου, Υποψήφια ιδάκτορας Α.Π.Θ Α. Σαµαράς, Υποψήφιος ιδάκτορας Α.Π.Θ Π. Πρίνος, Καθηγητής Α.Π.Θ Εργαστήριο Υδραυλικής, Τµήµα Πολιτικών
ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ
ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ ΤΕΧΝΙΚΕΣ ΠΡΟΒΛΕΨΕΩΝ& ΕΛΕΓΧΟΥ ΜΑΘΗΜΑ ΤΡΙΤΟ ΣΥΝΑΡΤΗΣΗ ΑΥΤΟΣΥΣΧΕΤΙΣΗΣ-ΕΛΕΓΧΟΣ ΣΤΑΣΙΜΟΤΗΤΑΣ Δρ. Κουνετάς Η Κωνσταντίνος ΕΠΙΧ Τεχνικές Προβλέψεων & Ελέγχου
ΚΕΦΑΛΑΙΟ 5 o ΣΥΜΠΕΡΑΣΜΑΤΑ
ΚΕΦΑΛΑΙΟ 5 o ΣΥΜΠΕΡΑΣΜΑΤΑ Εισαγωγή Η προσέγγιση του προβλήµατος της ατµοσφαιρικής ρύπανσης έγινε µε βάση την εµπειρία από χώρες που µελετούν το πρόβληµα αυτό συστηµατικά επί χρόνια. Τα συµπεράσµατα που
ΠΩΣ ΕΠΗΡΕΑΖΕΙ Η ΜΕΡΑ ΤΗΣ ΕΒΔΟΜΑΔΑΣ ΤΙΣ ΑΠΟΔΟΣΕΙΣ ΤΩΝ ΜΕΤΟΧΩΝ ΠΡΙΝ ΚΑΙ ΜΕΤΑ ΤΗΝ ΟΙΚΟΝΟΜΙΚΗ ΚΡΙΣΗ
Σχολή Διοίκησης και Οικονομίας Κρίστια Κυριάκου ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΕΜΠΟΡΙΟΥ,ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΝΑΥΤΙΛΙΑΣ Της Κρίστιας Κυριάκου ii Έντυπο έγκρισης Παρουσιάστηκε
ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ
ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ ΕΡΓΑΣΤΗΡΙΟ ΤΕΧΝΙΚΩΝ ΠΡΟΒΛΕΨΕΩΝ& ΕΛΕΓΧΟΥ ΜΑΘΗΜΑ ΠΡΩΤΟ-ΔΕΥΤΕΡΟ-ΣΤΑΣΙΜΟΤΗΤΑ- ΕΠΟΧΙΚΟΤΗΤΑ-ΚΥΚΛΙΚΗ ΤΑΣΗ ΧΡΗΣΙΜΟΙΟΡΙΣΜΟΙ Χρονολογική Σειρά (χρονοσειρά)
Χρονολογικές Σειρές (Time Series) Lecture notes Φ.Κουντούρη 2008
Χρονολογικές Σειρές (Time Series) Lecture notes Φ.Κουντούρη 2008 1 Τύποι Οικονομικών Δεδομένων Τα οικονομικά δεδομένα που χρησιμοποιούνται για την εξέταση οικονομικών φαινομένων μπορεί να έχουν τις ακόλουθες
Στασιμότητα χρονοσειρών Νόθα αποτελέσματα-spurious regression Ο έλεγχος στασιμότητας είναι απαραίτητος ώστε η στοχαστική ανάλυση να οδηγεί σε ασφαλή
Χρονικές σειρές 12 Ο μάθημα: Έλεγχοι στασιμότητας ΑΝΑΚΕΦΑΛΑΙΩΣΗ: Εκτίμηση παραμέτρων γραμμικών μοντέλων Συνάρτηση μερικής αυτοσυσχέτισης Εαρινό εξάμηνο 2018-2019 Τμήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική
Χρονικές σειρές 8 Ο μάθημα: Μοντέλα κινητού μέσου
Χρονικές σειρές 8 Ο μάθημα: Μοντέλα κινητού μέσου Εαρινό εξάμηνο 2018-2019 Τμήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα Μεταδιδακτορική Ερευνήτρια Πολυτεχνική σχολή, Α.Π.Θ. & Οικονομικό Τμήμα, Πανεπιστήμιο
Είδη Μεταβλητών Κλίμακα Μέτρησης Οι τεχνικές της Περιγραφικής στατιστικής ανάλογα με την κλίμακα μέτρησης Οι τελεστές Π και Σ
ΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ 1 Εισαγωγικές Έννοιες 19 1.1 1.2 1.3 1.4 1.5 1.6 1.7 Η Μεταβλητότητα Η Στατιστική Ανάλυση Η Στατιστική και οι Εφαρμοσμένες Επιστήμες Στατιστικός Πληθυσμός και Δείγμα Το στατιστικό
βροχοπτώσεων 1 ο Πανελλήνιο Συνέδριο Μεγάλων Φραγµάτων Νοεµβρίου 2008, Λάρισα Ενότητα: Φράγµατα, θέµατα Υδραυλικής-Υδρολογίας
Σύγχρονες τάσεις στην εκτίµηση ακραίων βροχοπτώσεων 1 ο Πανελλήνιο Συνέδριο Μεγάλων Φραγµάτων 13-15 Νοεµβρίου 2008, Λάρισα Ενότητα: Φράγµατα, θέµατα Υδραυλικής-Υδρολογίας ηµήτρης Κουτσογιάννης και Νίκος
Παραβίασητωνβασικώνυποθέσεωντηςπαλινδρόμησης (Violation of the assumptions of the classical linear regression model)
ΜΑΘΗΜΑ 4 ο 1 Παραβίασητωνβασικώνυποθέσεωντηςπαλινδρόμησης (Violation of the assumptions of the classical linear regression model) Αυτοσυσχέτιση (Serial Correlation) Lagrange multiplier test of residual
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Συσχέτιση επιδόσεων οδικής ασφάλειας με δείκτες υγείας και οικονομίας στην Ευρωπαϊκή Ένωση της Μυρτώς Δαμιανού Αθήνα,
4.3 ΧΩΡΟΘΕΤΗΣΗ ΠΑΡΚΩΝ ΥΠΕΡΑΚΤΙΩΝ ΑΝΕΜΟΓΕΝΝΗΤΡΙΩΝ (OWF)
Operational Programme Education and Lifelong Learning Continuing Education Programme for updating Knowledge of University Graduates: Modern Development in Offshore Structures AUTh TUC 4.3 ΧΩΡΟΘΕΤΗΣΗ ΠΑΡΚΩΝ
Πρόλογος... xv. Κεφάλαιο 1. Εισαγωγικές Έννοιες... 1
Πρόλογος... xv Κεφάλαιο 1. Εισαγωγικές Έννοιες... 1 1.1.Ιστορική Αναδρομή... 1 1.2.Βασικές Έννοιες... 5 1.3.Πλαίσιο ειγματοληψίας (Sampling Frame)... 9 1.4.Κατηγορίες Ιατρικών Μελετών.... 11 1.4.1.Πειραµατικές
ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ MSc Τραπεζικής & Χρηματοοικονομικής
ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ MSc Τραπεζικής & Χρηματοοικονομικής ΑΥΤΟΣΥΣΧΕΤΙΣΗ Στις βασικές υποθέσεις των γραμμικών υποδειγμάτων (απλών και πολλαπλών), υποθέτουμε ότι δεν υπάρχει αυτοσυσχέτιση (autocorrelation
ΗΜΥ 100 Εισαγωγή στην Τεχνολογία Διάλεξη 6
ΗΜΥ 00 Εισαγωγή στην Τεχνολογία Διάλεξη 6 5 Σεπτεμβρίου, 0 Δρ. Στέλιος Τιμοθέου ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ Τα θέματά μας σήμερα Χρονικά
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 07-08 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής v.koutras@fme.aegea.gr Τηλ: 7035468 Θα μελετήσουμε
ΠΑΝΕΠΙΣΤΗΜΙΑΚΑ ΦΡΟΝΤΙΣΤΗΡΙΑ ΚΟΛΛΙΝΤΖΑ. Ερωτήσεις πολλαπλής επιλογής. Συντάκτης: Δημήτριος Κρέτσης
ΠΑΝΕΠΙΣΤΗΜΙΑΚΑ ΦΡΟΝΤΙΣΤΗΡΙΑ ΚΟΛΛΙΝΤΖΑ Ερωτήσεις πολλαπλής επιλογής Συντάκτης: Δημήτριος Κρέτσης 1. Ο κλάδος της περιγραφικής Στατιστικής: α. Ασχολείται με την επεξεργασία των δεδομένων και την ανάλυση
2 Δεκεμβρίου Απολογισμός Δράσεων της υποδομής Greek Argo για το 2015
2 Δεκεμβρίου 2015 Απολογισμός Δράσεων της υποδομής Greek Argo για το 2015 Απολογισμός δράσεων των υποδομών GreekArgo - EuroArgo εντός του 2015 (Γ. Κορρές, Δ. Κάσσης, Α. Κωνσταντινίδου) Σύντομες παρουσιάσεις
Εισαγωγή στη θεωρία ακραίων τιμών
Εισαγωγή στη θεωρία ακραίων τιμών Αντικείμενο της θεωρίας ακραίων τιμών αποτελεί: Η ανάπτυξη και μελέτη στοχαστικών μοντέλων με σκοπό την επίλυση προβλημάτων που σχετίζονται με την εμφάνιση «πολύ μεγάλων»
Προσδιορισμός Σημαντικών Χαρακτηριστικών της Αυθόρμητης Δραστηριότητας Απομονωμένου Εγκεφαλικού Φλοιού in vitro
ΕΘΝΙΚΟ ΚΑΙ ΚΑΠΟΔΙΣΤΡΙΑΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΔΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ "ΤΕΧΝΟΛΟΓΙΕΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΣΤΗΝ ΙΑΤΡΙΚΗ ΚΑΙ ΤΗ ΒΙΟΛΟΓΙΑ"
Παραμετρική ανάλυση του συντελεστή ανάκλασης από στρωματοποιημένο πυθμένα δύο στρωμάτων με επικλινή διεπιφάνεια 1
4 93 Παραμετρική ανάλυση του συντελεστή ανάκλασης από στρωματοποιημένο πυθμένα δύο στρωμάτων με επικλινή διεπιφάνεια Π. Παπαδάκης,a, Γ. Πιπεράκης,b & Μ. Καλογεράκης,,c Ινστιτούτο Υπολογιστικών Μαθηματικών
ΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ ΠΡΩΤΟ
ΠΕΡΙΕΧΟΜΕΝΑ Εισαγωγή 1. Γενικά... 25 2. Έννοια και Είδη Μεταβλητών... 26 3. Κλίμακες Μέτρησης Μεταβλητών... 29 3.1 Ονομαστική κλίμακα... 30 3.2. Τακτική κλίμακα... 31 3.3 Κλίμακα ισοδιαστημάτων... 34 3.4
Κεφ. Ιο ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ
ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος 75 Κεφ. Ιο ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ 1.1. Τυχαία γεγονότα ή ενδεχόμενα 17 1.2. Πειράματα τύχης - Δειγματικός χώρος 18 1.3. Πράξεις με ενδεχόμενα 20 1.3.1. Ενδεχόμενα ασυμβίβαστα
Κασταλία Σύστηµα στοχαστικής προσοµοίωσης υδρολογικών µεταβλητών
Εθνικό Μετσόβιο Πολυτεχνείο Τοµέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων Κασταλία Σύστηµα στοχαστικής προσοµοίωσης υδρολογικών µεταβλητών. Κουτσογιάννης Α. Ευστρατιάδης Φεβρουάριος 2002 Εισαγωγή
ΠΕΡΙΓΡΑΜΜΑ ΜΑΘΗΜΑΤΟΣ
ΠΕΡΙΓΡΑΜΜΑ ΜΑΘΗΜΑΤΟΣ (1) ΓΕΝΙΚΑ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΚΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΤΟΥΡΙΣΜΟΥ ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ ΠΡΟΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ ΤΟ3016 ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ Γ ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ
ΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ
ΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΤΕΧΝΙΚΕΣ ΠΡΟΒΛΕΨΕΩΝ & ΕΛΕΓΧΟΥ ΜΑΘΗΜΑ ΘΕΩΡΙΑΣ-ΥΠΟΔΕΙΓΜΑΤΑ ΚΙΝΗΤΟΥ ΜΕΣΟΥ MA(q) ΚΑΙ ΜΙΚΤΑ ΥΠΟΔΕΙΓΜΑΤΑ ARMA (p,q) ΕΠΙΧ - Τεχνικές Προβλέψεων & Ελέγχου
Αναλυτική Στατιστική
Αναλυτική Στατιστική Συμπερασματολογία Στόχος: εξαγωγή συμπερασμάτων για το σύνολο ενός πληθυσμού, αντλώντας πληροφορίες από ένα μικρό υποσύνολο αυτού Ορισμοί Πληθυσμός: σύνολο όλων των υπό εξέταση μονάδων
ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ
ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ ΕΡΓΑΣΤΗΡΙΟ ΤΕΧΝΙΚΩΝ ΠΡΟΒΛΕΨΕΩΝ& ΕΛΕΓΧΟΥ ΜΑΘΗΜΑΟΓΔΟΟ-ΥΠΟΔΕΙΓΜΑΤΑ ARIMA & ΜΗ ΣΤΑΣΙΜΕΣ ΔΙΑΔΙΚΑΣΙΕΣ ΤΥΧΑΙΑΔΙΑΔΡΟΜΗ (RANDOM WALK) Έστω η αυτοπαλίνδρομη
Πολλαπλή παλινδρόμηση (Multivariate regression)
ΜΑΘΗΜΑ 3 ο 1 Πολλαπλή παλινδρόμηση (Multivariate regression) Η συμπεριφορά των περισσότερων οικονομικών μεταβλητών είναι συνάρτηση όχι μιας αλλά πολλών μεταβλητών Υ = f ( X 1, X 2,... X n ) δηλαδή η Υ
ΣΤΑΤΙΣΤΙΚΕΣ ΜΕΘΟΔΟΙ ΠΡΟΒΛΕΨΗΣ
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΔΙΑΧΕΙΡΙΣΗΣ ΠΛΗΡΟΦΟΡΙΩΝ ΕΡΓΑΣΤΗΡΙAKΕΣ ΣΗΜΕΙΩΣΕΙΣ ΣΤΑΤΙΣΤΙΚΕΣ ΜΕΘΟΔΟΙ ΠΡΟΒΛΕΨΗΣ ΜΕ ΤΟ MINITAB ΙΩΑΝΝΗΣ Ι.ΓΕΡΟΝΤΙΔΗΣ Καθηγητής ΚΑΒΑΛΑ 2009 Ιωάννης Ι.Γεροντίδης,
ΠΑΡΟΥΣΙΑΣΗ ΣΤΑΤΙΣΤΙΚΩΝ ΔΕΔΟΜΕΝΩΝ
ο Κεφάλαιο: Στατιστική ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΚΑΙ ΟΡΙΣΜΟΙ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ Πληθυσμός: Λέγεται ένα σύνολο στοιχείων που θέλουμε να εξετάσουμε με ένα ή περισσότερα χαρακτηριστικά. Μεταβλητές X: Ονομάζονται
Διαχείριση Υδατικών Πόρων
Εθνικό Μετσόβιο Πολυτεχνείο Διαχείριση Υδατικών Πόρων Γ.. Τσακίρης Μάθημα 3 ο Λεκάνη απορροής Υπάρχουσα κατάσταση Σενάριο 1: Μέσες υδρολογικές συνθήκες Σενάριο : Δυσμενείς υδρολογικές συνθήκες Μελλοντική
Ευαισθησία πειράµατος (Signal to noise ratio = S/N) ιάρκεια πειράµατος (signal averaging)) ιάρκεια 1,38 1,11 0,28 5,55. (h) πειράµατος.
Γιατί NMR µε παλµούς; Ευαισθησία πειράµατος (Signal to noise ratio = S/N) ιάρκεια πειράµατος (signal averaging)) Πυρήνας Φυσική αφθονία (%) ν (Hz) Ταχύτητα σάρωσης (Hz/s) Αριθµός σαρώσεων 1 Η 99,985 1000
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΝΑΥΤΙΛΙΑΚΩΝ ΣΠΟΥΔΩΝ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΝΑΥΤΙΛΙΑΚΩΝ ΣΠΟΥΔΩΝ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΣΤΗΝ ΝΑΥΤΙΛΙΑ Η ΕΠΟΧΙΚΟΤΗΤΑ ΣΤΙΣ ΤΙΜΕΣ ΤΟΥ ΑΝΘΡΑΚΑ, ΤΟΥ ΠΕΤΡΕΛΑΙΟΥ, ΤΟΥ ΧΑΛΥΒΑ ΚΑΙ ΤΟΥ ΧΡΥΣΟΥ Δαμιανού Χριστίνα Διπλωματική
Απλή Παλινδρόμηση και Συσχέτιση
Απλή Παλινδρόμηση και Συσχέτιση Πωλήσεις, Δαπάνες Διαφήμισης και Αριθμός Πωλητών Έτος Πωλήσεις (χιλ ) Διαφήμιση (χιλ ) Πωλητές (Άτομα) Έτος Πωλήσεις (χιλ ) Διαφήμιση (χιλ ) Πωλητές (Άτομα) 98 050 6 3 989
Περιεχόμενα. Πρόλογος... 15
Περιεχόμενα Πρόλογος... 15 Κεφάλαιο 1 ΘΕΩΡΗΤΙΚΑ ΚΑΙ ΦΙΛΟΣΟΦΙΚΑ ΟΝΤΟΛΟΓΙΚΑ ΚΑΙ ΕΠΙΣΤΗΜΟΛΟΓΙΚΑ ΖΗΤΗΜΑΤΑ ΤΗΣ ΜΕΘΟΔΟΛΟΓΙΑΣ ΕΡΕΥΝΑΣ ΤΟΥ ΠΡΑΓΜΑΤΙΚΟΥ ΚΟΣΜΟΥ... 17 Το θεμελιώδες πρόβλημα των κοινωνικών επιστημών...
Αντικείμενο του κεφαλαίου είναι: Ανάλυση συσχέτισης μεταξύ δύο μεταβλητών. Εξίσωση παλινδρόμησης. Πρόβλεψη εξέλιξης
Γραμμική Παλινδρόμηση και Συσχέτιση Αντικείμενο του κεφαλαίου είναι: Ανάλυση συσχέτισης μεταξύ δύο μεταβλητών Εξίσωση παλινδρόμησης Πρόβλεψη εξέλιξης Διμεταβλητές συσχετίσεις Πολλές φορές χρειάζεται να
ΟΝΟΜΑΤΕΠΩΝΥΜΟ
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΤΟΜΕΑΣ Υ ΑΤΙΚΩΝ ΠΟΡΩΝ, Υ ΡΑΥΛΙΚΩΝ ΚΑΙ ΘΑΛΑΣΣΙΩΝ ΕΡΓΩΝ ΜΑΘΗΜΑ: ΣΤΟΧΑΣΤΙΚΗ Υ ΡΟΛΟΓΙΑ ΠΕΡΙΟ ΟΣ ΙΑΝΟΥΑΡΙΟΥ 2001 ΟΝΟΜΑΤΕΠΩΝΥΜΟ -----------------------------------------------------------------------------------
Συστήματα Επικοινωνιών ΙI
+ Διδάσκων: Δρ. Κ. Δεμέστιχας e-mail: cdemestichas@uowm.gr Συστήματα Επικοινωνιών ΙI FSK, MSK Πυκνότητα φάσματος ισχύος βασικής ζώνης + Ιστοσελίδα nιστοσελίδα του μαθήματος: n https://eclass.uowm.gr/courses/icte302/
Χρονικές σειρές 1 o μάθημα: Εισαγωγή στις χρονοσειρές
Χρονικές σειρές 1 o μάθημα: Εισαγωγή στις χρονοσειρές Εαρινό εξάμηνο 2018-2019 Τμήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα Μεταδιδακτορική Ερευνήτρια Πολυτεχνική σχολή, Α.Π.Θ. & Οικονομικό Τμήμα,
Οι στατιστικοί έλεγχοι x τετράγωνο, t- test, ANOVA & Correlation. Σταμάτης Πουλακιδάκος
Οι στατιστικοί έλεγχοι x τετράγωνο, t- test, ANOVA & Correlation Σταμάτης Πουλακιδάκος Μερικά εισαγωγικά λόγια Οι έλεγχοι των ερευνητικών υποθέσεων πραγματοποιούνται με διάφορους στατιστικούς ελέγχους,
Περιεχόμενα. Σειρά VII 2
Περιεχόμενα 1. Κυματική Θεωρία Stokes ης τάξης. Κυματική Θεωρία Stokes 5 ης τάξης 3. Κυματική Θεωρία Συνάρτησης ροής (Fourier 18 ης τάξης) 4. Cnoial waves 5. Θεωρία μοναχικού κύματος (Solitary wave) 6.
ICAP Α.Ε. ΕΠΙΔΡΑΣΗ ΜΑΚΡΟΟΙΚΟΝΟΜΙΚΩΝ ΔΕΙΚΤΩΝ ΣΤΑ ΠΟΣΟΣΤΑ ΑΣΥΝΕΠΕΙΑΣ
ICAP Α.Ε. ΕΠΙΔΡΑΣΗ ΜΑΚΡΟΟΙΚΟΝΟΜΙΚΩΝ ΔΕΙΚΤΩΝ ΣΤΑ ΠΟΣΟΣΤΑ ΑΣΥΝΕΠΕΙΑΣ ΙΑΝΟΥΑΡΙΟΣ 2019 Πίνακας Περιεχομένων ΔΙΟΙΚΗΤΙΚΗ ΠΕΡΙΛΗΨΗ... 3 ΕΙΣΑΓΩΓΗ... 4 ΜΑΚΡΟΟΙΚΟΝΟΜΙΚΟΙ ΔΕΙΚΤΕΣ... 6 ΠΡΟΒΛΕΨΗ ΠΟΣΟΣΤΟΥ ΑΣΥΝΕΠΕΙΑΣ
Δράση 2.2: Συσχέτιση μετεωρολογικών παραμέτρων με τη μετεωρολογική παλίρροια - Τελικά Αποτελέσματα
Δράση 2.2: Συσχέτιση μετεωρολογικών παραμέτρων με τη μετεωρολογική παλίρροια - Τελικά Αποτελέσματα OCE Group: Γ. Κρεστενίτης Γ. Ανδρουλιδάκης Κ. Κομπιάδου Χ. Μακρής Β. Μπαλτίκας Ν. Διαμαντή Εργαστήριο
Πραγματικοί κυματισμοί
Πραγματικοί κυματισμοί Οι κυματισμοί που δημιουργεί η επίδραση του ανέμου στην επιφάνεια της θάλασσας, δεν είναι «μονοχρωματικοί». Η επιφάνεια της θάλασσας μπορεί να προσεγγιστεί με σύνθεση περισσοτέρων
Τεχνικές Προβλέψεων. Προετοιμασία & Ανάλυση Χρονοσειράς
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Μονάδα Προβλέψεων & Στρατηγικής Forecasting & Strategy Unit Τεχνικές Προβλέψεων Προετοιμασία & Ανάλυση Χρονοσειράς http://www.fsu.gr
ΕΡΩΤΗΣΕΙΣ ΘΕΩΡΙΑΣ ΣΤΑ ΜΑΘΗΜΑΤΙΚΑ ΤΟΥ ΕΠΑ.Λ. Δ. Ε. ΚΟΝΤΟΚΩΣΤΑΣ ΜΑΘΗΜΑΤΙΚΟΣ
ΕΡΩΤΗΣΕΙΣ ΘΕΩΡΙΑΣ ΣΤΑ ΜΑΘΗΜΑΤΙΚΑ ΤΟΥ ΕΠΑ.Λ. 2013-2014 ΣΤΑΤΙΣΤΙΚΗ 1. Τι ονομάζουμε: i. πληθυσμό και μέγεθος πληθυσμού; (σελ. 59) ii. μεταβλητή; (σελ.59-60) 2. Ποιες μεταβλητές ονομάζονται ποσοτικές; (σελ.60)
ΑΝΙΧΝΕΥΣΗ ΣΗΜΕΙΟΥ ΑΛΛΑΓΗΣ ΤΑΣΗΣ ΣΕ ΧΡΟΝΟΣΕΙΡΕΣ
Ελληνικό Στατιστικό Ινστιτούτο Πρακτικά ου Πανελληνίου Συνεδρίου Στατιστικής (7), σελ 3- ΑΝΙΧΝΕΥΣΗ ΣΗΜΕΙΟΥ ΑΛΛΑΓΗΣ ΤΑΣΗΣ ΣΕ ΧΡΟΝΟΣΕΙΡΕΣ Θ. Βαφειάδης, Ε. Μπόρα-Σέντα, Δ. Κουγιουμτζής Μαθηματικό Τμήμα, Αριστοτέλειο
Στοχαστικότητα: μελέτη, μοντελοποίηση και πρόβλεψη φυσικών φαινομένων
Στοχαστικότητα: μελέτη, μοντελοποίηση και πρόβλεψη φυσικών φαινομένων Δρ. Τακβόρ Σουκισιάν Κύριος Ερευνητής ΕΛΚΕΘΕ Forecasting is very dangerous, especially about the future --- Samuel Goldwyn 1 ΠΕΡΙΕΧΟΜΕΝΑ
Λίγα λόγια για τους συγγραφείς 16 Πρόλογος 17
Περιεχόμενα Λίγα λόγια για τους συγγραφείς 16 Πρόλογος 17 1 Εισαγωγή 21 1.1 Γιατί χρησιμοποιούμε τη στατιστική; 21 1.2 Τι είναι η στατιστική; 22 1.3 Περισσότερα για την επαγωγική στατιστική 23 1.4 Τρεις
Χρονοσειρές, Μέρος Β 1 Πρόβλεψη Χρονικών Σειρών
Χρονοσειρές, Μέρος Β Πρόβλεψη Χρονικών Σειρών Ο βασικός σκοπός της μελέτης των μοντέλων για χρονικές σειρές (όπως AR, MA, ARMA, ARIMA, SARIMA) είναι η πρόβλεψη (predicio, forecasig) Η πρόβλεψη των μελλοντικών
4. ΚΕΦΑΛΑΙΟ ΕΦΑΡΜΟΓΕΣ ΤΟΥ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΥ FOURIER
4. ΚΕΦΑΛΑΙΟ ΕΦΑΡΜΟΓΕΣ ΤΟΥ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΥ FOURIER Σκοπός του κεφαλαίου είναι να παρουσιάσει μερικές εφαρμογές του Μετασχηματισμού Fourier (ΜF). Ειδικότερα στο κεφάλαιο αυτό θα περιγραφούν έμμεσοι τρόποι
Εργαστήριο Οικονομετρίας Προαιρετική Εργασία 2016 Χειμερινό Εξάμηνο
Εργαστήριο Οικονομετρίας Προαιρετική Εργασία 2016 Χειμερινό Εξάμηνο Χρήσιμες Οδηγίες Με την βοήθεια του λογισμικού E-views να απαντήσετε στα ερωτήματα των επόμενων σελίδων, (οι απαντήσεις πρέπει να περαστούν
ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ. Οικονομετρία
ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ Οικονομετρία 5.1 Αυτοσυσχέτιση: Εισαγωγή Συχνά, η υπόθεση της μη αυτοσυσχέτισης ή σειριακής συσχέτισης
www.onlneclassroom.gr www.onlneclassroom.gr Α. Το διάγραμμα διασποράς των μεταβλητών διαθέσιμο εισόδημα (Χ) και κατανάλωσης (Υ), όπως σχηματίστηκε στο excel, είναι 3000 Δ ιάγραμμα Δ ιασ π οράς 500 Δ ηλω