KRIVULJE RASPODJELE. Doc.dr.sc. Vesna Denić-Jukić

Σχετικά έγγραφα
Moguća i virtuelna pomjeranja

Ovdje će se prikazati dva primjera za funkciju cilja sa dvije varijable: kružnicu i elipsu.

Metoda najmanjih kvadrata

Ekonometrija 4. Ekonometrija, Osnovne studije. Predavač: Aleksandra Nojković

Apsolutno neprekidne raspodele Raspodele apsolutno neprekidnih sluqajnih promenljivih nazivaju se apsolutno neprekidnim raspodelama.

FUNKCIJE UTJECAJA I UTJECAJNE LINIJE

Mate Vijuga: Rijeseni zadaci iz matematike za srednju skolu

Aritmetički i geometrijski niz

PRILOG 2. Zanimanje : EKONOMIST / ICA. Nastavno pismo: NASTAVNI PREDMET STATISTIKA. Nastavna cjelina: Srednje vrijednosti. Autor: Suzana Mikulić

Obrada empirijskih podataka

Polarizacija. Procesi nastajanja polarizirane svjetlosti: a) refleksija b) raspršenje c) dvolom d) dikroizam

ANALITIČKA KEMIJA II

Reverzibilni procesi

Elektrotehnički fakultet univerziteta u Beogradu 16.maj Odsek za Softversko inžinjerstvo

TEHNIČKI FAKULTET SVEUČILIŠTA U RIJECI Zavod za elektroenergetiku. Prijelazne pojave. Osnove elektrotehnike II: Prijelazne pojave

F (t) F (t) F (t) OGLEDNI PRIMJER SVEUČILIŠTE J.J.STROSSMAYERA U OSIJEKU ZADATAK

M086 LA 1 M106 GRP. Tema: Baza vektorskog prostora. Koordinatni sustav. Norma. CSB nejednakost

Veleučilište u Rijeci Stručni studij sigurnosti na radu Akad. god. 2011/2012. Matematika. Monotonost i ekstremi. Katica Jurasić. Rijeka, 2011.

Funkcija gustoće neprekidne slučajne varijable ima dva bitna svojstva: 1. Nenegativnost: f(x) 0, x R, 2. Normiranost: f(x)dx = 1.

Operacije s matricama

Korelacijska i regresijska analiza

PRIMJERI RJEŠENIH ZADATAKA IZ STATISTIKE

π π ELEKTROTEHNIČKI ODJEL i) f (x) = x 3 x 2 x + 1, a = 1, b = 1;

numeričkih deskriptivnih mera.

REGRESIJSKA ANALIZA. U razvoju regresijske analize najznačajniju ulogu su imali: Carl Friedrich Gauss ( ) Francis Galton (

5. Karakteristične funkcije

Iskazna logika 3. Matematička logika u računarstvu. novembar 2012

ELEKTROTEHNIČKI ODJEL

Ekonometrija 2. Ekonometrija, Osnovne studije. Predavač: Aleksandra Nojković

Zadaci sa prethodnih prijemnih ispita iz matematike na Beogradskom univerzitetu

DISKRETNA MATEMATIKA - PREDAVANJE 7 - Jovanka Pantović

KONVEKSNI SKUPOVI. Definicije: potprostor, afin skup, konveksan skup, konveksan konus. 1/5. Back FullScr

7 Algebarske jednadžbe

GRAĐEVINSKI FAKULTET SVEUČILIŠTE U RIJECI. Specijalistički diplomski stručni studij građevinarstva NORMALNA RAZDIOBA.


Predavanja iz Statistike. Autor: dr.sc. Zdenka Zenzerović

PARCIJALNI IZVODI I DIFERENCIJALI. Sama definicija parcijalnog izvoda i diferencijala je malo teža, mi se njome ovde nećemo baviti a vi ćete je,

Raspodele: neprekidna i diskretna raspodela Funkcija gustine i funkcija raspodele pri neprekidnoj raspodeli

18. listopada listopada / 13

3.1 Granična vrednost funkcije u tački

Dinamika krutog tijela ( ) Gibanje krutog tijela. Gibanje krutog tijela. Pojmovi: C. Složeno gibanje. A. Translacijsko gibanje krutog tijela. 14.

Matematika 1 - vježbe. 11. prosinca 2015.

Elementi spektralne teorije matrica

UNIVERZITET U NIŠU ELEKTRONSKI FAKULTET SIGNALI I SISTEMI. Zbirka zadataka

IspitivaƬe funkcija: 1. Oblast definisanosti funkcije (ili domen funkcije) D f

radni nerecenzirani materijal za predavanja R(f) = {f(x) x D}

2. KOLOKVIJ IZ MATEMATIKE 1

Hamilton-Jacobijeva jednadžba

Pismeni ispit iz OTPORNOSTI MATERIJALA I - grupa A

( ) BROJNI PRIMER 4. Temeljni nosač na sloju peska. Slika 6.3. Rešenje: Ekvivalentni modul reakcije podloge/peska k i parametar krutosti λ :

a M a A. Može se pokazati da je supremum (ako postoji) jedinstven pa uvodimo oznaku sup A.

( , 2. kolokvij)

Numerička matematika 2. kolokvij (1. srpnja 2009.)

KONTINUIRANE SLUČAJNE VARIJABLE

Moderna teorija portfelja

IZVODI ZADACI (I deo)

2.7 Primjene odredenih integrala

1 Promjena baze vektora

Verovatnoća i Statistika I deo Teorija verovatnoće (zadaci) Beleške dr Bobana Marinkovića

- pravac n je zadan s točkom T(2,0) i koeficijentom smjera k=2. (30 bodova)

KOMUTATIVNI I ASOCIJATIVNI GRUPOIDI. NEUTRALNI ELEMENT GRUPOIDA.

Pismeni ispit iz matematike Riješiti sistem jednačina i diskutovati rješenja sistema u zavisnosti od parametra: ( ) + 1.

2 tg x ctg x 1 = =, cos 2x Zbog četvrtog kvadranta rješenje je: 2 ctg x

PRAVA. Prava je u prostoru određena jednom svojom tačkom i vektorom paralelnim sa tom pravom ( vektor paralelnosti).

Proračun AB stuba. Oblik izvijanja stuba kao i uslovi oslanjanja su jednaki u oba ortogonalna pravca pa se usvaja stub dimenzija b/h=60/60 cm.

1.4 Tangenta i normala

RAČUNANJE SA PRIBLIŽNIM VREDNOSTIMA BROJEVA

DRUGI KOLOKVIJUM IZ MATEMATIKE 9x + 6y + z = 1 4x 2y + z = 1 x + 2y + 3z = 2. je neprekidna za a =

radni nerecenzirani materijal za predavanja

Numerično reševanje. diferencialnih enačb II

Eliminacijski zadatak iz Matematike 1 za kemičare

Funkcije dviju varjabli (zadaci za vježbu)

Popis zadataka. a. Računski pronađi nultočke tih dviju funkcija. b. Koja od zadanih funkcija raste brže? 4.,,, 5. Pojednostavi izraz:

TRIGONOMETRIJA TROKUTA

IZVODI ZADACI ( IV deo) Rešenje: Najpre ćemo logaritmovati ovu jednakost sa ln ( to beše prirodni logaritam za osnovu e) a zatim ćemo

Računarska grafika. Rasterizacija linije

Lekcija 6: Redukcija reda modela i LMI problem

IZRAČUNAVANJE POKAZATELJA NAČINA RADA NAČINA RADA (ISKORIŠĆENOSTI KAPACITETA, STEPENA OTVORENOSTI RADNIH MESTA I NIVOA ORGANIZOVANOSTI)

Klasifikacija blizu Kelerovih mnogostrukosti. konstantne holomorfne sekcione krivine. Kelerove. mnogostrukosti. blizu Kelerove.

TRIGONOMETRIJSKE FUNKCIJE I I.1.

INTEGRALNI RAČUN. Teorije, metodike i povijest infinitezimalnih računa. Lucija Mijić 17. veljače 2011.

MATEMATIKA 1 8. domaća zadaća: RADIJVEKTORI. ALGEBARSKE OPERACIJE S RADIJVEKTORIMA. LINEARNA (NE)ZAVISNOST SKUPA RADIJVEKTORA.

4. Perspektiviteti i perspektivne figure. Desarguesov teorem

Mate Vijuga: Rijeseni zadaci iz matematike za srednju skolu

Otpornost R u kolu naizmjenične struje

OM2 V3 Ime i prezime: Index br: I SAVIJANJE SILAMA TANKOZIDNIH ŠTAPOVA

Zavrxni ispit iz Matematiqke analize 1

PRESECI SA PRSLINOM - VELIKI EKSCENTRICITET

2.2 Srednje vrijednosti. aritmetička sredina, medijan, mod. Podaci (realizacije varijable X): x 1,x 2,...,x n (1)

5. PARCIJALNE DERIVACIJE

MATRICE I DETERMINANTE - formule i zadaci - (Matrice i determinante) 1 / 15

10. REGRESIJA I KORELACIJA

PRIMJER 3. MATLAB filtdemo

Linearna korelacija. Vrijedi: (1) 1 r 1

INTELIGENTNO UPRAVLJANJE

Zadaci iz trigonometrije za seminar

6 Primjena trigonometrije u planimetriji

Teorijske osnove informatike 1

Dinamika krutog tijela. 14. dio

3. SREDNJE VRIJEDNOSTI

Transcript:

KRIVULJE RASPODJELE Doc.dr.sc. Vesna Denć-Jukć

Krvulje raspodjele predstavljaju zakon vjerojatnost pojave neke hdrološke velčne. Za slučajnu varjablu X kažemo da je poznata ako znamo zakon njene raspodjele. Razlkujemo dvje vrste slučajnh varjabl: dskretnu kontnuranu

Za dskretnu varjablu skup mogućh vrjednost R x je dskretan skup: { x x... } 1, x n

Prpadne vjerojatnost p ( X x ) za 1,,...n P Razdoba slučajne varjable X može se zadat u sljedećem oblku: Nužan uvjet X : x p, x, p p 0, p 1 1 1,... x,... p n n

Kontnurana slučajna varjabla Vjerojatnost se promatra kao mogućnost ostvarvanja vrjednost nekog ntervala x, x + x Zakon razdobe slučajne varjable X je zadan ukolko je poznata tzv. funkcja gustoće vjerojatnost f(x) f ( x) : p x R ( a x b) f ( x) dx b a

Funkcja gustoće je nenegatvna funkcja, a vjerojatnost pojave sgurnog događaja je defnrana putem sljedećeg ntegrala: + f ( x ) dx 1

Vjerojatnost kontnurane varjable P( x o X x o + x) x o + x x o f ( x) dx

Funkcja dstrbucje l funkcja razdobe slučajne varjable X F ( x) P ( X x) F ( x) x f ( x) dx

Razdoba slučajne varjable je poznata ukolko je poznata l funkcja gustoće l funkcja razdobe.

Hdrološk podac su statstčke varjable, a mogu bt dskretne kontnurane. Dnevn, mjesečn protok je prmjer dskretne varjable, a otjecanje prkazano putem hdrograma predstavlja kontnuranu varjablu. Promatrat će se vjerojatnost pojave neke hdrološke velčne.

Krvuljom raspodjele se dobju značajne nformacje o emprjskom nzu na temelju samo nekolko parametara. Normalna lognormalna raspodjela su raspodjele određene na temelju statstčka parametra, srednje vrjednost standardne devjacje.

Da bsmo došl do pojma vjerojatnost pojave neke hdrološke velčne potrebno je na temelju mjerenh podataka odredt mjerodavnu funkcju raspodjele. Grafčk prkaz funkcje raspodjele je krvulja raspodjele.

Da b se odredla vjerojatnost pojave slučajne varjable X na temelju hdrološkog nza potrebno je zvršt statstčku analzu koja podrazumjeva: proračun osnovnh statstčkh parametara uzorka određvanje emprjske raspodjele, zbor teoretske funkcje raspodjele parametara, ocjenu testranje prlagodbe emprjske teoretske raspodjele.

Osnovn statstčk parametr uzorka: Artmetčka sredna Varjanca Koefcjent varjacje Koefcjent asmetrje

( ) ( ) ( ) σ σ σ N x x c N x x x x c x x N x N x N s N v N N I 1 3 1 1 1 1 1

Podatke opažanja je potrebno najprje poredat u opadajuć nz: x x +1 Funkcja raspodjele se defnra kao vjerojatnost pojave da slučajna varjabla poprm određenu promatranu vrjednost l vrjednost veću od promatrane. F( X ) P( X x)

Emprjska razdoba se aproksmra zrazom: P( X x m ) m N 0,5

Teoretska funkcja raspodjele je dana analtčkm zrazom: P X x F x, α, β, γ,... ( ) ( ) čj oblk ovs o parametrma Prmjena teoretskh funkcja raspodjele pruža mogućnost da se ekstrapolraju teoretske funkcje raspodjele u područja malh vjerojatnost.

Krvulje raspodjele se u hdrologj korste za određvanje vjerojatnost pojave hdrološkh fenomena. Oblc krvulja raspodjele mogu bt razlčt, a kao prmjer će se obrađvat normalna lognormalna raspodjela

NORMALNA RASPODJELA Normalna raspodjela je najčešće opsvana najčešće korštena Normalna raspodjela je dvoparametarska u cjelost je defnrana poznavanjem artmetčke sredne standardne devjacje ( x, σ )

Funkcja gustoće normalne raspodjele f ( x x) 1 ( x) e σ σ π

Krvulja normalne raspodjele je smetrčna pa je njen koefcjent asmetrje jednak nul. Koefcjent asmetrje: ( ) ( ) 3/ 1 1 3 1/ 3 3 3 n n x x x x n r σ µ

Koefcjent spljoštenost r 4 µ σ 4 4 n n n 1 1 ( ) x x ( ) x x

Za r 4 >3, krvulja je s vsokm vrhom, a za r 4 <3, krvulja je s pltkm vrhom raspodjele

LOGARITAMSKO NORMALNA RASPODJELA 1 ( ln x x) f ( x) e σ π

NORMALNA RASPODJELA T(god) P (%) z p Q p 100 0,01 3,715 Q p Q+ z p σ 10 0,1 3,090 1 1,36 0,5,054 0,5 4 1,75 0,1 10 1,81 0,05 0 0,84

LOGNORMALNA RASPODJELA ln Q p Q' + z σ ' p Q' ln σ Q + Q σ ' σ ln 1 + Q

LOGNORMALNA RASPODJELA ln Q p Q' + z σ ' p T(god) P (%) z p Q p 100 0,01 3,715 Q' σ ' ln Q σ + Q σ ln 1 + Q 10 0,1 3,090 1 1,36 0,5,054 0,5 4 1,75 0,1 10 1,81 0,05 0 0,84

Dobvene vrjednost se grafčk mogu prkazat na pravcu normalne raspodjele. Kad b se dobvene vrjednost crtale u dekadskom mjerlu, tj. občnom koordnatnom sustavu taj prkaz ne b bo pravac, već krvulja. Rad jednostavnje usporedbe dvju raspodjela (emprjske teoretske), one se grafčk prkazuju na tzv. papru vjerojatnost, a pravac koj odgovara funkcj raspodjele se u statstc zove Henry-ev pravac.

Pravac prolaz kroz dvje karakterstčne točke: ( x; 0,5) ( x + σ ;0,84134 ) Te dvje točke mogu poslužt kao kontrola prlagodbe.

LOG-NORMALNE KRIVULJE RASPODJELE ZA TRI NIZA MAKSIMALNIH GODIŠNJIH PROTOKA SAVE KOD ZAGREBA RAZLIČITE DULJINE TRAJANJA

χ test Kod određvanja krvulja raspodjele postavlja se ptanje prlagodbe teoretske emprjske raspodjele tj. ptanje kolko dobro neka raspodjela prat raspodjelu emprjskh podataka. Odgovor na to se daje putem gore navedenog testa.

χ n 1 ( f f ) f t t Ako razlke zmeđu emprjskh teoretskh frekvencja nsu prevelke tj. maju slučajan karakter tada prpadna vrjednost testa neće bt velka. Ukolko su razlke prevelke, tada svakako nsu slučajne te treba odbact pretpostavku da se varjabla ravna po navedenoj raspodjel.

Ukolko je χ χ dop χ dop ovs o broju stupnjeva slobode Broj stupnjeva slobode k broj razreda k r - -1 r - -1

χ raspodjela

Općento, zraz P { } χ > χ α α predstavlja vjerojatnost odbacvanja hpoteze da se raspodjela ravna po određenoj promatranoj raspodjel 1

PRIMJENA TESTA U prmjenama ta vjerojatnost odbacvanja hpoteze znos 5%, a rjeđe 1%. α 0,05

PRILAGOĐAVANJE EMPIRIJSKIM PODACIMA Pretpostavmo da je N emprjskh podataka gruprano u razrede od kojh svak ma šrnu D. Neka je poznata srednja vrjednost varjanca navedenog skupa. Da bsmo emprjskoj raspodjel prlagodl normalnu raspodjelu, aproksmrat ćemo očekvanje m artmetčkom srednom, a varjancu varjancom emprjskh podataka.

Teoretske frekvencje računat ćemo za svak razred, služeć se funkcjom vjerojatnost: f ( x) σ 1 1 x x σ e π Neka je x sredna -tog razreda kojem prpada emprjska vjerojatnost f. Vjerojatnost da varjabla prm vrjednost z -tog razreda jednaka je površn spod krvulje vjerojatnost nad dotčnm razredom.

Ta je vjerojatnost prblžno jednaka: Uvedu l se supsttucjsk zraz: ( ) x f P ( ) ( ) 1 1 1 1 u u e u e x f x u π ϕ π σ σ µ

ϕ ( u ) Funkcja standardne l jednčne normalne raspodjele čje se vrjednost za razlčte u mogu nać tabelarno l se dobju proračunom. Te vrjednost služe za proračun vrjednost f(x) pr čemu vrjed da je: f ( x) 1 σ ϕ ( u)

Ako se vratmo na vjerojatnost da varjabla prm vrjednost z -tog razreda sljed: P f ( x ) ϕ( u ) σ f t N P Teoretska l očekvana frekvencja f t u -tom razredu: f x t u N ϕ σ ϕ ( u ) ( u ) ft

Emprjske frekvencje f teoretske frekvencje f t neće se podudarat. Ako se varjabla na koju se odnose emprjsk podac pokoravaju zakonu normalne raspodjele razlke neće bt prevelke, mat će slučajan karakter.

RAZRED f e x u f(u ) f t (f e -f t ) /f t 0-11 -44 34 44-66 7

( ) ( ) t t t f u u x u N f P N f ϕ ϕ σ ( ) ( ) 1 1 1 1 u u e u e u f Q Q u π ϕ π σ σ ( ) ( ) u x f P ϕ σ

Kontrola točnost f f e t

LOGNORMALNA RASPODJELA RAZREDI GORNJA GRANICA RAZREDA p (%) Dp p -p -1 f t Dp *n f e (f e -f t ) /f t 40-50 40 50-60 50

Papr vjerojatnost

PAPIR VJEROJATNOSTI ZA NORMALNU RASPODJELU p (%)

100 100 - p (%) PAPIR VJEROJATNOSTI ZA LOG-NORMALNU RASPODJELU 10 1 p (%)

Test Kolmogorov-Smrnova Grančne vrjednost D o u funkcj velčne uzorka N praga značajnost a

Test Kolmogorova Za ocjenu prlagodbe emprjske raspodjele teoretskom uzma se najveća apsolutna razlka zmeđu te dvje funkcje raspodjele: D dop su razlčte ovsno o pragu značajnost a opsegu uzorka n, te su dane tabelarno. D D n n P( D n max D o D o F n ( x) F( x) ) α