Růstové a přírůstové funkce

Slides:



Advertisements
Podobné prezentace
Korelace a regrese Karel Zvára 1.
Advertisements

Stanovení objemu stojících stromů
Hospodářská úprava lesa Přírůst stromů a porostů
Výpočet zásoby porostu růstovými tabulkami
Odhady parametrů základního souboru
Tvar kmene Modul 7 - HÚL 3.
Cvičení 6 – 25. října 2010 Heteroskedasticita
4EK211 Základy ekonometrie Autokorelace Cvičení /
ZÁKLADY EKONOMETRIE 2. cvičení KLRM
Morfologická křivka kmene
Výpočet zásoby porostu relaskopickou metodou
Úvod do regresní analýzy
ANALÝZA VZTAHU DVOU SPOJITÝCH VELIČIN
VLIV PŘÍRODNÍCH PODMÍNEK NA PRODUKCI Zdeněk Adamec.
Tloušťková struktura porostu
Korelace a regrese síla (těsnost) závislosti dvou náhodných veličin: korelace symetrický vztah obou veličin neslouží k předpovědi způsob (tvar) závislosti.
Obecný lineární model Analýza kovariance Nelineární modely
Základy ekonometrie Cvičení září 2010.
Hospodářská úprava lesa Přírůst stromů a porostů 2
Základy ekonometrie Cvičení 3 4. října 2010.
LES JAKO SYSTÉM ZÁKONY RŮSTU LESA.
Kvadratická funkce. Co je to funkce Každému prvku x z definičního oboru je přiřazeno právě jedno číslo y z oboru hodnot x je nezávisle proměnná y je závisle.
Zjišťování zásoby porostu pomocí jednotných objemových křivek - JOK
Hospodářská úprava lesa Přírůst stromů a porostů 4
ÚHÚL, pobočka Plzeň vedoucí projektu: Ing. Petr Macháček
Ústav technických zařízení budov MĚŘENÍ A REGULACE Ing. Václav Rada, CSc. ZS – 2003/
Statistika Zkoumání závislostí
Zjišťování zásoby porostu pomocí objemových tabulek
Chyby jednoho měření když známe
Lineární regrese.
REGIONÁLNÍ ANALÝZA Cvičení 3 Evropský sociální fond
Lineární regresní analýza
Závislost dvou kvantitativních proměnných
Ekonometrie „ … ekonometrie je kvantitativní ekonomická disciplína, která se zabývá především měřením v ekonomice na základě analýzy reálných statistických.
Hospodářská úprava lesa Přírůst stromů a porostů 3
Princip maximální entropie
Struktura porostu Zdeněk Adamec.
Lineární regrese FSS928.
Hospodářská úprava lesa Zjišťování dendrometrických veličin
© 2008 Verze Katedra textilních a jednoúčelových strojů Analýza a optimalizace tuhosti příruby osnovního válu.
Základní škola a Mateřská škola Mírová 81, Mimoň, příspěvková organizace Oblast podpory Zlepšení podmínek pro vzdělávání na základních školách OP.
Biostatistika 8. přednáška
Jednoduchý lineární regresní model Tomáš Cahlík 2. týden
Korelace.
Praktické cvičení s tabulkami a grafy ZÁKLADNÍ ŠKOLASTŘEDNÍ ŠKOLA.
Korelace. Určuje míru lineární vazby mezi proměnnými. r < 0
V experimentu měníme hodnotu jedné nebo několika veličin x i a studujeme závislost veličiny y. - např. měníme, ostatní x i bereme jako parametry ( , ,
Motivační příklad – 1a Vliv rodičů a prostředí na vývoj mláďat Nejstarší mládě v každém hnízdě měřeno ve věku X dní Vysvětlující údaje: počet mláďat, stáří.
Aplikovaná statistika 2. Veronika Svobodová
Přenos nejistoty Náhodná veličina y, která je funkcí náhodných proměnných xi: xi se řídí rozděleními pi(xi) → můžeme najít jejich střední hodnoty mi a.
IV..
Aplikovaná statistika 2.
Popisné charakteristiky statistických souborů. ZS - přesné parametry (nelze je měřením zjistit) VS - výběrové charakteristiky (slouží jako odhad skutečných.
Statistické metody pro prognostiku Luboš Marek Fakulta informatiky a statistiky Vysoká škola ekonomická v Praze.
„ Hospodaření v lesích a údržba krajiny se zaměřením na obce“ Zjišťování zásob porostů.
Základy zpracování geologických dat R. Čopjaková.
POZNÁMKA: Pokud chcete změnit obrázek na tomto snímku, vyberte obrázek a odstraňte ho. Potom klikněte na ikonu Obrázek v zástupném textu a vložte vlastní.
Metody zkoumání závislosti numerických proměnných
Korelace. Určuje míru lineární vazby mezi proměnnými. r < 0
INDUKTIVNÍ STATISTIKA
Korelace Korelace obecně je míra kvality (vhodnosti, těsnosti) nalezeného regresního modelu pro daná data; vychází z hodnot reziduí V každém typu regresního.
Interpolace funkčních závislostí
4. cvičení
Regresní analýza výsledkem regresní analýzy je matematický model vztahu mezi dvěma nebo více proměnnými snažíme se z jedné proměnné nebo lineární kombinace.
Parciální korelace Regresní analýza
jednoduchá regrese kvadratický Y=b0+b1X+b2X 2
Ing. Tauber René , Výzkum a poradenství v lesnictví
4. Metoda nejmenších čtverců
Lineární regrese.
Interpolace funkčních závislostí
Transkript prezentace:

Růstové a přírůstové funkce Dendrometrie – cvičení 9

Růstové a přírůstové funkce Růstová funkce je matematicky formulovaný model závislosti růstové veličiny na věku (faktory prostředí se obvykle neuvažují). Přírůstová funkce je matematicky formulovaný model závislosti přírůstu růstové veličiny na věku (faktory prostředí se obvykle neuvažují).

Zadání Pro zadané dřeviny vypočítejte parametry Michajlovovy a Korfovy růstové funkce, přírůstové funkce běžného a průměrného přírůstu, indexy korelace a determinace.

Tvorba modelu růstové a přírůstové funkce Správný prvotní odhad parametrů modelu a je asymptota funkce, tedy maximálně dosažitelná hodnota růstové veličiny v daných podmínkách Parametry k a n udávají tvar funkce a jejich odhady závisí na použité funkci (pro náš případ k=1 pro Michajlovovu fci, k=10 pro Korfovu fci a n=1,5 pro Korfovu fci) Pro každou hodnotu reálně změřené růstové veličiny se musí spočítat i hodnota modelová pomocí vhodně zvolené funkce

Tvorba modelu růstové a přírůstové funkce výšky Výška bude modelována pomocí Michajlovovy růstové funkce A,k jsou parametry modelu a t je věk 𝒚=𝑨∗ 𝒆 − 𝒌 𝒕

Tvorba modelu růstové a přírůstové funkce výšky Je nutné dopočítat sumu čtverců reziduí pro optimalizaci nastavení parametrů modelu a celkovou kvalitu modelu Reziduum = měřená hodnota-modelová hodnota Čtverec rezidua = reziduum2 Ideální hodnoty parametrů a vhodné postavení modelu je ve stavu, když suma čtverců reziduí je na svém minimu Minimum RSČ lze dopočítat pomocí řešitele v Excelu

Tvorba modelu růstové a přírůstové funkce výšky Pro spočítanou růstovou funkci je nutné dopočítat hodnoty běžného a průměrného přírůstu výšky

Tvorba modelu růstové a přírůstové funkce výšky Vytvoření společného grafu pro růstovou funkci i přírůstové funkce výšky

Tvorba modelu růstové a přírůstové funkce tloušťky Výška bude modelována pomocí Korfovy růstové funkce A,k,n jsou parametry modelu a t je věk

Tvorba modelu růstové a přírůstové funkce tloušťky Je nutné dopočítat sumu čtverců reziduí pro optimalizaci nastavení parametrů modelu a celkovou kvalitu modelu Reziduum = měřená hodnota-modelová hodnota Čtverec rezidua = reziduum2 Ideální hodnoty parametrů a vhodné postavení modelu je ve stavu, když suma čtverců reziduí je na svém minimu Minimum RSČ lze dopočítat pomocí řešitele v Excelu

Tvorba modelu růstové a přírůstové funkce tloušťky Pro spočítanou růstovou funkci je nutné dopočítat hodnoty běžného a průměrného přírůstu tloušťky

Tvorba modelu růstové a přírůstové funkce tloušťky Vytvoření společného grafu pro růstovou funkci i přírůstové funkce tloušťky

Výpočet indexu korelace - IR Index korelace udává míru závislosti růstové veličiny a věku v nelineárním vztahu 𝐼 𝑟 = 1− 𝑦−𝑦̂ 2 𝑦−𝑦̄ 2 y jsou měřené hodnoty růstové veličiny ŷ jsou modelové hodnoty růstové veličiny ȳ je průměr z měřených hodnot růstové veličiny

Výpočet indexu determinace - ID Index determinace udává, jak velkou část variability závisle proměnné (v tomto případě růstové veličiny) je vysvětlena regresním modelem (modelem růstové funkce) 𝐼 𝑟 =1− 𝑦−𝑦̂ 2 𝑦−𝑦̄ 2