Bevezetés a méréskiértékelésbe (BMETE80ME19) 2014/6 2014.10.22.

Slides:



Advertisements
Hasonló előadás
Lineáris regressziós MODELLEK
Advertisements

Összetett kísérleti tervek és kiértékelésük:
A portfolió-választási feladat instabilitása
Egy faktor szerinti ANOVA
Kvantitatív módszerek
MI 2003/9 - 1 Alakfelismerés alapproblémája: adott objektumok egy halmaza, továbbá osztályok (kategóriák) egy halmaza. Feladatunk: az objektumokat - valamilyen.
MI 2003/ A következőkben más megközelítés: nem közvetlenül az eloszlásokból indulunk ki, hanem a diszkriminancia függvényeket keressük. Legegyszerűbb:
Tartalékmodellezés R-ben Sághy Balázs Altenburger Gyula szimpózium Balatonvilágos május 22.
Érzékenységvizsgálat
GNSS elmélete és felhasználása Fázismérések lineáris kombinációi. A ciklustöbbértelműség feloldása.
Regresszió számítás Mérnöki létesítmények ellenőrzése, terveknek megfelelése Geodéziai mérések – pontok helyzete, pontszerű információ Lineáris regresszió.
Statisztika feladatok Informatikai Tudományok Doktori Iskola.
DIFFERENCIÁLSZÁMÍTÁS ALKALMAZÁSA
Mérési pontosság (hőmérő)
Dr. Szalka Éva, Ph.D.1 Statisztika II. VII.. Dr. Szalka Éva, Ph.D.2 Mintavétel Mintavétel célja: következtetést levonni a –sokaságra vonatkozóan Mintavétel.
Statisztika II. VI. Dr. Szalka Éva, Ph.D..
Statisztika II. II. Dr. Szalka Éva, Ph.D..
Előadó: Prof. Dr. Besenyei Lajos
SPSS többváltozós (lineáris) regresszió (4. fejezet)
SPSS többváltozós regresszió
ÖSSZEFOGLALÓ ELŐADÁS Dr Füst György.
Statisztika II. VIII. Dr. Szalka Éva, Ph.D..
Dr. Szalka Éva, Ph.D.1 Statisztika II. VI.. Dr. Szalka Éva, Ph.D.2 Regresszióanalízis.
Statisztika II. III. Dr. Szalka Éva, Ph.D..
Az Alakfelismerés és gépi tanulás ELEMEI
Adatmodellek A modellezés statisztikai alapjai. Statisztikai modell??? cél: feltárni, hogy bizonyos jelenségek között létezik-e az általunk feltételezett.
Kvantitatív Módszerek
Az elemzés és tervezés módszertana
Idősor elemzés Idősor : időben ekvidisztáns elemekből álló sorozat
Mintavételi hiba, hibaszámítás
Érzékenységvizsgálat
Optimalizáció modell kalibrációja Adott az M modell, és p a paraméter vektora. Hogyan állítsuk be p -t hogy a modell kimenete az x bemenő adatokon a legjobban.
Matematikai eszközök a környezeti modellezésben
Gazdaságstatisztika 14. előadás.
Hipotézis vizsgálat (2)
Többváltozós adatelemzés
Fraktálok Szirmay-Kalos László.
Következtető statisztika 9.
A sztochasztikus kapcsolatok (Folyt). Korreláció, regresszió
Alapsokaság (populáció)
Várhatóértékre vonatkozó próbák
Alapfogalmak.
Lineáris regresszió.
Folytonos eloszlások.
Két kvantitatív változó kapcsolatának vizsgálata
Paleobiológiai módszerek és modellek 4. hét
Korreferátum Herczeg Bálint: Az iskolák közötti különbségek mértékének mélyebb vizsgálata Horn Dániel Tudományos munkatárs Hétfa műhely, Budapest, 2014.
Bevezetés a méréskiértékelésbe (BMETE80ME19) Intervallumbecslések 2014/
Bevezetés a méréskiértékelésbe (BMETE80ME19) 2014/
Bevezetés a méréskiértékelésbe (BMETE80ME19) 2014/
Bevezetés a méréskiértékelésbe (BMETE80ME19) 2014/
Közúti és Vasúti Járművek Tanszék. A ciklusidők meghatározása az elhasználódás folyamata alapján Az elhasználódás folyamata alapján kialakított ciklusrendhez.
Bevezetés a méréskiértékelésbe (BMETE80ME19)
MI 2003/8 - 1 Alakfelismerés alapproblémája: adott objektumok egy halmaza, továbbá osztályok (kategóriák) egy halmaza. Feladatunk: az objektumokat - valamilyen.
Bevezetés a méréskiértékelésbe (BMETE80ME19) 2014/
Hága Péter ELTE, Komplex Rendszerek Fizikája Tanszék Statisztikus Fizikai Nap Budapest.
Struktúra predikció Struktúra lehet Felügyelt tanulási probléma
Bevezetés a méréskiértékelésbe (BMETE80ME19) 2014/
Rekord statisztikák Készítette: Komjáti Bálint IV. évf. fizikus hallgató (ELTE-2006) Györgyi Géza: Extrém érték statisztikák előadásán tartott szemináriumára.
100-as szög méreteinek gyakorisága (n = 100) db mm Gyakoriság grafikon (adott méretű esetek db.)
Lineáris regressziós modellek

Numerikus differenciálás és integrálás
Becsléselmélet - Konzultáció
Kockázat és megbízhatóság
Dr. Varga Beatrix egyetemi docens
Emlékeztető Az előző órán az adatok eloszlását Gauss-eloszlással közelítettük Célfüggvénynek a Maximum Likelihood kritériumot használtuk A paramétereket.
Valószínűségi változók együttes eloszlása
Gazdaságinformatikus MSc
2. Regresszióanalízis Korreláció analízis: milyen irányú, milyen erős összefüggés van két változó között. Regresszióanalízis: kvantitatív kapcsolat meghatározása.
Előadás másolata:

Bevezetés a méréskiértékelésbe (BMETE80ME19) 2014/

Múlt alkalom…. Maximum likelihood becslés közvetlen mérési adatokra, eltérő szórású mérések esetén Normális eloszlás feltételezése mellett….konfidencia intervallum konstruálása Kerekítési hibák kezelése

Nem közvetlen mérések Új elem: Matematikai modell (fizikai modell) Modell: Kevés paraméterrel leírható függvény - vagy alakban a hibamodell várhatóértékének helyén „Forward” probléma

Független mérések

Mért adatsor feltételes valószínűsége Normálegyenletek Vektoros alakban

Normálegyenletek megoldása Iteráció és linearizálás….. Newton-iteráció 1 dim derivált Több dim. Derivált-mátrix KEZDŐÉRTÉK érzékenység

Iteráció vizsgálata Általános iterációs mátrix: R Hogyan tudjuk biztosítani, hogy minden lépésben csökkenjen, akár lassabb konvergencia mellett. szimmetrikus negativ Előjele bizonytalan - minimalizáljuk

választás A második tag nem biztos, hogy negatív, de a megoldás közelében kicsi…

stabilizálás

jelölések Mérések kovariancia mátrixa

Első rendben

d =

Ált. elhanyagolható

belátható