Varianzfortpflanzung

Slides:



Advertisements
Ähnliche Präsentationen
3. 3D-Betrachtungstransformationen
Advertisements

13. Transformationen mit Matrizen
Modellierung und Schätzung von Variogrammen
Grundlagen der Geometrie
Forschungsstrategien Johannes Gutenberg Universität Mainz
Multivariate Analysemethoden Johannes Gutenberg Universität Mainz
Multivariate Analysemethoden Johannes Gutenberg Universität Mainz
Law of comparative judgement
Forschungsstatistik I
K. Desch - Statistik und Datenanalyse SS05
Astronomisch, Physikalische und Mathematische Geodäsie II
Kreiselgleichungen Annette Eicker 12. Januar
Quaternionen Eugenia Schwamberger.
Statistische Methoden I WS 2007/2008 Probeklausur Donnerstag, 31. Januar 2008 und Freitag, 1. Februar statt Vorlesungen -
Hier noch ein Beispiel zur bedingten Wahrscheinlichkeit Drei Personen A, B und C befinden sich im Gefängnis. Einer von den dreien ist zum Tode verurteilt,
Erwartungswert und Varianz I Der endliche Fall Erwartungswert Varianz.
Erwartungswert und Varianz I Der endliche Fall Erwartungswert Varianz.
Statistische Methoden I WS 2009/2010 Probeklausur Montag, 25. Januar statt Vorlesung -
Grundbegriffe der (deskriptiven) Statistikder Wahrscheinlichkeitstheorie.
Statistische Methoden I WS 2004/2005 Probeklausur Freitag, 21. Januar statt Vorlesung - In 2 Wochen In 2 Wochen!
Verteilungsfunktion der Normalverteilung I. Verteilungsfunktion der Normalverteilung II.
Grundbegriffe der (deskriptiven) Statistik
Test auf Normalverteilung
Maximum-Likelihood-Schätzer ( diskreter Fall) Likelihood-Funktion mit oder M-L-Schätzer.
Tutorium
Vorlesung Biometrie für Studierende der Veterinärmedizin Begriff der Zufallsgröße Ergebnisse von Zufallsexperimenten werden als Zahlen dargestellt:
Binomialverteilung: Beispiel
§24 Affine Koordinatensysteme
Ausgleichungsrechnung I
Wahrscheinlichkeit Zufallsexperiment:
STATISIK LV Nr.: 0028 SS Mai 2005.
STATISIK LV Nr.: 0021 WS 2005/ Oktober 2005.
Data Mining Georg Pölzlbauer.
Multivariate Statistische Verfahren
Multivariate Statistische Verfahren
Testtheorie (Vorlesung 6: ) Zusammenfassung: Matrizen
Testtheorie (Vorlesung 4: ) Wiederholung/Zusammenfassung
Testtheorie (Vorlesung 5: ) Wiederholung/Zusammenfassung  Reduktion von Gleichungen:
Meßreihe: Modellansatz
Grundlagen der Geometrie
2.5.2 Multivariate Monte Carlo-Simulation
K. Desch - Statistik und Datenanalyse SS05 1 Zusammenfassung 2. Vorlesung (22.4.) Schiefe (Skewness): Maß für die Asymmetrie der Verteilung um den Mittelwert.
K. Desch - Statistik und Datenanalyse SS05
Graphische Datenverarbeitung
PCA Principal Component Analysis. Gliederung PCA – Warum eigentlich? PCA – Was ist zu tun? Was passiert eigentlich? Anwendungen Zusammenfassung.
Independent Component Analysis: Analyse natürlicher Bilder Friedrich Rau.
Kapitel 2: Testtheorie / Testmodelle  Multivariate (p-variate) Normalverteil- ung :  Mittelwertstruktur: p Mittelwerte  Kovarianzstruktur: p·(p+1)/2.
/ SES.125 Parameterschätzung
Wahrscheinlichkeitstheorie
8 Ergänzungen und Verallgemeinerungen.
Ausgleich nach der Methode der kleinsten Quadrate
Multivariate Analysemethoden Johannes Gutenberg Universität Mainz
7.2 Theoretische Kennwerte
Fundamentalräume einer Matrix
Binomialverteilung.
Effiziente Lösungen für das Gauß-Markoff Modell
Ausgleich nach der Methode der kleinsten Quadrate
Approximation (Teil 2) / SES.125 Parameterschätzung
Fundamentalräume einer Matrix
Wahrscheinlichkeitsverteilungen
Binomialverteilung FI Mag. Günther Schwarz.
Kapitel 2: Testtheorie / Testmodelle
Vergleich Eindimensionaler Stichproben
10 Statistisches Schätzen
Forschungsstrategien Johannes Gutenberg Universität Mainz
Kapitel 2: Testtheorie / Testmodelle
Zufallsgrößen und Zufallsprozesse
Konfidenzintervalle und Tests auf Normalverteilung
Multivariate Analysemethoden Johannes Gutenberg Universität Mainz
Multivariate Analysemethoden Johannes Gutenberg Universität Mainz
 Präsentation transkript:

Varianzfortpflanzung 521.202 / SES.125 Parameterschätzung Varianzfortpflanzung Torsten Mayer-Gürr

Zufallsvektor

Varianz / Kovarianz Zufallsvektor Erwartungswert Varianz-Kovarianzmatrix Mit der Dichte und Varianz Kovarianz Kovarianz Operator 16.12.2015

n x m konstante Koeffizientenmatrix Varianz / Kovarianz Lineare Transformation n x 1 Zufallsvektor m x 1 Zufallsvektor n x 1 konstanter Vektor n x m konstante Koeffizientenmatrix Erwartungswert Kovarianzmatrix 16.12.2015

Kovarianzfortpflanzung 16.12.2015

Polares Anhängen Polares Anhängen Gemessen Polares Anhängen mit Lineare Transformation? Kovarianzmatrix 16.12.2015

Polares Anhängen 1. Gemessen: 2. Kovarianzmatrix: 3. Berechnet: 4. Jakobimatrix 5. Kovarianzmatrix 5. Kovarianzmatrix Ergebnis 16.12.2015

Wiederholte Streckenmessung mit einem Tachymeter Beispiel Wiederholte Streckenmessung mit einem Tachymeter Messungen (Beobachtungen): 100,006 m 100,005 m 99,995 m 100,008 m 99,993 m 0,000 m 99,996 m 99,998 m 99,992 m 100,000 m 100,004 m 99,991 m 99,997 m 100,002 m … 14.10.2015

Beispiel Histogramm von 10000 Beobachtungen Anzahl Gemessene Strecke (reduziert um 100 m) [mm] 14.10.2015

Kovarianzfortpflanzung Beispiel: Mittelwert mit Bei gleicher Varianz 16.12.2015

Kovarianzfortpflanzung Beispiel: Differenz zweier Streckenmessungen mit Varianz der Differenz 16.12.2015

Varianzfortplanzung im Gauß-Markoff Modell (Tafel)

Drehung des Koordinatensystems

Polares Anhängen Polares Anhängen 16.12.2015

Drehmatrizen Drehmatrix Inverse Drehung Allgemein: Orthogonale Matrix (Rotation mit evtl. Spiegelung) 16.12.2015

Polares Anhängen Polares Anhängen Drehung um Winkel t Kovarianzmatrix mit 16.12.2015

Polares Anhängen Drehung um Winkel t Nebenrechnung mit Kovarianzmatrix 16.12.2015

Polares Anhängen Polares Anhängen Gemessen Polares Anhängen mit Durch Drehung des Koordinatensystems kann man unkorrelierte Zufallsvariablen erhalten! Kovarianzmatrix 16.12.2015

Fehlerellipse

Beispiel: Strecke zwischen Koordinaten

Multivariate Normalverteilung

Zweidimensionale Zufallsverteilung Zweidimensionale stetige Zufallsvariable Wahrscheinlichkeit (Verteilungsfunktion) Dichtefunktion Pail Satz: Zwei Zufallsvariablen sind genau dann voneinander unabhängig, falls gilt 16.12.2015

Zweidimensionale Normalverteilung Definition: Die Zufallsvariable X bezeichnet man als normalverteilt mit den Parametern 𝜇 und 𝜎 2 , abgekürzt geschrieben 𝑋~𝑁(𝜇,𝜎 2 ), wenn ihre Dichte 𝑓(𝑥) für Zweidimensionale Zufallsvariable mit unabhängigen Elementen 16.12.2015

Zweidimensionale Normalverteilung Multivariate Normalverteilung, wenn x und y unabhängig sind: 16.12.2015

Zweidimensionale Normalverteilung Multivariate Normalverteilung, wenn x und y unabhängig sind: Durch Drehung des Koordinatensystems lässt sich jede symmetrische Matrix auf Diagonalgestalt bringen (Eigenwertzerlegung) Produkt der Eigenwerte 16.12.2015