Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "dystrybuanta empiryczna" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Results of the verification of the statistical distribution model of microseismicity emission characteristics
Wyniki weryfikacji modelu opisującego rozkład statystyczny cech emisji sejsmoakustycznej
Autorzy:
Cianciara, A.
Powiązania:
https://bibliotekanauki.pl/articles/219233.pdf
Data publikacji:
2016
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
emisja sejsmoakustyczna
pękanie górotworu
cechy emisji sejsmoakustycznej
dystrybuanta empiryczna
rozkład Weibull’a
test Kołmogorowa
statystyki wartości maksymalnych
microseismicity emission
rock burst
empirical distribution
Weibull distribution
Kolmogorov-Smirnov goodness-of-fit test
hazard analysis
maximum value statistics
Opis:
The paper presents the results of research aimed at verifying the hypothesis that the Weibull distribution is an appropriate statistical distribution model of microseismicity emission characteristics, namely: energy of phenomena and inter-event time. It is understood that the emission under consideration is induced by the natural rock mass fracturing. Because the recorded emission contain noise, therefore, it is subjected to an appropriate filtering. The study has been conducted using the method of statistical verification of null hypothesis that the Weibull distribution fits the empirical cumulative distribution function. As the model describing the cumulative distribution function is given in an analytical form, its verification may be performed using the Kolmogorov-Smirnov goodness-of-fit test. Interpretations by means of probabilistic methods require specifying the correct model describing the statistical distribution of data. Because in these methods measurement data are not used directly, but their statistical distributions, e.g., in the method based on the hazard analysis, or in that that uses maximum value statistics.
Problematyka oceny stopnia zagrożenia tąpaniami jest niezwykle ważnym zagadnieniem i do tej pory nie w pełni rozwiązanym. Wstrząsy występują głównie w rejonach zrobów (Cianciara & Cianciara, 2006). Mogą również występować na wybiegu ściany, na skutek uginania się stropu (Marcak, 2012), obserwuje się wówczas wzmożoną aktywność pękania górotworu, co jest przyczyną powstawania emisji sejsmicznej. W pracy przedstawiono wyniki badań mających na celu weryfikację hipotezy, że rozkład Weibull’a stanowi właściwy model opisujący rozkłady statystyczne cech emisji sejsmoakustycznej, a mianowicie: energii zjawisk, odstępów czasu między zjawiskami. Przyjmuje się, że emisja, będąca przedmiotem rozważań, wywołana jest naturalnym pękaniem górotworu. Jednak w praktyce rejestrowana emisja, oprócz zjawisk związanych z pękaniem, może zawierać zakłócenia. Dlatego, na potrzebę badania modelu, jest ona poddawana odpowiednim zabiegom celem usunięcia tych zakłóceń. Badanie prowadzone jest metodą statystycznej weryfikacji hipotezy zerowej o zgodności dystrybuant (rozkładów) empirycznych z dystrybuantą zadaną a priori w formie rozkładu Weibull’a. Ponieważ model opisujący dystrybuantę hipotetyczną jest zadany w formie analitycznej, dlatego jego weryfikację można prowadzić stosując test λ Kołmogorowa. Interpretacje prowadzone metodami probabilistycznymi wymagają określenia właściwego modelu opisującego rozkład statystyczny danych pomiarowych. Ponieważ w metodach tych nie wykorzystuje się bezpośrednio danych pomiarowych, lecz ich rozkłady statystyczne, np. w metodzie opartej na analizie hazardu, czy też wykorzystującej statystyki wartości maksymalnych. W trakcie badań stwierdzono, że w około 95% badanych przypadków nie było podstaw do odrzucenia hipotezy zerowej o zgodności rozkładów empirycznych z modelem w formie rozkładu Weibull`a.
Źródło:
Archives of Mining Sciences; 2016, 61, 3; 489-496
0860-7001
Pojawia się w:
Archives of Mining Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Siatka prawdopodobieństwa uogólnionego rozkładu gamma
Quantile-Quantile plot for the generalised gamma distribution
Autorzy:
Sulewski, Piotr
Powiązania:
https://bibliotekanauki.pl/articles/543278.pdf
Data publikacji:
2018-11-28
Wydawca:
Główny Urząd Statystyczny
Tematy:
siatka prawdopodobieństwa
uogólniony rozkład gamma
dystrybuanta empiryczna
metoda Monte Carlo
Q-Q plot
generalised gamma distribution
cumulative distribution function
Monte Carlo method
Opis:
W badaniach statystycznych dużą popularność zyskują elastyczne rozkłady prawdopodobieństwa, których parametry są łatwe do oszacowania. W okresie poprzedzającym korzystanie z programów komputerowych zbudowanie siatek prawdopodobieństwa było możliwe tylko dla rozkładów o odwracalnej dystrybuancie, takich jak np. rozkład wykładniczy czy Weibulla. Dystrybuanta uogólnionego rozkładu gamma (URG) jest nie tylko nieodwracalna, lecz także nie ma formy analitycznej. Obecnie jednak, w dobie zaawansowanych możliwości informatycznych, dystrybuantę URG można odwrócić numerycznie przy pomocy różnych narzędzi, np. Microsoft Excel, Mathcad czy język R. Celem artykułu jest przedstawienie nowej metody tworzenia siatki prawdopodobieństwa URG wykorzystującej funkcję gęstości statystyki pozycyjnej oraz porównanie jej z metodami klasycznymi.
The aim of the paper is to propose a new method of creating a Q-Q plot using the density function of order statistics as well as to compare it with the classical methods.The most popular distributions for statisticians are those flexible ones which have easily estimated parameters. In the pre-computer era Quantile-Quantile plot (Q-Q plot) can be constructed only for distributions of reversible cumulative distribution functions (CDF) such as the exponential distribution and the Weibull distribution. The CDF of generalised gamma distribution (GGD) is not only analytically irreversible, but also has no analytical form. However, at present, owing to advanced computer technology, this problem can be solved. The CDF of GGD can be inverted by using different computing environment, i.e. Microsoft Excel, Mathcad, R language.
Źródło:
Wiadomości Statystyczne. The Polish Statistician; 2018, 63, 11; 5-20
0043-518X
Pojawia się w:
Wiadomości Statystyczne. The Polish Statistician
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies