Informacja

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

Wyszukujesz frazę "wielowymiarowe metody statystyczne" wg kryterium: Temat


Wyświetlanie 1-11 z 11
Tytuł:
Wykorzystanie wielowymiarowych metod statystycznych w analizie stanu fizykochemicznego wód w systemie rzeka – zbiornik retencyjny na przykładzie zbiorników retencyjnych Pakosław i Jutrosin położonych w zlewni rzeki Orli
Application of Multivariate Statistical Methods in Water Quality Assessment of River-reservoirs Systems (on the Example of Jutrosin and Pakosław Reservoirs, Orla Basin)
Autorzy:
Przybyła, C.
Kozdrój, P.
Sojka, M.
Powiązania:
https://bibliotekanauki.pl/articles/1818572.pdf
Data publikacji:
2015
Wydawca:
Politechnika Koszalińska. Wydawnictwo Uczelniane
Tematy:
wielowymiarowe metody statystyczne
rzeka Orla
zbiornik lateralny
jakość wody
multivariate statistical methods
Orla river
off-channel reservoir
water quality
Opis:
The paper presents a preliminary study of analysis water quality in the off-channel reservoirs Pakoslaw and Jutrosin using the multivariate statistical techniques. Because of high biogenic pollution in Orla and Radeca rivers, Jutrosin and Pakoslaw reservoirs were based on an innovative concept in which the reservoirs were built on areas directly adjacent to rivers. Series of studies in the off-channel reservoirs were compared with water quality of Orla and Radeca rivers. The Orla together with the water reservoirs forms a right-bank tributary of the Barycz river. The storage reservoirs, built in the year 2007 (Pakoslaw) and 2011 (Jutrosin) represents off-channel reservoirs placed outside of the water course, but in its direct neighborhood. The reservoirs are filled by the water of Orla river from the water intake localized before the weir, while the water discharge into the river bed takers place through a discharge construction localized below the weir. Area of the Pakoslaw water reservoir is 26.6 ha and Jutrosin 90.5 ha. The multivariate statistical techniques such as cluster analysis (CA), factor analysis (FA), principal components analysis (PCA), and discriminant analysis (DA) were taken advantage to interpretation and evaluation data. The aim of the present research was to use chemometric techniques (CA, PCA, FA and DA) in order to: discover similarities and differences in the pchysico-chemical composition of water in off-channel reservoirs and rivers, identify water quality indicators suited to its temporal and spatial variability, expose hidden factors accounting for the structure of the data, and identify man-made sources of water pollution. Cluster analysis (CA) showed that there is unmistakable difference between water quality in the reservoirs and rivers. More evident fluctuation in the physico-chemical composition were observed in reservoirs compared to rivers. This is the result of unique location and theirs maintenance. Factors of water quality during the refilling reservoirs were comparable. Afterwards the off-channel reservoirs and rivers works separately. Factor analysis (FA) confirmed different process of self-purification in reservoirs due to rivers. Typical for pchysico-chemical composition of water are indexes like Conductivity, Fe, Cl, BOD, SO4, Ca, Hardness, Mg, O2 and PO4. This is the result of discriminant analysis (DA).
Źródło:
Rocznik Ochrona Środowiska; 2015, Tom 17, cz. 2; 1125-1141
1506-218X
Pojawia się w:
Rocznik Ochrona Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wielowymiarowe rozkłady charakterystyk materiałów uziarnionych przy zastosowaniu nieparametrycznych aproksymacji funkcji gęstości rozkładów brzegowych
Multidimensional distribution functions of grained materials features by application of non-parametric approximations of marginal distribution functions
Autorzy:
Niedoba, T.
Powiązania:
https://bibliotekanauki.pl/articles/349950.pdf
Data publikacji:
2009
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
wielowymiarowe rozkłady statystyczne
funkcja Morgensterna
materiały uziarnione
nieparametryczne metody statystyczne
multidimensional distribution functions
Morgenstern function
grained materials
non-parametric statistical methods
Opis:
Estymując rozkłady poszczególnych charakterystyk materiału uziarnionego, zazwyczaj traktuje się je osobno. Zastosowana w artykule technika Morgensterna umożliwia szukanie rozkładu wielowymiarowego, biorąc pod uwagę przynajmniej dwie cechy równocześnie. Przeprowadzono estymację rozkładu wielkości ziaren i ich gęstości na przykładzie węgla z KWK "Piast". W celu estymacji tzw. rozkładów brzegowych zastosowano nieparametryczne metody statystyczne - jądrową metodę Gaussa oraz ortogonalnego szeregu Fouriera. Wyniki oceniono statystycznie, co potwierdziło prawidłowość stosowanej metody.
Estimations of individual grained materials characteristics distribution functions is usually done separately. The method of Morgenstern, applied in the paper allows searching for multidimensional distribution function, taking into consideration at least two features simultaneously. The estimation of particles size and their density was performed on the basis of coal from KWK "Piast". In the purpose of so-called marginal distribution functions estimation the non-parametric statistical methods were applied - Gauss kernel method and orthogonal Fourier series method. The results were statistically evaluated what confirmed the adequacy of the method.
Źródło:
Górnictwo i Geoinżynieria; 2009, 33, 4; 235-244
1732-6702
Pojawia się w:
Górnictwo i Geoinżynieria
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wielowymiarowe metody statystyczne w analizie wyników ekonomiczno-produkcyjnych gospodarstw rolnych wybranych państw Unii Europejskiej
Multivariate statistical methods in analysis of production and economic results of agricultural holdings in the EU countries
Autorzy:
Pietrzykowski, R.
Kobus, P.
Powiązania:
https://bibliotekanauki.pl/articles/572817.pdf
Data publikacji:
2008
Wydawca:
Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
Tematy:
Unia Europejska
gospodarstwa rolne
wyniki ekonomiczno-produkcyjne
metody statystyczne wielowymiarowe
analiza skladowych glownych
analiza k-srednich
analiza skupien
lata 1989-2006
Opis:
Multivariate methods for analysis of the production and economic results in agricultural holdings in the EU countries are presented. Three methods were used: principal components analysis, cluster analysis and k-means method. The data base concerned 25 countries in the period of 1989- 2006.
W pracy zaprezentowano wykorzystanie wielowymiarowych metod statystycznych do analizy wyników ekonomiczno-produkcyjnych gospodarstw rolnych w wybranych państwach Unii Europejskiej. Wykorzystano trzy metody statystyczne: analizę składowych głównych, analizę k-średnich oraz analizę skupień. Dane dotyczyły 25 państw EU w latach 1989-2006.
Źródło:
Zeszyty Naukowe Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie. Problemy Rolnictwa Światowego; 2008, 04(19)
2081-6960
Pojawia się w:
Zeszyty Naukowe Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie. Problemy Rolnictwa Światowego
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wielowymiarowa analiza zmienności genotypowej cech rolniczych w kolekcji zasobów genowych kupkówki pospolitej (Dactylis glomerata L.)
Multivariate analysis of genotypic diversity of agronomic traits in orchardgrass (Dactylis glomerata L.) germplasm collection
Autorzy:
Studnicki, Marcin
Mądry, Wiesław
Schmidt, Jan
Powiązania:
https://bibliotekanauki.pl/articles/2198216.pdf
Data publikacji:
2012-03-29
Wydawca:
Instytut Hodowli i Aklimatyzacji Roślin
Tematy:
kupkówka pospolita
wielowymiarowe metody statystyczne
zasoby genowe
germplasm collection
multivariate analyses
orchardgrass
Opis:
W pracy przedstawiono analizę jedno- i wielocechowej zmienności 1971 obiektów, pocho¬dzących z polskiej kolekcji zasobów genowych kupkówki pospolitej, pod względem 8 cech ilościowych. W pierwszym kroku analizy wykonano wstępną ocenę zmienności obiektów, oddzielnie dla każdej cechy, z wykorzystaniem metod statystyki opisowej. Dalsze kroki polegały na przepro¬wadzeniu analizy składowych głównych oraz analizy skupień za pomocą metody UPGMA na standaryzowanych danych dla badanych cech. Zastosowano także analizę zmiennych kanonicznych dla wydzielonych grup (skupień). Stwierdzono, że wysokość roślin i plon zielonej masy są cechami o największej zmienności genotypowej spośród wszystkich badanych cech w kolekcji. Pierwsze trzy składowe główne wyjaśniały ponad 69% ogólnej zmienności 8 cech ilościowych w badanej kolekcji. Wyniki analizy zmiennych kanonicznych wskazują, że wysokość roślin oraz liczba dni do kłoszenia i kwitnienia odznaczały się relatywnie najsilniejszą zdolnością dyskryminacyjną pomiędzy dziesięcio¬ma grupami, wydzielonymi za pomocą analizy skupień.
In this paper an analysis of genotypic diversity for 8 quantitative agronomic traits in 1971 accessions belonging to the Polish orchardgrass germplasm collection was presented. Evaluation of diversity in the accessions was performed in four steps. In the first step a preliminary analysis of variation was done separately for each trait using descriptive statistics. Then, principal component analysis (PCA) and cluster UPGMA analysis (CA) were used on standardized data for the studied traits. Also, canonical discriminate analysis (CDA) was done to assess discriminating value of the traits to distinguish clusters delivered by CA. Plant height and total seasonal yield were most variable traits among all the traits. The first three principal components explained above 69% of the total variation within the accessions in the collection for the 8 traits. The results of the CDA suggested that plant height and days to inflorescence emergence and flowering were the major discriminatory characteristics for the ten distinguished clusters.
Źródło:
Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin; 2012, 263; 105-127
0373-7837
2657-8913
Pojawia się w:
Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
OCENA ZRÓŻNICOWANIA PRODUKCJI MLECZNEJ W UKRAINIE Z ZASTOSOWANIEM WIELOWYMIAROWYCH METOD STATYSTYCZNYCH
EVALUATION OF MILK PRODUCTION DIVERSIFICATION IN UKRAINE WITH USING MULTIDIMENSIONAL STATISTICAL METHODS
Autorzy:
Parlińska, Maria
Pietrych, Łukasz
Petrovska, Iryna
Powiązania:
https://bibliotekanauki.pl/articles/452987.pdf
Data publikacji:
2014
Wydawca:
Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Katedra Ekonometrii i Statystyki
Tematy:
produkcja mleka
wielowymiarowe metody statystyczne
Ukraina
milk production
multivariate statistical methods
Ukraine
Opis:
W artykule przedstawiono przykład zastosowania wielowymiarowych metod statystycznych do oceny możliwości produkcji mleka w poszczególnych regionach Ukrainy. Dokonując analizy zmienności oraz macierzy współczynników korelacji do ostatecznych obliczeń wybrano cztery zmienne charakteryzujące omawiany problem. W pracy zastosowano trzy metody umożliwiające wielowymiarową analizę statystyczną, tj.: metodę Hellwiga, metodę średniej arytmetycznej oraz diagram Czekanowskiego. Należy stwierdzić, że Ukraina jako kraj, który w przyszłości ma zamiar wstąpić do Unii Europejskiej może mieć istotny wpływ na rynek mleka, ze względu na swój potencjału produkcyjny.
In the article it is presented example of using multivariate statistical methods in purpose to assess capacity and possibilities of milk production in Ukrainian regions. With use of variability analysis and matrix of correlation coefficients there were chosen explanatory variables. In the article there were presented the following multivariate statistical methods as Hellwig method, method of middle average and Czekanowski diagram. In the conclusions it was defined the regions with the biggest and the smallest production capabilities.
Źródło:
Metody Ilościowe w Badaniach Ekonomicznych; 2014, 15, 4; 229-235
2082-792X
Pojawia się w:
Metody Ilościowe w Badaniach Ekonomicznych
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Klasyfikacja wiejskich gospodarstw domowych ze względu na kierunki i rodzaje rozchodów
Autorzy:
Piekut, Marlena
Powiązania:
https://bibliotekanauki.pl/articles/543949.pdf
Data publikacji:
2017
Wydawca:
Główny Urząd Statystyczny
Tematy:
consumption
expenditure
household budget
multivariate statistical methods
konsumpcja
wydatki
budżety domowe
wielowymiarowe metody statystyczne
Opis:
Celem badania jest wyodrębnienie grup wiejskich gospodarstw domowych o podobnych rozchodach oraz ich opis za pomocą cech społeczno-demograficznych i ekonomicznych. Przeprowadzono je z wykorzystaniem wielowymiarowych metod statystycznych — analizy skupień metodą k-średnich oraz analizy dyskryminacyjnej. Materiał badawczy stanowiły dane z badania budżetów gospodarstw domowych GUS za lata 2004 i 2012. W wyniku badania dokonano podziału wiejskich gospodarstw domowych na cztery grupy ze względu na rozchody, przy czym jedna z nich objęła ponad 2/3 gospodarstw. Zmiennymi najbardziej dyskryminującymi przynależność gospodarstw domowych do poszczególnych grup okazały się liczba osób w gospodarstwie domowym oraz dochód rozporządzalny przypadający na osobę.
The aim of the study is to isolate groups of rural households with similar outgoings and to describe them by socio-demographic and economic characteristics. It was carried out using multivariate statistical methods such as k-means cluster and discriminant function analysis. Data from the CSO survey of household budgets for the years 2004 and 2012 were used for the research purpose. The research resulted in the division of rural households into four groups considering the outgoings, where one group covered more than 2/3 of the households. Variables which discriminated the membership of rural households to certain groups to the largest extent were the number of people in the household and disposable income per capita.
Źródło:
Wiadomości Statystyczne. The Polish Statistician; 2017, 8
0043-518X
Pojawia się w:
Wiadomości Statystyczne. The Polish Statistician
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Historia rozwoju statystycznych metod planowania i analizy doświadczeń rolniczych na świecie oraz w Polsce
A history of the development of statistical methods for designing and analyzing agricultural experiments in the world and in Poland
Autorzy:
Mądry, Wiesław
Gozdowski, Dariusz
Powiązania:
https://bibliotekanauki.pl/articles/2199478.pdf
Data publikacji:
2020-02-12
Wydawca:
Instytut Hodowli i Aklimatyzacji Roślin
Tematy:
metody statystyczne
metody wielowymiarowe
modele statystyczne
estymacja parametrów statystycznych
hipotezy
testowanie hipotez
układy doświadczalne
wnioskowanie statystyczne
statystycy
biometrycy
statistical methods
multivariate methods
estimation
hypothesis testing
experimental designs
statistical inference
statisticians
biometricians
Opis:
W pracy przedstawiono główne kierunki badań, ich chronologię oraz osiągnięcia w zakresie metod statystyki matematycznej w zastosowaniu do biometrii i doświadczalnictwa rolniczego, dokonywane od XVII wieku do czasów współczesnych. Uwzględniono dorobek uczonych na świecie oraz w Polsce. Podkreślono historyczne i współczesne znaczenie tych osiągnięć matematycznych i metodycznych dla rozwoju i postępu nauk empirycznych w ogóle, a zwłaszcza nauk rolniczych i biologicznych. Przedstawiono znaczenie zastosowania metod statystycznych w uznaniu empirycznych badań rolniczych, jako nauki rolnicze. Świadectwa i rozważania oraz autorskie osądy odkryć i wynalazków statystycznych na przestrzeni wieków i lat są udokumentowane i zilustrowane oryginalnymi publikacjami, a także realnymi dokonaniami pionierów statystyki, biometrii i doświadczalnictwa rolniczego oraz współczesnych uczonych w tych dziedzinach i specjalnościach.  
The paper presents the main directions, chronology and achievements in the field of mathematical statistical methods applied to biometrics and agricultural experimentation, conducted from the 17th century to modern times. The achievements of scientists globally and in Poland are taken into account. The historical and present importance of these mathematical and methodological findings for the development and progress of empirical sciences in general, and especially agricultural and biological sciences, is emphasized. The importance of using statistical methods in the recognition of empirical agricultural research as agricultural science is presented. Testimonies and considerations on statistical discoveries and inventions over the centuries are documented and illustrated by the original publications and real activities of the pioneers of statistics, biometrics and agricultural experimentation, as well as contemporary scientists in these fields.  
Źródło:
Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin; 2020, 288; 23-40
0373-7837
2657-8913
Pojawia się w:
Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Czynniki kształtujące jakość płytkich wód podziemnych na Pogórzu Wiśnickim
Factors affecting the shallow groundwater quality in the Wioenickie Foothills
Autorzy:
Jelonkiewicz, E.
Jelonkiewicz, Ł. P.
Wolanin, A..
Powiązania:
https://bibliotekanauki.pl/articles/2075403.pdf
Data publikacji:
2015
Wydawca:
Państwowy Instytut Geologiczny – Państwowy Instytut Badawczy
Tematy:
studzienki
chemia wody
geologia
skażenie
wielowymiarowe metody statystyczne
wells
water chemistry
geology
pollution
multivariate statistical methods
Opis:
The aimof this study was to investigate the chemical composition of groundwater and the factors affecting it in the Stara Rzeka catchment located in the marginal zone of the Carpathian Mountains in theWioenickie Foothills. Nineteen samples of water were collected from wells and their pH and electrolytic conductivity were measured. The chemical composition of the samples, including 14 ions was determined by ion chromatography. Principal component analysis (PCA) allowed to isolate the factors affecting the quality of groundwater. Geological structure and anthropogenic pressure proved to be the determining factors. The cluster analysis was also used in this study and it allowed to group the analyzed waters in terms of their mutual similarity. Additionally, the chemical composition of water samples was determined with regard to their suitability for human consumption.
Źródło:
Przegląd Geologiczny; 2015, 63, 10/1; 786--790
0033-2151
Pojawia się w:
Przegląd Geologiczny
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Changes in the quality of shallow groundwater in agriculturally used catchment in the Wiśnickie Foothills (Southern Poland)
Zmiany jakości płytkich wód poziemnych w użytkowanej rolniczo zlewni na Pogórzu Wiśnickim (Południowa Polska)
Autorzy:
Bojarczuk, Anna
Jelonkiewicz, Ewelina
Jelonkiewicz, Łukasz
Lenart-Boroń, Anna
Powiązania:
https://bibliotekanauki.pl/articles/204997.pdf
Data publikacji:
2019
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
water quality
water pollution
wells
multivariate statistical methods
jakość wody
zanieczyszczenie wody
studnie
wielowymiarowe metody statystyczne
Opis:
The aim of this study was to examine the changes in the chemical composition of shallow groundwater and its quality that have occurred in the last decade in an agriculturally used, heavily populated and characterized by a complex geological structure, catchment of the Stara Rzeka river, located in the flysch part of the Outer Carpathians. Water samples were collected during 2013 from 19 still operating wells. Analyses of pH, electrolytic conductivity and chemical composition by ion chromatography were conducted. The obtained results were compared with the results of studies conducted in 2003 for the same wells. The quality of groundwater and its suitability for consumption was assessed based on the regulations currently existing in Poland. 21% of the wells still do not meet the requirements for drinking water in terms of at least one component. However, there was a decrease in the concentration of mineral forms of nitrogen and phosphorus in most of the wells and their mean concentration as compared to 2003 was reduced. In terms of physical and chemical characteristics groundwater of this region is typical of the hypergenic zone of the temperate climate. The highest concentrations were observed for Ca2+ and HCOˉ3 - ions, while K+ and Clˉ were characterized by the largest variability. Principal Component Analysis (PCA) demonstrated that the factors determining the quality and chemical composition of the analyzed waters include the composition of bedrock (mineralogy of the rock environment) and human economic activity, and that they have not been significantly changed over the past decade.
Celem opracowania jest zbadanie zmian składu chemicznego płytkich wód podziemnych i ich jakości jakie zaszły w ostatnim dziesięcioleciu w użytkowanej rolniczo, silnie zaludnionej, cechującej się skomplikowaną budową geologiczną zlewni Starej Rzeki, położonej we fliszowych Karpatach Zewnętrznych. W 2013 roku z 19 nadal użytkowanych studni pobrano próbki wody i poddano je analizie pH, przewodnictwa elektrolitycznego właściwego oraz składu chemicznego metodą chromatografii jonowej. Uzyskane wyniki porównano z wynikami badań z 2003 roku dla tych samych studni. Jakość wody podziemnej i jej przydatność do spożycia przez ludzi oceniono na podstawie obowiązujących w Polsce przepisów. 21% studni nadal nie spełnia wymogów stawianych wodzie do picia w zakresie przynajmniej jednego składnika, jednakże zaobserwowano spadek stężenia mineralnych form azotu i fosforu w większości studni oraz zmniejszenie się ich stężenia średniego w stosunku do 2003 r. Pod względem cech fizycznych i chemicznych wody podziemne tego regionu są typowe dla strefy hipergenicznej klimatu umiarkowanego. Najwyższe stężenia miały jony Ca2+ i HCOˉ3-, a najwyższą zmiennością cechowały się natomiast jony K+ i Clˉ. Analiza składowych głównych (PCA) dowiodła, że czynnikami decydującymi o jakości i składzie chemicznym wód są skład podłoża skalnego oraz gospodarcza działalność człowieka i nie uległy one znaczącym zmianom w minionym dziesięcioleciu.
Źródło:
Archives of Environmental Protection; 2019, 45, 1; 19-25
2083-4772
2083-4810
Pojawia się w:
Archives of Environmental Protection
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Badanie zmienności fenotypowej genotypów lnu oleistego (Linum usitatissimum L.) za pomocą statystycznych metod wielowymiarowych
Investigation of phenotypic distance of genotypes of oilseed flax (Linum usitatissimum L.) using multivariate statistical methods
Autorzy:
Bocianowski, J.
Silska, G.
Praczyk, M.
Powiązania:
https://bibliotekanauki.pl/articles/832680.pdf
Data publikacji:
2013
Wydawca:
Instytut Hodowli i Aklimatyzacji Roślin
Tematy:
len oleisty
Linum usitatissimum
genotyp
zmiennosc fenotypowa
metody statystyczne
metody statystyczne wielowymiarowe
wielowymiarowa analiza wariancji
odleglosc Mahalanobisa
linseed
genotype
phenotypic variability
statistical method
multidimensional statistical method
variance analysis
Mahalanobis distance
Opis:
Celem badań była wielocechowa charakterystyka zmienności dziesięciu cech osiemnastu geno-typów lnu uprawnego (Linum usitatissimum L.). Zastosowano metodę analizy zmiennych kanonicznych opartą na modelu wielowymiarowej analizy wariancji dla obserwowanych cech. Materiałem do badań było: dwanaście rodów hodowlanych i sześć odmian lnu uprawnego. Doświadczenia założono w układzie całkowicie losowym w trzech powtórzeniach, w dwóch sezonach wegetacji (2008, 2009) w Zakładzie Doświadczalnym IWNiRZ w Wojciechowie. Rody i odmiany oceniono pod względem dziesięciu cech ilościowych. Przeprowadzona wielowymiarowa analiza wariancji wykazała istotne zróżnicowanie genotypów, jak również zróżnicowanie ekspresji genotypów w latach. Zastosowana metoda zmiennych kanonicznych wykazała różne zachowanie genotypów w poszczególnych latach. Stwierdzono istotną statystycznie korelację odległości Mahalanobisa otrzymanych w obu latach: r = 0,5942, P < 0,001. Genotypy charakteryzujące się największym zróżnicowaniem genetycznym mogą posłużyć do tworzenia odrębnych pul genetycznych lnu uprawnego.
The aim of this study was the multivariate characteristics of the variability of ten traits of eighteen flax objects. The multivariate analysis of variance and canonical variate analysis were used. The plant material consisted of 12 breeding lines and 6 registered varieties of flax The experiments were carried out using completely randomized design in three replications during two crop seasons of 2008 and 2009 in an experimental station of Institute of Natural Fibres & Medicinal Plants in Wojciechów. Tested genotypes of flax were evaluated in respect to ten quantitative traits. Multivariate analysis of variance showed significant differences of the investigated genotypes and expression of genotypes in the years of study. The results of canonical variate analysis revealed differences between all the experimental objects in the years of study. Statistically significant correlation of Mahalanobis distance obtained in both years, r = 0.5942, P < 0.001, was found.. Genotypes having the greatest genetic diversity can be used to create a gene pool of flax.
Źródło:
Rośliny Oleiste - Oilseed Crops; 2013, 34, 2
1233-8273
Pojawia się w:
Rośliny Oleiste - Oilseed Crops
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of multidimensional scaling to classification of various types of coal
Zastosowanie skalowania wielowymiarowego do klasyfikacji różnych typów węgli
Autorzy:
Jamróz, D.
Powiązania:
https://bibliotekanauki.pl/articles/219176.pdf
Data publikacji:
2014
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
skalowanie wielowymiarowe
MDS
wizualizacja danych wielowymiarowych
węgiel
identyfikacja danych
statystyczne metody graficzne
rozpoznawanie obrazów
multidimensional scaling
multidimensional data visualization
coal
identification of data
statistical graphics methods
pattern recognition
Opis:
Visualization of multidimensional data is a new way of statistical analysis of so-called statistical graphical methods. These methods allow to classify some analyzed objects, including their various features. Facing grained materials problems, like coal or ores many characteristics have an influence on the quality of product. In case of coal, many features must be taken into consideration to determine quality of the material. Apart from most obvious characteristics like particle size, particle density or ash contents there are many others which cause significant differences between considered types of material. In the paper the application of Multidimensional Scaling Method is presented which is one of the multidimensional data visualization techniques. To this purpose, sampling of three types of coal was performed, which were 31, 34.2 and 35 (according to Polish classification of coal types). First, the material was screened on sieves and then divided into density fractions. Next step was to analyze chemically the obtained particle and size fractions of researched coal. Then, the Multidimensional Scaling Method was applied to visualize the investigated set of data. It was proved that the applied methodology allows to identify certain coal types efficiently and can be used as a qualitative criterion for grained materials. However, it was impossible to achieve such identification comparing all three types of coal together. The Multidimensional Scaling Method is new technique of data analysis concerning widely understood mineral processing.
Surowce mineralne, które podlegają wzbogacaniu w celu ich lepszego wykorzystania mogą być charakteryzowane wieloma wskaźnikami opisującymi ich, interesujące przeróbkarza, cechy. Podstawowymi cechami są wielkość ziaren oraz ich gęstość, które decydują o przebiegu rozdziału zbiorów ziaren (nadaw) i efektach takiego rozdziału. Rozdział prowadzi się z reguły, w celu uzyskania produktów o zróżnicowanych wartościach średnich wybranej cechy, która zwykle charakteryzowana jest zawartością określonego składnika surowca wyznaczoną na drodze analiz chemicznych. Takie podejście do surowca mineralnego prowadzi do potraktowania go jako wielowymiarowego wektora X = [X1, …, Xn]. Zasadniczym problemem jest także wybór jednostki populacji generalnej (ziarno, jednostka objętości lub masy), co może decydować o określeniu charakteru wielowymiarowych powiązań cech wektora X. Takimi kierunkami charakteryzowania mogą być wielowymiarowe rozkłady wektora losowego X wraz ze wszystkimi konsekwencjami metody (Lyman, 1993; Niedoba, 2009; 2011; Olejnik et al., 2010; Niedoba i Surowiak, 2012), wielowymiarowe równania regresji wraz z analizą macierzy współczynników korelacji liniowej oraz korelacji cząstkowej (Niedoba, 2013c), analiza czynnikowa (Tumidajski i Saramak, 2009), czy metody wielowymiarowej wizualizacji danych, będące tematem niniejszego artykułu. Biorąc pod uwagę analizę korelacji pomiędzy badanymi cechami materiałów uziarnionych (węgli) można zidentyfikować jakie jego cechy są ze sobą istotnie powiązane. Jest to swoiste preludium do wytypowania, które cechy węgla powodują istotne różnice pomiędzy jego typami. W artykule poddano badaniu trzy typy węgla, według polskiej klasyfikacji - węgle 31, 34.2 oraz 35, pochodzące z trzech różnych kopalni Górnośląskiego Okręgu Przemysłowego. Można powiedzieć, że z punktu widzenia ich jakości były to węgle energetyczne, semi-koksujące oraz koksujące. Każdy z tych węgli został poddany podziałowi na klasy ziarnowe, przy zastosowaniu odpowiedniego zestawu sit. Następnie każdą z otrzymanych klas ziarnowych rozdzielono w cieczach ciężkich na frakcje densymetryczne. Tak otrzymane klaso-frakcje zostały dodatkowo poddane analizie chemicznej ze względu na szereg cech, tj. ciepło spalania, zawartość siarki, zawartość substancji lotnych, zawartość popiołu, miąższość. Wyniki analiz dla wybranej klasy ziarnowej przedstawiono w tabeli 1. Tym samym otrzymano siedmiowymiarowy zestaw danych, który postanowiono poddać wielowymiarowej wizualizacji za pomocą metody skalowania wielowymiarowego. Metoda skalowania wielowymiarowego (multidimensional scaling, MDS) jest jedną z nowoczesnych metod wizualizacji danych. Tego typu metody są wskazane zwłaszcza w sytuacji gdy ma się do czynienia z zestawem skomplikowanych i złożonych danych. Skalowanie wielowymiarowe jest odwzorowaniem przestrzeni n-wymiarowej w przestrzeń m-wymiarową. Oparte jest na obliczaniu odległości pomiędzy każdą parą n-wymiarowych punktów. Na podstawie tych odległości rozważana metoda ustala wzajemne położenie obrazów tych punktów w docelowej przestrzeni m-wymiarowej. Niech dij oznacza odległość pomiędzy n-wymiarowymi punktami nr i oraz j. Skalowanie wielowymiarowe polega na takim rozmieszczeniu punktów w przestrzeni m-wymiarowej, by odległość Dij liczona w tej przestrzeni pomiędzy odwzorowanymi punktami nr i oraz j była jak najbardziej zbliżona do dij. Rozdział 4 zawiera wyniki eksperymentów. Na rysunkach 1-4 widać, w jaki sposób wzrasta grupowanie punktów reprezentujących trzy różne klasy węgla (31, 34.2 oraz 35) wraz ze wzrostem parametru ITER. Widać, że punkty będące obrazami danych reprezentujących te same klasy węgla zaczynają zajmować osobne podobszary oraz zaczynają się grupować. Czytelność podziału przestrzeni rośnie wraz ze zwiększeniem parametru ITER, więc wraz z dokładniejszym dopasowaniem odległości obrazów punktów Dij w przestrzeni 2-wymiarowej do oryginalnych odległości dij pomiędzy punktami w przestrzeni n-wymiarowej. Na rysunku 4 pokazano najbardziej czytelny wynik, jaki udało się uzyskać dla danych zawierających trzy typy węgla 31, 34.2 oraz 35. Nastąpiło to przy parametrze ITER = 793. Widać wyraźnie, że obrazy punktów danych reprezentujących próbki węgla danego typu gromadzą się w skupiskach. Można zaobserwować, że na prawie całym obszarze rysunku, skupiska te można od siebie odseparować. Jednak w niektórych częściach przestrzeni obrazy punktów reprezentujących różne klasy węgla zachodzą na siebie. Przez to nie możemy na podstawie tego rysunku stwierdzić, że analizowane dane pozwalają na prawidłową klasyfikację typów węgla. Postanowiono więc przeanalizować dane reprezentujące różne typy węgla parami. Na rysunkach 5-7 przedstawiono parami węgle typu, odpowiednio, 34.2 i 35 (Rys. 5), 31 i 34.2 (Rys. 6) oraz 31 i 35 (Rys. 7). Na każdym z tych rysunków widać czytelnie, że obrazy punktów reprezentujących próbki różnych typów węgla gromadzą się w skupiskach, które łatwo można od siebie odseparować. Przeprowadzona wizualizacja wielowymiarowa przy użyciu skalowania wielowymiarowego pozwala więc stwierdzić, że informacje zawarte w analizowanych siedmiowymiarowych danych są wystarczające do prawidłowej klasyfikacji typów węgla 31, 34.2 oraz 35.
Źródło:
Archives of Mining Sciences; 2014, 59, 2; 413-425
0860-7001
Pojawia się w:
Archives of Mining Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-11 z 11

    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