Modellierung kontinuierlicher Niederschläge für die Simulation von Extremabflüssen
|
|
- Lilli Otto
- vor 6 Jahren
- Abrufe
Transkript
1 Institut für Wasserwirtschaft, Hydrologie und landwirtschaftlichen Wasserbau Modellierung kontinuierlicher Niederschläge für die Simulation von Extremabflüssen U. Haberlandt, A.-D. Ebner von Eschenbach, I. Buchwald, A. Belli DKW Fachtagung und RIMAX Workshop , Dresden
2 Gliederung 1. Einführung 2. Disaggregation von Tageswerten 3. Raum-zeitliche stochastische Synthese 4. Schlussfolgerungen 2
3 1 Einführung Alternativen für die Schätzung von Bemessungsabflüssen HQ n Methode Lokale Extremwertstatistik Vorteile - Lokale Information - Stand der Technik Nachteile - Kurze Stichprobe - unbeobachtete Punkte Regionale Extremwertstatistik - größere Stichprobe - Regionalisierung - Unabhängigkeit - Regionale Homogenität N-A-Modell mit Einzelregen - Stand der Technik - Annahme: T HQ = T HN - N räumlich konstant N-A-Modell mit kontinuierlichem Regen - Regionalisierung - räumlich variable HQ n - multiple Realisationen - aufwendig - oft N-Modell benötigt (modifziert nach Blöschl, 27) 3
4 Gliederung 1. Einführung 2. Disaggregation von Tageswerten 3. Raum-zeitliche stochastische Synthese 4. Schlussfolgerungen 4
5 2 Disaggregation Ziel: zeitliche Aufteilung von beobachteten Tagesniederschlägen (24h-Summe) in Stundenwerte Methode: multiplikativen Zufallskaskadenmodells mit exakter Massenerhaltung (Güntner et al., 21) Vorteile: Nutzung Tagesmessnetz; gewisser Echtzeitbezug Nachteile: Reihenlänge beschränkt Anwendung: Test für zwei Teilgebiete im Bode-EZG (Selke 15 km 2, Holtemme 168 km 2 ) N-Daten: ca. 1 Messer (3a), ca. 1 Automaten insgesamt Kontinuierliche N-A-Simulation mit HEC-HMS 5
6 Level Methode (1) 1 24 h x 1-x h x 1-x x 1-x h 1 x 1-x h 1 x 1-x h Struktur des multiplikativen Zufallskaskadenmodells 6
7 Parameter: Methode (2) Aufteilungswahrscheinlichkeiten: P(/1), P(1/), P(x/1-x) Verteilungsfunktionen für Variable x klassifiziert nach Position und Volumen des betrachteten N-Intervalls Schätzung der Parameter: Kaskade rückwärts berechnen 1. Bei Skalenunabhängigkeit von Tagesstationen möglich 2. Bei räumlicher Homogenität vom nächsten Nachbar Problem: Multivariate Disaggregation Hier gelöst über räumlich einheitliche Disaggregation mit N-Verlauf von einer tagesweise speziell ausgewählten N-Station 7
8 Ergebnisse Niederschlag Ereignisstatistik Mittlere Mittleres Mittlere Mittlere Mittlerer Magdeburg ( t = 1h) Anzahl Volumen Std.Dev. Schiefe Jahres-N [-] [mm] [mm] [-] [mm/a] Beobachtet Disaggregiert Param. vom Nachbarn emp. VF Magdeburg (D = 6 min) emp. VF Magdeburg (D = 18 min) N [mm] T [a] SYN (5 x 12a) BEO (12a) N [mm] T [a] SYN (5 x 12a) BEO (12a) y T [-] y T [-] 8
9 Ergebnisse Abfluss HQ [m 3 /s] emp. VF Pegel Mahndorf (EZG 168 km²) T [a] BEO (32a) SIM (räumlich konsistente N) (5 x 32a) SIM (räumlich zufällige N) (5 x 32a) y T [-] 8 emp. VF Pegel Silberhütte (EZG 15 km²) T [a] HQ [m 3 /s] BEO (34a) SIM (räumlich konsistente N) (5 x 34a) SIM (räumlich zufällige N) (5 x 34a) y T [-] 9
10 Gliederung 1. Einführung 2. Disaggregation von Tageswerten 3. Raum-zeitliche stochastische Synthese 4. Schlussfolgerungen 1
11 3 Stochastische Synthese Ziel: Raum-zeitliche stochastische Synthese von kontinuierlichen Stundenniederschlägen beliebiger Länge Methode: (A) Univariates Alternating-Renewal Modell (ARP), (B) Resampling zur Erzeugung der räumlichen Struktur, etc. Vorteile: beliebige Länge, multiple Realisationen Nachteile: kein Echtzeitbezug, Validierung nur über Statistik Anwendung: Test für zwei Teilgebiete im Bode-EZG (Selke 15 km 2, Holtemme 168 km 2 ) N-Daten: 6 Automaten (5-14a), 8 Schreiber (nur Sommer: 3a) Kontinuierliche N-A-Simulation mit HEC-HMS 11
12 (A) Methodik: ARP Alternating- Renewal- Modell Extern: Intern: Zerlegung TS in Ereignisse (dry/ wet spells) dry spells Trockendauer (dsd) wet spells Nassdauer (wsd), Volumen (wsa) Def. N-Verlaufes innerhalb der wet spells P-Intensity P i entire event P t = wsp exp λ [ ± 1 ( t wspt) ] wet-spell - dry-spell wsp area = wsa wsi 1 wsd 1 dsd 1 wsd 2 dsd 2 wsd 3 Time wspt Time 12
13 (A) ARP: Externe Struktur Komponenten Verteilungsfunktion Param. Nassdauer (wsd) Trockendauer (dsd) Exponential 1 Pearson-2 2 Ereignisvolumen (wsa) Zusammenhang wsa-wsd Weibull-3 Frank 2D-Copula 3 1 c(u,v) v = F(wsa) u = F(wsd) Frank Copula: C α ( u, v) = αu αv ( e 1)( e 1) 1 ln 1 + α e 1 α Copula für die Station Harzgerode, Reihe (Kendalls τ=.42, α=4.55) 13
14 (B) Methodik Resampling Multivariates Post-Processing mit Simulated Annealing räumliche Struktur und Saisonalität 1. Zielfunktion ZF: a) univariate Ereignissaisonalität: dsd, wsd, wsa b) bivariates stündliches N-Vorkommen p ij, p11 ij c) bivariate stündliche Pearsonsche Korrelation r ij 2. Resampling Prozedur: a) bivariates Ereignis-Mischen stationsweise b) zufälliger Tausch zweier Ereignisse für aktuelle Station c) Disaggregation in stündliche Werte für Berechnung ZF d) Aktualisierung ZF durch Neuberechnung für die modifizierte Zeitperiode zwischen den 2 Ereignissen 14
15 Ergebnisse (univariat) N-Volumen Harzgerode ( t = 1h) Anz. Ereignisse Mittelwert Stand.- abweich. Schiefe Annual P [-] [mm] [mm] [-] [mm/a] Beobachtung (14 a) Synthese (1 a) emp. VF Harzgerode (D= 36 min) Average Seasonality N [mm] T [a] SYN (2 x 5 a) BEO (14a) Event dsd_obs dsd_sim wsd_obs wsd_sim wsa_obs wsa_sim y T [-] Month 15
16 Ergebnisse (bivariat).8 Correlations.95 Zero pcp occurrence Simulated Simulated portion Observed Observed portion.1 Non-Zero pcp occurrence 15 Synthetic rainfall for 2 stations Simulated portion P [mm/h] Observed portion Time [h] 16
17 Ergebnisse Abfluss HQ [m 3 /s] emp. VF Pegel Mahndorf (EZG 168 km²) T [a] BEO (32a) SIM (1a) Min/ Max (2 x 5a) q1/ q9 (2 x 5a) y T HQ [m 3 /s] emp. VF Pegel Silberhütte (EZG 15 km²) T [a] BEO (55a) SIM (1a) Min/ Max (2 x 5a) q1/ q9 (2 x 5a) y T 17
18 Gliederung 1. Einführung 2. Disaggregation von Tageswerten 3. Raum-zeitliche stochastische Synthese 4. Schlussfolgerungen 18
19 4 Schlussfolgerungen 1. Zwei interessante Alternativen für abgeleitete Extremwertstatistik: Tageswert-Disaggregation und rein stochastische N-Synthese 2. Tageswertdisaggregation: einfacher, schneller aber Reihenlänge beschränkt 3. Stochastische N-Synthese: flexibler, mit beliebiger Reihenlänge aber aufwändigeres N-Modell 4. Hauptproblem immer noch Raum-Zeitstruktur für größere Einzugsgebiete 19
Synthetische Niederschläge für Kanalnetzberechnungen (SYNOPSE)
Synthetische Niederschläge für Kanalnetzberechnungen (SYNOPSE) U. Haberlandt et al. Koordination: Institut für Wasserwirtschaft, Hydrologie und landwirtschaftlichen Wasserbau, Leibniz Universität Hannover
MehrAssessment of disgn-flows in water management, Classical methods, nonstationary and multidimensional extensions of Extreme Value Modeling (EVM)
Assessment of disgn-flows in water management, Classical methods, nonstationary and multidimensional extensions of Extreme Value Modeling (EVM) Dr. Winfried Willems, IAWG Outline Classical Approach, short
MehrGekoppelte Meteorologie-Hydrologie-Simulation Von der technischen Strategie hin zum Frühwarnsystem
Forschungszentrum Karlsruhe in der Helmholtz-Gemeinschaft Institut für Meteorologie & Klimaforschung IMK-IFU, Garmisch-Partenkirchen High-Tech-Offensive Zukunft Bayern Gekoppelte Meteorologie-Hydrologie-Simulation
MehrVerwendung regionaler Klimamodelldaten in Klimaimpaktstudien
- Klima mafolgenforschung orschung in Niedersachsen Verwendung regionaler Klimamodelldaten in Klimaimpaktstudien Sprecher: Daniela Jacob Max-Planck-Institut für Meteorologie, Hamburg Forschungsthema 1
MehrBedienungsanleitung ZEMOKOST
Bedienungsanleitung ZEMOKOST V2.0 Laufzeitverfahren zur Hochwasserabschätzung in Wildbacheinzugsgebieten nach Zeller modifiziert von Kohl und Stepanek B. Kohl 1, A. Maldet 1 und L. Stepanek 2, Feber 2014
MehrStatistische Analyse von Ereigniszeiten
Statistische Analyse von Survival Analysis VO Biostatistik im WS 2006/2007 1 2 3 : Leukemiedaten (unzensiert) 33 Patienten mit Leukemie; Zielvariable Überlebenszeit. Alle Patienten verstorben und Überlebenszeit
MehrKlimaänderung und Wasserressourcen. 2100- Projekt CCHydro
Eidgenössisches Departement für Umwelt, Verkehr, Energie und Kommunikation UVEK Bundesamt für Umwelt BAFU Klimaänderung und Wasserressourcen in der Schweiz bis 2100- Projekt CCHydro Projektleiter CCHydro
MehrDie Interferenz von flexiblen Arbeitszeiten mit der Nutzbarkeit arbeitsfreier Zeit Ein Prädiktor für soziale Beeinträchtigungen
Die Interferenz von flexiblen Arbeitszeiten mit der Nutzbarkeit arbeitsfreier Zeit Ein Prädiktor für soziale Beeinträchtigungen Anna Wirtz*, Ole Giebel**, Carsten Schomann**, Friedhelm Nachreiner** *Bundesanstalt
Mehr2 3 4 5 6 7 8 9 10 12,999,976 km 9,136,765 km 1,276,765 km 499,892 km 245,066 km 112,907 km 36,765 km 24,159 km 7899 km 2408 km 76 km 12 14 16 1 12 7 3 1 6 2 5 4 3 11 9 10 8 18 20 21 22 23 24 25 26 28
MehrKlimawandel in Mitteldeutschland
Klimawandel in Mitteldeutschland A. Marx, I. Meinke & M. Maneke (HZG), I. Kühn, D. Schäfer, J. Pommerencke, G. Jäckel 2. REKLIM Jahrestagung, Leipzig, 08.09.2011 Gemessene Mitteltemperatur Deutschland
MehrÄnderungen des natürlichen Wasserdargebotes in der Elbe unter Klimawandel
Nationale GLOWA Konferenz in Potsdam Änderungen des natürlichen Wasserdargebotes in der Elbe unter Klimawandel Fred F. Hattermann Potsdam-Institut für Klimafolgenforschung Gliederung Einführung Das Modell
MehrProfil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8
1. Aufgabe: Eine Reifenfirma hat für Winterreifen unterschiedliche Profile entwickelt. Bei jeweils gleicher Geschwindigkeit und auch sonst gleichen Bedingungen wurden die Bremswirkungen gemessen. Die gemessenen
MehrPraxisrelevante Extremwerte des Niederschlags (PEN)
Institut für Wasserwirtschaft, Hydrologie und landwirtschaftlichen Wasserbau Abschlussbericht Praxisrelevante Extremwerte des Niederschlags (PEN) 60-80 mm 80-100 mm 100-130 mm 130-160 mm 160-190 mm 190-220
MehrH2 1862 mm. H1 1861 mm
1747 mm 4157 mm H2 1862 mm H1 1861 mm L1 4418 mm L2 4818 mm H2 2280-2389 mm H1 1922-2020 mm L1 4972 mm L2 5339 mm H3 2670-2789 mm H2 2477-2550 mm L2 5531 mm L3 5981 mm L4 6704 mm H1 2176-2219 mm L1 5205
MehrAnhang A: Fragebögen und sonstige Unterlagen
Anhang Anhang A: Fragebögen und sonstige Unterlagen A.: Flyer zur Probandenrekrutierung 46 A.: Fragebogen zur Meditationserfahrung 47 48 A.3: Fragebogen Angaben zur Person 49 5 5 A.4: Termin- und Einladungsschreiben
MehrGrobanalyse der Grenzoder Der Abschnitt zwischen Neißeund Warthemündung
zurück zum Inhaltsverzeichnis zur Kurzfassung Grobanalyse der Grenzoder Der Abschnitt zwischen Neißeund Warthemündung Thorsten Hüsener Abteilung Wasserbau im Binnenbereich, Referat W2 BAW-Kolloquium: Aktualisierung
MehrAndreas Schumann Ruhr- Universität Bochum Lehrstuhl für Hydrologie, Wasserwirtschaft und Umwelttechnik
Das Augusthochwasser 22 im Osterzgebirge und dessen statistische Bewertung The extreme flood in August 22 in the eastern part of the Ore Mountains and its statistical assessment Andreas Schumann Ruhr-
MehrProbabilistische Bewertung von hydrologischen Multi-Model-Ensembles
Probabilistische Bewertung von hydrologischen Multi-Model-Ensembles Dr. Bastian Klein Referat M2 - Wasserhaushalt, Vorhersagen, Prognosen Bundesanstalt für Gewässerkunde, Koblenz BfG-Kolloquium: Unsicherheiten
MehrIn konstanten Modellen wird davon ausgegangen, dass die zu prognostizierende Größe sich über die Zeit hinweg nicht verändert.
Konstante Modelle: In konstanten Modellen wird davon ausgegangen, dass die zu prognostizierende Größe sich über die Zeit hinweg nicht verändert. Der prognostizierte Wert für die Periode T+i entspricht
MehrAbhängigkeiten zwischen Großschäden
Abhängigkeiten zwischen Großschäden Holger Drees, Universität Hamburg I. Typen von Abhängigkeiten II. Modelle für abhängige Großschäden III. Fallstudie: Dänische Feuerversicherung I. Typen von Abhängigkeiten
MehrSimulation von kleinräumigen Windfeldern in alpinem Gelände
imulation von kleinräumigen Windfeldern in alpinem Gelände Inhalt Einleitung CFD imulation lokaler Windfelder Modellgleichungen Problem der offenen Randbedingungen Turbulenzmodell Datenquellen für imulation
MehrFrailty Models in Survival Analysis
Aus dem Institut für Medizinische Epidemiologie, Biometrie und Informatik (Direktor: Prof. Dr. Johannes Haerting) Frailty Models in Survival Analysis Habilitation zur Erlangung des akademischen Grades
Mehra) Zeichnen Sie in das nebenstehende Streudiagramm mit Lineal eine Regressionsgerade ein, die Sie für passend halten.
Statistik für Kommunikationswissenschaftler Wintersemester 2009/200 Vorlesung Prof. Dr. Helmut Küchenhoff Übung Cornelia Oberhauser, Monia Mahling, Juliane Manitz Thema 4 Homepage zur Veranstaltung: http://www.statistik.lmu.de/~helmut/kw09.html
Mehri x k k=1 i u i x i v i 1 0,2 24 24 0,08 2 0,4 30 54 0,18 3 0,6 54 108 0,36 4 0,8 72 180 0,60 5 1,0 120 300 1,00 2,22 G = 1 + 1 n 2 n i=1
1. Aufgabe: Der E-Commerce-Umsatz (in Millionen Euro) der fünf größten Online- Shopping-Clubs liegt wie folgt vor: Club Nr. Umsatz 1 120 2 72 3 54 4 30 5 24 a) Bestimmen Sie den Ginikoeffizienten. b) Zeichnen
MehrEine computergestützte Einführung mit
Thomas Cleff Deskriptive Statistik und Explorative Datenanalyse Eine computergestützte Einführung mit Excel, SPSS und STATA 3., überarbeitete und erweiterte Auflage ^ Springer Inhaltsverzeichnis 1 Statistik
MehrEinführung in die Geostatistik (7) Fred Hattermann (Vorlesung), hattermann@pik-potsdam.de Michael Roers (Übung), roers@pik-potsdam.
Einführung in die Geostatistik (7) Fred Hattermann (Vorlesung), hattermann@pik-potsdam.de Michael Roers (Übung), roers@pik-potsdam.de 1 Gliederung 7 Weitere Krigingverfahren 7.1 Simple-Kriging 7.2 Indikator-Kriging
MehrEinfache statistische Auswertungen mit dem Programm SPSS
Einfache statistische Auswertungen mit dem Programm SPSS Datensatz: fiktive_daten.sav Dipl. Päd. Anne Haßelkus Dr. Dorothea Dette-Hagenmeyer 11/2011 Überblick 1 Deskriptive Statistiken; Mittelwert berechnen...
MehrAnalyse extremer Ereignisse unter dem Einfluss von Langzeitkorrelationen
Das BMBF-Vorhaben Skalenanalyse hydrologischer und hydrometeorologischer Zeitreihen Analyse extremer Ereignisse unter dem Einfluss von Langzeitkorrelationen Jan F. Eichner Armin Bunde, Jan W. Kantelhardt
MehrHochwasserschutzplanung für f r die Fränkischen Saale unter Berücksichtigung des Klimawandels
Hochwasserschutzplanung für f r die Fränkischen Saale unter Berücksichtigung des Klimawandels Informationsveranstaltung 04. Juli 2007 Leonhard Rosentritt Wasserwirtschaftsamt Hochwasserschutz Aktionsprogramm
MehrBodenfeuchte in Österreich hydrologische Simulation, Fernerkundung und in situ Messung
390 Bodenfeuchte in Österreich hydrologische Simulation, Fernerkundung und in situ Messung Jürgen KOMMA, Stefan HASENAUER, Wolfgang WAGNER und Alexander EDER Die Bodenfeuchte spielt bei der Abflussentstehung
MehrMonte-Carlo-Simulationen mit Copulas. Kevin Schellkes und Christian Hendricks 29.08.2011
Kevin Schellkes und Christian Hendricks 29.08.2011 Inhalt Der herkömmliche Ansatz zur Simulation logarithmischer Renditen Ansatz zur Simulation mit Copulas Test und Vergleich der beiden Verfahren Fazit
MehrNetzwerkstruktur, Leistungsverhalten und Performance öffentlicher Verkehrsträger
Netzwerkstruktur, Leistungsverhalten und Performance Konferenz Kommunales Infrastruktur-Management Claudia Stein Altleutewitz 11 01157 Dresden Telefon +49 351 42440-17 Telefax +49 351 42440-15 info@probst-consorten.de
MehrCommercial Banking Übung 1 Kreditscoring
Commercial Banking Übung Kreditscoring Dr. Peter Raupach raupach@wiwi.uni-frankfurt.de Sprechzeit Dienstag 6-7:00 Uhr Raum 603 B Kreditscoring Gliederung Grundanliegen Das Sample Modellspezifikation Diskriminanzanalyse
MehrNichtparametrische statistische Verfahren
Nichtparametrische statistische Verfahren (im Wesentlichen Analyse von Abhängigkeiten) Kategorien von nichtparametrischen Methoden Beispiel für Rangsummentests: Wilcoxon-Test / U-Test Varianzanalysen 1-faktorielle
MehrMonte Carlo Methoden in Kreditrisiko-Management
Monte Carlo Methoden in Kreditrisiko-Management P Kreditportfolio bestehend aus m Krediten; Verlustfunktion L = n i=1 L i; Die Verluste L i sind unabhängig bedingt durch einen Vektor Z von ökonomischen
MehrMultivariate Statistik
Hermann Singer Multivariate Statistik 1 Auflage 15 Oktober 2012 Seite: 12 KAPITEL 1 FALLSTUDIEN Abbildung 12: Logistische Regression: Geschätzte Wahrscheinlichkeit für schlechte und gute Kredite (rot/blau)
MehrMonte-Carlo Simulation
Monte-Carlo Simulation Sehr häufig hängen wichtige Ergebnisse von unbekannten Werten wesentlich ab, für die man allerhöchstens statistische Daten hat oder für die man ein Modell der Wahrscheinlichkeitsrechnung
MehrExtreme Variabilität Klimaänderung
1 Eidgenössische Technische Hochschule Zürich Swiss Federal Institute of Technology Extreme Variabilität Klimaänderung Christoph Schär Atmospheric and Climate Science, ETH Zürich http://www.iac.ethz.ch/people/schaer
MehrQuantitative Risk Management
Quantitative Risk Management Copulas und Abhängigkeit Johannes Paschetag Mathematisches Institut der Universität zu Köln Wintersemester 2009/10 Betreuung: Prof. Schmidli, J. Eisenberg i Inhaltsverzeichnis
MehrSchätzer (vgl. Kapitel 1): Stichprobenmittel X N. Stichprobenmedian X N
Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.1 Schätzer für Lage- und Skalenparameter und Verteilungsmodellwahl Lageparameter (l(x + a) = l(x) + a): Erwartungswert EX Median von X
MehrBias-Korrektur von CLM-Niederschlagsdaten. in dynaklim. Markus Quirmbach, Elke Freistühler dr. papadakis GmbH
Bias-Korrektur von CLM-Niederschlagsdaten für die Impactmodelle in dynaklim Markus Quirmbach, Elke Freistühler dr. papadakis GmbH Zusammenfassung bisheriger Erkenntnisse Bias in den Jahresniederschlagssummen
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Übung 2 28.02.2008 1 Inhalt der heutigen Übung Beschreibende Statistik Gemeinsames Lösen der Übungsaufgaben 2.1: Häufigkeitsverteilung 2.2: Tukey Boxplot 25:Korrelation
MehrRegionale Klimaprojektionen für das Einzugsgebiet des Westlichen Bug (Ukraine/Polen/Weißrussland)
Forst-, Geo- und Hydrowissenschaften, Institut für Hydrologie und Meteorologie, Professur für Meteorologie Regionale Klimaprojektionen für das Einzugsgebiet des Westlichen Bug (Ukraine/Polen/Weißrussland)
MehrErreichen eines Ziels (ohne Kamera) Teil II: Realisation
Erreichen eines Ziels (ohne Kamera) Teil II: Realisation Vortrag im PSBVLego 2003, PDF-Version Christoph Sommer 2003-01-20 1 Aufgabenstellung Anfahren einer Lampe hinter einem kleinen
Mehr5. Schließende Statistik. 5.1. Einführung
5. Schließende Statistik 5.1. Einführung Sollen auf der Basis von empirischen Untersuchungen (Daten) Erkenntnisse gewonnen und Entscheidungen gefällt werden, sind die Methoden der Statistik einzusetzen.
MehrGrundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt!
Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt! 1 Einführung 2 Wahrscheinlichkeiten kurz gefasst 3 Zufallsvariablen und Verteilungen 4 Theoretische Verteilungen (Wahrscheinlichkeitsfunktion)
Mehr2. Korrelation, lineare Regression und multiple Regression
multiple 2.2 Lineare 2.2 Lineare 1 / 130 2.2 Lineare 2 / 130 2.1 Beispiel: Arbeitsmotivation Untersuchung zur Motivation am Arbeitsplatz in einem Chemie-Konzern 25 Personen werden durch Arbeitsplatz zufällig
MehrLangzeitverhalten der Hochwasserabflüsse Ergebnisse aus KLIWA
122 KLIWA-Symposium 2000 Langzeitverhalten der Hochwasserabflüsse Ergebnisse aus KLIWA Helmut Straub Landesanstalt für Umweltschutz Baden-Württemberg, Karlsruhe In jüngster Vergangenheit traten in verschiedenen
MehrKlimaveränderung (k)ein Fall für das Risikomanagement kontaminierter Sedimente? Susanne Heise, HAW-Hamburg
Klimaveränderung (k)ein Fall für das Risikomanagement kontaminierter Sedimente? Susanne Heise, HAW-Hamburg Welche Klimaveränderungen sind zu erwarten? Niederschlag Relative Veränderung des Niederschlags
MehrExtremwertverteilungen
Seminar Statistik Institut für Stochastik 12. Februar 2009 Gliederung 1 Grenzwertwahrscheinlichkeiten 2 3 MDA Fréchet MDA Weibull MDA Gumbel 4 5 6 Darstellung von multivariaten, max-stabilen Verteilungsfunktionen
Mehr5. Empirische Analyse der Arbeitslosigkeitsdauer
5. Empirische Analyse der Arbeitslosigkeitsdauer Statistische Konzepte der Verweildaueranalyse Verweildauer S sei diskrete Zuvallsvariable (z.b. Monate) 1. Abgangsrate (hazard rate) ϕ(s) = P (S = s S >
MehrStatistische Thermodynamik I Lösungen zur Serie 1
Statistische Thermodynamik I Lösungen zur Serie Zufallsvariablen, Wahrscheinlichkeitsverteilungen 4. März 2. Zwei Lektoren lesen ein Buch. Lektor A findet 2 Druckfehler, Lektor B nur 5. Von den gefundenen
Mehr5.2 Optionen Auswahl der Statistiken, die bei der jeweiligen Prozedur zur Verfügung stehen.
5 Statistik mit SPSS Die Durchführung statistischer Auswertungen erfolgt bei SPSS in 2 Schritten, der Auswahl der geeigneten Methode, bestehend aus Prozedur Variable Optionen und der Ausführung. 5.1 Variablen
MehrMultiple-Choice Test. Alle Fragen können mit Hilfe der Versuchsanleitung richtig gelöst werden.
PCG-Grundpraktikum Versuch 8- Reale Gas Multiple-Choice Test Zu jedem Versuch im PCG wird ein Vorgespräch durchgeführt. Für den Versuch Reale Gas wird dieses Vorgespräch durch einen Multiple-Choice Test
MehrLokale Frequenzanalyse
Lokale Frequenzanalyse Fourieranalyse bzw. Powerspektrum liefern globale Maße für einen Datensatz (mittleres Verhalten über die gesamte Länge des Datensatzes) Wiederkehrdiagramme zeigten, dass Periodizitäten
MehrSchlichemtalsperre Möglichkeiten und Grenzen im Betrieb. Dietmar Klopfer, Rainer Kuttler, Infoveranstaltung in Schömberg, 23.10.
Schlichemtalsperre Möglichkeiten und Grenzen im Betrieb Dietmar Klopfer, Rainer Kuttler, Infoveranstaltung in Schömberg, 23.10.2014 Gliederung 0. Übersicht und Einzugsgebiet 1. Aufgaben der Schlichemtalsperre
MehrSchätzung des Lifetime Values von Spendern mit Hilfe der Überlebensanalyse
Schätzung Lifetime Values von Spenn mit Hilfe Überlebensanalyse Einführung in das Verfahren am Beispiel Einzugsgenehmigung Überlebensanalysen o Ereignisdatenanalysen behandeln das Problem, mit welcher
MehrLebensdauer eines x-jährigen
Lebensdauer eines x-jährigen Sabrina Scheriau 20. November 2007, Graz 1 INHALTSVERZEICHNIS 2 Inhaltsverzeichnis 1 Einleitung 3 2 Sterbewahrscheinlichkeiten 4 2.1 Definition und Ermittlung....................
MehrEINZUGSGEBIETE UND STANDORT- POTENTIALE FÜR ARZTPRAXEN IN JENA UND UMGEBUNG
EINZUGSGEBIETE UND STANDORT- POTENTIALE FÜR ARZTPRAXEN IN JENA UND UMGEBUNG Komplexarbeit Aufbaukurs GIS Referenten: M.Sc. Geographie Martin Rogsch, Dipl.-Hydrologe Daniel Isele & M.Sc. Geographie Franziska
MehrAnalyse von Eingabedaten
Analyse von Eingabedaten 5.1 Deterministische und Stochastische Eingabedaten 5.2 Sammlung der Daten 5.3 Verwendung der Daten 5.4 Keine Daten? Otto-von-Guericke-Universität Magdeburg Thomas Schulze 1 5
MehrProbleme während der Inbetriebnahme 2 Fallbeispiele aus der Praxis. Steigenberger Hotel, Dortmund, 03.09.2007
Probleme während der Inbetriebnahme 2 Fallbeispiele aus der Praxis Steigenberger Hotel, Dortmund, 03.09.2007 Einleitung Verlauf der Präsentation 1.Einleitung 2.Einweisung in die Präsentation 3.Vorstellung
MehrAuswertung mit dem Statistikprogramm SPSS: 30.11.05
Auswertung mit dem Statistikprogramm SPSS: 30.11.05 Seite 1 Einführung SPSS Was ist eine Fragestellung? Beispiel Welche statistische Prozedur gehört zu welcher Hypothese? Statistische Berechnungen mit
MehrFortgeschrittene Statistik Logistische Regression
Fortgeschrittene Statistik Logistische Regression O D D S, O D D S - R A T I O, L O G I T T R A N S F O R M A T I O N, I N T E R P R E T A T I O N V O N K O E F F I Z I E N T E N, L O G I S T I S C H E
Mehr- Beschreibung der Stichprobe(n-Häufigkeitsverteilung) <- Ermittlung deskriptiver Maßzahlen (Mittelungsmaße, Variationsmaße, Formparameter)
Mehr
Kategoriale abhängige Variablen: Logit- und Probit -Modelle. Statistik II
Kategoriale abhängige Variablen: Logit- und Probit -Modelle Statistik II Wiederholung Literatur Annahmen und Annahmeverletzungen Funktionen Exponenten, Wurzeln usw. Das Problem Das binäre Logit-Modell
MehrDatenanalyse mit Excel. Wintersemester 2013/14
Datenanalyse mit Excel 1 KORRELATIONRECHNUNG 2 Korrelationsrechnung Ziel der Korrelationsrechnung besteht im bivariaten Fall darin, die Stärke des Zusammenhangs zwischen zwei interessierenden statistischen
Mehrε heteroskedastisch BINARY CHOICE MODELS Beispiele: Wahlentscheidung Kauf langlebiger Konsumgüter Arbeitslosigkeit Schätzung mit OLS?
BINARY CHOICE MODELS 1 mit Pr( Y = 1) = P Y = 0 mit Pr( Y = 0) = 1 P Beispiele: Wahlentscheidung Kauf langlebiger Konsumgüter Arbeitslosigkeit Schätzung mit OLS? Y i = X i β + ε i Probleme: Nonsense Predictions
MehrBenno Bjarsch, Beratender Ingenieur für Wasserwirtschaft Reinhard Warmbold, Ingenieurbüro
Wasserbaukolloquium 2006: Strömungssimulation im Wasserbau Dresdner Wasserbauliche Mitteilungen Heft 32 471 Messergebnisse und Messunsicherheiten bei der Ermittlung von Hochwasserabflüssen der Elbe in
MehrUmgang mit und Ersetzen von fehlenden Werten bei multivariaten Analysen
Umgang mit und Ersetzen von fehlenden Werten bei multivariaten Analysen Warum überhaupt Gedanken machen? Was fehlt, ist doch weg, oder? Allgegenwärtiges Problem in psychologischer Forschung Bringt Fehlerquellen
Mehr1 Einleitung. 1.1 Motivation und Zielsetzung der Untersuchung
1 Einleitung 1.1 Motivation und Zielsetzung der Untersuchung Obgleich Tourenplanungsprobleme zu den am häufigsten untersuchten Problemstellungen des Operations Research zählen, konzentriert sich der Großteil
Mehrzu Archivbildern und Loops seit 2001, um vergangene Wetterereignisse zu finden und zu analysieren.
prime-meteo.com Der Premium Dienst von www.meteoradar.ch Der Premium-Service von meteoradar bietet Ihnen eine Palette von phantastischen Produkten und Diensten für die lokale und kurzfristige Beurteilung
MehrEntwicklung, Distribution, Benutzer, Validierung, Dokumentation
Überblick Mehrdimensionales HN-Verfahren TELEMAC TELEMAC in der BAW Validierung an WSV-Aufgabenstellungen Modellierung von Bundeswasserstraßen mit TELEMAC2D 2D-HN-Modelle Unterwasser Iffezheim Modellübersicht
MehrKapitel 3. Zufallsvariable. Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion. Erwartungswert, Varianz und Standardabweichung
Kapitel 3 Zufallsvariable Josef Leydold c 2006 Mathematische Methoden III Zufallsvariable 1 / 43 Lernziele Diskrete und stetige Zufallsvariable Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion
MehrBinäre abhängige Variablen
Binäre abhängige Variablen Thushyanthan Baskaran thushyanthan.baskaran@awi.uni-heidelberg.de Alfred Weber Institut Ruprecht Karls Universität Heidelberg Einführung Oft wollen wir qualitative Variablen
MehrBachelorabschlussseminar Dipl.-Kfm. Daniel Cracau
1 Einführung in die statistische Datenanalyse Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 2 Gliederung 1.Grundlagen 2.Nicht-parametrische Tests a. Mann-Whitney-Wilcoxon-U Test b. Wilcoxon-Signed-Rank
MehrModellierung von Korrelationen zwischen Kreditausfallraten für Kreditportfolios. Bernd Rosenow, 3. Kölner Workshop Quantitative Finanzmarktforschung
Modellierung von Korrelationen zwischen Kreditausfallraten für Kreditportfolios Bernd Rosenow Rafael Weißhaupt Frank Altrock Universität zu Köln West LB AG, Düsseldorf Gliederung Beschreibung des Datensatzes
MehrAllgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse
Allgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse Univariate Varianz- und Kovarianzanlyse, Multivariate Varianzanalyse und Varianzanalyse mit Messwiederholung finden sich unter
MehrEntwicklung der Abflüsse und ihre Auswirkungen auf die Wasserkraftnutzung in der Schweiz inkl. Fallstudien Löntsch und Prättigau
Entwicklung der Abflüsse und ihre Auswirkungen auf die Wasserkraftnutzung in der Schweiz inkl. Fallstudien Löntsch und Prättigau Pascal Hänggi Geographisches Institut, Universität Bern Sonja Angehrn, Thomas
MehrEntscheidungsanalyse unter Unsicherheit Entscheidungskriterien in ökonomischen Netzen
Entscheidungsanalyse unter Unsicherheit Entscheidungskriterien in ökonomischen Netzen Referat von Guido RECKE Institut für Agrarökonomie der Georg-August-Universität Göttingen Platz der Göttinger Sieben
MehrZuverlässigkeitstechnik. Grundlagen. VL PLT-2 Professur für Prozessleittechnik
Fakultät Elektrotechnik & Informationstechnik Institut für Automatisierungstechnik, Professur für Prozessleittechnik Zuverlässigkeitstechnik Grundlagen VL PLT-2 Professur für Prozessleittechnik Übersicht
MehrEinfluss des globalen Klimawandels auf den Wasserkreislauf. Inhalt
Auswirkungen des Sommers 2003 in Europa Eidgenössische Technische Hochschule Zürich Swiss Federal Institute of Technology 1 Einfluss des globalen Klimawandels auf den Wasserkreislauf Reto Stöckli (ETH
MehrSCHRITTE ZU EINEM ANPASSUNGSFÄHIGEN MANAGEMENT DES URBANEN WASSERHAUSHALTS
SCHRITTE ZU EINEM ANPASSUNGSFÄHIGEN MANAGEMENT DES URBANEN WASSERHAUSHALTS SCHRITTE ZU EINEM ANPASSUNGSFÄHIGEN MANAGEMENT DES URBANEN WASSERHAUSHALTS Wasser Berlin International BMBF/DWA-Forum Nachhaltiges
MehrWaldwachstumsmodelle Silva und BWINPro
Waldwachstumsmodelle Silva und BWINPro Jürgen Zell LV: Dynamische Modelle in der Waldökosystemforschung, 28.05.2013 Inhalt Durchmesserverteilung: Daten, Weibull-Anpassung, lineare Regression der Weibull-Parameter
MehrTrockenheit in alpinen Wäldern im Licht des Klimawandels
Trockenheit in alpinen Wäldern im Licht des Klimawandels J. Züger, E. Gebetsroither systems research Überblick Regionale Klimamodellierung wie funktioniert das Szenarien und Klimaänderungssignale Trockenheit
MehrBehandlung fehlender Werte
Halle/Saale, 8.6.2 Behandlung fehlender Werte Dipl.-Psych. Wilmar Igl - Methodenberatung - Rehabilitationswissenschaftlicher Forschungsverbund Bayern Einleitung () Fehlende Werte als allgegenwärtiges Problem
MehrWaldökosysteme im Klimawandel
expect the unexpected Waldökosysteme im Klimawandel Rupert Seidl Institut für Waldbau 2012-03-01 2 Ausblick 3 Ausblick 4 Ausblick 5 Ausblick größte Klima-Vulnerabilität auf seicht- bis mittelgründigen,
MehrDr. Heidemarie Keller
Reliabilität und Validität der deutschen Version der OPTION Scale Dr. Heidemarie Keller Abteilung für Allgemeinmedizin, Präventive und Rehabilitative Medizin Philipps-Universität Marburg EbM & Individualisierte
Mehre = RF * ES, wobei RF die Relative Feuchte ist.
Protokoll: zur Übung2 Gruppe: Sebastian Derwisch (07) und Kathrin Herden (08) GÖ, den 02.12.2003 Aufgabenstellung 1. Vergleich der Witterung des Jahres 1996 mit dem langjährigen Mittel. 2. Untersuchen
MehrAnwendung von Copula-Modellen in der Hochwasserstatistik zur Planung technischer Rückhaltemaßnahmen
RUHR-UNIVERSITÄT BOCHUM SCHRIFTENREIHE HYDROLOGIE/WASSERWIRTSCHAFT Anwendung von Copula-Modellen in der Hochwasserstatistik zur Planung technischer Rückhaltemaßnahmen von Markus Schulte 215 LEHRSTUHL FÜR
MehrLog-lineare Analyse I
1 Log-lineare Analyse I Einleitung Die log-lineare Analysemethode wurde von L.A. Goodman in den 60er und 70er Jahren entwickelt. Sie dient zur Analyse von Zusammenhängen in mehrdimensionalen Kontingenztafeln
MehrKategoriale abhängige Variablen:
Kategoriale abhängige Variablen: Logit- und Probit -Modelle Statistik II Literatur Annahmen und Annahmeverletzungen Funktionen Exponenten, Wurzeln usw. Das Problem Das binäre Logit-Modell Statistik II
MehrDeutscher Wetterdienst
Deutscher Wetterdienst Hydrometeorologie Die Hydrometeorologie ist ein Teilgebiet der Meteorologie, das sich mit den Wechselwirkungen zwischen atmosphärischen Vorgängen im Wasserkreislauf und den hydrologischen
MehrLattice Boltzmann Simulation bewegter Partikel
Lattice Boltzmann Simulation bewegter Partikel, Nils Thürey, Hans-Joachim Schmid, Christian Feichtinger Lehrstuhl für Systemsimulation Universität Erlangen/Nürnberg Lehrstuhl für Partikeltechnologie Universität
Mehr0 Einführung: Was ist Statistik
0 Einführung: Was ist Statistik 1 Datenerhebung und Messung Die Messung Skalenniveaus 2 Univariate deskriptive Statistik 3 Multivariate Statistik 4 Regression 5 Ergänzungen Grundbegriffe Statistische Einheit,
Mehr- Eine typische Ausfallrate, wie sie bei vielen technischen Anwendungen zu sehen ist hat die Form einer Badewanne, deshalb nennt man diese Kurve auch
1 2 - Eine typische Ausfallrate, wie sie bei vielen technischen Anwendungen zu sehen ist hat die Form einer Badewanne, deshalb nennt man diese Kurve auch Badewannenkurve. -mit der Badewannenkurve lässt
MehrIntegrierte Umweltmodellierung mit dem Jena Adaptable Modelling System
Integrierte Umweltmodellierung mit dem Jena Adaptable Modelling System Sven Kralisch, Peter Krause, Manfred Fink, Wolfgang Albert Flügel Lehrstuhl für Geoinformatik, Geohydrologie und Modellierung Friedrich
MehrInformationstheorethisches Theorem nach Shannon
Informationstheorethisches Theorem nach Shannon Beispiel zum Codierungsaufwand - Wiederholung: Informationstheorethisches Modell (Shannon) Sei x eine Aussage. Sei M ein Modell Wieviele Bits sind aussreichend,
MehrBivariate Zeitreihenanalyseverfahren Tests auf Nichtlinearität
Bivariate Zeitreihenanalseverahren Tests au Nichtlinearität Skewness, Kurtosis ür zirkuläre Maße z.b. Phasenkohärenz R Problem: nur statische Nichtlinearitäten Statistik Ansatz: transormiere Phasen Phasendierenzen
Mehr