Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 6

Liczba wyników na stronie
Pierwsza strona wyników Pięć stron wyników wstecz Poprzednia strona wyników Strona / 1 Następna strona wyników Pięć stron wyników wprzód Ostatnia strona wyników

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych:  rozklad normalny
help Sortuj według:

help Ogranicz wyniki do:
Pierwsza strona wyników Pięć stron wyników wstecz Poprzednia strona wyników Strona / 1 Następna strona wyników Pięć stron wyników wprzód Ostatnia strona wyników
W pracy przedstawiono dwie metody obliczania wskaźnika standaryzowanego opadu (SPI-standardized precipitation index) [McKee i in. 1993, 1995]. Pierwsza z nich jest oparta na fakcie, że empiryczne rozkłady częstości miesięcznych sum opadów najczęściej podlegają rozkładowi gamma (Kaczmarek 1970). Weryfikacja hipotezy o zgodności empirycznych rozkładów miesięcznych sum opadów w wieloleciu 1964-2009 we Wrocławiu-Swojcu z rozkładem gamma, po-twierdziła ten fakt. Druga metoda wyznaczania wskaźnika standaryzowanego opadu polega na obliczeniu wielkości: , gdzie: F jest dystrybuantą rozkładu gamma z parametrami estymowanymi na podstawie analizowanego zbioru danych, a dystrybuantą standardowego rozkładu normalnego (McKee i in. 1993,1995). W praktyce często wykorzystywany jest następujący fakt: dla zmiennej losowej X o rozkładzie gamma, zmienna ma w przybliżeniu rozkład normalny (Krishnamoorthy K. i in. 2008). W celu wyznaczenia współczynnika SPI stosowane są również transformacje: oraz . Za pomocą dwóch prezentowanych metod wyznaczono wskaźniki standaryzowanego opadu (SPI) dla miesięcznych sum opadów w wieloleciu 1964-2009. Następnie porównano ze sobą oceny warunków opadowych dla miesięcznych sum za pomocą SPI, wyznaczonego z zastosowaniem rozkładu gamma i rozkładu normalnego. Stwierdzono, że klasyfikację warunków opadowych za pomocą wskaźnika SPI można przeprowadzić korzystając zarówno z rozkładu gamma jak i z rozkładu normalnego.
The objectives of this study are (i) by using selected parametric models and the kernel density estimator to compare the accuracy of approximation of the empirical DBH distributions in stands of different vertical structure as well as the approximation accuracy in the empirical DBH data sets characterised by either average, or small or large differences in the number of DBHs in the neighbouring DBH classes, and (ii) to assess the significance of differences between the selected parametric models and the kernel density estimator. Sampling was carried out in the Świętokrzyski National Park (forest sub-districts: Święta Katarzyna and Święty Krzyż). In the stands of different vertical structure the irregular DBH empirical distributions require reducing the bandwidth of the kernel density estimator. In one-storied, two-storied and selection stands one should employ parametric models, using the kernel density estimator only for the preliminary approximations. However, when approximating the empirical DBH distributions in many-storied stands the kernel density estimation can be much more useful.
Pierwsza strona wyników Pięć stron wyników wstecz Poprzednia strona wyników Strona / 1 Następna strona wyników Pięć stron wyników wprzód Ostatnia strona wyników
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.