Documente Academic
Documente Profesional
Documente Cultură
E = E1 E2
Intersectia evenimentelor
Evenimentul E reprezint intersectia
evenimentelor E1 i E2 daca evenimentul
E contine toate elementele commune ale
celor dou evenimente, se noteaza:
Reuniunea evenimentelor
Evenimentul E reprezint reuniunea
evenimentelor E1 i E2 daca evenimentul
E contine toate elementele commune si
necomune ale celor dou evenimente, i
se noteaz:
0,23
0,20
0,19
0,26
0,23
0,16
Carota nr.3
0,25
0,18
0,15
0,24
0,26
0,21
0,14
Carota nr.2
Combinatia evenimentelor
0,17
0,15
0,21
0,19
0,22
0,20
Carota nr.1
1
Nr. crt.
Experiment, eveniment
Sursa: (Dex)
experimentum.
Combinatia evenimentelor
Experiment, eveniment
Curs nr.1
Tipuri de evenimente
Exemple de experimente:
extragere de carote mecanice dintr-o sonda
(formaiune geologic)
msurarea unei proprieti a unui esantion de
roca (radioactivitate, densitate, porozitate etc.)
Experiment, eveniment
Note de curs
GEOSTATISTICA
Experiment, eveniment
Intersectia
evenimentelor
E c = ( , a ) (b,+ )
- comutativitate A B = B A; A B = B A
- asociativitate A (B C) = (A B) C
A (B C) = (A B) C
- absorie (A B) A = A (A B) = A
- distributivitate A (B C) =(A B) (A C)
A (B C) = (A B) (A C)
- complementaritate (A CA) B = B
(A CA) B = B
Proprietaile evenimentelor
E = [a, b]
E0 E1 =
Combinatia evenimentelor
Reuniunea
evenimentelor
Combinatia evenimentelor
E0 E1 =
E1 E2 = [0.18,0.19]
E1 E2 = [0.15,0.24]
Combinatia evenimentelor
E2 = [0.18;0.24]
E1 = [0.15;0.19]
E0 = [0.5;0.12]]
E2 = ( 5, 6 )
E1 = ( 3, 4 )
E0 = ( 1, 2 )
Combinatia evenimentelor
Probabilitate
1) Dac E K, atunci i CE K
2) Dac E1 K i E2 K, atunci E1 E2 K
3) Cnd mulimea K are o infinitate de evenimente, din Ei K rezult:
4) Evenimentul sigur K
i =1
U Ei = K
i =1
Pr ob( A1 A2 A3 Ai An ) =
Legile probabilitilor
Axioma nr.3
Axioma nr.2
Axioma nr.1
Legile probabilitilor
Axioma nr.4
Axioma nr.5
P(CA) = 1 - P(A)
Legile probabilitilor
Legile probabilitilor
m
n n
P = lim
Probabilitate
Probabilitate
P ( A / B ) = P(B A) / P(B )
probabilitatea evenimentului A,
condiionat de realizarea evenimentului B
P (B / A) = P( A B ) / P( A)
probabilitatea evenimentului B,
condiionat de realizarea evenimentului A,
Probabilitatea condiionat.
Axioma nr.6
Legile probabilitilor
Frecven i probabilitate
Legea de probabilitate
Funcia de repartiie
F = Fx : R [0,1]
Se consider experimentul S,
S=(1,2,3,4,5,6)
Evenimentul A=(2,4,6)
Evenimentul B=(1,2,3,4)
Evenimentul C=(1,3,5)
Sa se calculeze p(A), p(B), p(C), p(AUB),
p(AUC), p(BUC), p(A B) p(A C ) p(B C )
EXEMPLU
Variabile aleatoare
Dependena i independena
evenimentelor
x3 xn
P3 Pn
i =1
P =1
(x ) = 0
4.F (x + h) F (x )
F (x )
3.0 F (x ) 1
2. LimF
1.LimF (x ) = 1
Pentru orice x R
h>0
x x
X : 1 2
P1 P2
Curs nr.2
200
400
600
xi
800
1000
1200
1400
Series1
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
Functia de repartitie
Funcia de repartiie
x 0+
LimF (x + h ) = F (x ), h 0 +
pi
5.80
ln xi
6.60
7.40
Series1
F (x ) =
f (x )dx
Densitatea de repartiie
1.00
0.90
0.80
0.70
0.60
0.50
0.40
0.30
0.20
0.10
0.00
5.00
Cea mai bun interpretare fizic a lui f(x) este derivata lui F(x)
Densitatea de repartiie
Functia de discontinuitate
cu xo punct de discontinuitate
Funcia de repartiie
Functia de repartitie
pi
x f (x )dx
M ( X ) = x f (x )dx
M (X ) =
x x . . . xN
X 1 2
n1 n2 . . . nN
Repartiii empirice
Densitatea de repartitie
pentru repartitii empirice
Distribuie normal
f (x )dx = 1
f (x ) 0, x R
i =1
i i
xP
x2 . . . xn
P2 . . . Pn
m = M(x) =
x
X : 1
P1
Distribuie uniform
ni
Ni
x = pi xi = M (x )
i =1
x = f i xi
=N
i =1
D (X + Y ) = D (X ) + D (Y )
D 2 (aX ) = a 2 D 2 ( X )
D (a ) = 0
Proprietile dispersiei
Media nu caracterizeaz
mprtierea valorilor.
X (0 ) = i xin
Medie geometric
fi pi
fi =
i i
n x , n
n
x=
X =
ni
i =1
i
i =1
N
S =
i =1
i =1
()
N x
N 1
2
i
i =1
n (x x )
S2 =
N = ni
Repartiii empirice
2 = M (X
1 = M (X
2
k = M (X k )
Momentul iniial
D 2 ( X ) = M (X 2 ) [M ( X )]
sau
D = M [X M ( X )]
2
2
X1 - M(x)=X1
X2 - M(x) =X2
xn - M(x) =Xn
x (2 )
ni xi2
= i =1
ni
Dispersia
M(a) = a
M(aX) = aM(X)
M(X+Y) = M(X) + M(Y)
M(X.Y) = M(X).M(Y)
DISPERSIA (VARIANA)
Proprietile mediei
Cursul nr.3
Indicatorii variaiei
(dispersiei)
2 = M [X M ( X )]2 = D 2 ( X )
1 = M [X M ( X )] = M ( X ) M [M ( X )] = 0
k = M [X M (X )]k
Momentul centrat
4 = 4 4 3 1 + 6 2 12 3 14
Covariana
S
x
S= S
Cv =
3
3
32
23
4
3
3
E=
c( x, y ) =
1 n
1 n
1 n
x
i i n
yi
i
n i =1
n i =1
i =1
Covariana
A=
A=
Asimetrie i exces
k = [X M ( X )]k f (x )dx
k = x k f (x )dx
Coeficientul de variaie,
abaterea medie ptratic
D ( X ) = [X M ( X )] f (x )dx
2
3 = 3 3 1 2 + 2 13
2 = 2
2
1
Dependena dintre
momentul iniial i momentul centrat
r (x , y ) =
c (x , y )
sx s y
Coeficient de corelaie
Proprietatii
Dac x i y sunt relaionate negativ
coeficientul de corelaie variaz ntre 0 i
-1. O corelaie foarte puternic, valoarea
coeficientului de corelaie tinde ctre -1.
Dac x i y nu sunt relaionate
coeficientului de corelaie este zero. Din
aceast cauz se utilizeaz ptratul
coeficientului de corelaie pentru a descrie
2
2
corelaia dintre dou variabile r , R
Covariana
pentru repartitii empirice
Coeficient de corelaie
Coeficient de corelaie
Covariana
pentru repartitii empirice
Porozitatea (%)
8.25
9.00
6.25
5.00
5.30
4.75
5.00
Adncimea (m)
2040
2041
2042
2043
2044
2045
2046
[
( )] [
( )]
!
! !
!
! !
C [X (u ), X (u + L )] = C [X (u ), X (u + L )]
!
! !
!
! !
f X (u1 ), X u1 + L = f X (u2 ), X u2 + L
[ ( )]
[ ( )]
!
! !
f [X (u )] = f X u + L
!
! !
E [X (u )] = E X u + L
Relatii spatiale
()
!
!
2
! 1 n (L ) !
!
1 n (L ) !
! x (ui )x ui + L x (ui )
n L i =1
n i =1
()
)]
() ()
!
! CL
L =
C (0)
u! = u! + L! = C (0)
[ (
!
! !
V [X (u )] = V X u + L = C (0)
()
!
!
CL
L =
u! u! + L!
() ()
!
! cL
rL =
c(0)
Coeficientul de corelatie
()
!
C L =
[ (
)] [
( )]
!
! !
!
! !
!
C [X (u ), X (u + L )] = E [X (u ), X (u + L )] {E[X (u )] }
!
! !
!
! !
!
! !
C X (u ), X u + L = E X (u ), X u + L E[X (u )].E X u + L
)] ( )
!
!
! !
C X (u ), X u + L = C L
Covarianta
)]
() ()
Cursul nr.4
1 n ! !
x(ui )x(ui ) x 2
n i =1
1 n !
x(ui )
n i =1
C (0) =
x=
!
!
1 n (L ) ! ! !
C L = ! x (ui )x ui + L x 2
n L i =1
Covarianta
1
2
(! )]
( {[
!
! !
1
E X (u ) X u + L
2
2
()
()
L =
() [
!
! !
1 n (L ) !
! x(ui ) x ui + L
2n L i =1
1 n ! !
x(ui )x(ui ) x 2
n i =1
L = C (0) C L
()
C (0) =
)]
!
1 () ! ! !
C L = ! x (ui )x ui + L x 2
n L i =1
() ()
)]}
Variograma
!
n L
Variograma
{[
x=
1 n !
x(ui )
n i =1
!
! !
E X (u ) X u + L = EX (u ) + E (u + L)
()
L =
Variograma
S 2 ( X ) = E X 2 [E ( X )]
( )
Variograma
Variograma
(0) = S [X (u ) X (u )] = 0
1
2
L = S X (u ) X u + L
()
Variograma
()
1
2
{[
)]}
!
(! )] }
Primul principiu al
stationaritatii
Variograma
Variograma
L = E X (u ) X u + L
{[
)]
!
! !
E X (u ) X u + L = 0
[ (
!
! !
E [X (u )] = E X u + L
Variograma
Directia de intocmire a
variogramei este de 0,45
90 si 135 grade
Variograma
Directia de intocmire a
variogramei este de 0,45 90
si 135 grade
INSTABILITATEA
Modelul sferic
Cerintele modelarii:
1.Folosirea unui numar minim de parametrii
2.Utilizarea unui model adecvat
Modelarea variogramelor
Influenta outliers
Modelul exponential
Cerintele modelarii
xT(u)=log X(u)
Modelul Gaussian
Cerintele modelarii
Functii de distributie
Modelul cosinus
Distributie uniforma
Modelul sinus
Distributie uniforma
Distributie normala
Distributie lognormala
Distributie normala
VariantaVariabilei aleatoare Y
VariantaVariabilei aleatoare X
Distributie lognormala
Cursul 5
Distributie lognormala
Regresie liniara
Regresie liniara
Regresie liniara
Regresie liniara
Regresie liniara
Regresie liniara
Regresie liniara
Regresie liniara
Regresie liniara
Regresie liniara
Regresia multipla
Regresie liniara
Regresie liniara
Regresia polinomiala
Regresie liniara
Regresia polinomiala
CURSUL 6
de rotunjire
de trunchiere
Tipuri de erori
Erori inerente
sunt erorile din date , cauzate de
incertitudinea masurarilor, din greseli, sau
de necesitatea reprezentarii unei valori
printr-un numar finit de cifre
Erori inerente
Propagarea erorilor
Erori relative
x3 x5 x7
+ +
3! 5! 7!
Propagarea erorilor
sin x = x
Erori de trunchiere
Propagarea erorilor
Erori de trunchiere
in derivarea numerica
Erori de trunchiere
in derivarea numerica
Derivarea numerica
Erori de trunchiere
in derivarea numerica
Erori de trunchiere
in derivarea numerica
Erori de trunchiere
in derivarea numerica
Erori de trunchiere
in derivarea numerica
Erori de trunchiere
in derivarea numerica
Metoda trapezelor
Metoda trapezelor
Eroarea de trunchiere
in metoda trapezelor
Eroarrea totala
Metoda trapezelor
Eroarea de trunchiere
in metoda trapezelor
Eroarea de trunchiere
in metoda trapezelor
Eroarea de trunchiere
in metoda trapezelor
Metoda trapezelor
Exemplu numeric
Eroarea de trunchiere
Y=X^2
Eroarea de trunchiere
in metoda trapezelor
Eroarea de trunchiere
in metoda trapezelor
Interpolarea liniara
CURSUL 7
Coeficientul de variatie
Coeficientul de variatie
Eroarea de rotunjire
Coeficientul de variatie
Coeficientul de variatie
Coeficientul de variatie
Coeficientul de variatie
Coeficientul de variatie
Coeficientul de variatie
Coeficientul de variatie
Coeficientul Dykstra-Parsons
Coeficientul Lorenz
Coeficientul Dykstra-Parsons
Coeficientul Dykstra-Parsons
Coeficientul Dykstra-Parsons
Coeficientul Lorenz
Coeficientul Dykstra-Parsons
Coeficientul Dykstra-Parsons
Cursul 8
[Var ( )]
Estimatorul bias
Kriging simplu
Kriging ordinar
Universal Kriging
Cokriging
CURSUL NR. 9
Kriging Ordinar
VARIABILE DISCRETE
!SUCESIUNE LITOLOGICA
!FOSILE SI MICROFOSILE;
VARIABILE CONTINUII
!CAROTJE ELECTRICE,RADIOACTIVE ETC (o proprietate fizica in functie de adancime)
!ISTORICUL DE PRODUCTIE (debitul , productia cumulate in functie de timp)
!PROBE DE SITA, PROBE LATERALE (descriere calitativa in functie de adancime)
TIPURI DE VARIABILE
CORELAREA SIMPLA
CORELAREA TRANSVERSALA
AUTOCORELATIA