Page 1
8.12.2014
1
Osobine raspodela verovatnoće
Momenti raspodele
momenti oko koordinatnog početka
momenti oko sredine
dxxfx rr )('
dxxfx rr )()(
Osobine raspodela verovatnoće
Mere centralne tendencije
srednja vrednost
težište gustine raspodele:
iz uzorka:
medijana (Me)
mod (Mo) – maksimum gustine
dxxfx )('1
n
i
ixn
x
1
1
5.0)()()(
Me
Me
dxxfdxxfMeF
x
f x( )
Me x
f x( )
0.5 0.5
Mo
Mo
Page 2
8.12.2014
2
Osobine raspodela verovatnoće
Mere odstupanja od srednje vrednosti
disperzija (varijansa):
iz uzorka:
standardna devijacija:
koeficijent varijacije:
dxxfx )()( 222
n
i
i xxn
S
1
22 )(1
1
n
i
i xxn
S
1
2)(1
1
vC
x
Scv
x
malo σ
veliko σ
f(x)
Osobine raspodela verovatnoće
Asimetrija raspodele
treći momenat:
koeficijent asimetrije:
iz uzorka:
dxxfx )()( 33
n
i
is xxSnn
nc
1
3
3)(
1
)2)(1(
3
3
sC
x
simetrična raspodela = 0Cs
srednja vrednost = medijana = mod
f x( )
pozitivnaasimetrija
> 0Cs
negativnaasimetrija
< 0Cs
x
Me
Mo
f x( )
Page 3
8.12.2014
3
Osobine raspodela verovatnoće
Kvantili
Kvantil = inverzna funkcija raspodele verovatnoće
Medijana = kvantil za p = 0.5
Kvartili
)(1 pFxp
0 x
F x( )
xp
p
1
)5.0(15.0
FxMe
)25.0(125.0
Fx
)75.0(175.0
Fx
Osobine raspodela verovatnoće
Primer: Sava – Sremska Mitrovica
broj podataka
70
srednja vrednost
4194
standardna devijacija
769.6
koeficijent varijacije
0.183
koeficijent asimetrije
0.562
x sx sx
gustina raspodele fi* = ni*/Δx
Page 4
8.12.2014
4
0.0140.043
0.200 0.200 0.214
0.071
0.157
0.043 0.0430.014
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
2400 2800 3200 3600 4000 4400 4800 5200 5600 6000 6400
x
rel. fre
kve
ncije
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
rel. frekv.
kumul. rel. frekv.
Osobine raspodela verovatnoće
Primer: Sava – Sremska Mitrovica
relativne frekvencije ni*
broj podataka
70
srednja vrednost
4194
x0.25 3601
x0.5 = Me 4046
x0.75 4802
x0.25 Me = x0.5 x0.75
Statistička analiza hidroloških ekstrema
Cilj statističke analize:
pronaći raspodelu verovatnoće (“model”) koja dovoljno dobro opisuje vezu X-P u osmotrenom nizu podataka
uz pomoć odabrane raspodele, odrediti:
verovatnoću pojave zadatog ekstrema, P(X)
veličinu ekstrema zadate verovatnoće pojave, X(P)
veličina ekstrema X
verovatnoća pojave P
raspodela verovatnoće
Page 5
8.12.2014
5
velike vode (maksimumi)
P{X ≤ x} = F(x) → obezbeđenost
P{X > x} = 1 – F(x) → rizik, neobezbeđenost
male vode (minimumi)
P{X ≤ x} = F(x) → rizik, neobezbeđenost
P{X > x} = 1 – F(x) → obezbeđenost
Način izražavanja veze X-P
vrednost slučajne promenljive
x
VEROVATNOĆA:
funkcija raspodele ili verovatnoća neprevazilaženja
F(x) = P{X x}
verovatnoća prevazilaženja
P{X > x} = 1 – F(x)
Povratni period
Definiše se kao recipročna vrednost verovatnoće kritičnog događaja
predstavlja način izražavanja verovatnoće kritičnog događaja
predstavlja prosečan broj godina između dva prevazilaženja vrednosti
izražava se u godinama
velike vode (maksimumi)
primer: T(200 m3/s) = 50 god. znači da će se protok od 200 m3/s prevazići jednom u 50 godina (odnosno sa verovatnoćom 1/50 = 0.02 = 2%)
male vode (minimumi)
primer: T(0.4 m3/s) = 20 god. znači da će se protok manji od 0.4 m3/s javiti jednom u 20 godina (odnosno sa verovatnoćom 1/20 = 0.05 = 5%)
)(1
1
}{
1)(
xFxXPxT
)(
1
}{
1)(
xFxXPxT
Page 6
8.12.2014
6
Uslovi za statističku analizu
Uslovi koje hidrološki nizovi ekstrema moraju da ispune:
nezavisni podaci (slučajnost)
jednako raspoređeni, “istorodni” (homogenost)
Ispunjavanje uslova proverava se pomoću odgovarajućih statističkih testova
Smatra se da nizovi godišnjih ekstrema i pikova iznad praga u opštem slučaju ispunjavaju ove uslove
0
1000
2000
3000
4000
5000
6000
7000
1.1.1998. 1.1.1999. 1.1.2000. 31.12.2000.
Q (
m3/s
)
n 1 = 5
Z 2
Z 3
Z 1
Z 5
Z 4
=
x B
Z 6
Z
M
n 2 = 4 n 3 = 3 ... n N = 4
godina 1 godina 2 godina 3 godina N
Z = X - x B
X 1
X 2
X 3
X
N
godišnji maksimumi/minimumi prekoračenja preko praga (pikovi)
POSTUPAK statističke analize
PRILAGOĐAVANJE teorijskih raspodela osmotrenim podacima
formiranje EMPIRIJSKE RASPODELE >>>
proračun parametara TEORIJSKIH RASPODELA >>>
TESTIRANJE SAGLASNOSTI empirijske i teorijskih raspodela >>>
IZBOR najbolje raspodele >>>
F
x
F
x
osmotreni podaci – EMPIRIJSKA RASPODELA
prilagođavanje – TEORIJSKA RASPODELA
Fe(x) F (x)
Page 7
8.12.2014
7
POSTUPAK statističke analize
PRORAČUN teorijske raspodele
VEROVATNOĆE za zadatu vrednost, F(x)
KVANTILA (vrednosti za zadatu verovatnoću), x(F)
F
x
proračun KVANTILA
F (x)
F
x
proračun VEROVATNOĆE
F (x)
x
Fx
xF
F
Empirijska raspodela
Proračun empirijske funkcije raspodele
potrebno oceniti funkciju raspodele F(x) tj. verovatnoću P{X x}
kumulativna relativna frekvencija:
xk – k-ti podatak u nizu uređenom u rastući redosled
primer (n = 51):
nizuu podataka broj
podataka broj}{ k
k
x
n
kxXP
k xk
1 2680
2 2996
3 3190
4 3310
5 3360
6 ...
098.051
5}3360{}{ 5 XPxXP
Page 8
8.12.2014
8
Empirijska raspodela
Kumulativna relativna frekvencija kao empirijska raspodela
k xk k / n
1 x1 = xmin 1/40
2 x2 2/40
3 x3 3/40
4 x4 4/40
5 x5 5/40
...
38 x38 38/40
39 x39 39/40
40 x40 = xmax 40/40 = 1
n = 40
1}{ m ax n
nxXP
?
0}{1}{ maxmax xXPxXP
sigurno će X biti manje od xmax
tj. nemoguće da X bude veće od xmax
Empirijska raspodela
“Korekcija” kumulativne relativne frekvencije kao empirijska raspodela
k xk (k – 1) / n
1 x1 = xmin 0/40 = 0
2 x2 1/40
3 x3 2/40
4 x4 3/40
5 x5 4/40
...
38 x38 37/40
39 x39 38/40
40 x40 = xmax 39/40
n = 40
00
}{ m in n
xXP
?
1}{1}{ minmin xXPxXP
nemoguće je da X bude manje od xmin
tj. sigurno će X biti veće od xmin
Page 9
8.12.2014
9
Empirijska raspodela
Kumulativna relativna frekvencija kao empirijska raspodela
x1
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0 F x( )
x2 x3 x4 x5 x6 x7 x8 x9 x10
x
n
kxXP k }{
n
kxXP k
1}{
n = 10
“nešto između” = kompromisna verovatnoća
Empirijska raspodela
Kompromisna verovatnoća po Hejzenu kao empirijska raspodela
k xk (k – 0.5) / n
1 x1 = xmin 0.5/40
2 x2 1.5/40
3 x3 2.5/40
4 x4 3.5/40
5 x5 4.5/40
...
38 x38 37.5/40
39 x39 38.5/40
40 x40 = xmax 39.5/40
n = 40
0125.040
5.05.0}{ m in
nxXP
n
kxXP k
5.0}{
0125.0}{1}{
9875.040
5.391}{
m axm ax
m ax
xXPxXP
n
nxXP
Page 10
8.12.2014
10
Empirijska raspodela
Kompromisna verovatnoća po Vejbulu kao empirijska raspodela
k xk k / (n + 1)
1 x1 = xmin 1/41
2 x2 2/41
3 x3 3/41
4 x4 4/41
5 x5 5/41
...
38 x38 38/41
39 x39 39/41
40 x40 = xmax 40/41
n = 40
0244.041
1
1
1}{ m in
nxXP
1}{
n
kxXP k
0244.0}{1}{
9756.041
40
1}{
m axm ax
m ax
xXPxXP
n
nxXP
Empirijska raspodela
Korekcija kumulativne relativne frekvencije: kompromisna verovatnoća
Autor Kompromisna verovatnoca
a Koristi se za
Weibull 0 sve raspodele
Hazen 0.5 sve raspodele
Blom 0.375 normalna i log-normalna
raspodela
Gringorten 0.44 Gumbelova raspodela
Cunnane 0.4 sve raspodele
Opšta formula
n
ixXP i
5.0}{
1}{
n
ixXP i
25.0
375.0}{
n
ixXP i
12.0
44.0}{
n
ixXP i
2.0
4.0}{
n
ixXP i
nazad >
an
aixXP i
21}{
Page 11
8.12.2014
11
Teorijske raspodele verovatnoće u hidrologiji
Normalna i log-normalna raspodela
Gumbelova raspodela
Pirson III i log-Pirson III raspodela
Opšta raspodela ekstremnih vrednosti
nazad >
primer >
Normalna raspodela
Gustina raspodele:
Funkcija raspodele:
neintegrabilna funkcija
računa se na osnovu tablica standardne normalne raspodele
x
xxf ,
2
)(exp
2
1)(
2
2
x
f(x)
μ
F(x)
x
1
0
duu
xF
x
2
2
2
)(exp
2
1)(
0.5
μ
Page 12
8.12.2014
12
Normalna raspodela
Parametri:
μ – srednja vrednost (μ = μ’1)
σ – standardna devijacija (σ2 = μ2)
Važna osobina: simetričnost (Cs = 0)
x
f(x)
μ
F(x)
x
1
0
0.5
μ μ – parametar
lokacije
σ – parametar razmere
σ1
σ2
σ1
σ2
Normalna raspodela
Standardna normalna raspodela = normalna raspodela sa parametrima μ = 0 i σ = 1
Standardizovana normalna promenljiva:
Funkcija raspodele: Φ(z) = FZ(z) = P{Z ≤ z}
XZ
Tablice standardne normalne raspodele
0
0.1
0.2
0.3
0.4
0.5
-4 -3 -2 -1 0 1 2 3 4
gustina raspodele
φ(z)
0
0.5
1
-4 -3 -2 -1 0 1 2 3 4
funkcija raspodele
Φ(z)
standardna normalna promenljiva z
Φ(z) z Φ(z) z
0.001 -3.09 0.999 3.09
0.002 -2.88 0.998 2.88
0.005 -2.58 0.995 2.58
0.01 -2.33 0.99 2.33
0.02 -2.05 0.98 2.05
0.05 -1.64 0.95 1.64
0.1 -1.28 0.9 1.28
0.2 -0.84 0.8 0.84
0.3 -0.52 0.7 0.52
0.4 -0.25 0.6 0.25
0.5 0 0.5 0
Page 13
8.12.2014
13
Normalna raspodela
Standardna normalna raspodela
P{–1 < Z ≤ 1} = Φ(1) – Φ(–1) = 0.841 – 0.159 = 0.683
P{–2 < Z ≤ 2} = Φ(2) – Φ(–2) = 0.977 – 0.023 = 0.954
P{–3 < Z ≤ 3} = Φ(3) – Φ(–3) = 0.9987 – 0.0014 = 0.9973
68% 95% 99.7%
Normalna raspodela
Proračun normalne raspodele preko standardne normalne raspodele:
xxZP
xZPxXPxF }{}{)(
xxF )(
-3
3
-2
2
-1
0
1
2
2
3
3
z
x
φ(z), f(x)
XZ
Page 14
8.12.2014
14
Normalna raspodela
Određivanje parametara na osnovu uzorka
Postupak proračuna
F = NORMSDIST(z) z = NORMSINV(F)
)()(TAB
xFzS
xxzx
x
Φ
xSzxxzzxF TAB
)()( Φ
xS
x
Log-normalna raspodela
Primena normalne raspodele na logaritmovane podatke
ako slučajna promenljiva Y = log X prati normalnu raspodelu, tada X prati log-normalnu raspodelu
parametri: srednja vrednost i standardna devijacija logaritmovanog niza
YY ,
F(y)
y = log x
1
0
0.5
μY
Page 15
8.12.2014
15
Log-normalna raspodela
Određivanje parametara na osnovu uzorka
Postupak proračuna
F = NORMSDIST(z) z = NORMSINV(F)
yY
Y
S
y
)()()(logTAB
xFyFzS
yyzxyx XY
y
Φ
yyX xSzyyzzxF 10)()(
TAB Φ
Gumbelova raspodela
Gustina raspodele:
Funkcija raspodele:
Inverzna funkcija raspodele:
Drugi nazivi:
dvostruko eksponencijalna raspodela
raspodela ekstremnih vrednosti I tipa
x
uxuxxf ,expexp
1)(
uxxF expexp)(
)]lnln([)( FuFx
Page 16
8.12.2014
16
Gumbelova raspodela
Parametri:
α – parametar razmere
u – parametar lokacije
Osobine:
srednja vrednost μ(u,α)
standardna devijacija σ(u,α)
koef. asimetrije Cs = 1.14
x
f(x)
u
α1
α2 > α1
u – parametar lokacije
α – parametar razmere
6
5772.0u
Gumbelova raspodela
Standardna Gumbelova raspodela
Gumbelova raspodela sa parametrima u = 0, α = 1
Smena:
Funkcija raspodele:
Inverzna funkcija raspodele:
yeeyF)(
)lnln()( FFyG
uXYG
Cs = 1.14
y
f(y)
0
Page 17
8.12.2014
17
Gumbelova raspodela
Određivanje parametara na osnovu uzorka
Postupak proračuna
F = EXP(–EXP(–y)) y = –LN(–LN(F))
x
x
S
Sxu
78.0
45.0
)()( xFeyFux
yx Xe
Y
y
yuxFyyFxF YX )lnln()()(
Pirsonova raspodela III tipa
Troparametarska gama raspodela
Gustina raspodele:
Parametri:
– parametar oblika, b – parametar razmere, g – parametar lokacije
g
b
g
b bg
xex
xf x ,)(
1)( /)(
1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 1 2 3 4 5 6 7 8
x
f(x
)
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 1 2 3 4 5 6 7 8
x
f(x
)
= 1
= 2
= 4
b = 1
b = 2 b = 4
β = 1 γ = 0
α = 2 γ = 0
Page 18
8.12.2014
18
Pirsonova raspodela III tipa
Osobine:
momenti:
asimetrična
za Cs = 0 postaje normalna raspodela
troparametarska - lakše prilagođavanje
Proračun
Tablice faktora frekvencije KP(F, Cs)
/2sC
)()( FKFX P
bgb
2,, sC
Pirsonova raspodela III tipa
Određivanje parametara na osnovu uzorka
Postupak proračuna
Csx > 0: F = GAMMADIST((x – γ)/β, α,1,TRUE) x = γ + β * GAMMAINV(F,α,1) Csx < 0: F = 1 – GAMMADIST((x – γ)/β, α,1,TRUE) x = γ + β * GAMMAINV(1 – F, α,1)
bg
b xcS
c
sxx
sx
,2
,42
)( za TAB
xFc
S
xxKx X
sx
x
P
xPPsx
X SKxxKc
xF za TAB
)(
KP – faktor
frekvencije
Page 19
8.12.2014
19
Log-Pirson III raspodela
Log-Pirson III raspodela
ako slučajna promenljiva Y = log X prati Pirson III raspodelu, tada X prati log-Pirson III raspodelu
primena Pirson III raspodele na logaritmovane podatke
Log-Pirson III raspodela
Određivanje parametara na osnovu uzorka
Postupak proračuna
Csy > 0: F = GAMMADIST((y – γ)/β, α,1,TRUE) y = γ + β * GAMMAINV(F,α,1) Csy < 0: F = 1 – GAMMADIST((y – γ)/β, α,1,TRUE) y = γ + β * GAMMAINV(1 – F, α,1)
bg
b ycS
c
syy
sy
,2
,42
)()(log za TAB
xFyFc
S
yyKxyx XY
sy
y
P
yyPP
syX xSKyyK
cxF 10)(
za TAB
nazad >
Page 20
8.12.2014
20
Opšta raspodela ekstremnih vrednosti
Drugi nazivi:
GEV raspodela (General Extreme Value distribution)
Dženkinsonova raspodela
Funkcija raspodele:
za k = 0, GEV raspodela se svodi na Gumbelovu:
Inverzna funkcija raspodele:
uxxF expexp)(
0,1exp)(
/1
k
uxkxF
k
α
0],)ln(1[)( kFk
uFx kα
Opšta raspodela ekstremnih vrednosti
Parametri:
k – parametar oblika
α – parametar razmere
u – parametar lokacije
osobine:
α = 1 u = 0
Page 21
8.12.2014
21
Opšta raspodela ekstremnih vrednosti
Određivanje parametara na osnovu uzorka
Postupak proračuna
Γ(.) = EXP(GAMMALN(.)) F = EXP(–((1–ky)^(1/k))) y = 1–(–LN(F))^k
)]1(1[,)]1()21([ 2/12
kk
xukk
kSx
Γ
α
ΓΓα
])1[(exp)( /1 kkyxFux
yx
α
α yuxFyxF k)ln(1)(
k
Izbor teorijske raspodele
Izbor najbolje teorijske raspodele
na osnovu primenljivosti teorijske raspodele da li osobine teorijske raspodele
odgovaraju osobinama uzorka (npr. asimetrija)
na osnovu testova saglasnosti emirijske i teorijske raspodele
vizuelna provera na papiru verovatnoće
nazad >
Page 22
8.12.2014
22
Testiranje saglasnosti
Saglasnost empirijske i teorijske raspodele
empirijska raspodela Fe(x)
teorijska raspodela Ft(x)
Test Kolmogorova-Smirnova
H0: raspodele su saglasne, Ha: raspodele nisu saglasne
kontrolna statistika Dmax = max |Ft(x) – Fe(x)|
kriterijum:
Dmax < Dkr → raspodele su saglasne
Dmax > Dkr → raspodele nisu saglasne
Dkr zavisi od dužine uzorka n i praga značajnosti α:
n α = 10% α = 5% α = 2% α = 1%
20 0.265 0.294 0.329 0.352
40 0.189 0.210 0.235 0.252
Testiranje saglasnosti
Test Kramer – fon Mizesa (ili nω2 test)
H0: raspodele su saglasne, Ha: raspodele nisu saglasne
kontrolna statistika
kriterijum:
nω2 < nω2kr → raspodele su saglasne
nω2 > nω2kr → raspodele nisu saglasne
nω2kr zavisi od praga značajnosti α:
n
i
ieit
n
i
it xFxFnn
ixF
nn
1
2
1
22 )()(
12
15.0)(
12
1ω
α = 10% α = 5% α = 2.5% α = 1%
nω2 0.348 0.462 0.581 0.744
nazad >
Page 23
8.12.2014
23
Grafički prikaz funkcija raspodele
Dijagram F(x) u aritmetičkoj razmeri
Funkcije raspodele se prikazuju na dijagramima (papirima) verovatnoće
Na papirima verovatnoće zavisnost F(x) se linearizuje
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
0 200 400 600 800 1000
x
F(x
)
oblasti teškog očitavanja
verovatnoće
Dijagram normalne verovatnoće
Standardizovana normalna promenljiva Z i verovatnoća Φ(z) su u jednoznačnoj vezi
Linearna veza između standardizovane i originalne promenljive: X = μ+ σZ
Φ(z)
z
1
0
0.5
0
X
z 0
μ
x
z z
Page 24
8.12.2014
24
Dijagram normalne verovatnoće - konstrukcija
F (z ) z F (z ) z
0.001 -3.090 0.5 0.000
0.002 -2.878 0.6 0.253
0.005 -2.576 0.7 0.524
0.01 -2.326 0.75 0.674
0.02 -2.054 0.8 0.842
0.025 -1.960 0.9 1.282
0.05 -1.645 0.95 1.645
0.1 -1.282 0.975 1.960
0.2 -0.842 0.98 2.054
0.25 -0.674 0.99 2.326
0.3 -0.524 0.995 2.576
0.4 -0.253 0.998 2.878
0.999 3.090
0.3 0.1 0.01 0.001 0.7 0.9 0.999
Funkcija raspodele F(x)
0.5
1. Linearna veza između standardizovane i originalne promenljive: X = μ + σ Z
2. Jednoznačna veza između standardizovane normalne promenljive i funkcije raspodele: Z – F(z)
- 3 - 2 - 1 0 1 2 3
Standardizovana normalna promenljiva z
Slu
;ajn
a pro
men
ljiv
a x
0.99
Φ(z)
z
1
0
0.5
0
Papir normalne verovatnoće
“Komercijalni” papir normalne verovatnoće
0.9
99
0.9
98
0.9
95
0.9
9
0.9
8
0.9
5
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
5
0.0
2
0.0
1
0.0
05
0.0
02
0.0
01
-3.5 -3 -2.5 -2 -1.5 -1 -0.5 0 0.5 1 1.5 2 2.5 3 3.5
z
F = P {X ≤ x }
Page 25
8.12.2014
25
Dijagram normalne verovatnoće
Ako se tačke empirijske raspodele na papiru normalne verovatnoće grupišu oko prave linije, tada se smatra da normalna raspodela dobro opisuje taj niz
Povratni period T (god)
0.99
9
0.99
8
0.99
5
0.99
0.98
0.950.
9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.05
0.02
0.01
0.00
5
0.00
2
0.00
1
2 5 10 20 50 100
200
500
1000
0
5
10
15
20
25
30
Funkcija raspodele F (x ) = P {X < x }
Q (
m3 /s
)
Empirijska raspodela
Normalna raspodela
Dijagram log-normalne verovatnoće
Dijagram normalne verovatnoće sa osom za X u logaritamskoj raspodeli
10
100
1000
10000
-3 -2 -1 0 1 2 3 4
Standardna normalna promenljiva z
Pro
tok
(m
3/s
)
osmotreni niz
LN raspodela
0.005 0.01 0.1 0.3 0.5 0.7 0.9 0.99 0.99
Funkcija raspodele F (x )
0.999
log x = y = σy· z + μy
Page 26
8.12.2014
26
Standardizovana Gumbelova promenljiva y
Slu
čajn
a p
rom
enlj
iva
x
Funkcija raspodele ( )F x
Verovatnoća prevazilaženja { > } = 1 ( ) = 1/P X x F x T-
Povratni period (godina)T
0
200
400
600
800
1000
1200
-2
0.001
-1
0.01
0.99
0
0.1
0.9
0.3
0.7
0.5
0.5
2
1
0.7
0.3
2
0.9
0.1
10
3 4 5
0.99
0.01
100
0.95
0.05
20
0.98
0.02
50
6 7
0.999
0.001
1000
0.998
0.002
500
0.995
0.005
200Dijagram Gumbelove verovatnoće
1. Linearna veza između standardizovane i originalne promenljive: X = u + α YG
2. Jednoznačna veza između standardizovane promenljive i funkcije raspodele: YG = –ln(–ln F))
Dijagrami verovatnoće
Ocena podobnosti raspodele
na dijagramu normalne verovatnoće:
z
x
Cs > 0
Cs = 0
Cs < 0
Page 27
8.12.2014
27
0
1000
2000
3000
4000
5000
6000
7000
1950 1960 1970 1980 1990 2000
Q (
m3/s
)
Primer Sava – Sremska Mitrovica
originalni niz X
logaritmovani niz Y = log X
broj podataka 51 51
srednja vrednost 4187 3.6147
standardna devijacija 781.3 0.07936
koeficijent varijacije 0.187 0.022
koeficijent asimetrije 0.623 0.196
Primer
Proračun parametara raspodela
Normalna raspodela:
Log-normalna raspodela:
Gumbelova raspodela:
X Y = log X
broj podataka 51 51
srednja vrednost 4187 3.6147
standardna devijacija 781.3 0.07936
koeficijent asimetrije 0.623 0.196 /sm3.781
/sm4187
3
3
xS
x
07936.0
6147.3
yY
Y
S
y
/sm4.6093.78178.078.0
/sm38353.78145.0418745.0
3
3
x
x
S
Sxu
Page 28
8.12.2014
28
Primer
Proračun parametara raspodela
Pirson III raspodela:
Log-Pirson III raspodela:
X Y = log X
broj podataka 51 51
srednja vrednost 4187 3.6147
standardna devijacija 781.3 0.07936
koeficijent asimetrije 0.623 0.196
/sm1678623.0
3.78124187
2
3.2432
623.03.781
2
31.10623.0
44
3
22
g
b
sx
x
sxx
sx
c
Sx
cS
c
804.2196.0
07936.026147.3
2
007771.02
196.007936.0
2
31.104196.0
4422
g
b
sy
y
syy
sy
c
Sy
cS
c
Primer
Proračun teorijskih raspodela
protok za F(x) = 0.95
Normalna raspodela:
Log-normalna raspodela:
/sm54723.781645.14187
645.1)95.0(95.0)(
3
XL TAB,
x
X
Szxx
zxF
/sm556210
74524.307936.0645.16147.3
645.1)95.0(95.0)(
3
XL TAB,
y
y
X
x
Szyy
zxF
Page 29
8.12.2014
29
Primer
Proračun teorijskih raspodela
protok za F(x) = 0.95
Gumbelova raspodela:
Pirson III raspodela:
/sm56454.609970.23835
970.2)95.0lnln()95.0(95.0)(
3
yux
yxFX
/sm55953.781802.14187
802.1)623.0,95.0(
819.1)7.0,95.0(,797.1)6.0,95.0(95.0)(
3
TAB
xP
sxP
sxPsxPX
Skxx
cFk
cFkcFkxF
/sm55953.243098.161678
098.1695.0)(
3
XL
bg
b
g
ux
ux
xFX 1)10.311,.95,GAMMAINV(0
Primer
Proračun teorijskih raspodela
protok za F(x) = 0.95
Log-Pirson III raspodela:
/sm561710
74953.307936.0699.16147.3
699.1)196.0,95.0(
700.1)2.0,95.0(,673.1)1.0,95.0(95.0)(
3
TAB
y
yP
syP
syPsyPX
x
Skyy
cFk
cFkcFkxF
/sm561700777.066.1218041.2
66.12195.0)(
3
XL
bg
b
g
uy
uy
xFX 1)104.31,.95,GAMMAINV(0
Page 30
8.12.2014
30
Primer
Sava – Sremska Mitrovica
Rezultati proračuna kvantila od 95%
Raspodela Protok sa F(x) = 0.95
(m3/s)
Normalna 5472
Log-normalna 5562
Gumbelova 5645
Pirson III 5595
Log-Pirson 3 5617
Primer
Sava – Sremska Mitrovica
Saglasnost empirijske i teorijske raspodele – test Kolmogorova-Smirnova
Dmax
N LN G P3 LP3
0.088 0.072 0.072 0.065 0.067
Dkr
N α = 10% α = 5% α = 2% α = 1%
51 0.171 0.190 0.213 0.228
Page 31
8.12.2014
31
Primer
Sava – Sremska Mitrovica
izbor najbolje raspodele: kontrola osobina raspodela
originalni niz X
logaritmovani niz Y = log X
broj podataka 51 51
srednja vrednost 4187 3.6147
standardna devijacija 781.3 0.07936
koeficijent varijacije 0.187 0.022
koeficijent asimetrije 0.623 0.196
P3 LP3, možda LN
Primer
Sava – Sremska Mitrovica
izbor najbolje raspodele: saglasnost empirijske i teorijske raspodele
Dmax
N LN G P3 LP3
0.088 0.072 0.072 0.065 0.067
najbolje slaganje
Page 32
8.12.2014
32
Primer
Sava – Sremska Mitrovica
izbor najbolje raspodele: vizuelna provera na papiru verovatnoće
0.9990.990.950.90.80.50.20.001 0.01 0.05 0.1
0
1000
2000
3000
4000
5000
6000
7000
8000
9000
F(x)
x =
Q (
m3
/s)
N LN
G P3
LP3 emp