Nut en noodzaak van het ruismodel  NHV Tijdreeksanalyse discussiemiddag  Koen van der Hauw  1 oktober 2015 Enkele praktische ervaringen.

Slides:



Advertisements
Verwante presentaties
Help! Statistiek! Doorlopende serie laagdrempelige lezingen,
Advertisements

Statistische uitspraken over onbekende populatiegemiddelden
Help! Statistiek! Doorlopende serie laagdrempelige lezingen, voor iedereen vrij toegankelijk. Doel: Informeren over statistiek in klinisch onderzoek. Tijd: Derde.
De omvang van een steekproef bepalen
Help! Statistiek! Doorlopende serie laagdrempelige lezingen, voor iedereen vrij toegankelijk. Doel: Informeren over statistiek in klinisch onderzoek. Tijd: Derde.
Icastat - AMO Icastat - AMO 1 NHV - dinsdag 6 maart 2012 drs. Paul K. Baggelaar Icastat ir. Eit C.J. van der Meulen AMO Trendanalyse op maat voor een meetnet.
Vergelijkbaarheid historische studies
Betrouwbaarheid en validiteit: Alleen een kwestie van goed meten ?
Betrouwbaarheidsanalyse van stofbalansen Hella PomariusWaterschap Rivierenland Beleidsafdeling Water Team Wateradvies Carlijn BakDeltares 2 februari 2010.
Het vergelijken van twee populatiegemiddelden: Student’s t-toets
Groep 4, klas 1U De Zwijgspiraal.
Pieter Adriaans Niels Netten (Maarten van Someren)
Tussenpresentatie Modelleren C Random Seeds Sanne Ernst Jarno van Roosmalen.
Terra Tweede Fase vwo © Wolters-Noordhoff bv het klimaat in de toekomst groot belang van computermodellen forecasting: het klimaat van de toekomst.
Chapter 9. Understanding Multivariate Techniques
Gegevensverwerving en verwerking
Meervoudige lineaire regressie
Inferentie voor regressie
Continue kansverdelingen
Help! Statistiek! Doorlopende serie laagdrempelige lezingen,
Help! Statistiek! Doorlopende serie laagdrempelige lezingen, voor iedereen vrij toegankelijk. Doel: Informeren over statistiek in klinisch onderzoek. Tijd: Derde.
Hoofdstuk 10 Diffractieverschijnselen
H4 Marktonderzoek Verschillende informatiebehoeften in verschillende fasen: Analyse fase Strategische fase Implementatie fase Evaluatie fase.
Voorspellende analyse
Wetenschappelijke methode
Latente semantische analyse (LSA) en erkenning van EVC’s: wat kunnen we ermee? Jan van Bruggen Ellen Rusman Bas Giesbers Oktober 2005.
Populatiegemiddelden: recap
Statistiek voor Historici
WELP, wat hebben we geleerd? Implementatie en ontwikkeling afsluiting studie(mid)dag.
Temperatuur reconstructie door Mann et al.
Illustratie mogelijke redenen lage ICC’s in multilevel modellen bij de CQI Peter Moorer ARGO Rijksuniversiteit Groningen BV © ARGO – april 2009.
Validiteit, betrouwbaarheid en casemixcorrectie
Blok 7: netwerken Les 1 Christian Bokhove
Hoofdstuk 1 Aarde: landschapszones Paragraaf 3
Nauwkeurige en betrouwbare massabalansen gewenst
Introductie en Kennismaking
ANW - inductie & deductie
Varianties bij replicatie (herhaald testen)
Waarom is neerslag zo moeilijk te vangen?
Dyslexie en het geheugen: De ontbrekende schakel?
Stortbui overspoelt Apeldoorn Arnout Heuven & Jeroen Kluck (TAUW)
Enquête NHV dag transferruismodelleren Wie ? Totaal aantal reacties 32 Adviesbureau 9 Drinkwaterbedrijf 4 Kennisinstituut 4 Waterschap 7 niet ingevuld.
Cursus Regressie-analyse Rijkswaterstaat, 13 februari ASSUMPTIES (1)
1 Aart Smits (eauQstat), Eit C.J. van der Meulen (AMO) Gerrit van de Haar (RIWA), Paul K. Baggelaar (Icastat) Imputeren en beoordelen meetreeksen RIWA-base.
Verkeersgolven Rini van Dongen 50 jaar,.
Tijdreeksanalyse voor dummies
Alcoholgebruik van Nederlandse jongeren: Effecten van cohort, leeftijd en sekse? Lot Geels, Meike Bartels, Toos van Beijsterveldt, Niels van der Aa, Jenny.
Minder moe door verbetering van het lichaamsbewustzijn?
Valide tijdreeksmodellen Bestaan die ? Frans van Geer.
1 CCP Module 1: Theorie Statistiek voor Credit Managers Introductie Basisbegrippen Drs. J.H. Gieskens AC CCM QT.
Harry Rolf Afdeling Hydrologie NV PWN Waterleidingbedrijf Noord-Holland Waterbeheer duingebied Castricum Copyrights Deze copie is bestemd als achtergrondinformatie.
11 NHV-werkgroep Tijdreeksanalyse Discussiemiddag 1 oktober 2015 Paul Baggelaar Belang van ruismodel bij tijdreeksmodellering Icastat.
Workshop basismonitoring Belgische offshore windmolenparken Thema 1: natuurlijke variabiliteit & gradiënten N. Vanermen & S. Degraer WINMON Workshop, Oktober.
Wijs met medicijnen Voor ouderen die verschillende medicijnen tegelijk gebruiken.
Testen met een klein aantal testmonsters Rob Ross.
Prognosemodel Instroom Bachelors DAIR Seminar 4 november 2010.
New Commerce Innovatie thema februari 2008 N°2 1. Korte omschrijving van het thema. · Wat is de gedachte achter dit thema? Wat willen we onder.
Inhoud Ervaringen Valkuilen Lessen. Schatgraven in een tijdreeks Paul Baggelaar Icastat Statistisch Adviesbureau.
Inhoud: Project saneringsomvang gemeentelijke + prov. wegen
Grafische vergelijking meetmethoden
Illustratie mogelijke redenen lage ICC’s in multilevel modellen bij de CQI Peter Moorer ARGO Rijksuniversiteit Groningen BV © ARGO – april 2009.
Wat zegt een steekproef?
Boezemmodel Sobek Het model kan vanuit FEWS gestart worden met de gemeten debieten van de poldergemalen; Hieronder een aantal plaatjes van hoe het model.
Betrouwbaarheidsinterval
Significante cijfers © Johan Driesse © 2013 – Johan Driesse.
Een frequent attender is meer dan de som van zijn morbiditeiten
De omvang van een steekproef bepalen
Voorspellende analyse
Genoomfokwaarden Samenvatting.
Weging Woningmarktmodule 2018
Transcript van de presentatie:

Nut en noodzaak van het ruismodel  NHV Tijdreeksanalyse discussiemiddag  Koen van der Hauw  1 oktober 2015 Enkele praktische ervaringen

2 Ruismodel  Residuen van transfermodel laten vaak nog een patroon zien  Ontbrekende verklarende reeks?  Statistische randvoorwaarden voor modelverificatie: o.a. onafhankelijke modelresiduen (willekeurig verdeeld, zonder patroon/verband in reeks)  Ruismodel modelleert residuen van transfermodel

3 Ruismodel  Uitgangspunt: traagheid van grondwatersysteem geeft correlatie van grondwaterstand met grondwaterstanden eerder in de tijd  Voorbeeld eenvoudig ruismodel: v(t) = n(t) -  · n(t - 1)  is hier de ‘vervalsnelheid’, bijvoorbeeld 0,9  Residureeks van ruismodel heet ruis of innovatiereeks

4 Ruismodel  Residuen van transfermodel en de autocorrelatieplot  Residuen van het ruismodel (ruis / innovaties)

5 Noodzaak van het ruismodel Ruismodel is noodzakelijk voor modelverificatie:  Ruismodel probeert autocorrelatie uit residuen te verwijderen (en geeft dan witte ruis)  Controle of residuen gecorreleerd zijn met gebruikte verklarende reeks  Schatting van de parameters en hun covariantiematrix plaats op basis van de ruis  Weging van waarnemingen met onregelmatige frequentie

Nut van het ruismodel  Leveren van informatie over nauwkeurigheid en onzekerheid  Bij deterministische simulatie wordt variantie van fluctuaties onderschat  Goede schatting van kans op extremen, herhalingskansen, etc.  Nauwkeuriger voorspelling van missende of toekomstige grondwaterstanden  Inschatten of belangrijkste invloeden zijn gemodelleerd 6

Bepalen maximale grondwaterstand  Meestal slechts korte meetreeks, hier is ter illustratie lange reeks opgeknipt 7

Bepalen maximale grondwaterstand 8  Lineair tijdreeksmodel. Model lijkt voldoende betrouwbaar

Bepalen maximale grondwaterstand  Met transfermodel gesimuleerde grondwaterstanden missen maxima 9

Bepalen maximale grondwaterstand  Toevoegen van 95%-b.i. o.b.v. ruismodel 10

Bepalen maximale grondwaterstand  Toevoegen van 99,99%-betrouwbaarheidsinterval o.b.v. ruismodel (4 * SD) 11

Bepalen verklarende invloeden  Effectstudie Dwingelderveld o.b.v. tijdreeksanalyse  Model op basis van neerslag en verdamping lijkt op zich goed  Autocorrelatie wijkt echter significant af van nul  Autocorrelatie op basis van model inclusief oppervlaktewater 12

Vragen voor de discussie  Wanneer is de autocorrelatie in orde? 13

Voor vragen en opmerkingen kunt u contact opnemen met: Koen van der Hauw T Vragen?