4. MÉTODOS GENERALES PARA COMPROBAR MDT s GENERADOS CON ALS.
|
|
- Juan Luis Benítez Rivas
- hace 5 años
- Vistas:
Transcripción
1 CAPÍTULO 4: 4. MÉTODOS GENERALES PARA COMPROBAR MDT s GENERADOS CON ALS. Existen procedimientos genéricos de comprobación aplicables a cualquier modelo digital de elevaciones. La consideración de las fuentes de error en ALS modifica estos procesos. El usuario final así como el productor del modelo digital de elevaciones tienen la necesidad de comprobar la calidad final del producto. Ésta se suele expresar con un valor de error del modelo, aunque no es constante en toda su extensión debido a la propagación de errores del ALS. El error va asociado a un área en concreto. En función del resultado un proceso de validación puede ser cualitativo (resultados en términos de correcto / incorrecto) o cuantitativo (valora numéricamente la calidad del modelo; Sithole [2003] y Sithole y Vosselman [2004]). El proceso genérico de validación se presenta en la Figura 4.1. Para realizar el reproceso B se debe disponer de las coordenadas de los puntos antes de la homogeneización (P G (X,Y,Z ) - figura 2.2). Para el reproceso A solo se requiere la nube de puntos homogeneizada. Levantamiento Datos Brutos Globales P G (X,Y,Z ) Información de referencia Ajuste tiras levantamiento B Puntos/Áreas de atado P G (X, Y, Z) Clasificación Nube de puntos clasificada DEM A Información independiente Validación SI Mejora? NO DEM final Figura 4.1. Esquema de proceso de datos LiDAR con la validación dentro del proceso. A. No se recalculan coordenadas y se reclasifica la nube de puntos. B. Se reprocesa la homogenización de las tiras de levantamiento. 31
2 La fuente de información de referencia (la que usará para la comparación) puede ser independiente o se puede usar la información del procesado de los datos LiDAR. Esta información de validación son: puntos de control, puntos de atado (entre tiras de levantamiento) e información independiente (puntos no usados como control, superficies, imágenes digitales, ). La validación puede localizar y cuantificar errores en el modelo. Algunos procesos de validación permiten la detección, modelización y corrección de errores sistemáticos. Para éstos se requiere recalcular las coordenadas de la nube de puntos (proceso B - figura 4.1 con la nube de puntos antes de la homogeneización de las tiras del levantamiento). En caso de errores de clasificación de la nube de puntos el proceso A (figura 4.1) corrige el artefacto sin necesidad de recalcular la homogenización de las tiras de levantamiento. Para la validación es conveniente conocer el algoritmo de clasificación y generación del DEM, ello permite obtener explicaciones a determinados errores o problemas. En cuanto a como se compara la información, las comparaciones pueden ser: Punto puntos. Se interpola la cota de un punto sobre una superficie definida por un conjunto de puntos. Superficie superficie. Se ajustan dos superficies y los parámetros del ajuste son el error. Segmento segmento. En general con líneas de rotura o elementos extraídos de los dos conjuntos de información (por ejemplo carreteras). La calidad altimétrica y planimétrica de la información de referencia debe ser superior a la del ALS, limitando el origen de esta información casi exclusivamente a métodos topográficos terrestres. La calidad espacial (distribución espacial) de esta información condiciona el análisis a realizar. En casi todos los análisis se asume que no hay error planimétrico y se obtiene el error en elevaciones. En cambio el planimétrico es entre 2 y 5 veces mayor que el altimétrico. En Huising y Gomes Pereira [1998]se presentan errores planimétricos de hasta 1.5m. Valores típicos son RMS Z = 15cm y RMS XY = 50cm. El error crítico es el altimétrico. Por esta razón se plantean análisis que solo controlan este error. La calidad planimétrica también se controla con estos análisis ya que la rugosidad del terreno introduce el error planimétrico en el análisis altimétrico. La validación cualitativa no se tratará en este trabajo. Esencialmente requiere visualizar el modelo en tres dimensiones. Se comprueba genéricamente: área cubierta, islas en el modelo, densidad-penetración (indican áreas problemáticas de representatividad del terreno), acotación de áreas inundadas, vegetación no filtrada, falsos puntos altos /bajos (errores de clasificación de la nube de puntos), artefactos y comprobación de cauces con ensayos de inundación VALIDACIÓN CUANTITATIVA Las estrategias cuantitativas valoran numéricamente la calidad del modelo. Algunos análisis permiten el recálculo del modelo detectando errores sistemáticos Comparaciones punto- puntos En estas comparaciones se usa un conjunto de puntos como información de referencia sobre el modelo. Este conjunto de puntos de referencia puede ser aislado o formar parte de una superficie. Con todos ellos la hipótesis inicial suele ser que el error planimétrico es nulo en la información de referencia. Tampoco se considera el error planimétrico del modelo LiDAR ni de la nube de puntos con que se ha generado. Es importante, en el caso de puntos aislados, conocer las condiciones del terreno que los rodea; su pendiente, irregularidad, vegetación y objetos enlazados. En Maune [2001] se propone que según estas características se agrupen los puntos en los mínimos grupos posibles, para realizar luego el análisis en paralelo. Así se obtiene una valoración del error para cada tipo de condición del terreno. 32
3 Las principales estrategias se presentan a continuación: Contraste de Hipótesis. Permite valorar si un conjunto de puntos de dos grupos de datos (los de referencia y su valor interpolado sobre el modelo) son la misma superficie o no. Se encuentra descrito en LindenBerger [2003]. La formulación básica se presenta a continuación: H 0 =H 1 si: d t (E. 4.1) ( 1 α / 2, n 1) en donde: d = Estadístico del contraste z d = N Sˆ Z t = Distribución t de Student α = Grado de significancia n = Grados de libertad Z = X Y; variable diferencia z = Media de la variable diferencia X = Conjunto de cotas de los puntos de referencia Y = Conjunto de cotas en el modelo ALS Ŝ Z = Desviación típica experimental de Z N = Tamaño de la muestra figura 4.2. Esquema de obtención de la diferencia de un punto X sobre la superficie 2 (S2). Y es la interpolación de la cota del punto en la superficie 2. Z es la discrepancia entre las dos superficies. En el caso de que se considere que ambos grupos de datos son la misma superficie H 0 =H 1. Se usa solo como una primera aproximación. Análisis estadístico de la muestra. Éste es el estudio estadístico clásico exploratorio de las diferencias sobre el modelo. En primer lugar se obtienen los estadísticos de la muestra (media, desviación típica, error medio cuadrático y valores máximo y mínimo) y el histograma de las diferencias. Para la detección de errores groseros se usa el método del intervalo de confianza. El umbral para excluir puntos del análisis se obtiene con la expresión (E.4.2). L max,min =m ± k σ en donde: L max. L min = Umbrales de error máximo m = Media de las diferencias σ= Desviación estándar de las diferencias. P=probabilidad α= (1-P)/2 1 k= F (1 ), es decir, valor de la variable que nos una N ( 0,1) α (E.4.2) 33
4 probabilidad acumulada igual a 1-α en la función de probabilidad acumulada (F) de una distribución normal de media cero y desviación estándar unidad (N(0,1)) Supongamos que queremos tener un 99.9% de los casos de la población diferencias Z incluidos en nuestro intervalo [L min : L max ] (intervalo de confianza del 99.9%). Entonces en cada extremo o cola de la campana de Gauss nos queda: α = ( %) / 2 = 0.05% Para encontrar el valor de k entramos en la función de probabilidad acumulada de la distribución N(0,1) con α=0.05% o con 1-α=99.95% y obtenemos k=3.29. Otros valores de k se pueden ver en la tabla 4.1: Tabla 4.1. Valores de k para distintos intervalos de confianza. Intervalo de confianza, P [%] α [%] 1-α [%] k El error se puede expresar de dos maneras: a) ε Z =m±k σ (con el intervalo de confianza P%). (E.4.3) Ésta expresión se basa en E La probabilidad que se usa es del 95%. En este formato m hace las veces de bias o error sistemático y k σ las de error accidental aleatorio. b) ε Z = k RMS Z (con intervalo de confianza P%). (E.4.4) En esta expresión se obtiene k del mismo modo que en el caso anterior y el RMS Z es el error medio cuadrático de las diferencias (Z). Método de los percentiles. Incorpora a la metodología expuesta en el punto anterior el uso de los percentiles. Este método se propone en Maune [2001]. El esquema de trabajo se muestra en la figura 4.3. En primer lugar se calculan los percentiles. Se ordena el valor absoluto de las diferencias (Z) en orden creciente. Para cada percentil se selecciona el valor que está en la posición P%. A continuación se usan los percentiles en orden decreciente. Si hay valores mayores al umbral definido por el percentil P i es por que la muestra contiene errores groseros. Se usa el método del intervalo de confianza para eliminar estos valores (se ha usado P=99.9%) y se repite la operación con el siguiente percentil. En caso contrario se calcula el error con la expresión (E.4.4), usando como valor de intervalo de confianza un 95% En el caso de agotar los percentiles (i=n en la figura 4.3) se considera que los errores sistemáticos son excesivos y debe investigarse la causa. 34
5 Cálculo de Percentiles P n [%]=(100,95,90, ) Haz desde i=1 a n Estadísticos para valores (dz) dz Pi i=i+1 i=n Errores sistemáticos excesivos Si Punto Erráticos? (dz > k σ) con P% (E.4.2) ε Z =K*RMS E (con de intervalo de confianza P%) No Figura 4.3. Esquema de cálculo del error de un modelo respecto a un conjunto de puntos de control (dz=diferencias de elevaciones entre el modelo y los puntos de control; dz Pi =valor de diferencias para el percentil P(i), σ=desviación típica). Análisis del error con un modelo de error altimétrico. Estos métodos son los más sofisticados. Requieren un modelo de propagación del error. Se destacan dos métodos: a) El primero, propuesto por Crombaghs [2002]descompone los errores en cuatro grupos que se incorporan al modelo en función de la distancia entre dos puntos. Se usan métodos geoestadísticos para acotar el valor de cada error y la distancia a la que se empieza a aplicar. La información usada son las diferencias entre solapes antes de la homogeneización. No corrige directamente errores sistemáticos. Los cuatro grupos de errores en que se divide el error son: 1. Error del punto láser. Se da a pequeña escala y es aleatorio. 2. Error GPS. Error aleatorio que se da a media escala debido a que los puntos GPS se encuentran espaciados alrededor de 100m. Es aleatorio. Su acotación se puede realizar en perfiles sobre las diferencias en las áreas de solape. Con métodos geoestadísticos se localizan errores sistemáticos. El autor asigna la contribución de este error al efecto pepita usando un modelo gaussiano en el variograma. 3. Errores por tira. Se dan a escala hectométrica/kilométrica. Se deben a errores sistemáticos introducidos por el sistema GPS/INS. Con el análisis geoestadístico descrito anteriormente se modeliza este error usando la meseta y el rango. 4. Error por bloque. La escala es kilométrica. Se usa el número de tiras y las desviaciones entre ellas para obtener una desviación típica para este error. b) El segundo método es el propuesto en Schenk [2001a] y Schenk [2001b]. Se basa en la teoría general de errores sobre la ecuación general del láser. Se propone un modelo de error de primer orden donde se agrupan los errores en 6 grupos. Algunos errores sistemáticos se recuperan de forma directa y otros de forma agrupada. Otros sólo se acotan. Requiere trabajar sobre los puntos del levantamiento, líneas de rotura y superficies. Para un buen funcionamiento requiere el reconocimiento de entidades (como edificios). 35
6 Comparaciones con segmentos y superficies Estas aproximaciones consideran el error planimétrico. Se usa información vectorial, y para ello se requieren algoritmos de reconocimiento de entidades. Estas entidades son segmentos y superficies (figura 4.4). Se debe detectar la entidad tanto en los datos LiDAR como en la información de referencia. Los errores planimétricos pueden ser mayores cuanto menor es la densidad. Algunos valores se dan en Vosselman [2001] (0.4m), Kilian [1996] (RMS XY =0.7m) y en Huising y Gomes Pereira [1998] (discrepancia máxima de 1.5m). La vectorización en la información de referencia de basa en métodos radiométricos (si son imágenes de teledetección). En los datos LiDAR se basa en datos de: Altimetría. Se usa la información altimétrica para localizar áreas óptimas, con pendiente constante y sin vegetación. En Vosselman [2002] se recomienda que estas áreas estén alejadas de líneas de rotura. Reflectancia. Esta información es más ruidosa, pero contiene información distinta a la altimétrica y a veces más rica. En la figura 4.5 se presenta un ejemplo. En A y B se presenta el modelo de elevaciones. En C la imagen generada con las reflectancias y en D una fotografía aérea oblicua del Palacio Real en el casco antiguo de Estocolmo. Se observa que el modelo de reflectancia contiene además información de los materiales sobre los que ha impactado la nube de puntos. Figura 4.4. Esquema de ajuste sobre segmentos (A) y superficies (B). La entidad extraída de los datos LiDAR se muestra en azul; la de referencia en rojo. Se muestran los giros y desplazamientos. El uso de la reflectancia es más complejo debido a que es una información relativa y más ruidosa. La reflectancia medida depende del material y de la temperatura a la que se encuentra. Así la información entre pasadas puede dar valores distintos de reflectancia relativa para un mismo objeto. Estas diferencias generan el ruido que dificulta el trabajo con esta información. La precisión de la detección de entidades está en función de la orientación del segmento respecto los ejes del modelo, su longitud y el ancho de la malla. Las peores orientaciones son las paralelas a los ejes de referencia. Una longitud mayor aumenta la precisión, y un ancho de malla menor también. Para mejorar la identificación de entidades se utilizan técnicas de fusión de datos con información de mayor calidad planimétrica. La fusión se puede realizar a nivel de señales, pixels, entidades, segmentos y objetos (LindenBerger [2004]). 36
7 Figura 4.5. Palacio real en el caso antiguo de Estocolmo (Suecia). A. Modelo digital de elevaciones 0.5x0.5m. B. Visión 3D del modelo de elevaciones. C. Modelo de reflectancias del los datos LiDAR de 0.5x0.5m. D. Fotografía aérea oblicua (Fuentes: A,B,C, OEEPE [2001]; D, STOCKHOLM [2006]). 37
8
Herramientas geoestadísticas en la construcción de Modelos Digitales de Elevación (MDE) Ing. Agrim. Eduardo Sierra setiembre de 2014
Herramientas geoestadísticas en la construcción de Modelos Digitales de Elevación (MDE) Ing. Agrim. Eduardo Sierra setiembre de 2014 agrimeduardosierra@hotmail.com.uy I. ETAPAS EN LA ELABORACIÓN DE UN
Breve introducción a la tecnología LIDAR
Breve introducción a la tecnología LIDAR Funcionamiento Funcionamiento Ventajas del procesado de datos LiDAR de DIELMO Método de interpolación exclusivo de DIELMO sin los problemas típicos de la triangulación.
VALIDACIÓN DE MODELOS DIGITALES DEL TERRENO DE PRECISIÓN A PARTIR DE DATOS LÁSER ESCÁNER AEROTRANSPORTADO; APLICACIÓN A LA
UNIVERSIDAD POLITÉCNICA DE CATALUÑA ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE CAMINOS, CANALES Y PUERTOS DE BARCELONA PROGRAMA DE DOCTORADO DE INGENIERÍA DEL TERRENO VALIDACIÓN DE MODELOS DIGITALES DEL
5. VALIDACIÓN DEL MDT EN EL ÁREA DE MATASGORDAS.
CAPÍTULO 5: 5. VALIDACIÓN DEL MDT EN EL ÁREA DE MATASGORDAS. En este capítulo se presentan los análisis realizados en el área piloto A del Proyecto MADRE sobre el modelo digital del terreno generado con
IDEGEO: Infraestructura de datos Geoespaciales
IDEGEO: Infraestructura de datos Geoespaciales Metadatos de: Modelo Digital de Elevación grises Identificación de la información Autor del Metadato Jesus Trujillo Resumen Un modelo digital de elevación
Segunda cobertura LiDAR de la Comunidad Foral de Navarra
Segunda cobertura LiDAR de la Comunidad Foral de Navarra Jorge L. Iribas Cardona, Roberto Pascual Orcajo (Gobierno de Navarra) Víctor J. García Morales (Tracasa) 24 de Septiembre 2018 Antecedentes Larga
Matemática Aplicada y Estadística - Farmacia Soluciones del Primer Examen Parcial - Grupo 3
1. Se está haciendo un estudio de medicamentos diferentes que contienen un principio activo común La distribución de frecuencias se indica en la tabla que sigue: Cantidad de sustancia mg [10,20 [20,30
M.D.T. y TOPOCAL. Técnicas de Representación Gráfica. Curso DIGTEG 2010
M.D.T. y TOPOCAL Técnicas de Representación Gráfica Curso 2010-2011 Superficies Topográficas Superficies Topográficas No es geométrica La superficie terrestre No se puede representar con exactitud matemática
M.D.T. y TOPOCAL. Superficies Topográficas 13/01/2011. Superficies Topográficas. Técnicas de Representación Gráfica.
M.D.T. y TOPOCAL Técnicas de Representación Gráfica Curso 2010-2011 No es geométrica La superficie terrestre No se puede representar con exactitud matemática Para realizar los cálculos de ingeniería necesarios:
Mediciones. Errores. Propagación de errores. Estadística. Prof. Arturo S. Vallespi
Mediciones. Errores. Propagación de errores. Estadística Prof. Arturo S. Vallespi Incertidumbre estadística: Qué ocurre si cada magnitud de interés en el experimento se mide más de una vez, por ejemplo
Continental Cubierta de altimetría e hidrografía a partir de los Modelos Digitales de Elevación LIDAR de tipo Terreno Introducción
Continental Cubierta de altimetría e hidrografía a partir de los Modelos Digitales de Elevación LIDAR de tipo Terreno Introducción El Instituto Nacional de Estadística y Geografía, en su componente geográfico
VALIDACIÓN DE MODELOS DIGITALES DEL TERRENO DE PRECISIÓN A PARTIR DE DATOS LÁSER ESCÁNER AEROTRANSPORTADO; APLICACIÓN A LA
UNIVERSIDAD POLITÉCNICA DE CATALUÑA ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE CAMINOS, CANALES Y PUERTOS DE BARCELONA PROGRAMA DE DOCTORADO DE INGENIERÍA DEL TERRENO VALIDACIÓN DE MODELOS DIGITALES DEL
Objetivo de la Mesa de Trabajo del CEM
Guadalajara, Jalisco 18, y 19 y 20 de abril Objetivo de la Mesa de Trabajo del CEM Al término de la mesa de trabajo los asistentes conocerán la metodología empleada para generar la información fuente utilizada
ÍNDICE INTRODUCCIÓN... 21
INTRODUCCIÓN... 21 CAPÍTULO 1. ORGANIZACIÓN DE LOS DATOS Y REPRESENTACIONES GRÁFICAS... 23 1. ORGANIZACIÓN DE LOS DATOS... 23 1.1. La distribución de frecuencias... 24 1.2. Agrupación en intervalos...
Introducción al tratamiento de datos experimentales. Aplicación en fisicoquímica
Introducción al tratamiento de datos experimentales Aplicación en fisicoquímica Medidas experimentales 1. 8.86 M H 2 O 2 100V 8.93M Titulación con KMnO 4 2. 8.78 M 3. 9.10 M Resultado promedio: 8.91 M
Elaborado por: Pelay, C. y Pérez, J. Prueba t para muestras independientes
Prueba t para muestras independientes 1 El procedimiento Prueba t para muestras independientes compara las medias de dos grupos de casos. Para esta prueba, idealmente los sujetos deben asignarse aleatoriamente
Procesamiento digital de señales Semana 1. Introducción (segunda parte)
Procesamiento digital de señales Semana 1. Introducción (segunda parte) Dra. María del Pilar Gómez Gil Otoño 2017 Coordinación de computación Versión: 28 de Agosto 2017 INAOE (c) P.Gómez Gil, INAOE 2017
Estadística Inferencial. Resúmen
Ofimega - Estadística inferencial - 1 Estadística Inferencial. Resúmen Métodos y técnicas que permiten inducir el comportamiento de una población. Muestreo o selección de la muestra: 1. Aleatorio simple:
Distribuciones de parámetros conocidos
10.3. CONTRASTE DE BONDAD DE AJUSTE PARA DISTRIBUCIONES265 350 300 observaciones esperado(x) 250 Frecuencias esperadas 200 150 100 Frecuencias observadas 50 0 55 60 65 70 75 80 85 90 Figura 10.2: En los
05/06. Análisis estadístico y calibración. Juan A. Montiel-Nelson. Last Revision:
05/06 Análisis estadístico y calibración Juan A. Montiel-Nelson Last Revision: 02.03.06 Escuela Técnica Superior de Ingenieros de Telecomunicación Universidad de Las Palmas de Gran Canaria Índice Análisis
Altimetría. NIVELACION Conjunto de operaciones que buscan determinar la elevación de puntos y forma del terreno respecto a un plano de comparación.
Altimetría Un levantamiento topográfico consiste en el conjunto de operaciones que buscan conocer la posición relativa de puntos en 3 dimensiones (x,y,z). NIVELACION Conjunto de operaciones que buscan
REGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE
UNIDAD 3 REGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE Relación entre variables de interés 1 Relación entre variables de interés Muchas decisiones gerenciales se basan en la relación entre 2 o
Matemática Aplicada y Estadística - Grado en Farmacia Curso 2014/15 1er. Examen Parcial 6 de noviembre de 2014
Matemática Aplicada y Estadística - Grado en Farmacia Curso 2014/1 1er. Examen Parcial 6 de noviembre de 2014 Apellidos y nombre del alumno/a Grupo 4 1. 2 puntos) En la siguiente tabla se refleja la distribución
Inventario biomasa en masas de matorral mediante el uso de LIDAR. Pablo Sabín Galán Valladolid, septiembre 2015
Inventario biomasa en masas de matorral mediante el uso de LIDAR Pablo Sabín Galán Valladolid, septiembre 2015 OBJETIVOS Localizar las zonas potenciales de aprovechamiento de biomasa Cuantificar la biomasa
APLICACIÓN SOFTWARE PARA EL PROCESADO DE DATOS LIDAR Y LA ESTIMACIÓN DE VARIABLES DE INVENTARIOS FORESTALES
APLICACIÓN SOFTWARE PARA EL PROCESADO DE DATOS LIDAR Y LA ESTIMACIÓN DE VARIABLES DE INVENTARIOS FORESTALES Grupo de Cartografía Geoambiental y Teledetección (http://cgat.webs.upv.es) Universidad Politécnica
LiDAR, la precisión a tu alcance. Víctor J. García Morales Área de Cartografía
Víctor J. García Morales Área de Cartografía Objetivos de esta presentación: - Conocer la tecnología LiDAR. - Qué información existe en Navarra. - Para qué me pueden interesar estos datos. - Aplicaciones
Modelo digital de elevación de alta resolución LiDAR, Tipo terreno con resolución de 5m
Continental Modelo digital de elevación de alta resolución LiDAR, Tipo terreno con resolución de 5m Es un registro de las elevaciones existentes sobre el nivel del mar derivado de la obtención de puntos
Estadística ESTADÍSTICA
ESTADÍSTICA La Estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comparaciones y sacar conclusiones. Un estudio estadístico consta
ESTADÍSTICA DESCRIPTIVA EN POCAS PALABRAS (por jmd matetam.com)
ESTADÍSTICA DESCRIPTIVA EN POCAS PALABRAS (por jmd matetam.com) ESTADÍSTICA DESCRIPTIVA EN POCAS PALABRAS... 1 DEFINICIONES BÁSICAS... 1 Estadística... 1 Estadística descriptiva... 1 Estadística inferencial...
Estadística Descriptiva
Estadística Descriptiva Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Estadística Descriptiva Es una etapa de la metodología estadística,
Altimetría. Altimetría
Altimetría Un levantamiento topográfico consiste en el conjunto de operaciones que buscan conocer la posición relativa de puntos en 3 dimensiones (x,y,z). NIVELACION Conjunto de operaciones que buscan
TEMA 1: INTRODUCCIÓN N AL PROCESADO Y ANÁLISIS DE DATOS
Procesado y Análisis de Datos Ambientales. Curso 2009-2010. José D. Martín, Emilio Soria, Antonio J. Serrano TEMA 1: INTRODUCCIÓN N AL PROCESADO Y ANÁLISIS DE DATOS ÍNDICE Introducción. Selección de variables.
Fotogrametría de Objeto Cercano. Precisión estimada.
Fotogrametría de Objeto Cercano. Precisión estimada. Apellidos, nombre Balaguer Puig, Matilde (balaguer@upv.es) Departamento Centro Ingeniería Cartográfica, Geodesia y Fotogrametría ETSIGCT 1 Resumen En
Qué es? Primer paso Representación en un sistema de coordenadas. numéricos Cada punto muestra el valor de cada pareja de datos (X e Y)
Gráfico de dispersión Qué es? Primer paso Representación en un sistema de coordenadas cartesianas de los datos numéricos Cada punto muestra el valor de cada pareja de datos (X e Y) Gráfico de dispersión
1.6. LIDAR. Mantenimiento grafico. 1/27
1.6. LIDAR. Mantenimiento grafico. 1/27 Índice LIDAR MANTENIMIENTO GRAFICO CONTINUO. Mejores Prácticas: LIDAR Inspección. Plan de Regularización catastral. Detección de omisiones gráficas Detección automática
Tema 7. Introducción Metodología del contraste de hipótesis Métodos no paramétricos
7-1 Tema 7 Contrastes de Hipótesis para una Muestra Introducción Metodología del contraste de hipótesis Métodos no paramétricos Test binomial Test de los signos Test de rango con signos de Wilcoxon Test
PROBABILIDAD. Unidad I Ordenamiento de la Información
1 PROBABILIDAD Unidad I Ordenamiento de la Información 2 Captura de datos muestrales Conceptos básicos de la estadística 3 Población (o universo): Totalidad de elementos o cosas bajo consideración Muestra:
Tema 8: Características de las Imágenes y su Tratamiento. (c) 2000 Universitat Politècnica de Catalunya 1
Tema 8: Características de las Imágenes y su Tratamiento (c) 2000 Universitat Politècnica de Catalunya 1 8.1. Parámetros de calidad y evaluación: Errores geométricos: - Exactitud entre la posición de un
Tema 04: Medición y error. M. en C. Edgardo Adrián Franco Martínez edgardoadrianfrancom
Tema 04: Medición y error M. en C. Edgardo Adrián Franco Martínez http://www.eafranco.com edfrancom@ipn.mx @edfrancom edgardoadrianfrancom 1 Contenido Definiciones Error de medición Causas de errores de
PREGUNTAS TIPO EXAMEN. 1. Cuál de las siguientes medidas es una medida de Centralización?
PREGUNTAS TIPO EXAMEN 1. Cuál de las siguientes medidas es una medida de Centralización? a) La desviación típica d) Ninguna respuesta es correcta 2. Disponemos de una variable aleatoria que recoge el peso
Programa del Diploma: Estudios Matemáticos
Programa del Diploma: Estudios Matemáticos Level: SL Tema Contenido Año 1 Conocimiento presunto Conjuntos numéricos, medición, aproximación, redondeo y estimación,% de error, notación científica. Número
ESTADÍSTICA. 1. Introducción. 2. Frecuencias
ESTADÍSTICA Jesús García de Jalón de la Fuente 1. Introducción La Estadística trata de describir colectividades formadas por un gran número de objetos. El conjunto de los objetos que se estudian se denomina
2. GENERACIÓN DE MODELOS DIGITALES DEL TERRENO (DTM) CON LÁSER ESCÁNER AEROTRANSPORTADO (ALS /LiDAR).
CAPÍTULO 2: 2. GENERACIÓN DE MODELOS DIGITALES DEL TERRENO (DTM) CON LÁSER ESCÁNER AEROTRANSPORTADO (ALS /LiDAR). El estos últimos años el ALS se ha implantado en trabajos de altos requerimientos altimétricos
LABORATORIO No. 0. Cálculo de errores en las mediciones. 0.1 Introducción
LABORATORIO No. 0 Cálculo de errores en las mediciones 0.1 Introducción Es bien sabido que la especificación de una magnitud físicamente medible requiere cuando menos de dos elementos: Un número y una
Explicación de la tarea 8 Felipe Guerra
Pruebas de bondad de ajuste de χ 2 Explicación de la tarea 8 Felipe Guerra Las pruebas de bondad de ajuste corresponden a una comparación entre la distribución de una muestra aleatoria y una distribución
Correcciones. Correcciones. Geométricas: Radiométricas:
Correcciones Septiembre de 2013 Correcciones Geométricas: Sistemáticas: esfericidad, movimiento de rotación, inclinacion de la órbita. No sistemáticas: relieve, movimientos de la plataforma, proyección
ESTADISTICA INFERENCIAL DR. JORGE ACUÑA A.
ESTADISTICA INFERENCIAL DR. JORGE ACUÑA A. 1 PROBABILIDAD Probabilidad de un evento es la posibilidad relativa de que este ocurra al realizar el experimento Es la frecuencia de que algo ocurra dividido
FILTRADO DE DATOS LIDAR MEDIANTE GRASS GIS. Roberto Antolín Sánchez Maria Antonia Brovelli Politecnico di Milano -DIIARSede Regionale di Como
FILTRADO DE DATOS LIDAR MEDIANTE GRASS GIS Roberto Antolín Sánchez Maria Antonia Brovelli Politecnico di Milano -DIIARSede Regionale di Como Airborne Laser Scanning (ALS) Telémetro láser Sistema de posicionamiento
Nota de los autores... vi
ÍNDICE Nota de los autores... vi 1 Qué es la estadística?... 1 1.1 Introducción... 2 1.2 Por qué se debe estudiar estadística?... 2 1.3 Qué se entiende por estadística?... 4 1.4 Tipos de estadística...
APUNTES MODELOS DIGITALES ELEVACIONES
APUNTES MODELOS DIGITALES ELEVACIONES 1.INTRODUCCIÓN Podemos hablar de la modelización del terreno desde puntos de vista diferentes, pero la generación y representación de este será similar. Por una parte
viii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos
Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................
En ciencias e ingeniería (experimentales) es imprescindible realizar mediciones, que consisten en obtener
ERRORES DE MEDICION Y SU PROPAGACION En ciencias e ingeniería (experimentales) es imprescindible realizar mediciones, que consisten en obtener la magnitud fisica de algun atributo de objetos ( proceso,
Tema 9: Estadística descriptiva
Tema 9: Estadística descriptiva Matemáticas específicas para maestros Grado en Educación Primaria Matemáticas específicas para maestros Tema 9: Estadística descriptiva Grado en Educación Primaria 1 / 47
Facultad de Ingeniería Civil y Ambiental MDE y Análisis del terreno.
MDE y Análisis del terreno. Sistemas de Información Geográfica 2-2013 Análisis del terreno. - El estudio del terreno es un tema muy estudiado por los SIG. - El estudio del terreno tiene un ámbito de utilidad
P l é i a d e s G E O E L E V A T I O N
P l é i a d e s G E O E L E V A T I O N CASO DE ESTUDIO: Modelo de Elevaciones de Santa Cruz, Bolivia Alfonso Casado Director Comercial alfonso.casado@infoterra.es Objetivo Se requiere un Modelo Digital
ANEXO B: CONTROL DE CALIDAD VUELO LIDAR
ANEXO B: CONTROL DE CALIDAD VUELO LIDAR Sistema de Aseguramiento de la Calidad PNOA Pág. 1 de 12 Índice 1.- INTRODUCCIÓN 3 2.- SISTEMA DE ASEGURAMIENTO DE LA CALIDAD DEL VUELO FOTOGRAMÉTRICO P.N.O.A 3
Syllabus. Curso:SEXTO. Materia:ESTUDIOS MATEMÁTICOS
Syllabus Curso:SEXTO Materia:ESTUDIOS MATEMÁTICOS Descripción del curso: Esta asignatura está destinada a estudiantes con distintas capacidades y niveles de conocimiento, con el objeto de infundir seguridad
Tema 5: SEGMENTACIÓN (II) I N G E N I E R Í A I N F O R M Á T I C A
Tema 5: SEGMENTACIÓN (II) 1 I N G E N I E R Í A I N F O R M Á T I C A Tema 5: Segmentación Los algoritmos de segmentación se basan en propiedades básicas de los valores del nivel de gris: 2 - Discontinuidad:
Tratamiento de datos experimentales
Tratamiento de datos eperimentales Densidad del agua a 8ºC d d d 0.998 595 000... d 0.998 60 0.998 60 g cm /(g cm 3 3 0.998 605 000... pero no estamos muy seguros de si el intervalo de confianza es éste
ESTADÍSTICA APLICADA. TEMA 1. ESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA APLICADA. TEMA 1. ESTADÍSTICA DESCRIPTIVA Definición de Estadística: La Estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer
UNIVERSIDAD DE LA COSTA LABORATORIO DE FÍSICA MECÁNICA TEORÍA DE ERRORES
UNIVERSIDAD DE LA COSTA LABORATORIO DE FÍSICA MECÁNICA TEORÍA DE ERRORES 1 MEDICIÓN Es una operación o procedimiento mediante el cual se determina el valor de una variable o cantidad física especificando
TEMA 14 ESTADÍSTICA. Cuantitativa: si puede medirse y expresarse con números (es una variable), por ejemplo la talla de calzado.
Objetivos / Criterios de evaluación TEMA 14 ESTADÍSTICA O.15.1 Conocer el significado y saber calcular los parámetros de centralización y dispersión O.15.2 Interpretar y utilizar los parámetros de dispersión.
1. Conceptos de Regresión y Correlación. 2. Variables aleatorias bidimensionales. 3. Ajuste de una recta a una nube de puntos
TEMA 10 (curso anterior): REGRESIÓN Y CORRELACIÓN 1 Conceptos de Regresión y Correlación 2 Variables aleatorias bidimensionales 3 Ajuste de una recta a una nube de puntos 4 El modelo de la correlación
Teoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
INTRODUCCIÓN AL CÁLCULO DE INCERTIDUMBRES DE ENSAYO
INTRODUCCIÓN AL CÁLCULO DE INCERTIDUMBRES DE ENSAYO 1. Introducción 2. Error e incertidumbre 3. Exactitud y precisión de medida 4. Tipos de medidas 5. Incertidumbre típica o de medida 6. Incertidumbre
C/ Fernando Poo 5 Madrid (Metro Delicias o Embajadores).
Ejercicio 1 AÑO 013- OPCIÓN A mx + y + z = m 1 m 1 x + my = 1 } (A) = ( 1 m 0 ) (A ) = ( 1 m 0 1 ) 6y z = 1 1 Calculamos el det(a) e igualamos a cero para sacar los valores en los que el determinante se
ESTADÍSTICA UNIDIMENSIONAL
ESTADÍSTICA UNIDIMENSIONAL DEFINICIÓN DE VARIABLE Una variable estadística es cada una de las características o cualidades que poseen los individuos de una población. TIPOS DE VARIABLE ESTADÍSTICAS Ø Variable
FLORIDA Secundaria. 1º BACH MATEMÁTICAS CCSS -1- BLOQUE ESTADÍSTICA: ESTADÍSTICA VARIABLE UNIDIMENSIONAL. Estadística variable unidimensional
FLORIDA Secundaria. 1º BACH MATEMÁTICAS CCSS -1- Estadística variable unidimensional 1. Conceptos de Estadística 2. Distribución de frecuencias 2.1. Tablas de valores con variables continuas 3. Parámetros
Colegio de Ingenieros de Caminos, Canales y Puertos. Demarcación Asturias
Colegio de Ingenieros de Caminos, Canales y Puertos. Demarcación Asturias MODELIZACIÓN BIDIMENSIONAL DE FLUJO TURBULENTO EN LÁMINA LIBRE Y RÉGIMEN NO PERMANENTE Oviedo, 30 de octubre de 2.014 ÍNDICE INDICE
TEMA 11 MODELO DIGITAL DEL TERRENO GRUPO Imagen 3D DEFINICIÓN
CATÁLOGO DE OBJETOS GEOGRÁFICOS PARA DATOS FUNDAMENTALES DE COSTA RICA INSTITUTO GEOGRÁFICO NACIONAL VERSIÓN:. NTIG_CR2_.26 ISO 9 - ISO 926 TEMA MODELO DIGITAL DEL TERRENO TEMA MODELO DIGITAL DEL TERRENO
ELABORACIÓN DE CARTOGRAFÍA FORESTAL EN CANARIAS A PARTIR DE DATOS LiDAR
ELABORACIÓN DE CARTOGRAFÍA FORESTAL EN CANARIAS A PARTIR DE DATOS LiDAR Alfredo Fernández Landa Pedro Pablo Ranz Vega José Luis Tomé Morán Agresta S. Coop. www.agresta.org OBJETIVOS Enriquecer la cartografía
Ing. MSc. Luis Fernando Restrepo Gómez
Ing. MSc. Luis Fernando Restrepo Gómez Introducción a la Valuación Masiva METODOLOGÍA VALUATORIA Sigue los pasos de la metodología científica, y se apoya en el análisis estadístico de datos comparables.
Tema 5: SEGMENTACIÓN (II) I N G E N I E R Í A I N F O R M Á T I C A
Tema 5: SEGMENTACIÓN (II) 1 I N G E N I E R Í A I N F O R M Á T I C A Tema 5: Segmentación Los algoritmos de segmentación se basan en propiedades básicas de los valores del nivel de gris: 2 - Discontinuidad:
Modelos Digitales de Elevación (MDE) - Descripción
Modelos Digitales de Elevación (MDE) - Descripción Qué es un modelo digital de elevación? Un modelo digital de elevación es una representación visual y matemática de los valores de altura con respecto
Prueba t para muestras independientes
Prueba t para muestras independientes El procedimiento Prueba t para muestras independientes compara las medias de dos grupos de casos. Para esta prueba, idealmente los sujetos deben asignarse aleatoriamente
Pregunta 1. Pregunta 2. Pregunta 3. Pregunta 4. Pregunta 5. Pregunta 6. Pregunta 7. Comenzado el lunes, 25 de marzo de 2013, 17:24
Comenzado el lunes, 25 de marzo de 2013, 17:24 Estado Finalizado Finalizado en sábado, 30 de marzo de 2013, 17:10 Tiempo empleado 4 días 23 horas Puntos 50,00/50,00 Calificación 10,00 de un máximo de 10,00
PPTCEG061EM33-A17V1. Distribución normal 1
PPTCEG061EM33-A17V1 Distribución normal 1 Propiedades distribución normal Distribución normal tipificada Es una distribución estadística continua cuya función de densidad es simétrica, y cuya forma se
Estudio de Simulación Condicional aplicado al cálculo del espesor de la sobrecarga en un yacimiento de Nitrato y Yodo
Estudio de Simulación Condicional aplicado al cálculo del espesor de la sobrecarga en un yacimiento de Nitrato y Yodo Introducción: Los yacimientos de caliche tienen una formación más o menos tabular,
Preproceso: mejora de la imagen
Preproceso: mejora de la imagen Gonzaled &Woods Digital Image Processing cap4 Mejora de la imagen 1 Transformaciones de la imagen dirigidas a mejorarla para el proceso posterior Mejora de contraste: Operaciones
Departamento de Señales, Sistemas y Radicomunicaciones Comunicaciones Digitales, febrero 2013
Departamento de Señales, Sistemas y Radicomunicaciones Comunicaciones Digitales, febrero 013 Sólo se puntuarán aquellos apartados en que la solución esté correctamente justificada. No se permite el uso
Estadística. Análisis de datos.
Estadística Definición de Estadística La Estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comparaciones y sacar conclusiones. Un
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.
ESTADÍSTICA. A su vez, las variables pueden ser :
ESTADÍSTICA La ESTADÍSTICA es una rama de las Matemáticas que recoge, ordena, analiza e interpreta datos relativos a un conjunto de personas o cosas ( POBLACIÓN ). La población es FINITA cuando lo es el
peso edad grasas Regresión lineal simple Los datos
Regresión lineal simple Los datos Los datos del fichero EdadPesoGrasas.txt corresponden a tres variables medidas en 25 individuos: edad, peso y cantidad de grasas en sangre. Para leer el fichero de datos
Introducción al Procesamiento de Imágenes Satelitales con Software Libre. Módulo 03
Introducción al Procesamiento de Imágenes Satelitales con Software Libre Módulo 03 Dirección de Formación de Capital Humano Especializado en el Campo Espacial Agencia Espacial Mexicana www.gob.mx/aem Plan
georreferenciación lección 11 correcciones geométricas Teledetección Dpto. de Ingeniería Cartográfica Carlos Pinilla Ruiz
1 georreferenciación lección 11 sumario 2 Introducción. Corrección polinómica. Establecimiento de los puntos de control. Funciones de transformación. Transferencia de los ND. Desplazamiento debido al relieve.
Un estudio estadístico consta de las siguientes fases: Recogida de datos. Organización y representación de datos. Análisis de datos.
La Estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comparaciones y sacar conclusiones. Un estudio estadístico consta de las siguientes
POBLACIÓN Y MUESTRAS EN LA INVESTIGACIÓN
POBLACIÓN Y MUESTRAS EN LA INVESTIGACIÓN Adela del Carpio Rivera Doctor en Medicina UNIVERSO Conjunto de individuos u objetos de los que se desea conocer algo en una investigación Población o universo
Estadística Descriptiva y Probabilidad FORMULARIO
Estadística Descriptiva y Probabilidad FORMULARIO Departament d Estadística i Investigació Operativa Universitat de València Angel Corberán Francisco Montes 2 3 Capítulo 1 Estadística Descriptiva 1.1.
Código: Tipo (T/Ob/Op): T
Asignatura: Topografía Código: 123211009 Titulación: Ingeniero Técnico de Minas especialidad Explotación de Minas Curso (Cuatrimestre): 1º (2º) Profesor(es) responsable(s): Antonio García Martín Ubicación
ESPECIFICACIONES TÉCNICAS. de la Ortofoto infrarroja de Cataluña 1:2500 (OI-25C) v1.1
ESPECIFICACIONES TÉCNICAS de la Ortofoto infrarroja de Cataluña 1:2500 (OI-25C) v1.1 ESPECIFICACIONES TÉCNICAS Revisión del documento 3.0 (enero 2013) de la Ortofoto Infrarroja de Cataluña 1:2 500 (OI-25C)
Distribución Gaussiana o normal
FLUCTUACIONES ESTADÍSTICAS Los postulados fundamentales de la teoría estadística de errores establecen que, dado un conjunto de medidas, todas efectuadas en idénticas condiciones, suficientemente grande
Los UAV en agricultura: Una nueva forma de tener información
Los UAV en agricultura: Una nueva forma de tener información Mª Auxiliadora Casterad Unidad de Suelos y Riegos e-mail:acasterad@aragon.es VI Jornada técnica Utilización de los UAV en agricultura y gestión
2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS)
2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS) La idea principal en este capitulo es el inicio a planear los diseño experimentales y su correspondiente análisis estadístico. En este caso iniciaremos
ESTADÍSTICA. Individuo. Es cada uno de los elementos que forman la población o muestra.
ESTADÍSTICA La estadística tiene por objeto el desarrollo de técnicas para el conocimiento numérico de un conjunto de datos empíricos (recogidos mediante experimentos o encuestas). Según el colectivo a
ANEXO B: CONTROL DE CALIDAD
ANEXO B: CONTROL DE CALIDAD Sistema de Aseguramiento de la Calidad PNOA Pág. 1 de 10 Índice 1.- SISTEMA DE ASEGURAMIENTO DE LA CALIDAD DEL VUELO LIDAR EN EL MARCO DEL PNOA (PLAN NACIONAL DE ORTOFOTOGRAFÍA
GEOESTADÍSTICA APLICADA
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO GEOESTADÍSTICA APLICADA Tema: Análisis Exploratorio de Datos Instructores: Dr. Martín A. Díaz Viera (mdiazv@imp.mx) Dr. Ricardo Casar González (rcasar@imp.mx) 2009
DEPARTAMENTO DE MATEMÁTICAS 1
2.8. MATEMÁTICAS ACADÉMICAS 3º ESO: CONTENIDOS. Bloque 1. Contenidos comunes. Planificación del proceso de resolución de problemas: análisis de la situación, selección y relación entre los datos, selección