Úvod do vícerozměrných statistických metod běžně používaných v meteorologii a klimatologii, s důrazem na jejich
praktické aplikace. Výuka probíhá tutorským způsobem a sylabus se aktuálně přizpůsobuje konkrétnímu obsahu
předchozího studia a potřebám tématu disertační nebo diplomové práce. Tento sylabus se u doktoranda zahrnuje
do individuálního studijního plánu.
Poslední úprava: T_KMOP (09.05.2013)
Introduction to multivariate statistical methods currently used in meteorology and climatology, with emphasis on their practical applications
Poslední úprava: T_KMOP (29.04.2004)
Podmínky zakončení předmětu
Ústní zkouška v rozsahu témat daných sylabem.
Poslední úprava: Mikšovský Jiří, doc. Mgr., Ph.D. (19.10.2017)
Literatura
Dle doporučení vyučujícího.
Poslední úprava: Mikšovský Jiří, doc. Mgr., Ph.D. (13.05.2020)
Požadavky ke zkoušce
Ústní zkouška v rozsahu témat daných sylabem.
Poslední úprava: Mikšovský Jiří, doc. Mgr., Ph.D. (19.10.2017)
Sylabus -
1. Úvod
potřeba analyzovat rozsáhlé datové soubory
příklady problémů vedoucích k použití vícerozměrných metod: klasifikace, regionalizace,redukce objemu dat, odstranění lineární závislosti, ...
2. Násobná lineární regrese
základní pojmy a definice
metody výběru prediktorů
3. Analýza hlavních složek
definice pojmů
odvození, základní vlastnosti
volba vstupní matice (módy)
volba matice podobnosti
pojem jednoduché struktury, rotace, určení počtu hlavních složek
interpretace výsledků
Buellovy sekvence map
4. Shluková analýza
základní definice
míry (ne)podobnosti
jednotlivé algoritmy, jejich vlastnosti
fuzzy metody
analýza hlavních složek jako metoda shlukové analýzy
5. Kanonická korelační analýza
základní odvození
interpretace výsledků
vztah mezi násobnou regresí, analýzou hlavních složek a kanonickou korelační analýzou
6. Ukázky řešení konkrétních problémů
určení klimatických oblastí (regionalizace)
dálkové vazby v poli geopot. výšek (módy proměnlivosti, teleconnections) - vč. srovnání s korelační metodou
klasifikace cirkulačních polí
klasifikace vzduchových hmot (počasí)
vazba mezi cirkulací a přízemními klimatickými prvky (teplota, srážky)
statistický downscaling
identifikace a odstranění ?nemeteorologického" signálu
Model Output Statistics
Poslední úprava: T_KMOP (09.05.2004)
1. Introduction
need to analyze huge datasets
examples of tasks leading to the use of multivariate methods: classification, regionalization, reduction of datasets, removal of linear dependency, ...
2. Multiple linear regression
basic notions and definitions
methods of selection of predictors
3. Principal component analysis
definitions
derivation, basic properties
selection of the input data matrix (modes of decomposition)
selection of similarity matrix
concept of simple structure, rotation, selection of the number of components
interpretation of results
Buell's map sequences
4. Cluster analysis
basic definitions
(dis)similarity measures
algorithms, their properties
fuzzy methods
principal component analysis as a cluster analysis method
5. Canonical correlation analysis
basic derivation
interpretation of results
relations among multiple regression, principal component analysis, and canonical correlation analysis
6. Examples of treating specific tasks
definition of climate areas (regionalization)
teleconnections (modes of variability) in geopotential height fields - incl. comparison with correlation method
classification of circulation patterns
classification of air masses (weather types)
relationships between circulation and surface climate elements (temperature, precipitation)
statistical downscaling
identification and removal of ?non-meteorological" signal
