Επαναληπτικό Μάθημα PDF

NOAA, GFS 0.5 x 0.5 μοίρες ανάλυση Πρόβλεψη 7 Ημερών TAPM Μέση πίεση στην στάθμη της θάλασσας Γεωδυναμικό Ύψος...

NOAA, GFS 0.5 x 0.5 μοίρες ανάλυση Πρόβλεψη 7 Ημερών TAPM Μέση πίεση στην στάθμη της θάλασσας Γεωδυναμικό Ύψος U ταχύτητες V ταχύτητες Θερμοκρασία Ειδική υγρασία Μετρήσεις από Μετεωρολογικό Σταθμό Κατανομή δεδομένων στο χώρο Παράδειγμα 1 – Υπολογισμός Εμβαδού Ορθογωνίου ΑΡΧΗ Αρχή Λογικού Διαγράμματος Διάβασε μήκος, πλάτος Διάβασε δεδομένα Εμβαδόν ← μήκος Χ πλάτος Υπολόγισε το εμβαδόν Τύπωσε Εμβαδόν Τύπωσε το εμβαδόν ΤΕΛΟΣ Τέλος Λογικού Διαγράμματος 1. Ακολουθιακή Δομή Να γραφεί αλγόριθμος υπολογισμού του εμβαδού κύκλου και τετραγώνου αν είναι γνωστή η ακτίνα – πλευρά R ΑΡΧΗ Διάβασε ακτίνα, πλευρά R Εμβαδόν Κύκλου = 3,14 * R*R Εμβαδόν Τετραγώνου = R*R Τύπωσε Εμβαδόν Τύπωσε Εμβαδόν ΤΕΛΟΣ Κύκλου Τετραγώνου  2. Δομή Επιλογής ή διακλάδωσης Να γραφεί αλγόριθμος υπολογισμού προαγωγής ή όχι ενός μαθητή ΑΡΧΗ Διάβασε βαθμούς τριμήνων (Α, Β, Γ) ΜΟ = (Α+Β+Γ)/3 Τύπωσε ΑΛΗΘΗΣ ΨΕΥΔΗΣ Τύπωσε ΜΟ earthq(17,12) 0.03832471 Η παράμετρος λ εκφράζει και τη μέση τιμή και τη μεταβλητότητα της κατανομής. Όμοια, η πιθανότητα εμφάνισης 16 σεισμών με ένταση άνω των 4 Richter σε μία δεκαετία, δίνεται από τη συνάρτηση Poisson: > earthq(16,12) 0.05429334 Με τη χρήση της ενσωματωμένης συνάρτησης της R, η πιθανότητα εμφάνισης 16 σεισμών με ένταση άνω των 4 Richter σε μία δεκαετία, δίνεται από τη συνάρτηση Poisson: > dpois(16,12) 0.05429334 H αθροιστική κατανομή της Poisson είναι: x e −  i F ( x) =  i =0 i! earthq_cum = function(x,l) { i = 0:x > earthq_cum(16,12) nom1 = exp(-l)*l^i 0.898709 denom1 = factorial(i) result = nom1/denom1 sum(result) } Η αθροιστική πιθανότητα εμφάνισης 16 σεισμών και κάτω με ένταση άνω των 4 Richter σε μία δεκαετία, δίνεται από τη συνάρτηση Poisson: > ppois(16,lambda=12,lower.tail=TRUE) 0.898709 Άρα, η πιθανότητα εμφάνισης 16 σεισμών και κάτω με ένταση άνω των 4 Richter σε μία δεκαετία είναι 89,8%. norm1 = function(x,mi,sigma) { term1 = 1/(sigma*sqrt(2*pi)) 1  1  x −  2  f ( x) = exp −    term2 = exp(-0.5*((x-mi)/sigma)^2)  2  2    result = term1*term2   result } > norm1(17,15,1.4) 0.1027128 > norm1(12,20,1.4) 2.313449e-08 > dnorm(12,20,1.4) 2.313449e-08 > rnorm(10,15,1.4) 13.52508 16.50131 14.75045 17.06427 16.29172 12.94787 16.97029 15.58814 13.64059 17.15074 pm25 = runif(100, 0, 250) time = seq(1, 100, 1) col = ifelse(pm25