Online monitoring of process variance drifts for leptokurtic and heavy‐tailed data

2021 ◽  
Author(s):  
Wushuang Tan ◽  
Liu Liu
Keyword(s):  
Online Monitoring ◽  
Process Variance ◽  
Heavy Tailed

An Alternative to Cohen's κ

2006 ◽  
Vol 11 (1) ◽  
pp. 12-24 ◽  
Author(s):  
Alexander von Eye
Keyword(s):  
Simulation Study ◽  
Null Hypothesis ◽  
Categorical Variables ◽  
Alternative Measure ◽  
Rater Agreement ◽  
Verbal Processing ◽  
Heavy Tailed ◽  
Applicant Selection

At the level of manifest categorical variables, a large number of coefficients and models for the examination of rater agreement has been proposed and used. The most popular of these is Cohen's κ. In this article, a new coefficient, κ s , is proposed as an alternative measure of rater agreement. Both κ and κ s allow researchers to determine whether agreement in groups of two or more raters is significantly beyond chance. Stouffer's z is used to test the null hypothesis that κ s = 0. The coefficient κ s allows one, in addition to evaluating rater agreement in a fashion parallel to κ, to (1) examine subsets of cells in agreement tables, (2) examine cells that indicate disagreement, (3) consider alternative chance models, (4) take covariates into account, and (5) compare independent samples. Results from a simulation study are reported, which suggest that (a) the four measures of rater agreement, Cohen's κ, Brennan and Prediger's κ n , raw agreement, and κ s are sensitive to the same data characteristics when evaluating rater agreement and (b) both the z-statistic for Cohen's κ and Stouffer's z for κ s are unimodally and symmetrically distributed, but slightly heavy-tailed. Examples use data from verbal processing and applicant selection.

Online Monitoring der thorakalen Belüftung mittels Quadranten-Impedanz-Messung

2007 ◽  
Vol 211 (S 1) ◽  
Author(s):  
V Löb ◽  
M Domby ◽  
H Bauer ◽  
A Wemhöner ◽  
G Simbruner ◽  
...  
Keyword(s):  
Online Monitoring

PERANCANGAN SISTEM PEMOMPAAN AIR SAMPEL TENAGA SURYA UNTUK SISTEM ONLINE MONITORING KUALITAS AIR SUNGAI

2017 ◽  
Vol 10 (1) ◽  
Author(s):  
Galih Setiaji
Keyword(s):  
Online Monitoring

Pada tahun 2014 KLHK dan BPPT telah melakukan pengkajian dan penerapan teknologi online monitoring kualitas air sungai (Onlimo) di sungai Ciliwung. Peran sistem Onlimo ini adalah untuk mempermudah upaya pengendalian pencemaran sungai. Tahun 2015 dan 2016 KLHK dan BPPT telah melakukan pemasangan sistem Onlimo di 10 lokasi pada 4 DAS prioritas. Dalam sistem Onlimo tersebut terdapat dua metode pemasangan sensor yaitu: pencelupan secara langsung ke dalam sungai dan pengukuran di luar sungai. Pada sistem pengukuran di luar sungai, sampel air sungai dipompa dari sungai menuju tangki yang telah tersedia sensor di dalamnya. Sistem pemompaan sampel air sungai diaplikasikan saat kondisi sungai tidak memungkinkan untuk dilakukanya pencelupan sensor secara langsung. Saat ini sistem pemompaan masih diaplikasikan pada daerah yang memiliki suplai listrik PLN karena konsumsi listrik yang cukup besar untuk menjalankanya. Dengan rencana KLHK yang menargetkan penerapan sistem online monitoring kualitas air di 15 DAS prioritas, maka penting untuk dipersiapkan perancangan sistem pengambilan sampel dengan energi alternatif agar dapat ditempatkan di lokasi manapun tanpa tergantung listrik dari PLN. Pada perancangan ini telah dihasilkan rancangan sistem Pembangkit Listrik Tenaga Surya (PLTS) yang dapat menyuplai kebutuhan listrik sebuah sistem pemompaan air sampel untuk sistem online monitoring kualitas air selama 24 jam. Kata Kunci : online monitoring, kualitas air, sensor, pembangkit listrik, tenaga surya

PREDIKSI KUALITAS AIR SUNGAI CILIWUNG DENGAN MENGGUNAKAN ALGORITMA POHON KEPUTUSAN

2021 ◽  
Vol 12 (2) ◽  
Author(s):  
Mohammad Haekal ◽  
Henki Bayu Seta ◽  
Mayanda Mega Santoni
Keyword(s):  
Data Mining ◽  
Decision Tree ◽  
Cross Validation ◽  
Online Monitoring ◽  
Training Set ◽  
Microsoft Excel ◽  
Test Set

Untuk memprediksi kualitas air sungai Ciliwung, telah dilakukan pengolahan data-data hasil pemantauan secara Online Monitoring dengan menggunakan Metode Data Mining. Pada metode ini, pertama-tama data-data hasil pemantauan dibuat dalam bentuk tabel Microsoft Excel, kemudian diolah menjadi bentuk Pohon Keputusan yang disebut Algoritma Pohon Keputusan (Decision Tree) mengunakan aplikasi WEKA. Metode Pohon Keputusan dipilih karena lebih sederhana, mudah dipahami dan mempunyai tingkat akurasi yang sangat tinggi. Jumlah data hasil pemantauan kualitas air sungai Ciliwung yang diolah sebanyak 5.476 data. Hasil klarifikasi dengan Pohon Keputusan, dari 5.476 data ini diperoleh jumlah data yang mengindikasikan sungai Ciliwung Tidak Tercemar sebanyak 1.059 data atau sebesar 19,3242%, dan yang mengindikasikan Tercemar sebanyak 4.417 data atau 80,6758%. Selanjutnya data-data hasil pemantauan ini dievaluasi menggunakan 4 Opsi Tes (Test Option) yaitu dengan Use Training Set, Supplied Test Set, Cross-Validation folds 10, dan Percentage Split 66%. Hasil evaluasi dengan 4 opsi tes yang digunakan ini, semuanya menunjukkan tingkat akurasi yang sangat tinggi, yaitu diatas 99%. Dari data-data hasil peneltian ini dapat diprediksi bahwa sungai Ciliwung terindikasi sebagai sungai tercemar bila mereferensi kepada Peraturan Pemerintah Republik Indonesia nomor 82 tahun 2001 dan diketahui pula bahwa penggunaan aplikasi WEKA dengan Algoritma Pohon Keputusan untuk mengolah data-data hasil pemantauan dengan mengambil tiga parameter (pH, DO dan Nitrat) adalah sangat akuran dan tepat. Kata Kunci : Kualitas air sungai, Data Mining, Algoritma Pohon Keputusan, Aplikasi WEKA.

Probability and Random Processes

2018 ◽  
Author(s):  
Stefan Thurner ◽  
Rudolf Hanel ◽  
Peter Klimekl
Keyword(s):  
Random Processes ◽  
Distribution Functions ◽  
Basic Logic ◽  
Heavy Tailed Distributions ◽  
Random Components ◽  
Classical Distribution ◽  
Heavy Tailed ◽  
Basic Facts ◽  
Stochastic Events ◽  
Stochastic Event

Phenomena, systems, and processes are rarely purely deterministic, but contain stochastic,probabilistic, or random components. For that reason, a probabilistic descriptionof most phenomena is necessary. Probability theory provides us with the tools for thistask. Here, we provide a crash course on the most important notions of probabilityand random processes, such as odds, probability, expectation, variance, and so on. Wedescribe the most elementary stochastic event—the trial—and develop the notion of urnmodels. We discuss basic facts about random variables and the elementary operationsthat can be performed on them. We learn how to compose simple stochastic processesfrom elementary stochastic events, and discuss random processes as temporal sequencesof trials, such as Bernoulli and Markov processes. We touch upon the basic logic ofBayesian reasoning. We discuss a number of classical distribution functions, includingpower laws and other fat- or heavy-tailed distributions.

Sign in / Sign up

Export Citation Format

Share Document