Cтраница 2
В качестве непараметрических критериев связи переменных часто используют коэффициент ранговой корреляции Спирмена и коэффициент ранговой корреляции Кендалла. [16]
Рассмотрим некоторые из непараметрических критериев и методы распознавания образов, не использующие в явном виде параметры распределения. [17]
В качестве примера непараметрического критерия проверки типа распределения рассмотрим критерий W Шапиро и Уилка. [18]
Критерий знаков является простейшим непараметрическим критерием и используется для распознавания парных наблюдений. [19]
Таким образом, методом непараметрических критериев можно классифицировать скважины на эффективные и неэффективные, при этом в класс эффективных следует выбирать такие, в которых кроме прироста добычи газа после воздействия учитывается и продолжительность эффекта воздействия, т.е. период после проведения солянокислотной обработки, в течение которого дебит газа больше дебита до обработки. [20]
После того как по непараметрическому критерию определена информативность всех признаков, из дальнейшего анализа исключаются малоинформативные и рассчитывается информативность по Кульбаку. [21]
Во второй части книги рассматриваются непараметрические критерии, применяемые в случае порядковых шкал измерения. Как и номинальные шкалы, порядковые измерения основываются на качественных переменных. Однако в отличие от номинальных шкал порядковые шкалы соответствуют таким качественным переменным, для которых характерна некоторая упорядоченность, направленность или степень важности. [22]
В этой главе мы рассмотрим непараметрические критерии значимости, используемые в порядковых шкалах. В частности, мы обсудим те статистические критерии, которые предназначены для проверки гипотез относительно медиан, средних значений и различий в распределении. [23]
После того, как по непараметрическому критерию определены информативности признаков, отбираются малоинформативные и осуществляют переход к расчету информативности по более сильному методу Кульбака. [24]
После того, как по непараметрическому критерию определены информативности признаков, отбираются малоинформативные признаки и осуществляется переход к расчету информативности по более сильному методу Кульбака. [25]
Для двухуровневых случайно сбалансированных планов удобен непараметрический критерий, основанный на использовании выступающих точек диаграммы рассеяния. [26]
При решении задач первого типа используются непараметрические критерии и гипотезы, так как знание законов распределения не требуется. [27]
В первой части этой книги исследуются непараметрические критерии, используемые при низших шкалах измерения - номинальных шкалах. Номинальные шкалы основываются на качественных переменных, главная особенность которых заключается в том, что различие между ними не поддается количественному измерению. Эти переменные классифицируются в соответствии с определяющими их различие признаками, а не в зависимости от степени, в которой они наделены заданным свойством. В противоположность этому количественными считаются такие переменные, различие между которыми выражается в том, насколько отличаются друг от друга индивидуумы, объекты или события, обладающие каким-либо свойством. [28]
При решении задач распознавания образов применяются параметрические и непараметрические критерии и алгоритмы. [29]
В настоящее время наиболее многообещающим является класс непараметрических критериев, использующих концепцию толерантных областей. Их идея состоит в том, что по одной из двух выборок строятся множество взаимно не пересекающихся и заполняющих все пространство толерантных областей. Эти области составляют разбиение многомерного пространства выборок. Затем подсчитывается число наблюдений из обеих выборок, лежащих в каждой из этих областей. Полученные значения используются, для построения критерия сравнения двух рассматриваемых выборок. [30]