Cтраница 2
При реализации статистических процедур обработки данных используются следующие результаты, связанные с / - распределением. [16]
Регрессионный анализ представляет собой статистическую процедуру для математического расчета среднего соотношения зависимой и независимой переменных. Выделяют два вида регрессии: простая регрессия и множественная регрессия. Простая регрессия включает одну независимую переменную, множественная - две и более. [17]
Методами Монте-Карло называют любую статистическую процедуру, включающую в себя приемы статистической выборки. Не останавливаясь на общих идеях метода Монте-Карло, рассмотрим его применение к решению задачи коммивояжера. [18]
Для оценки параметров существуют статистические процедуры. Их ценность в том, что они могут быть применены для определения оптимальных значений параметров, которые удовлетворяют выбранным статистическим критериям. В результате такой процедуры будет выявлена неопределенность, с которой подобраны параметры, а также идентифицируемость их на основе доступных данных. В результате работы будет также установлено стандартное отклонение соответствия модели и информации, использованной для ее калибровки. Это те процедуры, которые следует рекомендовать. Проблема в том, что они очень трудоемки и весьма специализированы в применении. [19]
Более того, разработаны статистические процедуры для случаев, когда наблюдаются векторы, одни координаты которых измерены в одной шкале, а другие - в другой. Типичным примером является обычный дисперсионный анализ ( см. § 3.5), в котором факторы измеряются в номинальной шкале, а соответствующие их комбинациям отклики - в интервальной. [20]
В качестве носителей банка статистических процедур используется, как правило, программное обеспечение компьютеров. [21]
Принцип, требующий от статистической процедуры одинакового заключения для выборок с пропорциональными функциями правдоподобия, называется принципом правдоподобия. [22]
Разница между детерминированными и статистическими процедурами выделения локальных признаков изображения очень относительна: детерминированные процедуры можно получить как асимптотический вариант статистических, соответствующий случаю малого разброса дисперсий. В частности, основой распространенного метода выделения признаков, предусматривающего оценку расстояния между локальным сигналом и эталонами, является статистический метод максимального правдоподобия. В задачах распознавания обычно используются следующие метрики. [23]
Для изучения и иллюстрации эффективности различных статистических процедур удобно использовать статистическое моделирование, реализуемое с помощью последовательности псевдослучайных чисел. Псевдослучайными числами называют последовательности чисел, получаемые по некоторому алгоритму и обладающие свойствами последовательности случайных чисел. [24]
Другим подходящим местом для применения многомерных статистических процедур являются разные сложные хроматограммы, характеризующие такие объекты, как, например, натуральные смеси эфирных масел или бензины, а также газовые хроматограммы продуктов пиролиза - пирограммы. При таком подходе хроматограммы рассматривают как некоторые спектры или отпечатки пальцев соответствующих объектов. [25]
Круг проблем, связанных с устойчивыми статистическими процедурами, достаточно широк. Робастные методы обработки данных считаются важным самостоятельным направлением математической статистики. Она представляет собой сборник докладов в Исследовательском центре армии США в апреле 1978 г. Среди авторов докладов такие известные в области математической статистики специалисты, как Дж. Ванде-Линде и др. Непосредственное отношение к проблемам робастного оценивания и обнаружения сигналов имеет опубликованная в этом сборнике работа В. [26]
Антропометрические данные должны обрабатываться при помощи статистических процедур, использующих главным образом методы логического вывода. Примером являются одномерные статистики ( среднее, перцентили, гистограммы, анализ вариаций и пр. [27]
Проверяя менее 100 % элементов популяции, аудиторские статистические процедуры обязательно включают определенный уровень риска. Риск заключается в том, что ошибки содержатся в той части документов, которая не будет подвергнута изучению. Но риск необнаружения ошибки вполне поддается контролю или регулированию со стороны аудитора. [28]
Анализ, в основе которого лежит использование статистических процедур ( например, проверка гипотез) с целью обобщения полученных результатов на всю совокупность, называется выводным анализом. [29]
Рассмотренная задача является одним из простейших примеров статистической процедуры обнаружения сигналов. В настоящее время статистическая теория обнаружения сигналов представляет собой хорошо разработанную дисциплину; мы отсылаем интересующегося читателя к многочисленным руководствам в этой области - см., например, [2, 4, 5]; см. также § 5 гл. [30]