Cтраница 3
После подсчета сумм квадратов оценивают статистическую значимость дисперсионных отношений при помощи F-критерия. [31]
По полученным оценкам дисперсий рассчитывается критерий статистической значимости Фишера F. [32]
После вычисления коэффициентов регрессии оценивают их статистическую значимость. Если опыты не повторяют, то дисперсию среднего значения Ь ( у) принимают равной дисперсии метода измерений, которую находят из предварительного эксперимента; тогда D ( ft /) - D ( у) / п, где п - число опытов. [33]
После вычисления коэффициентов регрессии оценивают их статистическую значимость. Если опыты не повторяют, то дисперсию среднего значения D ( у) принимают равной дисперсии метода измерений, которую находят из предварительного эксперимента; тогда D ( 6 /) D ( y) ln, где п - число опытов. Таким образом, ошибка коэффициента регрессии S ( bj) в У - п раз меньше погрешности метода. [34]
Здесь и далее коэффициенты г имеют статистическую значимость на основании их проверки по критерию rmm Романовского и z - преобразованию Фишера. [35]
С использованием специальной методики статистического анализа определена статистическая значимость пиков автокорреляции. Для случая на рис. 15.14, Л статистически значимыми оказались два коэффициента автокорреляции, для случая на рис. 15.14 5 - ни одного. [37]
Подсистема обнаружения пространственно-временных аномалий и оценивания их статистической значимости предназначена для выявления значимых нестационарных изменений динамических полей во времени. Выходом подсистемы является пространственно-временное динамическое поле отклонений. При выполнении условия стационарности значения поля отклонений представляют собой нормированные случайные величины, т.е. величины, имеющие нулевые математические ожидания и единичные дисперсии. Поэтому значение поля, существенно превосходящее единицу по абсолютной величине, свидетельствует о том, что произошло нарушение стационарности. В подсистему входят программные модули проверки статистических гипотез для нескольких моделей анализируемого динамического поля предвестников землетрясений. Возможны модели пуассоновского поля, гауссовского скалярного поля и векторного гауссовского поля. [38]
Используется в регрессионном анализе с целью проверки статистической значимости коэффициента регрессии. [39]
В настоящий момент не существует методов оценки статистической значимости фазового анализа. [40]
При мультиколлинеарности коэффициенты регрессии нестабильны как в отношении статистической значимости, так и по величине и знаку. Значения коэффициентов R2 могут быть высокими, но стандартные ошибки тоже высоки, и отсюда r - критерии малы, отражая недостаток значимости. [41]
Для этих коэффициентов может быть проверена гипотеза о их статистической значимости. [42]
Рассматривается применение критериев t, F и Х2 при оценке статистической значимости результатов исследований в аналитической работе. [43]
Все мультипликаторы имеют правильный знак, но при этом характеризуются предельной статистической значимостью. [44]
![]() |
Схема двухфакторного дисперсионного анализа. [45] |