Непараметрическая статистика

Cтраница 1

Непараметрическая статистика используется в случаях, когда законы распределения, как правило, либо неизвестны, либо для их установления требуется большая вычислительная работа. Существует большое число так называемых непараметрических критериев, простейшим из которых является критерий знаков. Применение этого критерия иллюстрируется ниже. [1]

В непараметрической статистике важную роль играют понятия мощность и эффективность. Это связано с тем, что непараметрические критерии обычно используются вместо параметрических. Если соблюдаются основные предпосылки использования параметрического критерия, то в результате подобной замены может увеличиться вероятность ошибки II рода, поскольку параметрические критерии в большинстве случаев более мощные, чем их непараметрические аналоги. [2]

Руниона Справочник по непараметрической статистике посвящена непараметрическим методам, популярность которых среди исследователей постоянно возрастает. Это объясняется широкой областью их применения, устойчивостью, выводов, простотой математических средств. Непараметрические методы в настоящее время составляют сложившуюся систему обработки данных, по своим возможностям сопоставимую с гауссовской. [3]

Еще одним направлением в непараметрической статистике, которое быстро развивается, является применение адаптивных процедур, основанных на оценке сдвига. Все указанные направления математической статистики в той или иной мере используются в аналитической химии для оценки составляющих по-грещности. [4]

Медиана играет важную роль в непараметрической статистике, а также при использовании помехоустойчивых, робастных процедур. [5]

Принципиально новым является применение аудитором методов непараметрической статистики в сочетании с использованием в соответствующих расчетах так называемых динамических нормативов. По этой причине данному вопросу следует уделить больше внимания. [6]

В первых главах монографии изложены основные понятия параметрической и непараметрической статистики, включая понятия оценки, а также требования, предъявляемые к свойствам оценок с точки зрения их вычисления при обработке данных на компьютере. В 7 - 13 главах монографии изложены методы и алгоритмы восстановления регрессионных зависимостей, включая методы прогнозирования и решения задач планирования оптимальных экспериментов. [7]

Однако есть целый ряд полезных статистических вычислений ( непараметрическая статистика, см. Зигель [116]), которые можно применить и к менее упорядоченным шкалам. Это полезно знать, так как на основные проектные вопросы редко можно ответить, пользуясь шкалой, позволяющей выполнять любые математические или статистические вычисления. [8]

Анализ элементов такой матрицы выполняется с применением законов непараметрической статистики и позволяет получать результаты формализации в очень удобной и простой форме. [9]

Представляется, что такой комплекс приемов может быть успешно сформирован на основе методов непараметрической статистики. [10]

Если о законе распределения случайной величины ничего не известно, некоторые оценки можно получить методами непараметрической статистики. [11]

Стремление к ускорению иногда достигается за счет отказа от другого полезного свойства ПСМ - использования порядковых шкал и непараметрической статистики для откликов. Так, введение весов вершин устанавливает метрику со всеми вытекающими отсюда требованиями к измерениям откликов. [12]

Существенным недостатком многих методов является необходимость выполнения большого числа громоздких аналитических операций, требующих, как правило, глубоких знаний непараметрической статистики, что делает эти методы труднодоступными для их использования. [13]

Кривые, изображающие плотность вероятности законов распределения. [14]

Для некоторых технологических задач, например, оценки различия между двумя выборками, можно не прибегать к законам распределения, а применять критерии так называемой непараметрической статистики; эти критерии, однако, не позволяют оценить точность по сравнению с заданной. [15]

Страницы: 1 2 3