Хальд

Cтраница 1

Хальд 54, 295, 408, 415 Характеристическая функция Хартли 408, 421 Хелъмерт 118, 161 Хиичин А. [1]

В известной монографии Хальда [85] приведен ряд хорошо подобранных примеров, иллюстрирующих пользу таких преобразований. [2]

График плотности вероятности Х2 - рао пределения при / 2, 4, 10. [3]

В некоторых руководствах, например в книге Хальда [30, 44], таблицы всех распределений построены для квантилей. Такое построение таблиц значительно облегчает изложение материала, но делает более громоздким их применение. [4]

Но все статистические методы контроля могут быть полезны лишь при наличии статистически устойчивого ( статистически подконтрольного, как говорит в своей книге Хальд [24]) производства. [5]

Результат Николая Бернулли продолжает вызывать споры среди специалистов. Хальд в недавней статье [ Д13 ] высказывает мнение, что вклад И. Бернулли был недостаточно оценен, и рассматривает его теорему как звено, связующее теорему Якоба Бернулли с найденной Муавром нормальной аппроксимацией биномиального распределения. [6]

Хальд понимает причинную связь. [7]

Полезным дополнением к настоящему комментарию могут служить статья А. Хальда [ Д13 ], посвященная теоремам Якоба и Николая Бернулли, и статья А. П. Юшкевича ( Д12 ], содержащая, в частности, из вестное письмо Николая Бернулли к Монмору. [8]

При построении контрольных карт информация о функции распределения исследуемых параметров может быть недостаточной для точных вероятностных формулировок. Обычные статистические критерии значимости при анализе контрольных карт характеризуют только состояние контроля процесса, т.е. его случайность или хотя бы стационарность. Хальду, даже в случае, когда функция распределения статистики не соответствует нормальному закону, контрольные границы принято назначать, исходя из тех же соотношений, что и для закона нормального распределения. [9]

Правда, почти все автсн ры повторяют слова математиков-вероятностников об осторожности трактовки величин коэффициентов корреляции. Но применяемый ими формальный аппарат говорит об обратном. Действительно, ь в теории вероятностей коэффициент корреляции вводится как параметр, существенность величины которого указывает на стохастическую связь, но не определяет меры связи, тем более меры причинной связи. Это чувствуют многие авторы. Хальда [30.524] мы находим следующее мнение: Определив коэффициент корреляции и проверив затем гипотезу о нулевой корреляции, можно иногда доказать существование стохастической связи между переменными. Однако необходимо подчеркнуть, что стохастическая зависимость не указывает с необходимостью на наличие функциональной1 связи. Коэффициент корреляции хотя и может указывать на стохастическую связь между Xi и xz, но при помощи него нельзя определить, является ли величина х причинно обусловленной величиной х2, или х2 - величиной xit или же их связь объясняется тем, что обе они причинно обусловлены другими факторами. Следовательно, и при значимом коэффициенте корреляции для определения наличия функциональной связи требуется дополнительное исследование. При дальнейшем исследовании, которое прежде всего должно основываться на знании специфики проблемы, регрессионный анализ часто играет важную роль как средство проверки сделанных гипотез. Часто стохастическая связь бывает очень тесной, а причинная вовсе отсутствует. [10]

Страницы: 1