Малая выборка
Cтраница 3
 |
Коэффициенты Стьюдента tan. [31] |
Закон Гаусса при малых выборках ( п 30) неприменим. [32]
Большое применение находит теория малых выборок. [33]
Статистическую обработку результатов измерений малой выборки ( п), оценку их воспроизводимости и правильности проводят по следующей схеме. [34]
Статистическую обработку результатов измерений малой выборки ( п), оценку их воспроизводимости и правильности осуществляют по нижеприведенной схеме. [35]
Статистическими исчислениями ( по малой выборке) найдена вероятная относительная ошибка определения приведенной мощности пласта по сланцу и породе при различном числе зарисовок и фотоснимков. При методе фотограмметрии необходимое число снимков примерно такое же. [36]
Проводятся предварительные исследования на малой выборке приборов с целью определения необходимых шагов по времени и нагрузке, а затем проводятся испытания по предложенной методике. Так в общих чертах выглядит методическая сторона вопроса оценки показателей надежности изделий электронной техники на современном этапе. [37]
Величина стандартного отклонения в малых выборках может сильно колебаться. [38]
Преимущества (10.1) проявляются при малых выборках ( малых s), когда оценка (10.2) не обязательно принадлежит X. Здесь открывается важный путь улучшения свойств оценок при малых выборках путем учета дополнительной информации о тех областях, которым заведомо принадлежат оцениваемые параметры. [39]
При восстановлении регрессии на малых выборках отыскание решения с меньшей гарантированной оценкой риска может быть получено за счет селекции выборки. [40]
При этом поправочный коэффициент для малой выборки в отличие от обычной имеет существенное значение, и при расчете средней ошибки малой выборки вместо неизвестной генеральной дисперсии ( о2) используется выборочная дисперсия, умноженная на этот поправочный коэффициент. [41]
Эту вероятность определяют по методу малых выборок на основании распределения ошибок Стюдента. [42]
Представляется, что при обработке малых выборок оценки максимального правдоподобия на основе полной информации должны быть лучше, чем оценки условного максимального правдоподобия, с точки зрения надлежащего критерия, например критерия минимума дисперсии ошибки. Однако эмпирические данные в пользу этого утверждения не слишком убедительны. [43]
 |
Зависимости оценки H / ji - / ( I g29 Для обнаружения по алгоритмам и ( пунктир при 3 Рп, пр. [44] |
Следует помнить, что при малых выборках ухудшаются условия обнаружения, при больших - сильно расширяются сигналы на выходе фильтра, вычисляющего критерий (3.39); это разрешение. Расширять выборку имеет смысл для границ пика после их предварительной оценки. [45]
Страницы: 1 2 3 4