Независимая выборка

Cтраница 3

Для квадратной решетки мы оценивали вероятность протекания PN ( p) на решетках L-L при при L50, 200 и 450 узлов, производя соответственно 200, 100 и 10 независимых выборок. Результаты оценки вероятности протекания представлены на рис. 7.3. При низкой концентрации пор р вероятность протекания PN пренебрежимо мала. При увеличении р вероятность принадлежности узла к наибольшему кластеру резко возрастает вблизи рс 0 593, и при р - I вероятность протекания PN возрастает почти линейно до единицы. При увеличении L перколя-ционный переход при рс становится более резким. [31]

В исследовании используются данные Мониторинга экономических и социальных перемен в России, проводимого ВЦИОМ с марта 1993 г., что обеспечивает высокую репрезентативность данных, а наличие большого числа аналогичных массивов, полученных на независимых выборках, дает возможность изучения групп, составляющих малые доли выборок. [32]

Тайим образом, задача обучения распознаванию образов состоит в том, чтобы в классе индикаторных функций Fix, а) найти такую, которая минимизировала бы функционал (1.3) в условиях, когда совместная плотность Pix, w) неизвестна, но задана случайная и независимая выборка пар, получепная согласно этой плотности. [33]

Одномерные дифракционные картины, полученные на частоте 2 5 МГц от нормальной печени ( а, б и при циррозе ( в, г. [34]

Развитие двумерной апертурной обработки в перспективе может дать два преимущества. Во-первых, число независимых выборок информации, которое можно получить из заданного объема ткани, при этом сильно возрастает. Следовательно, можно ожидать, что это улучшит специфичность характеризации, поскольку увеличивается отношение сигнал / шум. Во-вторых, использование двумерной апертуры позволяет исследовать заданный объем в трех измерениях, что в принципе дает возможность однозначно восстановить исходную рассеивающую стуктуру. [35]

Пусть по данным двух независимых выборок получены оценки дисперсий Sj и 2 со степенями. [36]

Казалось бы, проблема минимизации среднего риска по эмпирическим данным сводится к восстановлению плотности рас-лределения вероятности. Задача же восстановления по случайной и независимой выборке плотности распределения вероятности является центральной в математической статистике, и, таким образом, решение одной из частных проблем статистики - минимизация среднего риска по эмпирическим данным - ставится в зависимость от решения ее центральной проблемы. [37]

Критерий применяется для сравнения двух независимых выборок объема nt и пг и проверяет гипотезу Я0, утверждающую, что выборки получены из однородных генеральных совокупностей и, в частности, имеют равные средние и медианы. [38]

Проверка тех или иных статистических гипотез имеет смысл тогда, когда она делается много раз на независимом экспериментальном материале. Допустим, что мы проверили гипотезу а ас на материале т независимых выборок. В результате выбора уровня значимости а мы каждый раз отвергаем или не отвергаем проверяемую гипотезу. Спрашивается, как истолковать результаты т независимых проверок одной и той же гипотезы. Если т велико, то даже при малом а и верной гипотезе мы будем иногда ее отвергать. Наоборот, если гипотеза неверна, то вполне возможно, что при большом т мы несколько раз ее не отвергнем. Для объединения результатов т независимых проверок одной и той же гипотезы применяется следующий прием. [39]

Следующий практически полезный уровень случайности достигается путем добавления случайного поворота, выбираемого для каждой тремы отдельно и независимо от других. Еще более общая картина возникает, когда каждая трема является результатом независимой выборки из какого-либо генерирующего случайные множества процесса. Выбранные множества не обязательно должны иметь одинаковый объем, объемы выравниваются на следующем этапе. [40]

Следует также отметить, что метод последовательного анализа является далеко еще не завершенной статистической теорией. По сути дела, достаточно полно исследована лишь двухальтернативная ситуация при наличии однородной независимой выборки. [41]

Лемма 3.3 применима как при зависимой, так и при независимой наблюдаемой выборке. Далее на основе этой леммы доказываются другие леммы, более удобные для применения в случае независимой выборки. [42]

Общая проблема включает также случаи, когда л - коррелированы или когда они образуют несколько независимых выборок из различных распределений. [43]

Другой критерий соответствия, оценивающий близость распределений в смысле взвешенного среднего квадратического, был указан Мизесом. В столь же общих предположениях относительно закона F ( х) оказалось возможным трактовать проблему о принадлежности двух независимых выборок к одной и той же генеральной совокупности. [44]

Поскольку мы можем ожидать, что значения R / S случайного числа будут нормально распределенными ( позднее мы покажем это посредством имитации), по мере увеличения числа выборок дисперсия R ( n) уменьшится. Например, если мы имеем временной ряд, который состоит из N 5 000 наблюдений, у нас есть 100 независимых выборок R ( 50), если мы используем непересекающиеся периоды времени. Поэтому ожидаемая дисперсия нашей выборки будет Var ( E ( R ( n))) / 100, как показано в элементарной статистике. [45]

Страницы: 1 2 3 4