Использование - выборка
Cтраница 2
Поэтому были развиты методы минимизации риска, которые не требуют знания модели искомой зависимости и ориентированы на использование выборок ограниченного объема ( гл. [16]
Хотя его книга представляет интерес для социологов, медиков, политологов и историков, самое главное в ней - использование выборки. Грант заметил, что доступные ему статистические данные содержат только часть сведений о рождаемости и смертности в Лондоне, но это не помешало ему сделать далеко идущие заключения на основе той информации, которая оказалась в его распоряжении. Основополагающими усилиями Гранта простой процесс сбора информации был превращен в могучий, совершенный инструмент описания окружающего мира - земного и небесного. [17]
Однако классическая схема восстановления полиномиальной регрессии - выяснение истинной степени регрессии и приближение к регрессии в классе полиномов этой степени приводит к успеху лишь при использовании больших выборок. Только для достаточно больших объемов выборки можно утверждать, что наилучшее приближение будет достигнуто на функции, минимизирующей эмпирический риск в классе полиномов, степень которых равна истинной степени регрессии. [18]
Классические методы восстановления зависимостей, основанные на знании структуры плотности вероятности и связывающие методы восстановления зависимостей с оценкой этой плотности, оказываются эффективными лишь при использовании выборок достаточно большого объема. [19]
Однако классическая схема восстановления полиномиальной регрессии - выяснение истинной степени регрессии и приближен ние к регрессии в классе полиномов этой степени - приводит к успеху лишь при использовании больших выборок. [20]
Этот подход обеспечивает близкое соответствие кривых операционных характеристик для одно - и двухступенчатых планов контроля, но он не самый экономичный, и аналогичные результаты могут быть достигнуты путем использования выборок меньшего объема. [21]
 |
Иллюстрация к доказательству теоремы Чебышева. [22] |
Эту теорему можно также использовать для доказательства того, что некоторые данные, обнаруженные в достаточно большой выборке из совокупности, достаточно хорошо характеризуют истинное положение вещей, связанное со свойствами всей совокупности, а это дает основание для использования выборок в целях оценки характеристик совокупностей. [23]
 |
Структурная схема микропрограммного управления операциями. [24] |
ЦВМ в микропрограммировании нашел широкое применение способ принудительной выборки микрокоманд, так что код микрокоманды содержит адрес следующей микрокоманды, подлежащей исполнению. Использование принудительной выборки микрокоманд позволяет ускорить выполнение микропрограмм. [25]
При изучении элементов, попавших в выборку ( документов, операций, сальдо и др.), фиксируются все ошибки независимо от их стоимости, так как результаты выборки будут распространены на всю совокупность. При использовании выборки, основанной на денежной единице, важен не столько абсолютный размер ошибки, сколько соотношение ошибки и величины элемента совокупности. В ходе анализа документов устанавливается удельный вес неправильно оформленных или отсутствующих документов. Необнаружение документа по операции, включенной в выборку, должно рассматриваться как серьезное нарушение. [26]
После этого высвечивается таблица, состоящая из четырех колонок. В случае использования выборки в число полей включаются и вычисляемые поля, созданные в этой выборке. Вторая колонка содержит имена новых вычисляемых полей, которые включаются в отчет. Третья колонка содержит имена системных полей: Date ( текущая дата), Time ( текущее время), Recno ( номер записи), и Pageno ( страница), которые могут использоваться в отчете. Эти операторы используются для создания полей в полосах итогов ( подытогов) отчета, в которые помещаются результаты агрегирования. [27]
Устойчивые методы восстановления регрессии могут быть получены для разных классов плотностей. Они возможны лишь при использовании выборок большого объема. [28]
Подобной цели довольно хорошо служит ВПК с переменным планом контроля. Его идея заключается в использовании выборок сравнительно малого объема при нормальном ходе производства и переходе к выборкам большого объема при возникновении расстройства. [29]
Случай близких гипотез связан с различными задачами тонкого анализа выборок и факторов, влияющих на ход производства. Этот случай приводит к необходимости использования выборок большого объема. Однако использование оптимальных статистических методов выбора между гипотезами обеспечивает минимальность объема ( или среднего объема) выборки, при котором возможно гарантировать заданные вероятности ошибок первого второго рода. В этом смысле любой даже очень большой объем выборки при использовании оптимальных статистических методов выбора между гипотезами является неизбежной минимальной платой за требуемую надежность решений. [30]
Страницы: 1 2 3