WM-критерий
Материал из MachineLearning.
(→Ссылки) |
(→Примеры задач) |
||
Строка 4: | Строка 4: | ||
==Примеры задач== | ==Примеры задач== | ||
- | + | ||
- | + | Менеджер по [http://ru.wikipedia.org/wiki/Кейтеринг кейтерингу] хочет проверить, одинакова ли дисперсия количества соуса в упаковке при расфасовке с помощью двух диспенсеров. Каждым из диспенсеров он наполнил 10 упаковок. Возможно, диспенсеры откалиброваны по-разному (нет требования равенства медиан). | |
- | + | ::H<sub>0</sub> : дисперсия количества соуса в упаковке не отличается для двух диспенсеров. | |
- | + | ::H<sub>1</sub> : дисперсия количества соуса в упаковке для двух диспенсеров отличается. | |
Другой пример: предположим, существует два альтернативных агротехнических метода обработки полей. | Другой пример: предположим, существует два альтернативных агротехнических метода обработки полей. |
Версия 16:06, 18 февраля 2014
WM-критерий — непараметрический ранговый критерий для проверки принадлежности двух независимых выборок к общей генеральной совокупности с одинаковыми характеристиками рассеяния. В отличие от критерия Зигеля-Тьюки не требует предположения о равенстве средних в выборках.
Содержание |
Примеры задач
Менеджер по кейтерингу хочет проверить, одинакова ли дисперсия количества соуса в упаковке при расфасовке с помощью двух диспенсеров. Каждым из диспенсеров он наполнил 10 упаковок. Возможно, диспенсеры откалиброваны по-разному (нет требования равенства медиан).
- H0 : дисперсия количества соуса в упаковке не отличается для двух диспенсеров.
- H1 : дисперсия количества соуса в упаковке для двух диспенсеров отличается.
Другой пример: предположим, существует два альтернативных агротехнических метода обработки полей. Для каждого такого метода составим выборку из обработанных им полей. Значение в выборке равно урожайности данного поля. Требуется найти наиболее эффективный метод.