Критерий Вальда-Вольфовица

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Описание критерия)
Текущая версия (01:42, 25 декабря 2014) (править) (отменить)
 
Строка 6: Строка 6:
N<sub>s</sub> - число серий <tex>\sim</tex> N(EN<sub>s</sub>,DN<sub>s</sub>)<br>
N<sub>s</sub> - число серий <tex>\sim</tex> N(EN<sub>s</sub>,DN<sub>s</sub>)<br>
<tex>E\varepsilon_{i}=0</tex><br>
<tex>E\varepsilon_{i}=0</tex><br>
-
<tex>EN_{s}=\frac{2n_{1}n_{2}}{n_{1}n_{2}}+1</tex>, где<br>
+
<tex>EN_{s}=\frac{2n_{1}n_{2}}{n_{1}+n_{2}}+1</tex>, где<br>
n<sub>1</sub> - число <tex>\varepsilon_{i}\geq0</tex><br>
n<sub>1</sub> - число <tex>\varepsilon_{i}\geq0</tex><br>
n<sub>2</sub> - число <tex>\varepsilon_{i}<0</tex><br>
n<sub>2</sub> - число <tex>\varepsilon_{i}<0</tex><br>

Текущая версия

Описание критерия

Критерий серий Вальда-Вольфовица может быть использован как тест для анализа регрессионных остатков наряду с критерием Уилкоксона-Манна-Уитни, критерием Зигеля-Тьюки, критерием знаков, критерием экстремумов.
В этом случае критерий серий Вальда-Вольфовица используется для проверки гипотезы H0: \varepsilon_{i} - независимая, одинаково распределенная сл. величина, где \varepsilon_{i}=y_{i}-\hat{y_{i}}
При анализе регресионных остатков будем выделять их в серии одного знака
Изображение:Vald-volf.JPG
Ns - число серий \sim N(ENs,DNs)
E\varepsilon_{i}=0
EN_{s}=\frac{2n_{1}n_{2}}{n_{1}+n_{2}}+1, где
n1 - число \varepsilon_{i}\geq0
n2 - число \varepsilon_{i}<0
DN_{s}=\frac{2n_{1}n_{2}}{(n_{1}+n_{2})^{2}}\frac{2n_{1}n_{2}-(n_{1}+n_{2})}{n_{1}+n_{2}-1}
Тогда по критерию серий Вальда-Вольфовица:
\frac{N_{s}-EN_{s}}{\sqrt{DN_{s}}}\sim N(0,1)
Исходя из полученного значения H0 применяется при неком уровне значимости или отвергается.

Смотри также

Литература

  1. Дерфелль К. Статистика в аналитической химии. — М.: Мир,1994. - 170 с.
Личные инструменты