Участник:Anton/Песочница

Материал из MachineLearning.

Перейти к: навигация, поиск

Критерии однородности - это критерии проверки гипотез о том, что две (или более) выборки взяты из одного распределения вероятностей. Рассмотрим такую классификацию критериев:

  1. Непараметрические (свободные от распределения) критерии однородности не предполагают присутствие какой-либо фундаментальной информации о законе распределения. Любое распределение можно описать параметром положения, характеризующим центр группирования случайных величин, и параметром масштаба, характеризующим степень рассеяния случайных величин относительно центра группирования. Когда закон распределения неизвестен, гипотезы о параметрах проверяются при помощи специальных критериев сдвига и масштаба. Также существуют двухвыборочные критерии согласия, позволяющие проверять более общую гипотезу о совпадении функций распределения вероятностей в двух выборках.
    1. Непараметрические критерии сдвига.
    2. Непараметрические критерии масштаба.
    3. Двухвыборочные критерии согласия.
  2. Если же принимаются какие-либо дополнительные предположения о законе распределения вероятностей, то можно применять

параметрические критерии.

Содержание

Непараметрические критерии однородности

Непараметрические критерии сдвига

Непараметрические критерии масштаба

Двухвыборочные критерии согласия

Параметрические критерии однородности

Сравнение параметров нормальных распределений

Сравнение параметров экспоненциальных распределений

Сравнение параметров биномиальных распределений

Последовательные методы проверки гипотез о значениях параметром распределений

Ссылки


Литература

  1. Кобзарь А. И. Прикладная математическая статистика. — М.: Физматлит, 2006.
  2. Лагутин М. Б. Наглядная математическая статистика. В двух томах. — М.: П-центр, 2003.

См. также


Данная статья является непроверенным учебным заданием.
Студент: Участник:Anton
Преподаватель: Участник:Vokov
Срок: 8 января 2010

До указанного срока статья не должна редактироваться другими участниками проекта MachineLearning.ru. По его окончании любой участник вправе исправить данную статью по своему усмотрению и удалить данное предупреждение, выводимое с помощью шаблона {{Задание}}.

См. также методические указания по использованию Ресурса MachineLearning.ru в учебном процессе.


Личные инструменты