WM-критерий

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Примеры задач)
Строка 18: Строка 18:
==Литература==
==Литература==
-
[http://www.smu.edu/~/media/Site/Dedman/Departments/Statistics/TechReports/TR248.ashx основная статья]
+
* [http://www.smu.edu/~/media/Site/Dedman/Departments/Statistics/TechReports/TR248.ashx Clifford Blair, R., & Thompson, G. L. (1992). A distribution-free rank-like test for scale with unequal population locations. Communications in Statistics-Simulation and Computation, 21(2), 353-371.]
 +
* [http://www.tandfonline.com/doi/abs/10.1080/03610910601158310 Ramsey, P. H., & Ramsey, P. P. (2007). Testing variability in the two-sample case. Communications in Statistics—Simulation and Computation®, 36(2), 233-248.]
==См. также==
==См. также==

Версия 16:13, 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.

Описание критерия

Литература

См. также

Ссылки

Личные инструменты