Непараметрические методы - definitie. Wat is Непараметрические методы
Diclib.com
Woordenboek ChatGPT
Voer een woord of zin in in een taal naar keuze 👆
Taal:

Vertaling en analyse van woorden door kunstmatige intelligentie ChatGPT

Op deze pagina kunt u een gedetailleerde analyse krijgen van een woord of zin, geproduceerd met behulp van de beste kunstmatige intelligentietechnologie tot nu toe:

  • hoe het woord wordt gebruikt
  • gebruiksfrequentie
  • het wordt vaker gebruikt in mondelinge of schriftelijke toespraken
  • opties voor woordvertaling
  • Gebruiksvoorbeelden (meerdere zinnen met vertaling)
  • etymologie

Wat (wie) is Непараметрические методы - definitie

Непараметрические методы

Непараметрические методы      

в математической статистике, методы непосредственной оценки теоретического распределения вероятностей и тех или иных его общих свойств (симметрии и т.п.) по результатам наблюдений. Название Н. м. подчёркивает их отличие от классических (параметрических) методов, в которых предполагается, что неизвестное теоретическое распределение принадлежит какому-либо семейству, зависящему от конечного числа параметров (например, семейству нормальных распределений (См. Нормальное распределение)), и которые позволяют по результатам наблюдений оценивать неизвестные значения этих параметров и проверять те или иные гипотезы относительно их значений. Разработка Н. м. является в значительной степени заслугой советских учёных.

В качестве примера Н. м. можно привести найденный А. Н. Колмогоровым способ проверки согласованности теоретических и эмпирических распределений (так называемый критерий Колмогорова). Пусть результаты n независимых наблюдений некоторой величины имеют функцию распределения F (x) и пусть Fn (x) обозначает эмпирическую функцию распределения (см. Вариационный ряд), построенную по этим n наблюдениям, a Dn - наибольшее по абсолютной величине значение разности Fn (x) - F (x). Случайная величина

имеет в случае непрерывности F (x) функцию распределения Kn (λ), не зависящую от F (x) и стремящуюся при безграничном возрастании n к пределу

Отсюда при достаточно больших n, для вероятности pn,λ. Неравенства

получается приближённое выражение

pn,λ ≈ 1 - К (λ). (*)

Функция К (λ) табулирована. Её значения для некоторых А приведены в табл.

Таблица функции К (λ)

----------------------------------------------------------------------------------------------------------------------------------------------------

| λ | 0,57 | 0,71 | 0,83 | 1,02 | 1,36 | 1,63 |

|--------------------------------------------------------------------------------------------------------------------------------------------------|

| К (λ) | 0,10 | 0,30 | 0,50 | 0,75 | 0,95 | 0,99 |

----------------------------------------------------------------------------------------------------------------------------------------------------

Равенство (*) следующим образом используется для проверки гипотезы о том, что наблюдаемая случайная величина имеет функцию распределения F (x): сначала по результатам наблюдений находят значение величины Dn, а затем по формуле (*) вычисляют вероятность получения отклонения Fn от F, большего или равного наблюдённому. Если указанная вероятность достаточно мала, то в соответствии с общими принципами проверки статистических гипотез (см. Статистическая проверка гипотез) проверяемую гипотезу отвергают. В противном случае считают, что результаты опыта не противоречат проверяемой гипотезе. Аналогично проверяется гипотеза о том, получены ли две независимые выборки, объёма n1 и n2 соответственно, из одной и той же генеральной совокупности с непрерывным законом распределения. При этом вместо формулы (*) пользуются тем, что вероятность неравенства

как это было установлено Н. В. Смирновым, имеет пределом К (λ), здесь Dn1, n2 есть наибольшее по абсолютной величине значение разности Fn1 (х) - Fn2 (х).

Другим примером Н. м. могут служить методы проверки гипотезы о том, что теоретическое распределение принадлежит к семейству нормальных распределений. Отметим здесь лишь один из этих методов - так называемый метод выпрямленной диаграммы. Этот метод основывается на следующем замечании. Если случайная величина Х имеет нормальное распределение с параметрами α и σ, то

где Ф-1 - функция, обратная нормальной:

Т. о., график функции у = Ф-1[F (x)] будет в этом случае прямой линией, а график функции у = Ф-1[Fn (x)] - ломаной линией, близкой к этой прямой (см. рис.). Степень близости и служит критерием для проверки гипотезы нормальности распределения F (x).

Лит.: Смирнов Н. В., Дунин-Барковский И. В., Курс теории вероятностей и математической статистики для технических приложений, 3 изд., М., 1969; Большее Л. Н., Смирнов Н. В., Таблицы математической статистики, М., 1968.

Ю. В. Прохоров.

Рис. к ст. Непараметрические методы.

Разделения методы         

в аналитической химии, совокупность операций, применяемых с целью обнаружения и количественного определения какого-либо элемента (вещества) в сложном по составу анализируемом материале. Р. м. необходимы, поскольку большинство аналитических методов недостаточно избирательны. При разделении ионов элементов используют групповые реагенты, позволяющие упростить трудноразрешимую задачу анализа сложных смесей. Для разделения применяют осаждение (см. Осаждения способ), экстракцию (См. Экстракция), хроматографию (См. Хроматография), дистилляцию (См. Дистилляция), а также др. способы.

Методы разделения         
Способы разделения смесей (в аналитической химии) — важнейшие аналитические операции, необходимые потому, что большинство аналитических методов недостаточно селективны (избирательны), то есть обнаружению и количественному определению одного элемента (вещества) мешают многие другие элементы.

Wikipedia

Непараметрическая статистика

Непараметрическая статистика — раздел статистики, который не основан исключительно на параметризованных семействах вероятностных распределений (широко известными примерами параметров являются математическое ожидание и дисперсия). Непараметрическая статистика включает в себя описательную статистику и статистический вывод.