Список критериев нормальности (Для норм распределения)



Дата24.06.2024
өлшемі52,08 Kb.
#203470
Байланысты:
БС


Оши́бка пе́рвого ро́да (𝛼-ошибка, ложноположительное заключение) — ситуация, когда отвергнута верная нулевая гипотеза (об отсутствии связи между явлениями или искомого эффекта). Оши́бка второ́го ро́да (β-ошибка, ложноотрицательное заключение) — ситуация, когда принята неверная нулевая гипотеза.
Список критериев нормальности (Для норм распределения)
[править | править код]

  • Критерий Шапиро-Уилка[1]

  • Критерий асимметрии и эксцесса

  • Критерий Дарбина[2]

  • Критерий Д'Агостино[3]

  • Критерий Васичека[4]

  • Критерий Дэвида-Хартли-Пирсона[5]

  • Критерий хи-квадрат[6]

  • Критерий Андерсона-Дарлинга[7]

  • Критерий Филлибена[8]

  • Критерий Колмогорова-Смирнова[9]

  • Критерий Мартинса-Иглевича[10]

  • Критерий Лина-Мудхолкара[11]

  • Критерий Шпигельхальтера[12]

  • Критерий Саркади[13]

  • Критерий Смирнова-Крамера-фон Мизеса[14]

  • Критерий Локка-Спурье[15]

  • Критерий Оя[16]

  • Критерий Хегази-Грина[17]

  • Критерий Муроты-Такеучи[18]


Параметрические критерии основаны на том, что распределение данных известно. То есть, при применении какого-нибудь параметрического критерия нужно всегда следить за тем, что главное допущение критерия – тип распределения – выполняется. Как правило, многие параметрические критерии предполагают нормальность распределения данных. Во многом это связано с тем, что нормальное распределение широко распространено. Кроме того, часто все, что мы можем сказать о распределении данных, это то, является ли оно нормальным или нет, потому что задача определения типа распределения довольно сложна и существующие формальные тесты могут определить лишь общий класс распределения или показать, “между какими” распределениями находится интересующее нас распределение.
Непараметрические критерии исходят из того, что распределение данных незвестно. Поэтому при использовании этих критериев часто действия производятся не с самими значениями в выборке/выборках, а с их рангами.
http://bono-esse.ru/blizzard/Medstat/Statan/stat_ra.html
https://kpfu.ru/portal/docs/F991441113/NPS_22.U_Mann_Uitni.Frolova.pdf
Зависимые и независимые выборки
[править | править код]
При сравнении двух (и более) выборок важным параметром является их зависимость. Если можно установить гомоморфную пару (то есть, когда одному случаю из выборки X соответствует один и только один случай из выборки Y и наоборот) для каждого случая в двух выборках (и это основание взаимосвязи является важным для измеряемого на выборках признака), такие выборки называются зависимыми. Примеры зависимых выборок:

В случае, если такая взаимосвязь между выборками отсутствует, то эти выборки считаются независимыми, например:

  • мужчины и женщины,

  • психологи и математики.

Соответственно, зависимые выборки всегда имеют одинаковый объём, а объём независимых может отличаться.
Этапы прямогометода стандартизации 1. Вычисление показателей заболеваемости, смертности и т.д. для каждой группы. 2. Выбор стандарта. 3. Расчетожидаемогочислазаболеваний, смертейит.д.вкаждой группе. 4. Расчет стандартизованного показателя заболеваемости, смертности и т.д. 5. Сравнение по стандартизированным показателям.


Достарыңызбен бөлісу:




©engime.org 2024
әкімшілігінің қараңыз

    Басты бет