Критерии непараметрические для проверки статистических гипотез

Правильное применение параметрических критериев для проверки статистических гипотез основано на предположении о нормальном распределении совокупностей, из которых взяты сравниваемые выборки. Однако это не всегда имеет место, так как не все биологические признаки распределяются нормально. Немаловажным является и то обстоятельство, что исследователю приходится иметь дело не только с количественными, но и с качественными признаками, многие из которых выражаются порядковыми номерами, индексами и другими условными знаками. В таких случаях необходимо использовать непараметрические критерии. [c.128]

В области биометрии применяют два вида статистических критериев параметрические, построенные на основании параметров данной совокупности (например, х и и представляющие функции этих параметров, и непараметрические, представляющие собой функции, зависящие непосредственно от вариант данной совокупности с их частотами. Первые служат для проверки гипотез о параметрах совокупностей, распределяемых по нормальному закону, вторые —для проверки рабочих гипотез независимо от формы распределения совокупностей, из которых взяты сравниваемые выборки. Применение параметрических критериев связано с необходимостью вычисления выборочных характеристик —средней величины и показателей вариации, тогда как при использовании непараметрических критериев такая необходимость отпадает. [c.112]

Целью выравнивания статистических распределений является установление по экспериментальным данным теоретического закона распределения для рассматриваемых характеристик ремонтопригодности. Для решения задачи используются методы проверки гипотезы о виде закона распределения. Обычно для этой цели используются непараметрические критерии (критерий Пирсона) и X (критерий Колмогорова). При наличии достаточного объема наблюдений (например, п > 40+50) следует отдавать предпочтение х Критерию, который позволяет получать более достоверные суждения о виде закона распределения случайной величины. [c.341]

Рассмотренный способ оценки типа распределения страдает субъективизмом и успех его использования в значительной мере зависит от опыта исследователя. К объективным, с этой точки зрения, методам относятся методы проверки гипотез на основе непараметрических статистик. Для этого, используя 1,. . ., х , вычисляют некоторое число, инвариантное к параметрам сдвига и масштаба и называемое критерием согласия. Затем определяется вероятность получения вычисленного критерия при условии, что модель распределения выбрана правильно. Если вероятность получить вычисленное значение критерия оказывается мала, то исходная статистическая модель отвергается. В инженерной практике малой вероятностью обычно считают 0,10 0,05 и реже 0,01 или 0,001. Для этих значений составляются необходимые статистические таблицы. Заметим, что если вероятность получения вычисленного критерия не мала, то это еще не дает основания считать, что принятый тип распределения является таковым на самом деле. Другими словами, подобная методика позволяет только отвергнуть модель как неправильную, но она не доказывает, что принятая модель верна. Исход проверки гипотез, как и любого статистического испытания, в значительной мере зависит от количества имеющихся данных чем больше данных, тем больше шансов отвергнуть неправильную модель. Если данных очень мало, то часто невозможно установить неадекватность даже двух существенно различных моделей. [c.412]

В каждой статистической задаче речь идет об извлечении из полученных наблюдений, представляемьгх точкой дс е Z, информации о неизвестном распределении Р е Р, параметре ее или гипотезе Р с Р с ). Причем в задачах оценивания структуру пространства Т выбирают подобной структуре пространства значений распределения Р, функции распределения F x) (непараметрическое оценивание), структуре пространства параметров (точечное или одностороннее интервальное оценивание), декартову квадрату пространства параметров Г = х (двустороннее интервальное оценивание). В задачах проверки гипотез вычисляетс.ч значение статистического критерия, т.е. статистики со значениями в [c.496]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...