Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "interval statistics" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Confidence Intervals for the Long-Term Noise Indicators Using the Kernel Density Estimator
    Autorzy:
    Stępień, B.
    Powiązania:
    https://bibliotekanauki.pl/articles/177575.pdf
    Data publikacji:
    2016
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    long-term noise indicators
    non-classical statistics
    interval estimation
    kernel density estimator
    Opis:
    A non-classical model of interval estimation based on the kernel density estimator is presented in this paper. This model has been compared with interval estimation algorithms of the classical (parametric) statistics assuming that the standard deviation of the population is either known or unknown. The non-classical model does not have to assume belonging of random sample to a normal distribution. A theoretical basis of the proposed model is presented as well as an example of calculation process which makes possible determining confidence intervals of the expected value of long-term noise indicators LDEN and LN. The statistical analysis was carried out for 95% interval widths obtained by using each of these models. The inference of their usefulness was performed on the basis of results of non-parametric statistical tests at significance level α = 0.05. The data used to illustrate the proposed solutions and carry out the analysis were results of continuous monitoring of traffic noise recorded in 2004 in one of the main arteries of Kraków in Poland.
    Źródło:
    Archives of Acoustics; 2016, 41, 3; 517-525
    0137-5075
    Pojawia się w:
    Archives of Acoustics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Statistical inference about the median from vague data
    Autorzy:
    Grzegorzewski, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/205933.pdf
    Data publikacji:
    1998
    Wydawca:
    Polska Akademia Nauk. Instytut Badań Systemowych PAN
    Tematy:
    estymacja
    metoda nieparametryczna
    metoda statystyczna
    testowanie hipotezy
    zbiór rozmyty
    confidence interval
    estimation
    fuzzy numbers
    fuzzy sets
    hypothesis testing
    median
    nonparametric statistics
    sign-test
    vague data
    Opis:
    In traditional statistics all parameters of the mathematical model and possible observations should be well defined. Sometimes such assumption appears too rigid for the real-life problems, especially when dealing with imprecise or linguistic data. To relax this rigidity fuzzy methods are incorporated into statistics. This paper is devoted to statistical inference about the population median in the presence of vague data. We propose the notion of fuzzy median. Then we suggest a fuzzy estimator and fuzzy confidence interval for the median. Next we discuss the problem of hypothesis testing concerning the median in the presence of imprecise data. All methods presented are distribution-free.
    Źródło:
    Control and Cybernetics; 1998, 27, 3; 447-464
    0324-8569
    Pojawia się w:
    Control and Cybernetics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The Ryszard Zielinskis works on nonparametric quantile estimators and their use in robust statistics
    Autorzy:
    Rychlik, Tomasz
    Powiązania:
    https://bibliotekanauki.pl/articles/747653.pdf
    Data publikacji:
    2012
    Wydawca:
    Polskie Towarzystwo Matematyczne
    Tematy:
    quantile, order statistics, randomized estimator, equivariant estimator, confidence interval, most robust estimator, robustness.
    kwantyl, statystyka pozycyjna, estymator ekwiwariantny, estymator zrandomizowany, przedział ufnosci, estymator najodporniejszy
    Opis:
    Celem tej przegladowej pracy jest opis wyników profesora RyszardaZielinskiego dotyczacych nieparametrycznych estymatorów kwantyli w skonczonychpróbach oraz ich zastosowania w odpornej estymacji parametru połozenia. Główneprzesłanie badan Zielinskiego było nastepujace: do estymacji kwantyli nalezy uzywacpojedynczych statystyk pozycyjnych, a juz ich liniowe kombinacje moga byc bardzoniedokładne w duzych modelach nieparametrycznych. Optymalny wybór statystykipozycyjnej zalezy od kryterium oceny błedu estymacji.
    This is a survey paper describing achievements of professor Ryszard Zieliński in the subject of nonparametric estimation of population quantiles based on samples of fixed size, and applications of the quantile estimators in the robust estimation of location parameter. Zielinski assumed that a finite sequence of independent identically distributed random variables X1, . . . ,Xn is observed, and their common distribution function F belongs to the family F of continuous and strictly increasing distribution functions. He considered the family T of randomized estimators XJ:n which are single order statistics based on X1, . . . ,Xn with a randomly determined number J. The random variable J is independent of the sample and has an arbitrary distribution on the numbers 1, . . . , n. It was proved that T is the maximal class of estimators which are functions of the complete and sufficient statistic (X1:n, . . . ,Xn:n), and are equivariant with respect to the strictly increasing transformations, i.e., satisfy T(φ(X1:n), . . . ,φ(Xn:n)) = φ(T(X1:n, . . . ,Xn:n)) for arbitrary strictly increasing φ. A number of examples showed that the estimators that do not belong to T are very inaccurate for some F€F.   For comparing estimators, there were used various accuracy criteria based on the difference F(T) - q, where 0 < q < 1 is the quantile order. They are invariant with respect to the strictly increasing transformations. Optimal estimators with respect to the mean absolute loss E|F(T)-q|, mean quadratic loss E(F(T)-q)2, expected LINEX loss E[exp(a[F(T)-q])-a[F(T)-q]-1], a≠0, and Pitman closeness measure were explicitly determined. Further, the best estimators in narrower classes of median-unbiased estimators U(q) = {T€T : med(T, F) = F-1(q)},  (where med(T, F) stands for the median of the distribution of estimator T when the parent distribution function is F), and F-unbiased estimators V(q) = {T € T : EF(T) = q} of quantiles F-1 (q), 0 < q < 1, are determined for some accuracy criteria. Also, random confidence intervals for F-1(q), F€F, of the form [XI:n,XJ:n] on a fixed confidence level 0 <  < 1, i.e. satisfying P(XI:n ≤F-1(q) ≤XJ:n)≥γ,  F € F, , and minimizing E(J - I), are described. Median-unbiased estimators of quantiles were applied by Zielinski in the robust estimation of location parameter. For the i.i.d. sample X1, . . . ,Xn from the location model Fμ(x) = F(x - μ), where μ€R and F is a known unimodal distribution function, and the ε-contamination of the model Z(μ) = {G = (1 -ε)Fμ +εH : H - arbitrary distribution function} for some fixed 0 <ε< 1/2 , the most robust translation equivariant estimator with respect to the median oscillation criterion bn(T, μ) = supG1,G2€Z(μ) |med(T,G1) - med(T,G2)| has the form XJ:n - F-1(q*), XJ:n  €U(q*). Number q*  is chosen so to minimize function (ε, 1 - ε)Э q→ F-1(q/(1-ε))-F-1((q-ε)/(1-ε)). If F is unimodal and symmetric, then q* = ½.. However, Zielinski also showed that a slight modification of the ε-contamination for symmetric unimodal F may imply that XJ:n - F-1(q*), XJ:n € U(q*), for some q*≠1/2 is the most robust estimator with respect to the median oscillation criterion. Celem tej przeglądowej pracy jest opis wyników profesora Ryszarda Zielińskiego dotyczącychnieparametrycznych estymatorów kwantyli w skończonych próbach oraz ich zastosowania w odpornej estymacjiparametru położenia. Główne przesłanie badań Zielińskiego było następujące:do estymacji kwantyli należy używać pojedynczych statystyk pozycyjnych, a już ich liniowekombinacje mogą być bardzo niedokładne w dużych modelach nieparametrycznych.Optymalny wybór statystyki pozycyjnej zależy od kryterium oceny błędu estymacji.
    Źródło:
    Mathematica Applicanda; 2012, 40, 2
    1730-2668
    2299-4009
    Pojawia się w:
    Mathematica Applicanda
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies