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 "statistical hypothesis testing" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-8 z 8
    Tytuł:
    Ocena czasu poprawnej pracy do uszkodzenia za pomocą Kryterium Informacyjnego Akaike
    The estimation of smooth operation time until failure with the application of the Akaike Information Criterion (AIC)
    Autorzy:
    Kornacki, A.
    Sokołowska, E.
    Powiązania:
    https://bibliotekanauki.pl/articles/301016.pdf
    Data publikacji:
    2010
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    kryterium informacyjne Akaike
    testowanie hipotez statystycznych
    ciągniki C355-360
    Akaike Information Criterion
    AIC
    statistical hypothesis testing
    C355-360 tractors
    Opis:
    Artykuł przedstawia zastosowanie kryterium informacyjnego Akaike do testowania hipotez dotyczących średnich. Zaprezentowana metoda stanowi alternatywę wobec tradycyjnych metod testowania hipotez o średniej, wymagających ustalenia poziomu istotności. W pracy wykorzystano dane eksperymentalne z rozprawy habilitacyjnej W. Piekarskiego [12], dotyczące czasu pracy ciągników C355-360 do pierwszego uszkodzenia. Przedstawione rezultaty stanowią skuteczne narzędzie umożliwiające wybór odpowiedniego modelu statystycznego wśród modeli dotyczących eksploatacji i niezawodności maszyn.
    The article presents the application of the Akaike Information Criterion (AIC) to test hypothesis concerning mean values. The presented method offers an alternative to traditional hypothesis testing methods requiring the establishment of the significance level. In the article, we used the experimental data from a postdoctoral thesis by W. Piekarski [12] concerning the operation time of C355-360 tractors until the first failure. The obtained results provide a useful tool enabling the choice of a more suitable statistical model from the models relating to the operation and reliability of machines.
    Źródło:
    Eksploatacja i Niezawodność; 2010, 1; 69-76
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Pojęcie wielkości efektu na tle teorii Neymana-Pearsona testowania hipotez statystycznych
    The concept of size effect in the light of Neyman-Pearson’s theory of testing statistical hypothesis
    Autorzy:
    Szymczak, Wiesław
    Powiązania:
    https://bibliotekanauki.pl/articles/2014018.pdf
    Data publikacji:
    2015
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    teorie testowania hipotez statystycznych
    prawdopodobieństwo
    moc testu
    empiryczna moc testu
    wielkość efektu
    theories of statistical hypothesis testing
    probability
    power of test
    empirical power of test
    effect size
    Opis:
    Celem tej pracy jest zwrócenie uwagi badaczy wykorzystujących metody statystyczne w analizie wyników swoich badań na pomieszanie dwóch różnych teorii testowania hipotez statystycznych, teorii Fishera i teorii Neymana–Pearsona. Zawarcie, w obecnie stosowanym instrumentarium statystycznym, pomysłów z obu tych teorii, powoduje, że znakomita większość badaczy bez chwili namysłu za prawdziwą przyjmuje stwierdzenie, iż im mniejsze prawdopodobieństwo, tym silniejsza zależność. Przedstawione zostały słabe strony teorii Neymana–Pearsona i wynikające z nich problemy przy podejmowaniu decyzji w wyniku przeprowadzonych testów. Problemy te stały się usprawiedliwionym poszukiwaniem mniej zawodnych rozwiązań, jednakże zaproponowane mierniki wielkości efektu, jako wykorzystujące z jednej strony dogmat o związku między wielkością prawdopodobieństwa w teście i siłą zależności, a z drugiej – brak jakichkolwiek podstaw teoretycznych tego rozwiązania, wydają się jeszcze jednym pseudorozwiązaniem rzeczywiście występujących problemów. Dodatkowo, wykorzystywanie mierników wielkości efektów wygląda na próbę zwolnienia badaczy z głębokiego myślenia o uzyskanych wynikach z analizy statystycznej, w kategoriach merytorycznych. Powstał trywialny przepis: odpowiednia wartość miernika natychmiast implikuje siłę zależności – podejście takie wydaje się niegodne badacza.
    The aim of this study is to draw the attention of researchers using statistical methods in the analysis of the results of their research on the combination of two different theories testing statistical hypothesis, Fisher’s theory and Neyman-Pearson’s theory. Including in the presently used statistical instruments, ideas of both of these theories, causes that the vast majority of researchers without a moment’s thought, acknowledge that the smaller the probability the stronger relationship. The study presents the weaknesses of Neyman-Pearson’s theory and the resulting problems with decision-making as a result of the conducted tests. These problems have become a justified quest for less unreliable solutions, however, the proposed measures of the size effect as using on one hand dogma about the relationship between the degree of probability in the test and the strength of dependence, on the other, lack of any theoretical basis of this solution, seem to be another pseudo solution to actual problems. Moreover, the use of measures of size effect seems to be an attempt to free researchers from the profound thinking about the results obtained from the statistical analysis. A trivial recipe was established: the corresponding value of the measures instantly implies the strength of the relationship – this approach seems unworthy of the researcher.
    Źródło:
    Acta Universitatis Lodziensis. Folia Psychologica; 2015, 19; 5-41
    2353-4842
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Psychologica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Improving quality of statistical process control by dealing with non-normal data in automotive industry
    Test statystyczny sprawozdający hipotezę dobroci pearsona
    Autorzy:
    Andrássyová, Z.
    Paulicek, T.
    Pichna, P.
    Kotus, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/409966.pdf
    Data publikacji:
    2012
    Wydawca:
    STE GROUP
    Tematy:
    zasady zarządzania jakością
    przepływ informacji
    total quality management
    quality
    statistical control
    hypothesis testing
    probability distribution
    normality
    data transformation
    Opis:
    Study deals with an analysis of data to the effect that it improves the quality of statistical tools in processes of assembly of automobile seats. Normal distribution of variables is one of inevitable conditions for the analysis, examination, and improvement of the manufacturing processes (f. e.: manufacturing process capability) although, there are constantly more approaches to non-normal data handling. An appropriate probability distribution of measured data is firstly tested by the goodness of fit of empirical distribution with theoretical normal distribution on the basis of hypothesis testing using programme StatGraphics Centurion XV.II. Data are collected from the assembly process of 1st row automobile seats for each characteristic of quality (Safety Regulation -S/R) individually. Study closely processes the measured data of an airbag´s assembly and it aims to accomplish the normal distributed data and apply it the statistical process control. Results of the contribution conclude in a statement of rejection of the null hypothesis (measured variables do not follow the normal distribution) therefore it is necessary to begin to work on data transformation supported by Minitab15. Even this approach does not reach a normal distributed data and so should be proposed a procedure that leads to the quality output of whole statistical control of manufacturing processes.
    W artykule dotyczącym metod i technik prognozowania wartości kluczowych wskaźników efektywności obsługi (ang. Key Performance Indicators) zdefiniowano oraz sklasyfikowano te wskaźniki. Przedstawiono wymagania oraz sposób doboru wskaźników KPI. Dokonano przeglądu, a także scharakteryzowano metody i techniki prognozowania stanu organizacji utrzymania ruchu. Przedstawiono koncepcję wykorzystania wybranych metod oraz narzędzi gromadzenia oraz przetwarzania danych dla potrzeb prognozowania tego stanu.
    Źródło:
    Management Systems in Production Engineering; 2012, 3 (7); 26-30
    2299-0461
    Pojawia się w:
    Management Systems in Production Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Application of Akaike information criterion for the detection of outliers
    Zastosowanie kryterium informacyjnego Akaike do wykrywania obserwacji odstajacych
    Autorzy:
    Kornacki, A.
    Kyureghyan, K.
    Ignaciuk, S.
    Powiązania:
    https://bibliotekanauki.pl/articles/792922.pdf
    Data publikacji:
    2012
    Wydawca:
    Komisja Motoryzacji i Energetyki Rolnictwa
    Tematy:
    Akaike information criterion
    entropy
    Dixon test
    Grubbs test
    testing hypothesis
    statistical calculation
    comparative analysis
    biomass combustion
    plant composition
    Źródło:
    Teka Komisji Motoryzacji i Energetyki Rolnictwa; 2012, 12, 2
    1641-7739
    Pojawia się w:
    Teka Komisji Motoryzacji i Energetyki Rolnictwa
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Istotność statystyczna w czasach big data
    Statistical significance in the era of big data
    Autorzy:
    Szreder, Mirosław
    Powiązania:
    https://bibliotekanauki.pl/articles/962757.pdf
    Data publikacji:
    2019
    Wydawca:
    Główny Urząd Statystyczny
    Tematy:
    wnioskowanie statystyczne
    testowanie hipotez
    istotność staty-styczna
    wskaźnik p-value
    big data
    podejście bayesowskie
    statistical inference
    hypothesis testing
    statistical significance
    p-value
    big
    data
    bayesian approach
    Opis:
    Rozwój nowych technologii wpływa zarówno na realizację badań statystycznych, jak i na postrzeganie ich wyników w świetle innych źródeł informacji. W tym kontekście powraca w środowisku naukowym temat roli testowania hipotez statystycznych oraz interpretowania i przedstawiania jego wyników, w tym stosowania kategorii istotności statystycznej oraz wskaźnika p-value. Inspiracją do powstania tego opracowania stała się fala dyskusji wokół tego zagadnienia toczących się na forum czasopism „Nature” i „The American Statistician” na początku 2019 r. Celem artykułu jest ukazanie szans i zagrożeń, jakie big data stwarza dla weryfikacji hipotez i wnioskowania statystycznego, zarówno w ujęciu klasycznym, jak i w podejściu bayesowskim. Autor uzasadnia konieczność zaniechania zbyt daleko posuniętych uproszczeń w realizacji procesu wnioskowania statystycznego oraz prezentowaniu wyników weryfikacji hipotez. Chodzi zarówno o postulat uwzględnienia jakości danych próbkowych, zwłaszcza typu big data, jak i o podawanie pełnej informacji o modelu statystycznym, na podstawie którego przeprowadza się wnioskowanie.
    The development of new technologies has affected both the procedures of traditional statistical surveys and the perception of their results in the light of other available sources of information. In this connection, the role of the verification of statistical hypotheses and of the interpretation and presentation of its results, including the use of statistical significance and p-value, has recently returned as a frequent topic for discussion among the scientific community. The author was inspired to write this paper by a wave of discussion regarding this matter held at the beginning of 2019 in the Nature and The American Statistician journals. The aim of the paper is to present the opportunities provided and challenges posed by the use of big data to the hypothesis verification process and to statistical inference, both in the traditional and Bayesian approaches. The author explains the necessity of discontinuing adopting excessive simplifications while performing statistical inference and presenting the results of the verification of hypotheses. This involves both the postulate to pay greater attention to the quality of sampling data, especially in the case of data originating from big data sets, as well as the postulate to provide full information about the statistical model on the basis of which the inference is being performed.
    Źródło:
    Wiadomości Statystyczne. The Polish Statistician; 2019, 64, 11; 42-57
    0043-518X
    Pojawia się w:
    Wiadomości Statystyczne. The Polish Statistician
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Possible testing of geodetic equipment using the methods of mathematical statistics
    Możliwość badania sprzętu geodezyjnego metodami statystyki matematycznej
    Autorzy:
    Czempas, Tomasz
    Dwulit, Petro
    Krupiński, Waldemar
    Powiązania:
    https://bibliotekanauki.pl/articles/100478.pdf
    Data publikacji:
    2019
    Wydawca:
    Uniwersytet Rolniczy im. Hugona Kołłątaja w Krakowie
    Tematy:
    statistical compatibility test
    statistical identity test
    geodetic measurements
    error distribution
    testing of measurement correctness
    statistical hypothesis
    test zgodności statystycznej
    test tożsamości statystycznej
    pomiary geodezyjne
    rozkład błędów
    testowanie poprawności pomiaru
    hipoteza statystyczna
    Opis:
    The work presents selected methods of mathematical statistics applied to the examination of the correctness of geodetic equipment operation. Specifically, measurements made with electronic total stations will be tested using statistical compatibility tests and identity tests of empirical measurement error distributions with the theoretical normal distribution N (0;1).
    Praca prezentuje pewne sposoby statystyki matematycznej w zastosowaniu do badania poprawności działania sprzętu geodezyjnego. Konkretnie za pomocą statystycznych testów zgodności oraz testów identyczności rozkładów błędów pomiarów empirycznych z teoretycznym rozkładem normalnym N(0;1), zostaną przebadane pomiary wykonane tachimetrami elektronicznymi.
    Źródło:
    Geomatics, Landmanagement and Landscape; 2019, 2; 9-19
    2300-1496
    Pojawia się w:
    Geomatics, Landmanagement and Landscape
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Dowodzenie hipotez za pomocą zzynnika bayesowskiego (bayes factor): przykłady użycia w badaniach empirycznych
    Autorzy:
    Domurat, Artur
    Białek, Michał
    Powiązania:
    https://bibliotekanauki.pl/articles/1198708.pdf
    Data publikacji:
    2016
    Wydawca:
    Akademia Leona Koźmińskiego w Warszawie
    Tematy:
    statistical inference
    null hypothesis testing
    Bayes Factor
    p-value
    Bayes’ rule
    wnioskowanie statystyczne
    testowanie hipotezy zerowej
    reguła Bayesa
    czynnik bayesowski
    wartość p
    Opis:
    Testów statystycznych używa się w nauce po to, żeby wesprzeć zaproponowane hipotezy badawcze (teorie, modele itp.). Czynnik bayesowski (Bayes Factor, BF) jest metodą bezpośrednio wskazującą tę z dwóch hipotez, która lepiej wyjaśnia uzyskane dane. Jego wykorzystanie we wnioskowaniu statystycznym prowadzi do jednego z trzech wniosków: albo badanie bardziej wspiera hipotezę zerową, albo alternatywną, albo wyniki nie wspierają żadnej w sposób rozstrzygający i są niekonkluzywne. Symetria tych wniosków jest przewagą metody czynnika bayesowskiego nad testami istotności. W powszechnie używanych testach istotności nie formułuje się wniosków wprost, lecz albo się odrzuca hipotezę zerową, albo się jej nie odrzuca. Rozdźwięk między taką decyzją a potrzebami badacza często jest powodem nadinterpretacji wyników testów statystycznych. W szczególności wyniki nieistotne statystycznie są często nadinterpretowane jako dowód braku różnic międzygrupowych lub niezależności zmiennych.W naszej pracy omawiamy założenia teoretyczne metody BF, w tym różnice między bayesowskim a częstościowym rozumieniem prawdopodobieństwa. Przedstawiamy sposób weryfi kacji hipotez i formułowania wniosków według podejścia bayesowskiego. Do jego zalet należy m.in. możliwość gromadzenia dowodów na rzecz hipotezy zerowej. Wykorzystanie metody w praktyce ilustrujemy przykładami bayesowskiej reinterpretacji wyników kilku opublikowanych badań empirycznych, w których wykonywano tradycyjne testy istotności. Do obliczeń wykorzystaliśmy darmowy program JASP 0.8, specjalnie dedykowany bayesowskiej weryfi kacji hipotez statystycznych.
    Statistical tests are used in science in order to support research hypotheses (theory, model). The Bayes Factor (BF) is a method that weighs evidence and shows which out of two hypotheses is better supported. Adopting the BF in statistical inference, we can show whether data provided stronger support for the null hypothesis, the alternative hypothesis or whether it is inconclusive and more data needs to be collected to provide more decisive evidence. Such a symmetry in interpretation is an advantage of the Bayes Factor over classical null hypothesis significance testing (NHST). Using NHST, a researcher draws conclusions indirectly, by rejecting or not rejecting the null hypothesis. The discrepancy between these decisions and the researcher’s needs, often leads to misinterpretation of significance test results, e.g. by concluding that non-significant p-values are evidence for the absence of differences between groups or that variables are independent. In this work we show the main differences between the Bayesian and the frequential approach to the understanding of probability and statistical inference. We demonstrate how to verify hypotheses using the BF in practice and provide concrete examples of how it modifies conclusions about empirical findings based on the NHST procedure and the interpretation of p-values. We discuss the advantages of the BF – particularly the validation of a null hypothesis. Additionally, we provide some guidelines on how to do Bayesian statistics using the freeware statistical program JASP 0.8.
    Źródło:
    Decyzje; 2016, 26; 109-141
    1733-0092
    2391-761X
    Pojawia się w:
    Decyzje
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Historia rozwoju statystycznych metod planowania i analizy doświadczeń rolniczych na świecie oraz w Polsce
    A history of the development of statistical methods for designing and analyzing agricultural experiments in the world and in Poland
    Autorzy:
    Mądry, Wiesław
    Gozdowski, Dariusz
    Powiązania:
    https://bibliotekanauki.pl/articles/2199478.pdf
    Data publikacji:
    2020-02-12
    Wydawca:
    Instytut Hodowli i Aklimatyzacji Roślin
    Tematy:
    metody statystyczne
    metody wielowymiarowe
    modele statystyczne
    estymacja parametrów statystycznych
    hipotezy
    testowanie hipotez
    układy doświadczalne
    wnioskowanie statystyczne
    statystycy
    biometrycy
    statistical methods
    multivariate methods
    estimation
    hypothesis testing
    experimental designs
    statistical inference
    statisticians
    biometricians
    Opis:
    W pracy przedstawiono główne kierunki badań, ich chronologię oraz osiągnięcia w zakresie metod statystyki matematycznej w zastosowaniu do biometrii i doświadczalnictwa rolniczego, dokonywane od XVII wieku do czasów współczesnych. Uwzględniono dorobek uczonych na świecie oraz w Polsce. Podkreślono historyczne i współczesne znaczenie tych osiągnięć matematycznych i metodycznych dla rozwoju i postępu nauk empirycznych w ogóle, a zwłaszcza nauk rolniczych i biologicznych. Przedstawiono znaczenie zastosowania metod statystycznych w uznaniu empirycznych badań rolniczych, jako nauki rolnicze. Świadectwa i rozważania oraz autorskie osądy odkryć i wynalazków statystycznych na przestrzeni wieków i lat są udokumentowane i zilustrowane oryginalnymi publikacjami, a także realnymi dokonaniami pionierów statystyki, biometrii i doświadczalnictwa rolniczego oraz współczesnych uczonych w tych dziedzinach i specjalnościach.  
    The paper presents the main directions, chronology and achievements in the field of mathematical statistical methods applied to biometrics and agricultural experimentation, conducted from the 17th century to modern times. The achievements of scientists globally and in Poland are taken into account. The historical and present importance of these mathematical and methodological findings for the development and progress of empirical sciences in general, and especially agricultural and biological sciences, is emphasized. The importance of using statistical methods in the recognition of empirical agricultural research as agricultural science is presented. Testimonies and considerations on statistical discoveries and inventions over the centuries are documented and illustrated by the original publications and real activities of the pioneers of statistics, biometrics and agricultural experimentation, as well as contemporary scientists in these fields.  
    Źródło:
    Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin; 2020, 288; 23-40
    0373-7837
    2657-8913
    Pojawia się w:
    Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-8 z 8

      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