Робастные методы

Самым радикальным средством представляются полный или почти полный отказ от предпосылок и попытка получения результатов и их интерпретации в такой новой обстановке. Как ни странно, этот подход оказался вполне конструктивным и привел к созданию непараметрической статистики [55]. Между прочим, в книге [55] читатель найдет более десятка примеров обработки аналитических данных. Непараметрические методы оказались проще классических, и только трудности внедрения все еще сохраняют преимущества за классикой. Есть основания думать, что ситуация уже начала меняться. Сторонники непараметрического подхода платят за потерю информации о предпосылках некоторой потерей эффективности экспериментов. Поскольку каждый эксперимент дается потом и кровью, всякой даже незначительной потери жалко. Ну что ж, тогда надо искать компромисс. Один из возможных компромиссов — ослабленные предпосылки — ведет к робастным методам [56], т. е. к таким процедурам, которые способны сопротивляться некоторым нарушениям предпосылок. [c.11]

Отметим, что коэффициенты корреляции рассчитывались с помощью устойчивых (робастных) методов Тьюки, положительным свойством которых является устойчивость к отклонениям распределения от нормального и выбросам. [c.64]

Основное место в хсмомефических приемах занимают методы многомерного статистического анализа. Это параметрические, не-параметрические и робастные методы обрабо тки результатов регрессионный, дисперсионный и корреляционный анализы метод [c.426]

Часто распределение результатов анализа лишь приближенно соответствует нормальному закону (например, оно, как и нормальное, может быть симметричным и унимодальным, однако обладать хвостами, значительно более выраяфннымн по сравнению с нормальным распределением), а серии данных могут сод жать промахи. В подобных ст чаях целесообразно использовать устойчивые робастные) статистические методы и представлять данные графически в форме, показанной на рис, 2.4-2. Обычно в робастных методах вместо среднего используют медиану, а вместо выборочного стандартного отклонения — в частности, межквартильный размах. Поясним значение последней характеристики. Мы определили медиану как среднее по порядку значение сернн результатов. Аналогично, можно определить величины, являющиеся средними по порядку ме сцу наименьшим значением и медианой и ме медианой и наибольшим значением. Они называются, соответственно, ннжией (LQ) н верхней (UQ) квартилью. Межквартильный размах (IQR) есть разность UQ-LQ, Кроме того, данные можно представить просто в виде среднего (X) с указанием чнсла результатов п, из которых оно рассчитано, и ставдартного от- [c.70]

Справочник химика 21

Химия и химическая технология