Медианный критерий
Материал из MachineLearning.
| Строка 1: | Строка 1: | ||
| - | В [[статистика|статистике]] медианный критерий - частный случай | + | В [[статистика|статистике]] медианный критерий - частный случай [[Критерий Хи-квадрат|критерия Хи-квадрат]]. Это - непараметрический критерий, который предназначен для проверки [[нулевая гипотеза|нулевой гипотезы]] о том, что медианы совокупностей, из которых сделаны две [[выборка|выборки]] - одинаковы. |
Данные в каждой выборке разбиваются на две группы: одна состоит из элементов, значения которых выше чем медианное значение объединенной выборки, а другая состоит из данных, значения которых в медиане или ниже. При этом используется критерий Хи-квадрат [[Пирсон|Пирсона]] , чтобы определить, отличаются ли наблюдаемые частоты в каждой группе от ожидаемых частот, полученных из распределения, комбинирующего обе эти выборки. | Данные в каждой выборке разбиваются на две группы: одна состоит из элементов, значения которых выше чем медианное значение объединенной выборки, а другая состоит из данных, значения которых в медиане или ниже. При этом используется критерий Хи-квадрат [[Пирсон|Пирсона]] , чтобы определить, отличаются ли наблюдаемые частоты в каждой группе от ожидаемых частот, полученных из распределения, комбинирующего обе эти выборки. | ||
Тест имеет низкую эффективность для диапазона выборок от умеренного до большого размера, и, в значительной степени, расценивается как устаревший. [[Критерий Уилкоксона-Манна-Уитни]] для двух выборок лучше работает в этом случае. Siegel & Castellan (1988, p. 124), считают, что медианному критерию нет никакой альтернативы, когда одно или более наблюдений находятся "за пределами шкалы". Существенное различие между двумя критериями состоит в том, что медианный критерий учитывает только положение каждого наблюдения относительно совокупной медианы, тогда как критерий Уилкоксона-Манна-Уитни принимает во внимание ранг каждого наблюдения. Таким образом из двух рассмотренных тестов, последний обычно более показателен. | Тест имеет низкую эффективность для диапазона выборок от умеренного до большого размера, и, в значительной степени, расценивается как устаревший. [[Критерий Уилкоксона-Манна-Уитни]] для двух выборок лучше работает в этом случае. Siegel & Castellan (1988, p. 124), считают, что медианному критерию нет никакой альтернативы, когда одно или более наблюдений находятся "за пределами шкалы". Существенное различие между двумя критериями состоит в том, что медианный критерий учитывает только положение каждого наблюдения относительно совокупной медианы, тогда как критерий Уилкоксона-Манна-Уитни принимает во внимание ранг каждого наблюдения. Таким образом из двух рассмотренных тестов, последний обычно более показателен. | ||
| + | |||
| + | ==Ссылки== | ||
Версия 00:11, 10 января 2009
В статистике медианный критерий - частный случай критерия Хи-квадрат. Это - непараметрический критерий, который предназначен для проверки нулевой гипотезы о том, что медианы совокупностей, из которых сделаны две выборки - одинаковы.
Данные в каждой выборке разбиваются на две группы: одна состоит из элементов, значения которых выше чем медианное значение объединенной выборки, а другая состоит из данных, значения которых в медиане или ниже. При этом используется критерий Хи-квадрат Пирсона , чтобы определить, отличаются ли наблюдаемые частоты в каждой группе от ожидаемых частот, полученных из распределения, комбинирующего обе эти выборки.
Тест имеет низкую эффективность для диапазона выборок от умеренного до большого размера, и, в значительной степени, расценивается как устаревший. Критерий Уилкоксона-Манна-Уитни для двух выборок лучше работает в этом случае. Siegel & Castellan (1988, p. 124), считают, что медианному критерию нет никакой альтернативы, когда одно или более наблюдений находятся "за пределами шкалы". Существенное различие между двумя критериями состоит в том, что медианный критерий учитывает только положение каждого наблюдения относительно совокупной медианы, тогда как критерий Уилкоксона-Манна-Уитни принимает во внимание ранг каждого наблюдения. Таким образом из двух рассмотренных тестов, последний обычно более показателен.
