Участник:Riabenko/Песочница

Материал из MachineLearning.

Перейти к: навигация, поиск

Содержание

Задание 2. Исследование свойств многомерного статистического метода на модельных данных

Пример

Исследуем чувствительность однофакторного дисперсионного анализа к расстояниям между выборками и дисперсиям выборок.
x_i^{n_i}, \;\; x_i \sim N(\mu_i, \sigma_i), \;\; i=1,\ldots,3,
\mu_2 = 0, \;\; -\mu_1=\mu_3 = \mu = 0\,:\,0.01\,:\,1,
\sigma_1=\sigma_2=\sigma_3 = 0.01\,:\,0.01\,:\,1,
n_1=n_2=n_3=20.


Задания

Дисперсионный анализ

Студент 0: исследовать чувствительность однофакторного дисперсионного анализа со сравнением средних при помощи процедуры Тьюки-Крамера к расстояниям между выборками и дисперсиям выборок. Сравнить результаты применения процедур Тьюки-Крамера и ЛСД.
x_i^{n_i}, \;\; x_i \sim N(\mu_i, \sigma_i), \;\; i=1,\ldots,3,\;\; \mu_2 = 0, \;\; -\mu_1=\mu_3 = \mu = 0\,:\,0.01\,:\,1,\;\; \sigma_1=\sigma_2=\sigma_3 = 0.01\,:\,0.01\,:\,1,\;\; n_1=n_2=n_3=20.
Студент 1: исследовать чувствительность однофакторного дисперсионного анализа со сравнением средних при помощи процедуры Тьюки-Крамера к расстоянию между выборками и размеру одной из выборок.
x_i^{n_i}, \;\; x_i \sim N(\mu_i, \sigma_i), \;\; i=1,\ldots,3,\;\; \mu_2 = 0, \;\; -\mu_1=\mu_3 = \mu = 0\,:\,0.01\,:\,1,\;\; \sigma_1=\sigma_2=\sigma_3 = 1,\;\; n_1=n_3=20, \;\; n_3=10\,:\,5\,:\,100.
Студент 2: исследовать чувствительность однофакторного дисперсионного анализа со сравнением средних при помощи процедуры Тьюки-Крамера к расстоянию между выборками и дисперсии одной из выборок.
x_i^{n_i}, \;\; x_i \sim N(\mu_i, \sigma_i), \;\; i=1,\ldots,3,\;\; \mu_2 = 0, \;\; -\mu_1=\mu_3 = \mu = 0\,:\,0.01\,:\,1,\;\; \sigma_1=\sigma_3 = 1,\;\; \sigma_2 = 0.02\,:\,0.02\,:\,2, \;\; n_1=n_3=20, \;\; n_3=10\,:\,5\,:\,100.
Студент 4: исследовать чувствительность однофакторного дисперсионного анализа со сравнением средних с использованием поправки Бонферрони к расстоянию между выборками и дисперсии одной из выборок. Сравнить результаты применения поправки Бонферрони и метода ЛСД.
x_i^{n_i}, \;\; x_i \sim N(\mu_i, \sigma_i), \;\; i=1,\ldots,3,\;\; \mu_2 = 0, \;\; -\mu_1=\mu_3 = \mu = 0\,:\,0.01\,:\,1,\;\; \sigma_1=\sigma_2=\sigma_3 = 0.01\,:\,0.01\,:\,1,\;\; n_1=n_2=n_3=20.
Студент 3: исследовать чувствительность однофакторного дисперсионного анализа со сравнением средних с использованием поправки Бонферрони к расстоянию между выборками и дисперсии одной из выборок.
x_i^{n_i}, \;\; x_i \sim N(\mu_i, \sigma_i), \;\; i=1,\ldots,3,\;\; \mu_2 = 0, \;\; -\mu_1=\mu_3 = \mu = 0\,:\,0.01\,:\,1,\;\; \sigma_1=\sigma_3 = 1,\;\; \sigma_2 = 0.02\,:\,0.02\,:\,2, \;\; n_1=n_3=20, \;\; n_3=10\,:\,5\,:\,100.
Источник — «http://poligon.machinelearning.ru/wiki/index.php?title=%D0%A3%D1%87%D0%B0%D1%81%D1%82%D0%BD%D0%B8%D0%BA:Riabenko/%D0%9F%D0%B5%D1%81%D0%BE%D1%87%D0%BD%D0%B8%D1%86%D0%B0»
Личные инструменты