Приглашаем посетить сайт
Статьи на букву "Ц"
|
Когда за субъектом наблюдают до наступления некоторого события (пример: наблюдение за состоянием пациента до момента его смерти), его не всегда можно проследить в точности до этого момента. Пациент может уехать и стать недоступным, выбыть по какой-либо другой причине, или просто время сбора данных может закончиться до того, как наступило представляющее интерес событие. В этом случае единственное, что мы можем сказать, это то, что время до наступления события не меньше времени до последнего наблюдения. Время наступления события, таким образом, оказывается цензурированным. Обратите внимание: наблюдения в выборке могут быть цензурированными справа (наблюдение прекратилось до наступления события) или слева (наблюдение начинается лишь после наступления события). Для анализа цензурированных наблюдений применяются, естественно, специализированные методы. Один из примеров - методы анализа выживаемости. |
|
Область, в которой группируется выборка, естественно называть ее "центром". Про индикаторы и статистики, позволяющие судить о положении такого центра, говорят, что они измеряют центральную тенденцию. К типичным мерам центральной тенденции относятся среднее, медиана, мода, усеченное среднее. Для симметричных распределений значения этих мер совпадают. Различие становится существенным для асимметричных распределений. Приведенный список, конечно, не исчерпывает разнообразия применяемых мер. Нечасто применяемой мерой является геометрическое среднее, предназначенное для распределений, скошенных вправо. |
|
В теории вероятностей и математической статистике- математическое ожидание одномерной центрированной случайной величины: E[(X-mx)q]. В прикладной статистике - характеристика распределения переменной, равная среднему арифметическому разностей между наблюдаемыми значениями xi и их средним , возведенных в q-ю степень: , где n - число наблюдений. Пример. Центральный момент второго порядка - дисперсия случайной величины X и оценка дисперсии, когда он вычисляется на основе выборки значений переменной. |
|
Случайная величина, математическое ожидание которой равно нулю. Очень часто случайные величины центрируют, вычитая из них математическое ожидание или его несмещенную оценку. Примечание. Если математическое ожидание случайной величины Х равно , то соответствующая центрированная величина есть Х-. См. тж. нормированная случайная величина. |
|
Центроидом, или центром, многомерного множества данных называется точка, координатами которой являются средние значений по каждой из размерностей; в физике ему соответствует центр тяжести, если считать, что у каждой точки масса единичная. Пример. Для двумерных данных (с переменными X и Y) центроидом будет точка , т.е. (среднее X-значений, среднее Y-значений). Линия простой линейной регрессии всегда проходит через центроид данных X-Y. |
|
Чтобы лучше понять поведение временного ряда, мы выделяем его основные характеристики. Одной из таких характеристик является циклическая компонента. Описательные методы можно распространить на прогноз (предсказание) будущих значений. В недельных или месячных данных циклическая компонента описывает любые регулярные колебания. Это не сезонная компонента, изменения которой подчиняются некоторому "естественному" циклу. См. тж. временные ряды, тренд, сезонность, нерегулярная компонента. |