|
Ранжирование
|
Процесс упорядочивания найденных результатов по их релевантности называется ранжированием. Именно от ранжирования зависит качество поиска — то, насколько поисковая система умеет показать пользователю нужный и ожидаемый результат. Формулы ранжирования строятся также автоматически — с помощью машинного обучения — и постоянно совершенствуются.
|
|
Мода
|
Наиболее часто встречающееся в числовом ряду значение. В примере, если посчитать количество оценок, получается: 3 – 1, 4 – 5, 5 – 4. Модой будет число 4. Если в ряду несколько чисел (например, ученик получил бы ещё одну 5), которые встречаются наиболее часто, то моды у ряда нет.
|
|
Медиана
|
Значение, отделяющее верхнюю половину выборки данных, популяцию или распределение вероятностей от нижней. Для набора данных его можно рассматривать как "среднее" значение. Основная особенность медианы при описании данных по сравнению со средним значением (часто просто описываемым как "среднее") заключается в том, что она не искажается небольшой долей чрезвычайно больших или малых значений и поэтому обеспечивает лучшее представление центра.
|
|
Табулирование
|
Это вычисление значений функции при изменении аргумента от некоторого начального значения до некоторого конечного значения с определённым шагом. Именно так составляются таблицы значений функций, отсюда и название — табулирование.
|
|
Ранги
|
Наивысший порядок миноров, среди которых есть хотя бы один отличный от 0.
|
|
Размах
|
Разность между наибольшим и наименьшим значением данных в наборе называется размахом. Размах позволяет оценить разброс данных в ряду. Например, если в течение дня каждый час измеряли температуру в городе и получили следующие данные: … 15,4, …, 32,6, то размах температур равен.
|
|
Коэффициент вариации
|
Также известный как относительное стандартное отклонение, — это стандартная мера дисперсии распределения вероятностей или частотного распределения. Она часто выражается в процентах и определяется как отношение стандартного отклонения σ к среднему μ. КВ или ОСО широко используются в аналитической химии для выражения точности и повторяемости анализа.
|
|
Дисперсия
|
Это среднее арифметическое квадратов отклонений данной величины от ее среднего значения: где– значения исследуемой величины: Дисперсия показывает, насколько сильно данные отклоняются от их среднего значения. Чем больше дисперсия, тем больше разброс данных.
|
|
Коэффициент корреляции
|
Двумерная описательная статистика, количественная мера взаимосвязи (совместной изменчивости) двух переменных.
К настоящему времени разработано великое множество различных коэффициентов корреляции. Однако самые важные меры связи - Пирсона, Спирмена и Кендалла. Их общей особенностью является то, что они отражают взаимосвязь двух признаков, измеренных в количественной шкале - ранговой или метрической.
|
|
Ранг корреляций
|
Это любая из нескольких статистических данных, которые измеряют порядковую ассоциацию - взаимосвязь между ранжированием разных порядковых переменных или разными рейтингами одной и той же переменной, где "ранжирование" - это присвоение меток упорядочения "первый", "второй", "третий" и т.д. к различным наблюдениям за конкретной переменной.
|
|
Среднеквадратическое отклонение
|
наиболее распространённый показатель рассеивания значений случайной величины относительно её математического ожидания (аналога среднего арифметического с бесконечным числом исходов). Обычно означает квадратный корень из дисперсии случайной величины, но иногда может означать тот или иной вариант оценки этого значения.
|
|
Средняя хронологическая
|
Это средний уровень ряда динамики, т. е. средняя, исчисленная по совокупности значений показателя в разные моменты или периоды времени. В зависимости от вида ряда динамики применяются различные способы ее расчета, а именно расчет средней хронологической интервального ряда и средней хронологической моментного ряда.
|
|
Достоверный интервал
|
Это интервал, в пределах которого ненаблюдаемое значение параметра падает с определенной вероятностью. Это интервал в области апостериорного распределения вероятностей или прогнозирующего распределения. Обобщение на многомерные проблемы является заслуживающим доверия регионом.
|
|
Обобщённая линейная модель
|
Представляет собой гибкое обобщение обычной линейной регрессии. GLM обобщает линейную регрессию, позволяя связать линейную модель с переменной отклика через функцию связи и позволяя величине отклонения каждого измерения быть функцией его прогнозируемого значения.
|
|
Метод максимального правдоподобия
|
Это метод оценивания неизвестного параметра путём максимизации функции правдоподобия[1]. Основан на предположении о том, что вся информация о статистической выборке содержится в функции правдоподобия.
|
|
Критерий Уилкоксона
|
Непараметрический статистический критерий, применяемый для оценки различий между двумя зависимыми выборками, взятыми из закона распределения, отличного от нормального, либо измеренными с использованием порядковой шкалы. Критерий является ранговым, поэтому он инвариантен по отношению к любому монотонному преобразованию шкалы измерения.
|
|
Упорядочивание данных
|
Это алгоритм для упорядочивания элементов в массиве. В случае, когда элемент в массиве имеет несколько полей, поле, служащее критерием порядка, называется ключом сортировки. На практике в качестве ключа часто выступает число, а в остальных полях хранятся какие-либо данные, никак не влияющие на работу алгоритма.
|
|
Коэффициент
|
Числовой множитель при буквенном выражении, множитель при той или иной степени неизвестного, или постоянный множитель при переменной величине.
|
|
Математическая статистика
|
Раздел математики, посвященный математическим методам систематизации, обработки и использования статистических данных для научных и практических выводов. При этом статистическими данными называются сведения о числе объектов в какой-либо более или менее обширной совокупности, обладающих теми или иными признаками
|
|
Формула Стьюдент коэффициент Критерий Стьюдента (t-критерий).
|
Критерий позволяет найти вероятность того, что оба средних значения в выборке относятся к одной и той же совокупности. Данный критерий наиболее часто используется для проверки гипотезы: «Средние двух выборок относятся к одной и той же совокупности».
|
Скачать 20.83 Kb.