RU182446U1 - Усовершенствованное устройство проверки однородности нескольких однотипных выборок - Google Patents

Усовершенствованное устройство проверки однородности нескольких однотипных выборок Download PDF

Info

Publication number
RU182446U1
RU182446U1 RU2018108925U RU2018108925U RU182446U1 RU 182446 U1 RU182446 U1 RU 182446U1 RU 2018108925 U RU2018108925 U RU 2018108925U RU 2018108925 U RU2018108925 U RU 2018108925U RU 182446 U1 RU182446 U1 RU 182446U1
Authority
RU
Russia
Prior art keywords
unit
block
input
output
series
Prior art date
Application number
RU2018108925U
Other languages
English (en)
Inventor
Руслан Сергеевич Литвиненко
Павел Павлович Павлов
Авер Эрикович Аухадеев
Original Assignee
Федеральное государственное бюджетное образовательное учреждение высшего образования "Казанский государственный энергетический университет"
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Федеральное государственное бюджетное образовательное учреждение высшего образования "Казанский государственный энергетический университет" filed Critical Федеральное государственное бюджетное образовательное учреждение высшего образования "Казанский государственный энергетический университет"
Priority to RU2018108925U priority Critical patent/RU182446U1/ru
Application granted granted Critical
Publication of RU182446U1 publication Critical patent/RU182446U1/ru

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Complex Calculations (AREA)

Abstract

Полезная модель относится к обработке цифровых данных с помощью компьютерных систем, использующих модели, основанные на знаниях, и может быть использована при решении задач исследования экспериментальных данных различных технических средств и комплексов. Техническим результатом решения поставленной выше задачи является повышение качества статистических оценок экспериментальных данных за счет предварительной проверки их однородности с использованием критерия Смирнова и, в случае положительного решения, последующего увеличения объема нескольких однотипных выборок путем их объединения в одну генеральную совокупность. Технический результат достигается тем, что усовершенствованное устройство проверки однородности нескольких однотипных выборок, содержащее блок ввода исходной информации, последовательно соединенные первый блок суммирования, блок логарифмирования, блок умножения на константу, блок сложения с единицей и блок округления, один выход которого соединен со входом первого блока деления, а второй - со входом блока формирования критической статистики, который последовательно соединен с блоками сравнения, формирования обобщенной выборки и с блоком вывода результатов; аналогичным образом блок формирования вариационного ряда соединен блоками определения максимального и минимального значений, выходы которых являются входами для первого блока вычитания последовательно соединенного с первым блоком деления, блоком формирования интервалов, блоком формирования частот, причем первый и второй выходы которого соединены со входами второго и третьего блоков деления, которые последовательно соединены со вторым блоком вычитания и блоком возведения в квадрат, а третий выход со входом второго блока суммирования, который соединен последовательно с блоком возведения в обратную степень, первым блоком умножения, третьим блоком суммирования и вторым блоком умножения, согласно настоящей полезной модели содержит соединенные с блоком ввода исходной информации блок сравнения объемов выборок, блок нумерации и блок последовательного перебора, один выход которого соединен со входом блока формирования критической статистики, второй и третий выходы соединены со входами первого блока суммирования, второго блока умножения, второй выход также соединен со входом второго блока деления, а третий выход соединен со входом третьего блока деления, четвертый и пятый выходы соединены со входами блоков формирования вариационного ряда и формирования частот, а шестой выход соединен со входом блока вывода результатов.

Description

Полезная модель относится к обработке цифровых данных с помощью компьютерных систем, использующих модели, основанные на знаниях, и может быть использована при решении задач исследования экспериментальных данных различных технических средств и комплексов.
Наиболее близким по технической сущности к заявленной полезной модели (прототипом) следует считать устройство проверки однородности однотипных выборок (патент RU №155719U1, МПК G06N 5/02, опубликовано 20.10.2015, бюл. №29). Данное устройство (прототип) содержащее блок ввода исходной информации, один выход которого соединен со входом блока формирования критической статистики, второй и третий выходы соединены со входами первого блока суммирования, второго блока умножения и второго блока деления, третий выход также соединен со входом третьего блока деления, а четвертый и пятый выходы соединены со входами блоков формирования вариационного ряда и формирования частот; в свою очередь последовательно соединены первый блок суммирования, блок логарифмирования, блок умножения на константу, блок сложения с единицей и блок округления, один выход которого соединен со входом первого блока деления, а второй со входом блока формирования критической статистики, который последовательно соединен с блоками сравнения и вывода информации; аналогичным образом блок формирования вариационного ряда соединен блоками определения максимального и минимального значений, выходы которых являются входами для первого блока вычитания последовательно соединенного с первым блоком деления, блоком формирования интервалов, блоком формирования частот, причем первый и второй выходы которого соединены со входами второго и третьего блоков деления, которые последовательно соединены со вторым блоком вычитания и блоком возведения в квадрат, а третий выход со входом второго блока суммирования, который соединен последовательно с блоком возведения в степень, первым блоком умножения, третьим блоком суммирования и вторым блоком умножения.
Недостатком данного устройства является возможность проверки однородности и объедения только двух выборок, что не всегда соответствует реальным условиям проводимых экспериментов. Экспериментальные данные могут быть представлены различным количеством выборок, отличающихся как объемом, так и источниками получения информации, поэтому для повышения полноты и качества статистических оценок необходимо исследование всех имеющихся исходных данных.
Задачей полезной модели является разработка усовершенствованного устройства проверки однородности нескольких однотипных выборок, в котором устранены недостатки прототипа, ограничивающие возможности его применения.
Техническим результатом решения поставленной выше задачи является повышение качества статистических оценок экспериментальных данных за счет предварительной проверки их однородности с использованием критерия Смирнова и, в случае положительного решения, последующего увеличения объема нескольких однотипных выборок путем их объединения в одну генеральную совокупность.
Технический результат достигается тем, что усовершенствованное устройство проверки однородности нескольких однотипных выборок, содержащее блок ввода исходной информации, последовательно соединенные первый блок суммирования, блок логарифмирования, блок умножения на константу, блок сложения с единицей и блок округления, один выход которого соединен со входом первого блока деления, а второй - со входом блока формирования критической статистики, который последовательно соединен с блоками сравнения, формирования обобщенной выборки и с блоком вывода результатов; аналогичным образом блок формирования вариационного ряда соединен блоками определения максимального и минимального значений, выходы которых являются входами для первого блока вычитания последовательно соединенного с первым блоком деления, блоком формирования интервалов, блоком формирования частот, причем первый и второй выходы которого соединены со входами второго и третьего блоков деления, которые последовательно соединены со вторым блоком вычитания и блоком возведения в квадрат, а третий выход со входом второго блока суммирования, который соединен последовательно с блоком возведения в обратную степень, первым блоком умножения, третьим блоком суммирования и вторым блоком умножения, согласно настоящей полезной модели содержит соединенные с блоком ввода исходной информации блок сравнения объемов выборок, блок нумерации и блок последовательного перебора, один выход которого соединен со входом блока формирования критической статистики, второй и третий выходы соединены со входами первого блока суммирования, второго блока умножения, второй выход также соединен со входом второго блока деления, а третий выход соединен со входом третьего блока деления, четвертый и пятый выходы соединены со входами блоков формирования вариационного ряда и формирования частот, а шестой выход соединен со входом блока вывода результатов.
По результатам эксплуатации может накапливаться целый ряд выборок по однотипным техническим средствам и комплексам. Однотипность не означает равноценности объектов по их показателям. Выборки, характеризующие различные однотипные объекты или один и тот же объект в различные периоды эксплуатации, вообще говоря, могут быть неоднородными. Неоднородность означает, что выборки принадлежат различным законам распределения, которые различаются или только параметрами при одном и том же виде, или видом и параметрами распределения.
Задачи обработки однотипных выборок подразделяются на две группы. К первой группе относятся задачи объединения выборок. Объединение выборок позволяет повысить точность оценок за счет увеличения объема обрабатываемых экспериментальных данных. Простое слияние однотипных, но неоднородных выборок для последующей оценки показателей по объединенной выборке, приводит к снижению качества оценок или даже к их полной непригодности. Необходимо применение специальных приемов объединения разнородных сведений в интересах использования всей содержащейся в выборках информации. Таким образом, при объединении выборок необходимо сначала проверить их однородность. Однородные выборки сливаются в одну общую выборку, которая обрабатывается с помощью обычных методов. Неоднородные выборки обрабатываются раздельно или объединяются с помощью специальных приемов.
Вторая группа задач связана с сопоставлением параметров распределения выборок, т.е. с определением существенных различий в значениях параметров однотипных выборок. Наиболее широкое распространение получил один из видов подобного рода задач, так называемый дисперсионный анализ. В дисперсионном анализе исследуются методы проверки гипотезы о равенстве математических ожиданий случайных величин, представленных выборками ограниченного объема. Непосредственное сравнение оценок математических ожиданий совокупности выборок оказывается менее эффективным, чем сопоставление оценок дисперсий, это обстоятельство и дало наименование методу. Подобные задачи возникают при исследовании влияния каких-либо параметров на показатели качества объекта.
Итак, пусть имеются выборки по одному устройству, но полученные на различных интервалах времени наблюдений, или имеются выборки по однотипным устройствам, сформированные за один и тот же или различные периоды наблюдений. Количество таких поступивших на обработку выборок m - не менее двух, каждая выборка имеет свой объем ni, i=1, …, m.
Априорных сведений об однородности или неоднородности различных выборок нет.
Следовательно, объектом обработки выступает совокупность независимых выборок результатов наблюдений по одному и тому же показателю однотипных объектов
Figure 00000001
Эта совокупность состоит из m слоев (строк). Каждая i-я строка (i=1, 2, …, m) представляет собой однородную случайную выборку результатов наблюдений за значениями случайной величины Х, Y, …, W соответственно. Слой характеризуется своим, в общем случае векторным, параметром Ti распределения и может иметь свои статистики, т.е. свои функции от выборочных значений.
По возможности объединения информации из совокупности однотипных выборок можно выделить три типовые ситуации:
различные слои представляют собой однородные выборки. Это является следствием однотипности объектов, близости режимов использования и одинаковости внешних воздействий на исследуемые средства. В такой идеализированной ситуации выборки можно объединить и определять искомые параметры, используя традиционный аппарат математической статистики. Данная ситуация предоставляет наибольшие возможности использования информации, содержащейся в экспериментальных данных, именно в таком случае удается достичь максимальной эффективности оценок показателей, т.е. объединение обеспечивает потенциальную возможность полного использования сведений, содержащихся в выборках;
совокупность слоев частично неоднородна. Тогда однородные слои, если таковые обнаружатся, целесообразно объединить, а оставшиеся неоднородные группы выборок обрабатывать раздельно. В этой ситуации всю содержащуюся в выборках информацию полностью извлечь не удается. Однако существуют простые приемы получения некоторых оценок параметров распределения по совокупности неоднородных выборок;
слои полностью или частично неоднородны. Но, в дополнение к результатам наблюдений, имеется априорная информация о взаимосвязи параметров Ti, различных выборок. Такие взаимосвязи устанавливаются на основе изучения сущности процессов, протекающих в объектах, и могут задаваться различными способами - в виде аналитических соотношений, ограничений на значения параметров и т.п. Чем выше уровень априорной информированности о взаимосвязях параметров, тем потенциально более высокой эффективности оценок показателей можно достичь.
Следовательно, объединение слоев всегда следует начинать с проверки однородности выборок.
Принцип действия предложенного устройства основан на использовании критерия проверки однородности Смирнова для последующего вывода о принадлежности этих выборок одной генеральной совокупности и возможности их объединения. Этот критерий предназначен для проверки гипотезы совпадения законов распределения в двух генеральных совокупностях по группированным выборкам, извлеченным из этих совокупностей. Пусть имеется
Figure 00000002
выборок объемов соответственно n1, n2, …,
Figure 00000003
и пусть данные каждой из этих выборок сгруппированы, причем разбиение диапазонов исследуемых случайных величин на интервалы группирования во всех выборках произведено одинаковым способом (при этом выбор общего диапазона варьирования анализируемого признака во всех выборках определяется наименьшим, по всем выборкам, из минимальных выборочных значений и наибольшим из максимальных выборочных значений). В предлагаемом устройстве количество интервалов определяется по формуле Стерджесса
Figure 00000004
Таким образом, имеется s одних и тех же для всех выборок интервалов группирования и пусть - количество элементов i-й выборки, попавших в j-й интервал (
Figure 00000005
; j=1,2, …, s). В качестве критической статистики критерия используется величина
Figure 00000006
где
Figure 00000007
- общее число элементов i-й выборки,
Figure 00000008
- общее (по всем выборкам) число выборочных данных, попавших в j-й интервал группирования и
Figure 00000009
- суммарный (по всем выборкам) объем выборочных данных.
Н.В. Смирновым было доказано, что при неограниченном росте объемов всех выборок и в условиях справедливости проверяемой гипотезы закон распределения статистики стремится к закону χ2 с числом степеней свободы, равным
Figure 00000010
. Поэтому, в соответствии с общей логикой статистического критерия гипотеза об однородности исследуемых выборок отвергается, если
Figure 00000011
или
Figure 00000012
, и принимается при всех остальных значениях критической статистики γ(n) (здесь
Figure 00000013
- табличное значение 100q%-яой точки «хи-квадрат» распределения с m степенями свободы).
В частном случае двух выборок (при
Figure 00000014
) статистика (2) может быть записана в виде
Figure 00000015
и при условии справедливости гипотезы однородности она будет приблизительно распределена (при больших объемах n1 и n2) по закону χ2 с s-1 степенью свободы.
Сущность полезной модели поясняется чертежом, где на рисунке (фиг. 1) обозначены следующие функциональные элементы:
1 - блок ввода исходной информации об анализируемых выборках (выборки Х1,Х2, …, Xm(Xi=Xi1, …, xin), объемы выборок n1,n2, …, nm, уровень значимости р);
2 - блок сравнения объемов выборок;
3 - блок нумерации выборок;
4 - блок последовательного перебора;
5 - первый блок суммирования;
6 - блок логарифмирования;
7 - блок умножения на константу;
8 - блок сложения с единицей;
9 - блок округления до ближайшего целого числа, определение;
10 - блок формирования вариационного ряда;
11 - блок определения максимального значения Xmax;
12 - блок определения минимального значения Xmin;
13 - первый блок вычитания;
14 - первый блок деления
15 - блок формирования S интервалов вариационного ряда;
16 - блок формирования частот попадания (υ1j и υ2j) значений в заданные интервалы (
Figure 00000016
);
17 - второй блок суммирования;
18 - второй блок деления;
19 - третий блок деления;
20 - блок возведения в обратную степень;
21 - второй блок вычитания;
22 - блок возведения в квадрат;
23 - первый блок умножения;
24 - третий блок суммирования;
25 - второй блок умножения;
26 - блок сравнения;
27 - блок формирования критической статистики
Figure 00000017
;
28 - блок формирования обобщенной выборки Х1;
29 - блок вывода результатов.
Усовершенствованное устройство проверки однородности нескольких однотипных выборок содержит блок ввода исходной информации 1, последовательно соединенные первый блок суммирования 5, блок логарифмирования 6, блок умножения на константу 7, блок сложения с единицей 8 и блок округления 9, один выход которого соединен со входом первого блока деления 14, а второй со входом блока формирования критической статистики 27, который последовательно соединен с блоками сравнения 26, формирования обобщенной выборки 28 и через блок последовательного перебора 4 с блоком вывода результатов 29; аналогичным образом блок формирования вариационного ряда 10 соединен с блоками определения максимального 11 и минимального 12 значений, выходы которых являются входами для первого блока вычитания 13 последовательно соединенного с первым блоком деления 14, блоком формирования интервалов 15, блоком формирования частот 16, причем первый и второй выходы которого соединены со входами второго 18 и третьего 19 блоков деления, которые последовательно соединены со вторым блоком вычитания 21 и блоком возведения в квадрат 22, а третий выход со входом второго блока суммирования 17, который соединен последовательно с блоком возведения в обратную степень 20, первым блоком умножения 23, третьим блоком суммирования 24 и вторым блоком умножения 25; а также в его состав входят блок сравнения объемов выборок 2, блок нумерации 3 и блок последовательного перебора 4, один выход которого соединен со входом блока формирования критической статистики 27, второй и третий выходы соединены со входами первого блока суммирования 5, второго блока умножения 25, второй выход также соединен со входом второго блока деления 18, а третий выход соединен со входом третьего блока деления 19,четвертый и пятый выходы соединены со входами блоков формирования вариационного ряда 10 и формирования частот 16.
Предлагаемое устройство проверки однородности нескольких однотипных выборок работает следующим образом. В блок 1 вводится исходная информация об анализируемых m однотипных выборках, включающая в себя: выборки Х1,Х2, …, Xm(Xi=xi1, …, xin), их объемы n1, n2, …, nm, уровень доверительной информации р, с которой будет принята гипотеза о однородности представленных данных. Из блока 1 информация об объемах выборок n1, n2, …, nm, поступает в блок сравнения 2, и на основании полученной информации в блоке 3 производится нумерация выборок по мере уменьшения их объемов. Таким образом, выборке с наибольшим числом элементов присваивается номер X1, она считается основной и в последующем на основании результатов проверки однородности будет приниматься решение об объединении ее с другими выборками. В блоке последовательного перебора 4 поочередно формируется исходная информация о сравниваемой выборке Х2 путем подставления значений Х2,Х3, …, Xm. Информация об объемах анализируемых выборок П]И «глодается в первый блок суммирования 5, где определяется суммарный объем обеих выборок N. Далее в блоке логарифмирования 6 определяется десятичный логарифм от N, и в блоке умножения на константу 7 полученное число увеличивается в 3,322 раз. В блоке сложения 8 производится увеличение произведения на единицу, с последующим округление полученного числа до ближайшего целого в блоке округления 9. Таким образом, в блоке округления 6 формируется информация о числе интервалов S, на которые в последующем будет разбита объединенная выборка.
На вход блока формирования вариационного ряда 10 подается информация об анализируемых выборках Х1 и Х2. В блоках 11 и 12 определяются минимальное xmin и максимальное xmax значения из полученного вариационного ряда. Первый блок вычитания 13 позволяет определить величину размаха вариационного ряда (xmax-xmin). Информация об величине интервалов, полученная в результате деления величины (xmax-xmin) в первом блоке деления 14 на количество этих интервалов S из блока округления9, поступает на вход блока формирования 15, в котором производится разбиение вариационного ряда (объединенной выборки) на
Figure 00000018
интервалов. В блоке 16 происходит формирование частот попадания значений (υ1j и υ2j) анализируемых выборок в интервалы, полученные из блока 15, и последующее их сложение во втором блоке суммирования 17. Также информация от частотах (υ1j и υ2j) подается на входы блоков деленияна n1 и n2 соответственно 18, 19, и далее на вход блока вычитания 21. Блок 22 осуществляет возведение в квадрат полученной в блоке вычитания 21 разности. В первом блоке умножения 23 производится перемножение величин из блоков 20 возведения в обратную степень суммы частот из блока сложения 17 и второго блока умножения 22, и их последующее сложение по всем
Figure 00000018
интервалам в третьем блоке суммирования 24. Второй блок умножения 25 перемножает данные поступившие из блока 24 и данные об объемах выборок n1 и n2 из блока последовательного перебора 4. Таким образом, на выходе блока 25 получена статистика χ2, характеризующая объединенную выборку. В блоке 27 на основании информации о уровне значимости р и количестве степеней свободы, соответствующем величине S, формируется критическое значение статистики
Figure 00000019
. Блок сравнения 26 определяет, превышает или нет полученная статистика χ2 значения критического параметра
Figure 00000020
. Результат сравнения, по которому можно сделать вывод об однородности выборок X1 и Х2 и последующей возможности их объединения в одну, поступает в блок 28формирования обобщенной выборки. Данные о новой выборке X1, включившей или нет в свой состав выборку Х2, попадает на вход блока последовательного перебора 4. Аналогичным образом, производиться проверка однородности и возможности объединения оставшихся выборок ХЗ, …, Xm, после чего информация о полученной обобщенной выборке подается в блок вывода результатов 29.
Таким образом, усовершенствованное устройство проверки однородности нескольких однотипных выборок за счет введения блока сравнения объемов выборок, блока нумерации выборок и блока последовательного перебора позволяет решить техническую задачу проверки однородности нескольких однотипных выборок на основе критерия Смирнова, и принять решение об их принадлежности одной генеральной совокупности для их дальнейшего объединения.

Claims (1)

  1. Усовершенствованное устройство проверки однородности нескольких однотипных выборок, содержащее блок ввода исходной информации, последовательно соединенные первый блок суммирования, блок логарифмирования, блок умножения на константу, блок сложения с единицей и блок округления, один выход которого соединен со входом первого блока деления, а второй - со входом блока формирования критической статистики, который последовательно соединен с блоками сравнения, формирования обобщенной выборки и с блоком вывода результатов; аналогичным образом блок формирования вариационного ряда соединен блоками определения максимального и минимального значений, выходы которых являются входами для первого блока вычитания последовательно соединенного с первым блоком деления, блоком формирования интервалов, блоком формирования частот, причем первый и второй выходы которого соединены со входами второго и третьего блоков деления, которые последовательно соединены со вторым блоком вычитания и блоком возведения в квадрат, а третий выход - со входом второго блока суммирования, который соединен последовательно с блоком возведения в обратную степень, первым блоком умножения, третьим блоком суммирования и вторым блоком умножения, и отличающееся тем, что содержит соединенные с блоком ввода исходной информации блок сравнения объемов выборок, блок нумерации и блок последовательного перебора, один выход которого соединен со входом блока формирования критической статистики, второй и третий выходы соединены со входами первого блока суммирования, второго блока умножения, второй выход также соединен со входом второго блока деления, а третий выход соединен со входом третьего блока деления, четвертый и пятый выходы соединены со входами блоков формирования вариационного ряда и формирования частот, а шестой выход соединен со входом блока вывода результатов.
RU2018108925U 2018-03-13 2018-03-13 Усовершенствованное устройство проверки однородности нескольких однотипных выборок RU182446U1 (ru)

Priority Applications (1)

Application Number Priority Date Filing Date Title
RU2018108925U RU182446U1 (ru) 2018-03-13 2018-03-13 Усовершенствованное устройство проверки однородности нескольких однотипных выборок

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2018108925U RU182446U1 (ru) 2018-03-13 2018-03-13 Усовершенствованное устройство проверки однородности нескольких однотипных выборок

Publications (1)

Publication Number Publication Date
RU182446U1 true RU182446U1 (ru) 2018-08-17

Family

ID=63177614

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2018108925U RU182446U1 (ru) 2018-03-13 2018-03-13 Усовершенствованное устройство проверки однородности нескольких однотипных выборок

Country Status (1)

Country Link
RU (1) RU182446U1 (ru)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EA200200309A1 (ru) * 1999-08-30 2002-08-29 Ай Пи ФЛЕКС ИНК. Управляющий программный продукт и система обработки данных
US20050004856A1 (en) * 2001-07-31 2005-01-06 American Express Travel Related Services Company, Inc. Stochastic modeling module for providing financial planning and advice
RU63949U1 (ru) * 2007-01-24 2007-06-10 Павел Павлович Павлов Устройство сбалансированного оценивания показателей надежности технической системы на основе объединения двух выборок
RU155719U1 (ru) * 2014-12-23 2015-10-20 Руслан Сергеевич Литвиненко Устройство проверки однородности однотипных выборок

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EA200200309A1 (ru) * 1999-08-30 2002-08-29 Ай Пи ФЛЕКС ИНК. Управляющий программный продукт и система обработки данных
US20050004856A1 (en) * 2001-07-31 2005-01-06 American Express Travel Related Services Company, Inc. Stochastic modeling module for providing financial planning and advice
RU63949U1 (ru) * 2007-01-24 2007-06-10 Павел Павлович Павлов Устройство сбалансированного оценивания показателей надежности технической системы на основе объединения двух выборок
RU155719U1 (ru) * 2014-12-23 2015-10-20 Руслан Сергеевич Литвиненко Устройство проверки однородности однотипных выборок

Similar Documents

Publication Publication Date Title
CN113038302B (zh) 流量预测方法及装置、计算机可存储介质
WO2021180009A1 (zh) 一种数据检测方法及装置
CN112527601A (zh) 一种监控预警方法及装置
US7805329B2 (en) Development of actual risk costs based on estimated risk costs as well as probabilistic restriction of the actual risk costs
RU182446U1 (ru) Усовершенствованное устройство проверки однородности нескольких однотипных выборок
Zaiats et al. Risk level assessment while organizational-managerial decision making in the condition of dynamic external environment
CN110569363A (zh) 一种决策流组件生成方法、装置、电子设备及存储介质
RU155719U1 (ru) Устройство проверки однородности однотипных выборок
Roldán et al. Some applications of the study of the image of a fuzzy number: countable fuzzy numbers, operations, regression and a specificity-type ordering
CN110531362A (zh) 一种高分辨率运动声呐知识基的目标检测方法
Zarei et al. Pseudo-stochastic EM for sub-Gaussian α-stable mixture models
CN115344495A (zh) 批量任务测试的数据分析方法、装置、计算机设备及介质
WO2022217712A1 (zh) 数据挖掘方法、装置、计算机设备及存储介质
CN114489760A (zh) 代码质量评价方法和代码质量评价装置
CN113868939A (zh) 一种风功率的概率密度评估方法、装置、设备及介质
Perkins et al. χ2 and classical exact tests often wildly misreport significance; the remedy lies in computers
Perkins et al. Some deficiencies of χ2 and classical exact tests of significance
Liu et al. Fast and unbiased estimation of volume under ordered three-class ROC surface (VUS) based on dynamic programming
RU2771593C1 (ru) Вероятностное устройство вычисления средней полной мощности
CN111027599A (zh) 基于随机抽样的聚类可视化方法及装置
CN109583590A (zh) 数据处理方法及数据处理装置
US11803815B1 (en) System for the computer matching of targets using machine learning
Raskin et al. Evaluation of system controlled parameters informational importance, taking into account the source data inaccuracy
Nedényi An online change detection test for parametric discrete-time stochastic processes
Balachandran et al. On the propagation of low-rate measurement error to subgraph counts in large, sparse networks

Legal Events

Date Code Title Description
MM9K Utility model has become invalid (non-payment of fees)

Effective date: 20180709