Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Powiadomienia systemowe

Sesja wygasła!
Sesja wygasła!
Sesja wygasła!

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: mała próbka

Sortuj według:

Ogranicz wyniki do:

Revisiting the optimal probability estimator from small samples for data mining

Cestnik Bojan

International Journal of Applied Mathematics and Computer Science

2019

Vol. 29, no. 4

783--796

Estimation of probabilities from empirical data samples has drawn close attention in the scientific community and has been identified as a crucial phase in many machine learning and knowledge discovery research projects and applications. In addition to trivial and straightforward estimation with relative frequency, more elaborated probability estimation methods from small samples were proposed and applied in practice (e.g., Laplace’s rule, the m-estimate). Piegat and Landowski (2012) proposed a novel probability estimation method from small samples Eph√2 that is optimal according to the mean absolute error of the estimation result. In this paper we show that, even though the articulation of Piegat’s formula seems different, it is in fact a special case of the m-estimate, where pa = 1/2 and m = √2. In the context of an experimental framework, we present an in-depth analysis of several probability estimation methods with respect to their mean absolute errors and demonstrate their potential advantages and disadvantages. We extend the analysis from single instance samples to samples with a moderate number of instances. We define small samples for the purpose of estimating probabilities as samples containing either less than four successes or less than four failures and justify the definition by analysing probability estimation errors on various sample sizes.

Forecasting of safety transport by extreme statistics

Arefyev I., Volovik А., Klavdiev A.

Journal of KONBiN

2013

No. 2 (26)

5--12

Recently, the transport problem is acute to minimize accidents and disasters, caused by the failure of the functional elements. Today it is still not a fully developed theory of the solution of such problems. The authors propose an approach to perform this task, based on the methodology of extreme statistics and information Janes principle. Example given in the article and the calculations prove this possibility, up to an extreme level of statistical sampling, when it reaches capacity. The method allows for a decision on a sample survey, when the nature of the distribution is not known anything other than the expectation of a random variable.

W ostatnim czasie w dziedzinie transportu pojawiło się pilne zadanie sprowadzenia do minimum występowania wypadków i katastrof, których przyczyną są awarie elementów funkcjonalnych. Obecnie jeszcze nie sformułowano rozwiniętej teorii rozwiązania takich zadań. Autorzy proponują sposób rozwiązania postawionego zadania na podstawie metodologii statystyki ekstremalnej i zasady informacyjnej Jaynesa. Przedstawiony w artykule przykład i obliczenia dowodzą takiej możliwości, do ekstremalnego poziomu statystycznego wyboru włącznie. Metoda pozwala realizować podjęcie decyzji według wybranych obserwacji, gdy o charakterze podziału nie wiadomo nic oprócz wartości oczekiwanej wielkości losowej.