Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 2016

Powiadomienia systemowe

Sesja wygasła!
Sesja wygasła!

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

The fuzzy interpretation of the statistical test for irregular data

Pietraszek J., Sobczyk A., Skrzypczak-Pietraszek E., Kołomycki M.

Czasopismo Techniczne. Mechanika

2016

Y. 113, iss. 4-M

119--125

The well-known statistical tests have been developed on the basis of many additional assumptions, among which the normality of a data source distribution is one of the most important. The outcome of a test is a p-value which may is interpreted as an estimation of a risk for a false negative decision i.e. it is an answer to the question “how much do I risk if I deny?”. This risk estimation is a base for a decision (after comparing with a significance level α): reject or not. This sharp trigger – p-level greater than α or not – ignores the fact that a context is rather smooth and evolves from “may be” through “rather not” to “certainly not”. An alternative option for such assessments is proposed by a fuzzy statistics, particularly by Buckley’s approach. The fuzzy approach introduces a better scale for expressing decision uncertainty. This paper compares three approaches: a classic one based on a normality assumption, Buckley’s theoretical one and a bootstrap-based one.

Powszechnie znane testy statystyczne były opracowane przy wielu dodatkowych założeniach. Jednym z najważniejszych jest normalność rozkładu populacji źródłowej. Wynikiem testu jest wartość p, która jest interpretowana jako ocena ryzyka decyzji fałszywie negatywnej, tj. jest to odpowiedź na pytanie „ile ryzykuję jeżeli neguję?”. Ta ocena ryzyka jest podstawą do podjęcia decyzji (po porównaniu z krytycznym poziomem istotności α): odrzucić czy nie. Takie ostre przełączenie – wartość p większa od α czy też nie – ignoruje fakt, że kontekst jest raczej gładki i ewoluuje od „może tak” przez „raczej nie” do „zdecydowanie nie”. Alternatywą dla takich ocen jest statystyka rozmyta, a szczególnie podejście Buckleya. Podejście rozmyte wprowadza lepszą skalę do wyrażenia niepewności decyzji. Niniejszy artykuł porównuje trzy podejścia: klasyczne zakładające normalność, teoretyczne Buckleya i bootstrapowe.

The dominant factor detection in the Shainin’s approach

Pietraszek J., Krawczyk M., Sobczyk A., Skrzypczak-Pietraszek E.

Czasopismo Techniczne. Mechanika

2016

Y. 113, iss. 4-M

95--100

Shainin’s approach is a specific sequential heuristic aimed at finding and ranking the most important factors which impact the investigated process. The sequential aspect of the approach is simultaneously its strongest and weakest side, because just after detection of the most important factor, the further analysis is stopped without any additional cost. However, such a detection may take place at the end of the whole sequence. This paper tries to answer the question if the dominant factor may be hidden by interactions with other factors.

Podejście Shainina jest specyficzną heurystyką sekwencyjną nakierowaną na wykrywanie i rangowanie najważniejszych czynników wpływających na badany proces. Sekwencyjność podejścia jest jednocześnie jego najmocniejszą i najsłabszą stroną, gdyż po wykryciu najważniejszego czynnika cała dalsza analiza jest przerywana bez ponoszenia dodatkowych kosztów, ale wykrycie tego czynnika może nastąpić dopiero przy końcu całej sekwencji. Artykuł poszukuje odpowiedzi na pytanie, czy istnieje ryzyko maskowania istnienia czynnika dominującego wskutek działania interakcji.