Виды стандартных отклонений. stddev есть, а ещё есть что-нибудь? - страница 2

 

Сомневаюсь. Если все элементы равны, то тут уже ничто не зависит от диапазона. Хоть какие-то данные о распределении известны? Тут, наверно, Prival тебе поможет, он какую-то фундаментальную теорему о дисперсии доказал.

 
Никаких неизвестно, только диапазон от и до, короче говоря окно. Вообще задачи такой нет, просто любопытно. Если все элементы равны то отклонение равно нулю.
 

Ну да, я ошибся, Дмитрий. Я имел в виду частоты разных элементов.

 

Еще один неплохой критерий оценки временного ряда - коеф. Тейла (Theil) (http://www.finalyz.ch/PROGNOSIS.EN.aspx).

Он дает оценку, насколько ваш прогноз лучше (хуже) наивного.


0 - идеальное значение

<1 прогноз лучше наивного

>1 соответственно хуже наивного


(t) = ∑ i=1,M [yProgi (t)-x i (t)]2/[x i (t)-x i (t-δt)]2

 
Choomazik >>:

Еще один неплохой критерий оценки временного ряда - коеф. Тейла (Theil) (http://www.finalyz.ch/PROGNOSIS.EN.aspx).


Serverfehler in der Anwendung /.

 

4.2. Методика калибровки.

В данной работе критерием качества калибровки и верификации служил коэффициент несовпадения Тейла (Тейл, 1971) в следующем виде:

(2)

где Pi - прогнозируемая величина, Ai- соответствующий действительный результат, N - число проверяемых значений.

http://www.chronos.msu.ru/RREPORTS/levich_model_izuch/levich_model_izuch.htm

 
Integer писал(а) >>
Никаких неизвестно, только диапазон от и до, короче говоря окно. Вообще задачи такой нет, просто любопытно. Если все элементы равны то отклонение равно нулю.

Если я правильно понял, то это невозможно. Можно только утверждать что с какой то вероятностью числа будут находиться в интервале +- k*sigma и то только при условии, что у ЗР есть МОЖ и СКО

 
Mathemat писал(а) >>

...Тут, наверно, Prival тебе поможет, он какую-то фундаментальную теорему о дисперсии доказал.

Спасибо конешно за такую высокую оценку. Но я не настолько крут. Это было просто следствие из теоремы Чебышева. Стояла задача расчитать гарантированную вероятность ложной тревоги, для любого ЗР шума. Я смог её расчитать, и потом уже натолкнулся в литературе на то что это является следствием теоремы больших чисел.

 
Существуют много вариаций на тему коеф. Тейла - например сравнение RMSE модели с RMSE наивного прогноза. Тут я нашел еще ссылку http://fbe.emu.edu.tr/journal/doc/2/2Article09.pdf. Суть одна - сравнить с наивным прогнозом (прогноз равен предыдущему значению или например среднему), будь-то среднеквадратическая ошибка или любой другой критерий. Если коеф. Тейла больше 1, то модель хуже наивной, <1 - лучше.
Причина обращения: