نتایج جستجو

... ''X_n'' کمیت MAD به صورت میانه قدر مطلق انحراف از میانه کل داده تعریف می‌شود: ...یر فراوانی بر آن می‌گذارند. ولی در آزمون MAD انحراف تعداد کمی از داده‌های پرت بی تاثیر خواهد بود. از آنجایی که آزمون MAD از انحراف استاندارد یا [[واریانس ...

...یا کوواریانس تجربی (empirical covariance) آماری هستند که از نمونه‌گیری از داده‌ها بر روی یک یا چند [[متغیر تصادفی]] محاسبه می‌شوند. ...ت و <math>N</math> نمونه از آن <math>\mathbf{x}_i, i = 1, \ldots, N</math> داده شده‌است. میانگین و کوواریانس نمونه به ترتیب به صورت زیر محاسبه می‌گردند: ...

...داده با میانگین یکسان حول آن.png|thumb| 500px |مثالی از تفاوت پراکندگی دو داده با میانگین یکسان حول آن]] ...د، این شاخص‌ها بزرگ‌تر می‌شوند. در ادامه بعضی از این شاخص‌های پراکندگی شرح داده شده‌اند. ...

...ال ۱۹۷۳ ساخت تا هم اهمیت رسم نمودار داده‌ها و هم تأثیر [[داده پرت|داده‌های پرت]] را بر مدل نهائی نشان داد. وی هدف از انتشار مقاله را مقابله با این تصور که == داده‌ها == ...

...ه خصوص ارزش اعتبارسنجی دارند یا نشان دادن مناطقی از فضای داده‌های مستقل که داده‌های بیشتری نیاز دارد. فاصله کوک به نام [[رالف دنیس کوک]]، آمارشناس آمریکایی ...دارند ممکن است نتیجه و دقت یک رگرسیون را تحریف کنند. فاصله کوک اثر حذف یک داده‌ها را اندازه‌گیری می‌کند. ...

...[ریاضیات]]، به ارزش یا مقداری که بیشترین بار (تکرار) در یک [[مجموعه داده]] آماری رُخ دهد (اتفاق افتد) گفته می‌شود. مد نوعی [[سنجش‌های گرایش به مرکز|سنجش گرا ...احتمال|توزیع احتمالی]] و هم در آمار برای یک [[مجموعه (ریاضی)|مجموعه]] داده آماری نمونه‌برداری شده‌استفاده می‌گردد. کلمه مد از [[زبان فرانسوی|زبان فرانسه]] گ ...

...انگلیسی Isolation Forest) یک روش یادگیری نظارت نشده برای تشخیص [[داده پرت|داده‌های پَرت]] است. ...https://en.wikipedia.org/wiki/Old_Faithful|عنوان=Old Faithful}}</ref> نشان داده شده است. نواحی قرمز تیره امتیاز ناهنجاری بیشتری را نشان می دهند. ...

...ط [[داده پرت|پرت]]. به دلیل داده‌های پرت زیاد، هیچ‌کدام از خطوط رگرسیون با داده‌ها به خوبی برازش ندارد، چرا که هیچ‌کدام از این برازش‌ها، <math>R^2</math>‌ه ...of Determination}} که آن را با <math>R^2</math> یا <math>r^2</math> نمایش داده و به صورت «مربع آر» یا «آر دو» خوانده می‌شود، نسبتی از [[واریانس]] برحسب مت ...

...بر ریشه دوم [[واریانس]] است. خوبی آن نسبت به واریانس، این است که هم بعد با داده‌ها می‌باشد. ...لاف بیشتر از دو انحراف معیار از مقدار میانگین به عنوان [[داده پرت|داده‌های پرت]] در نظر گرفته و از تحلیل، خارج می‌شوند. ...

تابع بیشینه‌هموار در روش‌های [[طبقه‌بندی آماری|طبقه‌بندی]] متعددی استفاده می‌شود؛ مانند: [[رگرسیون لجستیک|رگرسیون لجستیک چ ...لاً به وسیله یک تابع [[اختلاف آنتروپی]] {{به انگلیسی|Cross Entropy}} تعلیم داده می‌شوند و یک حالت غیرخطی از تابع رگرسیون لجستیک چندجمله‌ای حاصل می‌شود. ...

...که محاسبات این الگوریتم بر اساس فاصله است [[نرمال‌سازی (آمار)|نرمال‌سازی]] داده‌ها می‌تواند به بهبود عملکرد آن کمک کند.<ref name=":1">{{Cite journal|last=P == تنظیمات آماری == ...

...ه می شود ، برای [[هموارسازی پلات پراکنده|هموارسازی نمودار پراکنده]] توسعه داده شد، '''LOESS''' ( '''هموارسازی پراکنده تخمینی محلی''' ) و '''LOWESS''' ( ' ...تطبیق یک مدل با داده‌ها ندارد و فقط نیاز به تطبیق مدل برای هر زیر قسمت از داده‌ها می باشد. ...

...ت که در طی روندی الگوریتمی، [[برآورد]]ی از [[احتمال پسین|توزیع پسین]] بدست داده، به کمک این برآورد می‌توان دست به تخمین پارامتر موردنظر زد. از آنجا که برآو در نتیجه خطای برآورد نااریب و سازگار دارای میانگین آماری صفر بوده و واریانس آن با افزایش تعداد تکرر آزمایش به سمت صفر می‌گراید. ...

یعنی اگر بی‌نهایت بار تاس را پرت کنیم، مقدار میانگین به دست آمده به سمت عدد ۳٫۵ میل خواهد کرد. ...۳٫۷٪ است. شکل که برای توضیح میانگین‌های دنباله‌های طولانی‌تر پرتاب‌ها نشان داده شده را ببینید و توجه کنید که چطور آن‌ها به مقدار مورد انتظار ۳٫۵ همگرا می‌ش ...

'''رگرسیون خطی''' در [[آمار]] یک [[مدل آماری]] است که رابطه [[خطسانی|خطی]] بین یک پاسخ [[اسکالر (ریاضی)|نرده‌ای]] ([[متغ ...اده]]‌های موجود همخوانی داشته باشد، یعنی پیش‌بینی‌ها به مقادیر رؤیت شده در داده‌ها نزدیک باشند و یکی از مهم‌ترین مسائل در رگرسیون خطی، به حداقل رساندن اختل ...