Aprakstošā statistika un EDA
72 metodes šajā saimē.
Izceltās
Pielāgotais kastu grafiks asimetriskiem sadalījumiemThe Adjusted Boxplot is a robust descriptive tool introduced by Hubert and Vandervieren (2008) that corrects the classical IQR-based boxplot for skewness using the medcouple statisKontrolkartes atribūtiem (p, np, c, u)Attributes control charts extend Shewhart's framework to count and proportion data — quality characteristics that are classified rather than measured. The p- and np-charts monitor Salīdzinājuma analīze starp metodēm pēc Blenda-AltmanaThe Bland-Altman analysis is a graphical and statistical technique for assessing agreement between two measurement methods applied to the same subjects. Introduced by J. Martin BlaAnalīze par sabrukuma punktuBreakdown point analysis quantifies the fraction of outliers an estimator can tolerate before it produces meaningless results. Formalised by Hampel (1971) and Donoho and Huber (198Atklāšana izmaiņu punktos (PELT)Change-Point Detection identifies time points at which the statistical properties of a sequence — such as mean, variance, or distribution — shift abruptly. The Pruned Exact Linear Klasteru analīzeCluster analysis is a family of unsupervised multivariate techniques that partition a set of objects or observations into internally homogeneous, mutually distinct groups — cluster
Lasīšanas ceļš
Šīs tēmas visbiežāk citētās pamatmetodes to izstrādes secībā — vieta, kur sākt, ja esat šeit iesācējs.
Visas metodes 72
Pielāgotais kastu grafiks asimetriskiem sadalījumiemKontrolkartes atribūtiem (p, np, c, u)Salīdzinājuma analīze starp metodēm pēc Blenda-AltmanaAnalīze par sabrukuma punktuAtklāšana izmaiņu punktos (PELT)Klasteru analīzeStandartkļūdas, kas ir izturīgas pret klasteru ietekmiKompozicionālās datu analīzes (CoDA)Ticamības intervālsAnalīze ar plānotiem kontrastiemKrusta tabulācijas analīzeKUMULATĪVĀS SUMMAS (CUSUM) KONTROLKARTEAprakstošā statistikaEfekta lielumsAnalīze efektu lielumamTests for equivalence (TOSTEWMA kontroles karteFleiss' Kappa vairāku vērtētāju vienošanās novērtēšanaiFlignera-Kīlīna tests varianču homogenitāteiFrekvenču analīzeŠķēršļu modelis skaitīšanas datiemKodola blīvuma novērtēšana un sadalījuma testēšana (KDE)Levine un Braun-Forsaits tests vienādu varianču pārbaudeiLiljeforsa normalitātes testsMedian Absolute Deviation (MAD) novērtējumsMaksimālās vergojamošās korelācijas novērtēšanaMCUSUM karteDiagramma MEWMAMeklēto datu mehānismi: MCAR, MAR un MNARAnalīze ar moderētu mediācijuMūda mediānas testsProblēma ar vairākkārtējiem salīdzinājumiemRegresijas lineārā analīzeNulles hipotēzes testēšanaP vērtība un statistiskā nozīmībaPeidža L-tests Sakārtotām AlternatīvāmPerceptuālā un preferenču kartēšanaJaudas analīzeAnalīze statistiskajai jaudai attiecību testiemAnalīze "Process Capability Analysis" (Cp, Cpk)Divu proporciju z-testsPublikācijas aizspriedumsRobustā kopu analīze (TCLUST)Robust Conjoint AnalysisRobustu kovariācijas novērtēšana (MCD)Robustā aprakstošā statistikaRobusta efektu lieluma analīzeRobusta frekvenču analīzeRobusta hierarhiskā klasterēšanaRobust K-means ClusteringRobustā Mahalanobis attāluma noteikšanaRobustas mediācijas analīzeRobustas moderētās mediācijas analīzeRobust Principal Component Analysis (RPCA)Robustas jaudas analīzeRobust ROC analīzeROC analīze (Receiver Operating Characteristic)Rūnu tests (Wald-Wolfowitz)Jutīgums un specifiskumsSekvenču analīze (grupveida sekvenču dizains)Šapiro-Vilk normāltestaShewhart's maina parametru kontroles karte (X-svērnis / R)Analīze, balstīta uz simulāciju (Montekarlo jauda)Sn un Qn robustie mēroga novērtētājiSomersa DStatistiskā jauda un izlases lielumsSkalings pēc TērstonaDivu paraugu Kolmogorovas-Smirnova testsI un II tipa kļūdasAtvēršanas modelisVan der Waerdena normālo rangu testsVinsorizētā novērtēšana