Hypothesis testClassical statistics

Robustais viena parauga t-tests (apcirptais vidējais)

Robustais viena parauga t-tests aizstāj parasto vidējo ar apcirpto vidējo un parauga dispersiju ar Vinsorizēto dispersiju, lai salīdzinātu populācijas atrašanās vietu ar hipotētisku vērtību. Tas saglabā t-testa lēmumu pieņemšanas ietvaru, vienlaikus krasi samazinot jutību pret novirzēm un smagsakņu sadalījumiem, padarot to uzticamu reālās pasaules nepārtrauktos datos, kas atšķiras no normalitātes.

Pielietot ar StatMindDrīzumāVideoDrīzumāDownload slides

Lasīt pilno metodes aprakstu

Tikai dalībniekiem

Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.

Pieteikties

Method map

The neighbourhood of related methods — select a node to explore.

Avoti

  1. Wilcox, R. R. (2012). Introduction to Robust Estimation and Hypothesis Testing (3rd ed.). Academic Press. ISBN: 978-0123869838
  2. Yuen, K. K. (1974). The two-sample trimmed t for unequal population variances. Biometrika, 61(1), 165–170. DOI: 10.1093/biomet/61.1.165

Kā citēt šo lapu

ScholarGate. (2026, June 3). Robust One-Sample Location Test Using Trimmed Mean. ScholarGate. https://scholargate.app/lv/statistics/robust-one-sample-t-test

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Uz to atsaucas

ScholarGateRobust one-sample t-test (Robust One-Sample Location Test Using Trimmed Mean). Izgūts 2026-06-15 no https://scholargate.app/lv/statistics/robust-one-sample-t-test · Datu kopa: https://doi.org/10.5281/zenodo.20539026