- ข้อความ
- ประวัติศาสตร์
CLIFFORD KONOLD AND ALEXANDER POLLA
CLIFFORD KONOLD AND ALEXANDER POLLATSEK
One aspect of this situation that makes using a mean of the observations
particularly compelling is that, conceptually, we can separate the signal from the
noise. Because we regard an object as having some unknown but precise weight, it
is not a conceptual leap to associate the mean of several weighings with this actual
weight, while attributing the trial-by-trial variations to a distinctly different thing:
chance error produced by inaccuracies of the measurement instrument and by the
process of reading values from it. Indeed, we can also regard each individual
weighing as having two components—a fixed component determined by the actual
weight of the nugget and a variable component attributable to the imperfect
measurement process.
The relative clarity of this example hinges on our perception that the weight of
the nugget is a real property of the nugget. A few philosophers might regard it
(possibly along with the nugget itself) as a convenient fiction. But to most of us, the
weight is something real that the mean weight is approximating closely and that
individual weighings are approximating somewhat less closely. Another reason that
the idea of central tendency is compelling in repeated measurement situations is that
we can easily relate the mean to the individual observations as well. To help clarify
why this is so, we will make some of our assumptions explicit.
We have been assuming that the person doing the weighing is careful and that
the scale is unbiased and reasonably accurate. Given these assumptions, we expect
that the variability of the weighings would be small and that the frequency
histogram of observations would be single-peaked and approximately symmetric. If
instead we knew that the person had placed the nugget on different parts of the
balance pan, read the dial from different angles, or made errors in transcribing the
observations, we would be reluctant to treat the mean of these numbers as a central
tendency of the process. We would also be hesitant to accept the mean as a central
tendency if the standard deviation was extremely large or if the histogram of weights
was bimodal. In the ideal case, most observations would be close to the mean or
median and the distribution would peak at the average, a fact that would be more
apparent with a larger data set because the histogram would be smoother. In this
case, we could easily interpret the sample average as a good approximation to a
signal or a central tendency and view the variability around it as the result of random
error.
These assumptions about the procedure and the resulting data may be critical to
accepting the mean of the weighings as a central tendency, but they are not the only
things making that interpretation compelling. As indicated earlier, we maintain that
the key reason the mean observation in this example is relatively easy to accept as a
central tendency is that we can view it as representing a property of the object while
viewing the variability as a property of a distinctly independent measurement
process. That interpretation is much harder to hold when—rather than repeatedly
measuring an attribute of a single object—we measure an attribute of many different
objects, taking one measurement for each object and averaging the measurements.
One aspect of this situation that makes using a mean of the observations
particularly compelling is that, conceptually, we can separate the signal from the
noise. Because we regard an object as having some unknown but precise weight, it
is not a conceptual leap to associate the mean of several weighings with this actual
weight, while attributing the trial-by-trial variations to a distinctly different thing:
chance error produced by inaccuracies of the measurement instrument and by the
process of reading values from it. Indeed, we can also regard each individual
weighing as having two components—a fixed component determined by the actual
weight of the nugget and a variable component attributable to the imperfect
measurement process.
The relative clarity of this example hinges on our perception that the weight of
the nugget is a real property of the nugget. A few philosophers might regard it
(possibly along with the nugget itself) as a convenient fiction. But to most of us, the
weight is something real that the mean weight is approximating closely and that
individual weighings are approximating somewhat less closely. Another reason that
the idea of central tendency is compelling in repeated measurement situations is that
we can easily relate the mean to the individual observations as well. To help clarify
why this is so, we will make some of our assumptions explicit.
We have been assuming that the person doing the weighing is careful and that
the scale is unbiased and reasonably accurate. Given these assumptions, we expect
that the variability of the weighings would be small and that the frequency
histogram of observations would be single-peaked and approximately symmetric. If
instead we knew that the person had placed the nugget on different parts of the
balance pan, read the dial from different angles, or made errors in transcribing the
observations, we would be reluctant to treat the mean of these numbers as a central
tendency of the process. We would also be hesitant to accept the mean as a central
tendency if the standard deviation was extremely large or if the histogram of weights
was bimodal. In the ideal case, most observations would be close to the mean or
median and the distribution would peak at the average, a fact that would be more
apparent with a larger data set because the histogram would be smoother. In this
case, we could easily interpret the sample average as a good approximation to a
signal or a central tendency and view the variability around it as the result of random
error.
These assumptions about the procedure and the resulting data may be critical to
accepting the mean of the weighings as a central tendency, but they are not the only
things making that interpretation compelling. As indicated earlier, we maintain that
the key reason the mean observation in this example is relatively easy to accept as a
central tendency is that we can view it as representing a property of the object while
viewing the variability as a property of a distinctly independent measurement
process. That interpretation is much harder to hold when—rather than repeatedly
measuring an attribute of a single object—we measure an attribute of many different
objects, taking one measurement for each object and averaging the measurements.
0/5000
คลิฟฟอร์ด KONOLD และอเล็กซานเดอร์ POLLATSEKแง่มุมหนึ่งของสถานการณ์นี้ทำให้การใช้ค่าเฉลี่ยของการสังเกตน่าสนใจอย่างยิ่งคือ กันทางแนวคิด เราสามารถแยกสัญญาณจากการเสียงรบกวน เนื่องจากเราถือวัตถุมีน้ำหนักบางรู้จัก แต่แม่นยำ มันไม่กระโดดแนวคิดการเชื่อมโยงค่าเฉลี่ยของหลาย weighings กับนี้เป็นจริงหรือไม่น้ำหนัก ขณะ attributing เปลี่ยนแปลงทดลองโดยทดลองกับสิ่งแตกต่างกันอย่างเห็นได้ชัด:โอกาสเกิดข้อผิดพลาดในการผลิตผิดพลาดใด ๆ ของเครื่องมือวัด และโดยขั้นตอนการอ่านค่าจากนั้น แน่นอน เราสามารถยังพิจารณาแต่ละคนชั่งว่ามีคอมโพเนนต์สองตัวส่วนประกอบถาวรตามจริงน้ำหนักของนักเก็ตและส่วนผันแปรรวมไม่สมบูรณ์กระบวนการประเมินสัมพันธ์ความชัดเจนของตัวอย่างนี้แต่ของเราที่น้ำหนักของนักเก็ตเป็นอสังหาริมทรัพย์ของนักเก็ต นักปรัชญาบางอาจพิจารณา(อาจใช้กับเครื่องฝากตัวเอง) เป็นนิยายที่สะดวก แต่ส่วนมากของเรา การน้ำหนักเป็นสิ่งจริงที่น้ำหนักเฉลี่ยอยู่ระหว่างอย่างใกล้ชิดและแต่ละ weighings อยู่ระหว่างค่อนข้างน้อยอย่างใกล้ชิด อีกเหตุผลที่ความคิดของแนวโน้มกลางเป็นน่าสนใจในวัดซ้ำสถานการณ์คือเราสามารถได้เกี่ยวข้องกับค่าเฉลี่ยการสังเกตแต่ละตัวเช่น ช่วยชี้แจงเหตุนี้อยู่ดังนั้น เราจะทำของสมมติฐานของเราชัดเจนเราได้รับการสมมติว่าบุคคลที่จะทำการชั่งน้ำหนักระวังและมาตราส่วนคือคน และความถูกต้องสมเหตุสมผล เราให้สมมติฐานเหล่านี้ คาดหวังว่า ความแปรผันของ weighings จะมีขนาดเล็ก และที่ความถี่ฮิสโตแกรมสังเกตจะ peaked เดียว และประมาณสมมาตร ถ้าแต่ เรารู้ว่า บุคคลมีไว้นักเก็ทที่บนส่วนต่าง ๆ ของการดุลแพน อ่านการเรียกเลขหมายจากมุมที่แตกต่าง หรือทำผิดวรรณยุกต์ข้อสังเกตุ เราจะไม่ถือว่าค่าเฉลี่ยของตัวเลขเหล่านี้เป็นศูนย์กลางแนวโน้มของกระบวนการ เรายังจะลังเลที่จะยอมรับหมายความว่าเป็นศูนย์กลางแนวโน้ม ถ้าส่วนเบี่ยงเบนมาตรฐานมีขนาดใหญ่มาก หรือฮิสโตแกรมของน้ำหนักถูก bimodal ในกรณีห้อง สังเกตส่วนใหญ่จะอยู่ใกล้กับค่าเฉลี่ย หรือมัธยฐานและการกระจายจะ peak ที่เฉลี่ย ความจริงที่จะเพิ่มมากขึ้นชัดเจนกับชุดข้อมูลขนาดใหญ่เนื่องจากฮิสโตแกรมจะเรียบ ในที่นี้กรณี เราอาจได้ตีค่าเฉลี่ยตัวอย่างเป็นการประมาณที่ดีสัญญาณ หรือแนวโน้มกลาง และมุมมองสำหรับความผันผวนรอบ ๆ มันเป็นผลของการสุ่มข้อผิดพลาดสมมติฐานเหล่านี้เกี่ยวกับขั้นตอนและข้อมูลที่เป็นผลลัพธ์อาจมีความสำคัญต่อการยอมรับค่าเฉลี่ยของ weighings เป็นแนวโน้มกลาง แต่พวกเขาจะไม่ส่งสิ่งที่ทำให้ตีความที่น่าสนใจ ตามที่ระบุไว้ก่อนหน้านี้ เรารักษาที่เหตุผลสำคัญที่สังเกตหมายถึงในตัวอย่างนี้จะค่อนข้างง่ายต่อการยอมรับเป็นการแนวโน้มกลางคือ ว่า เราสามารถดูได้เป็นการแสดงถึงคุณสมบัติของวัตถุในขณะที่ดูความแปรผันเป็นคุณสมบัติของการประเมินด้วยตนเองอย่างเห็นได้ชัดกระบวนการ ตีความว่าเป็นยากมากเพื่อเก็บเมื่อตัว แทนที่ซ้ำ ๆวัดแอตทริบิวต์ของวัตถุเดียวกันเราวัดแอตทริบิวต์ของแตกต่างกันวัตถุ การประเมินหนึ่งสำหรับแต่ละวัตถุ และหาค่าเฉลี่ยการประเมิน
การแปล กรุณารอสักครู่..
CLIFFORD KONOLD AND ALEXANDER POLLATSEK
One aspect of this situation that makes using a mean of the observations
particularly compelling is that, conceptually, we can separate the signal from the
noise. Because we regard an object as having some unknown but precise weight, it
is not a conceptual leap to associate the mean of several weighings with this actual
weight, while attributing the trial-by-trial variations to a distinctly different thing:
chance error produced by inaccuracies of the measurement instrument and by the
process of reading values from it. Indeed, we can also regard each individual
weighing as having two components—a fixed component determined by the actual
weight of the nugget and a variable component attributable to the imperfect
measurement process.
The relative clarity of this example hinges on our perception that the weight of
the nugget is a real property of the nugget. A few philosophers might regard it
(possibly along with the nugget itself) as a convenient fiction. But to most of us, the
weight is something real that the mean weight is approximating closely and that
individual weighings are approximating somewhat less closely. Another reason that
the idea of central tendency is compelling in repeated measurement situations is that
we can easily relate the mean to the individual observations as well. To help clarify
why this is so, we will make some of our assumptions explicit.
We have been assuming that the person doing the weighing is careful and that
the scale is unbiased and reasonably accurate. Given these assumptions, we expect
that the variability of the weighings would be small and that the frequency
histogram of observations would be single-peaked and approximately symmetric. If
instead we knew that the person had placed the nugget on different parts of the
balance pan, read the dial from different angles, or made errors in transcribing the
observations, we would be reluctant to treat the mean of these numbers as a central
tendency of the process. We would also be hesitant to accept the mean as a central
tendency if the standard deviation was extremely large or if the histogram of weights
was bimodal. In the ideal case, most observations would be close to the mean or
median and the distribution would peak at the average, a fact that would be more
apparent with a larger data set because the histogram would be smoother. In this
case, we could easily interpret the sample average as a good approximation to a
signal or a central tendency and view the variability around it as the result of random
error.
These assumptions about the procedure and the resulting data may be critical to
accepting the mean of the weighings as a central tendency, but they are not the only
things making that interpretation compelling. As indicated earlier, we maintain that
the key reason the mean observation in this example is relatively easy to accept as a
central tendency is that we can view it as representing a property of the object while
viewing the variability as a property of a distinctly independent measurement
process. That interpretation is much harder to hold when—rather than repeatedly
measuring an attribute of a single object—we measure an attribute of many different
objects, taking one measurement for each object and averaging the measurements.
One aspect of this situation that makes using a mean of the observations
particularly compelling is that, conceptually, we can separate the signal from the
noise. Because we regard an object as having some unknown but precise weight, it
is not a conceptual leap to associate the mean of several weighings with this actual
weight, while attributing the trial-by-trial variations to a distinctly different thing:
chance error produced by inaccuracies of the measurement instrument and by the
process of reading values from it. Indeed, we can also regard each individual
weighing as having two components—a fixed component determined by the actual
weight of the nugget and a variable component attributable to the imperfect
measurement process.
The relative clarity of this example hinges on our perception that the weight of
the nugget is a real property of the nugget. A few philosophers might regard it
(possibly along with the nugget itself) as a convenient fiction. But to most of us, the
weight is something real that the mean weight is approximating closely and that
individual weighings are approximating somewhat less closely. Another reason that
the idea of central tendency is compelling in repeated measurement situations is that
we can easily relate the mean to the individual observations as well. To help clarify
why this is so, we will make some of our assumptions explicit.
We have been assuming that the person doing the weighing is careful and that
the scale is unbiased and reasonably accurate. Given these assumptions, we expect
that the variability of the weighings would be small and that the frequency
histogram of observations would be single-peaked and approximately symmetric. If
instead we knew that the person had placed the nugget on different parts of the
balance pan, read the dial from different angles, or made errors in transcribing the
observations, we would be reluctant to treat the mean of these numbers as a central
tendency of the process. We would also be hesitant to accept the mean as a central
tendency if the standard deviation was extremely large or if the histogram of weights
was bimodal. In the ideal case, most observations would be close to the mean or
median and the distribution would peak at the average, a fact that would be more
apparent with a larger data set because the histogram would be smoother. In this
case, we could easily interpret the sample average as a good approximation to a
signal or a central tendency and view the variability around it as the result of random
error.
These assumptions about the procedure and the resulting data may be critical to
accepting the mean of the weighings as a central tendency, but they are not the only
things making that interpretation compelling. As indicated earlier, we maintain that
the key reason the mean observation in this example is relatively easy to accept as a
central tendency is that we can view it as representing a property of the object while
viewing the variability as a property of a distinctly independent measurement
process. That interpretation is much harder to hold when—rather than repeatedly
measuring an attribute of a single object—we measure an attribute of many different
objects, taking one measurement for each object and averaging the measurements.
การแปล กรุณารอสักครู่..
คลิฟฟอร์ด konold และ อเล็กซานเดอร์ pollatsek
แง่มุมหนึ่งของสถานการณ์ที่ทำให้การใช้ค่าเฉลี่ยของการสังเกตที่น่าสนใจโดยเฉพาะอย่างยิ่ง
นั้นคือ แนวคิดที่เราสามารถแยกสัญญาณจาก
เสียง เพราะเราถือว่าวัตถุมีไม่รู้จัก แต่แม่นยำ น้ำหนัก มัน
ไม่ใช่กระโดดแนวคิดที่จะเชื่อมโยงว่า หลาย weighings กับน้ำหนัก
นี้ในขณะที่เจตนารมณ์ทดลอง โดยการทดลองการเปลี่ยนแปลงเพื่อสิ่งที่แตกต่าง :
โอกาสผิดพลาดผลิตโดยเที่ยงของเครื่องมือวัดและโดย
กระบวนการของการอ่านค่าจากมัน แน่นอน เรายังสามารถพิจารณาแต่ละ
ชั่งมี 2 components-a องค์ประกอบคงที่กำหนดโดยน้ำหนักของก้อน และตัวแปร
ส่วน attributable เพื่อที่ไม่สมบูรณ์กระบวนการวัด .
ชัดเจนสัมพัทธ์ของตัวอย่างนี้ขึ้นอยู่กับการรับรู้ของเราที่น้ำหนัก
nugget เป็นคุณสมบัติที่แท้จริงของนักเก็ต ไม่กี่นักปรัชญาอาจถือว่ามัน
( อาจจะพร้อมกับนักเก็ตเอง ) เป็นนิยาย ที่สะดวก แต่ส่วนใหญ่ของเรา เป็นสิ่งที่จริง
น้ำหนักว่าหนักประมาณนั้น
อย่างใกล้ชิดweighings แต่ละประเภทค่อนข้างน้อยอย่างใกล้ชิด อีกเหตุผลที่
แนวคิดของการวัดแนวโน้มเข้าสู่ส่วนกลางเป็นที่น่าสนใจในสถานการณ์การวัดซ้ำคือ
เราสามารถเชื่อมโยงหมายถึงการสังเกตบุคคลได้เป็นอย่างดี ช่วยชี้แจง
ทำไมถึงเป็นแบบนี้ เราจะให้บางส่วนของสมมติฐานของเราที่ชัดเจน
เราได้รับสมมติว่าคนที่ทำอะไรระมัดระวังและที่
ชั่งมาตราส่วนที่ไม่ฝักใฝ่ฝ่ายใด และแม่นยำพอสมควร ข้อสมมติฐานเหล่านี้เราคาดว่า
ว่าความผันแปรของ weighings จะมีขนาดเล็กและความถี่ความถี่ของการสังเกต
จะเป็นครั้งเดียว peaked ประมาณสมมาตร . ถ้าเรารู้
แทนคนที่ได้วางไว้ นักเก็ต ในส่วนต่าง ๆของ
สมดุลกระทะอ่านกดจากมุมที่แตกต่างกันหรือทำข้อผิดพลาดในการถ่ายทอด
สังเกต เราจะไม่เต็มใจที่จะรักษาความหมายของตัวเลขเหล่านี้เป็นแนวโน้มสู่ส่วนกลาง
ของกระบวนการ เราก็จะลังเลที่จะยอมรับว่าเป็นกลาง
แนวโน้มถ้าส่วนเบี่ยงเบนมาตรฐานมีขนาดใหญ่มากหรือถ้ากราฟแสดงความถี่ของน้ำหนัก
เป็นไบโมดอล . ในกรณีที่เหมาะสม สังเกตส่วนใหญ่จะใกล้เคียงกับค่าเฉลี่ยหรือ
เฉลี่ยและการกระจายจะสูงสุดที่เฉลี่ย , ความจริงที่ว่าจะปรากฏมากขึ้น
ชุดข้อมูลที่มีขนาดใหญ่ เพราะกราฟจะเรียบ ในกรณีนี้
, เราได้อย่างง่ายดายสามารถตีความตัวอย่างเฉลี่ยเป็นประมาณที่ดีที่จะเป็นสัญญาณหรือแนวโน้ม
กลางและดูความแปรปรวนรอบมันเป็นผลของความคลาดเคลื่อน
เหล่านี้สมมติฐานเกี่ยวกับกระบวนการและผลของข้อมูลที่อาจจะวิกฤต
ยอมรับหมายถึงของ weighings เป็นแนวโน้มสู่ส่วนกลาง แต่พวกเขาจะไม่เพียงทำให้การตีความที่
สิ่งที่น่าสนใจ ตามที่ระบุไว้ก่อนหน้านี้ เรายืนยันว่า
เหตุผลที่คีย์คือสังเกตในตัวอย่างนี้จะค่อนข้างง่ายที่จะยอมรับเป็น
การวัดแนวโน้มเข้าสู่ส่วนกลางคือ เราสามารถมองมันเป็นแสดงคุณสมบัติของวัตถุในขณะที่
ดูแปรปรวนเป็นคุณสมบัติของการวัด
อิสระอย่างชัดเจน การตีความที่เป็นเรื่องยากที่จะถือเมื่อแทนที่จะซ้ำแล้วซ้ำอีก
วัดแอตทริบิวต์ของวัตถุเดียวเราวัดคุณลักษณะของวัตถุที่แตกต่างกัน
มากมายตัววัดสำหรับแต่ละวัตถุและค่าเฉลี่ยการวัด .
แง่มุมหนึ่งของสถานการณ์ที่ทำให้การใช้ค่าเฉลี่ยของการสังเกตที่น่าสนใจโดยเฉพาะอย่างยิ่ง
นั้นคือ แนวคิดที่เราสามารถแยกสัญญาณจาก
เสียง เพราะเราถือว่าวัตถุมีไม่รู้จัก แต่แม่นยำ น้ำหนัก มัน
ไม่ใช่กระโดดแนวคิดที่จะเชื่อมโยงว่า หลาย weighings กับน้ำหนัก
นี้ในขณะที่เจตนารมณ์ทดลอง โดยการทดลองการเปลี่ยนแปลงเพื่อสิ่งที่แตกต่าง :
โอกาสผิดพลาดผลิตโดยเที่ยงของเครื่องมือวัดและโดย
กระบวนการของการอ่านค่าจากมัน แน่นอน เรายังสามารถพิจารณาแต่ละ
ชั่งมี 2 components-a องค์ประกอบคงที่กำหนดโดยน้ำหนักของก้อน และตัวแปร
ส่วน attributable เพื่อที่ไม่สมบูรณ์กระบวนการวัด .
ชัดเจนสัมพัทธ์ของตัวอย่างนี้ขึ้นอยู่กับการรับรู้ของเราที่น้ำหนัก
nugget เป็นคุณสมบัติที่แท้จริงของนักเก็ต ไม่กี่นักปรัชญาอาจถือว่ามัน
( อาจจะพร้อมกับนักเก็ตเอง ) เป็นนิยาย ที่สะดวก แต่ส่วนใหญ่ของเรา เป็นสิ่งที่จริง
น้ำหนักว่าหนักประมาณนั้น
อย่างใกล้ชิดweighings แต่ละประเภทค่อนข้างน้อยอย่างใกล้ชิด อีกเหตุผลที่
แนวคิดของการวัดแนวโน้มเข้าสู่ส่วนกลางเป็นที่น่าสนใจในสถานการณ์การวัดซ้ำคือ
เราสามารถเชื่อมโยงหมายถึงการสังเกตบุคคลได้เป็นอย่างดี ช่วยชี้แจง
ทำไมถึงเป็นแบบนี้ เราจะให้บางส่วนของสมมติฐานของเราที่ชัดเจน
เราได้รับสมมติว่าคนที่ทำอะไรระมัดระวังและที่
ชั่งมาตราส่วนที่ไม่ฝักใฝ่ฝ่ายใด และแม่นยำพอสมควร ข้อสมมติฐานเหล่านี้เราคาดว่า
ว่าความผันแปรของ weighings จะมีขนาดเล็กและความถี่ความถี่ของการสังเกต
จะเป็นครั้งเดียว peaked ประมาณสมมาตร . ถ้าเรารู้
แทนคนที่ได้วางไว้ นักเก็ต ในส่วนต่าง ๆของ
สมดุลกระทะอ่านกดจากมุมที่แตกต่างกันหรือทำข้อผิดพลาดในการถ่ายทอด
สังเกต เราจะไม่เต็มใจที่จะรักษาความหมายของตัวเลขเหล่านี้เป็นแนวโน้มสู่ส่วนกลาง
ของกระบวนการ เราก็จะลังเลที่จะยอมรับว่าเป็นกลาง
แนวโน้มถ้าส่วนเบี่ยงเบนมาตรฐานมีขนาดใหญ่มากหรือถ้ากราฟแสดงความถี่ของน้ำหนัก
เป็นไบโมดอล . ในกรณีที่เหมาะสม สังเกตส่วนใหญ่จะใกล้เคียงกับค่าเฉลี่ยหรือ
เฉลี่ยและการกระจายจะสูงสุดที่เฉลี่ย , ความจริงที่ว่าจะปรากฏมากขึ้น
ชุดข้อมูลที่มีขนาดใหญ่ เพราะกราฟจะเรียบ ในกรณีนี้
, เราได้อย่างง่ายดายสามารถตีความตัวอย่างเฉลี่ยเป็นประมาณที่ดีที่จะเป็นสัญญาณหรือแนวโน้ม
กลางและดูความแปรปรวนรอบมันเป็นผลของความคลาดเคลื่อน
เหล่านี้สมมติฐานเกี่ยวกับกระบวนการและผลของข้อมูลที่อาจจะวิกฤต
ยอมรับหมายถึงของ weighings เป็นแนวโน้มสู่ส่วนกลาง แต่พวกเขาจะไม่เพียงทำให้การตีความที่
สิ่งที่น่าสนใจ ตามที่ระบุไว้ก่อนหน้านี้ เรายืนยันว่า
เหตุผลที่คีย์คือสังเกตในตัวอย่างนี้จะค่อนข้างง่ายที่จะยอมรับเป็น
การวัดแนวโน้มเข้าสู่ส่วนกลางคือ เราสามารถมองมันเป็นแสดงคุณสมบัติของวัตถุในขณะที่
ดูแปรปรวนเป็นคุณสมบัติของการวัด
อิสระอย่างชัดเจน การตีความที่เป็นเรื่องยากที่จะถือเมื่อแทนที่จะซ้ำแล้วซ้ำอีก
วัดแอตทริบิวต์ของวัตถุเดียวเราวัดคุณลักษณะของวัตถุที่แตกต่างกัน
มากมายตัววัดสำหรับแต่ละวัตถุและค่าเฉลี่ยการวัด .
การแปล กรุณารอสักครู่..
ภาษาอื่น ๆ
การสนับสนุนเครื่องมือแปลภาษา: กรีก, กันนาดา, กาลิเชียน, คลิงออน, คอร์สิกา, คาซัค, คาตาลัน, คินยารวันดา, คีร์กิซ, คุชราต, จอร์เจีย, จีน, จีนดั้งเดิม, ชวา, ชิเชวา, ซามัว, ซีบัวโน, ซุนดา, ซูลู, ญี่ปุ่น, ดัตช์, ตรวจหาภาษา, ตุรกี, ทมิฬ, ทาจิก, ทาทาร์, นอร์เวย์, บอสเนีย, บัลแกเรีย, บาสก์, ปัญจาป, ฝรั่งเศส, พาชตู, ฟริเชียน, ฟินแลนด์, ฟิลิปปินส์, ภาษาอินโดนีเซี, มองโกเลีย, มัลทีส, มาซีโดเนีย, มาราฐี, มาลากาซี, มาลายาลัม, มาเลย์, ม้ง, ยิดดิช, ยูเครน, รัสเซีย, ละติน, ลักเซมเบิร์ก, ลัตเวีย, ลาว, ลิทัวเนีย, สวาฮิลี, สวีเดน, สิงหล, สินธี, สเปน, สโลวัก, สโลวีเนีย, อังกฤษ, อัมฮาริก, อาร์เซอร์ไบจัน, อาร์เมเนีย, อาหรับ, อิกโบ, อิตาลี, อุยกูร์, อุสเบกิสถาน, อูรดู, ฮังการี, ฮัวซา, ฮาวาย, ฮินดี, ฮีบรู, เกลิกสกอต, เกาหลี, เขมร, เคิร์ด, เช็ก, เซอร์เบียน, เซโซโท, เดนมาร์ก, เตลูกู, เติร์กเมน, เนปาล, เบงกอล, เบลารุส, เปอร์เซีย, เมารี, เมียนมา (พม่า), เยอรมัน, เวลส์, เวียดนาม, เอสเปอแรนโต, เอสโทเนีย, เฮติครีโอล, แอฟริกา, แอลเบเนีย, โคซา, โครเอเชีย, โชนา, โซมาลี, โปรตุเกส, โปแลนด์, โยรูบา, โรมาเนีย, โอเดีย (โอริยา), ไทย, ไอซ์แลนด์, ไอร์แลนด์, การแปลภาษา.
- ชูใจ
- Check out
- how beautiful you are, then I show you m
- ไม่เช่นนั้น
- buffer ติดตั้่งอยู่ที่บ่อพิท
- ซึ่งเขาแต่งเพลงนี้ขึ้นมาเพื่อระลึกถึงทหา
- leave
- ผมมาที่นี้ได้ประมาณ2วันแล้วครับ
- ขอบคุณครับ
- อยากให้เธออภัย ในสิ่งที่ฉันผิดพลั้ง ไปมา
- Hell" as the famous French philosopher J
- Have you ever loy krattong?
- CLIFFORD KONOLD AND ALEXANDER POLLATSEK
- When I was a teenager I have moved the t
- ผมมันโง่
- อาหารเป็นพิษ
- but julia and i never used it because we
- For example , in the air conditioning of
- เป็นที่สนใจ
- spree
- instead
- ผู้พิการ ผู้สูงอายุ ช่วยให้เกิดความเจริญ
- เที่ยวให้สนุก
- Of course we have to give it to you as a
