where i k, x is k-th sample of i-th

where i k, x is k-th sample of i-th variable Xi, and
1 Fi
− is the inverse CDF for the variable Xi. The objection
against the approach deals mainly with the
tails of PDF, which mostly influences the variance,
skewness and kurtosis of the sample set. However
this elementary approach was overcome by sampling
the mean values related to the intervals (e.g. Huntington
& Lyrintzis, 1998), see Fig. 1:

ผลลัพธ์ (ไทย) 1:

ที่ฉัน k, x เป็นตัวอย่าง k th i th ตัวแปร Xi และสายที่ 1−เป็น CDF สำหรับซีแปรผกผัน การคัดค้านกับวิธีการที่เกี่ยวข้องส่วนใหญ่กับการของ PDF ซึ่งส่วนใหญ่มีผลต่อค่าความแปรปรวนความเบ้และเคอร์โทซิของตัวอย่างได้ อย่างไรก็ตามวิธีการนี้ประถมถูกเอาชนะ โดยการสุ่มตัวอย่างค่าเฉลี่ยที่เกี่ยวข้องกับช่วงเวลา (เช่นฮันติงตัน& Lyrintzis, 1998), ดู Fig. 1:

ผลลัพธ์ (ไทย) 2:

ที่ IK, x เป็นที่ k ตัวอย่างที่ i Xi ตัวแปรและ
1 สาย
- เป็นสิ่งที่ตรงกันข้าม CDF สำหรับจินตัวแปร คัดค้านกับวิธีการที่เกี่ยวข้องส่วนใหญ่กับหางของรูปแบบไฟล์PDF ซึ่งส่วนใหญ่ที่มีอิทธิพลต่อความแปรปรวน, เบ้และความโด่งของการตั้งค่าตัวอย่าง อย่างไรก็ตามวิธีการประถมศึกษานี้ถูกเอาชนะโดยการสุ่มตัวอย่างหมายถึงค่าที่เกี่ยวข้องกับช่วงเวลา(เช่นฮันติงตันและ Lyrintzis, 1998) ดูรูป 1:

ผลลัพธ์ (ไทย) 3:

ที่ผม K , X k-th ตัวอย่าง i-th ตัวแปร Xi และ

− 1 Fi คือ CDF ผกผันสำหรับตัวแปร Xi การคัดค้านต่อต้านวิธีการที่ส่วนใหญ่เกี่ยวข้องกับ

หางของ PDF ซึ่งส่วนใหญ่มีผลต่อความแปรปรวน
ความเบ้และความโด่งของตัวอย่างชุด อย่างไรก็ตาม แนวทางเบื้องต้นนี้เอาชนะ
3
หมายถึงคุณค่าที่เกี่ยวข้องกับเวลา ( เช่น Huntington
& lyrintzis , 1998 ) เห็นรูปที่ 1 :