One possible strategy is to classif

One possible strategy is to classify as random any sequence presenting a run whose length is large enough—
is strictly larger than four, say. This is justified by the fact that, when asked to produce artificially such a
random sequence, children are usually afraid of writing down long runs, while long runs actually appear quite
often (the probability that the length of the longest run is strictly larger than four is above 95%; see Figure 1
for an illustration). This explains why this classification rule tends to work well in practice.
From this teaching experiment, one may guess that runs are of interest for statistical inference. Run-based
tests of hypotheses—or simply runs tests—are based on the size of the longest run or, more often, on the
number of runs in a sequence. Runs tests figure among the oldest nonparametric procedures, as evidenced by,
e.g., [2]. They exhibit many advantages : they remain valid (in the sense that they meet the level constraint)
under very mild assumptions, they are often distribution-free, they are very robust against possible outliers,
they do not require any moment conditions, and they are easy to calculate and implement. Their main
drawback, at least in the standard univariate case, is that they are poorly efficient compared to parametric
Gaussian procedures, unless observations originate from a distribution with very heavy tails.

ผลลัพธ์ (ไทย) 2:

กลยุทธ์หนึ่งที่เป็นไปได้คือการจัดเป็นแบบสุ่มลำดับใด ๆ ที่นำเสนอการทำงานมีความยาว enough-
ขนาดใหญ่เป็นอย่างเคร่งครัดมีขนาดใหญ่กว่าสี่กล่าวว่า นี้เป็นธรรมโดยความจริงที่ว่าเมื่อถามว่าในการผลิตเทียมดังกล่าวเป็นลำดับสุ่มเด็กมักจะกลัวการเขียนลงวิ่งยาวในขณะที่การทำงานยาวจริงปรากฏค่อนข้างบ่อยครั้ง(น่าจะเป็นที่ความยาวของระยะที่ยาวที่สุดเป็นอย่างเคร่งครัดมีขนาดใหญ่กว่าสี่ คือสูงกว่า 95% ดูรูปที่ 1 สำหรับภาพ) นี้อธิบายว่าทำไมกฎการจัดหมวดหมู่นี้มีแนวโน้มที่จะทำงานได้ดีในการปฏิบัติ. จากการทดลองการเรียนการสอนนี้หนึ่งอาจเดาว่าวิ่งเป็นที่น่าสนใจสำหรับการอนุมานทางสถิติ เรียกตามการทดสอบสมมติฐานหรือเพียงแค่วิ่งทดสอบจะขึ้นอยู่กับขนาดของการทำงานที่ยาวที่สุดหรือบ่อยขึ้นในจำนวนของการทำงานในลำดับ คิดวิ่งทดสอบในหมู่วิธีการที่เก่าแก่ที่สุดอิงพารามิเตอร์เป็นหลักฐานด้วยเช่น [2] พวกเขาแสดงข้อดีหลายประการที่พวกเขายังคงถูกต้อง (ในความรู้สึกที่พวกเขาได้พบข้อ จำกัด ระดับ) ภายใต้สมมติฐานที่อ่อนมากพวกเขามักจะกระจายฟรีพวกเขามีความแข็งแกร่งมากเมื่อเทียบกับค่าผิดปกติที่เป็นไปได้ที่พวกเขาไม่จำเป็นต้องมีเงื่อนไขช่วงเวลาใดและพวกเขาจะง่ายในการคำนวณและดำเนินการ หลักของพวกเขาเสียเปรียบอย่างน้อยในกรณี univariate มาตรฐานคือพวกเขาจะมีประสิทธิภาพไม่ดีเมื่อเทียบกับตัวแปรขั้นตอนการเสียนเว้นแต่ข้อสังเกตมาจากการจัดจำหน่ายที่มีหางหนักมาก

ผลลัพธ์ (ไทย) 3:

หนึ่งในกลยุทธ์ที่เป็นไปได้คือการจัดเป็นแบบสุ่มลำดับการนำเสนอใด ๆวิ่งที่มีความยาวมากพอ -
อย่างเคร่งครัด มีขนาดใหญ่กว่า 4 , พูด นี้เป็นธรรมโดยข้อเท็จจริงที่ว่า เมื่อถูกถามว่าจะผลิตเทียมเช่น
ลำดับสุ่มเด็กมักจะกลัวเขียนยาววิ่งนาน วิ่งจริงปรากฏค่อนข้าง
บ่อยๆ ( ความน่าจะเป็นที่ความยาวของที่ยาวที่สุดโดยมีขนาดใหญ่กว่าสี่ข้างต้น 95% ; รูปที่ 1
สำหรับภาพประกอบ ) นี้อธิบายว่าทำไมนี้การจำแนกกฎมีแนวโน้มที่จะทำงานได้ดีในการปฏิบัติ .
จากการทดลองสอน หนึ่งอาจคิดว่า วิ่งจะน่าสนใจสำหรับการอนุมานทางสถิติ วิ่งตาม
การทดสอบสมมุติฐานหรือเพียงแค่รันการทดสอบจะขึ้นอยู่กับขนาดของที่ยาวที่สุดหรือบ่อยบน
เลขวิ่งในลำดับ วิ่งทดสอบรูปของขั้นตอนวิธีที่เก่าแก่ที่สุด เป็น evidenced โดย ,
1 [ 2 ] พวกเขามีข้อได้เปรียบมาก : พวกเขายังคงถูกต้อง ( ในความรู้สึกที่พวกเขาได้ระดับข้อจำกัด )
ภายใต้สมมติฐานที่ไม่รุนแรงมาก พวกเขามักจะมีการกระจายฟรีพวกเขากำลังที่แข็งแกร่งมากกับค่าผิดปกติเป็นไปได้
พวกเขาไม่ต้องการขณะใด ๆเงื่อนไขและพวกเขาจะง่ายต่อการคำนวณและใช้ . ข้อเสียเปรียบหลัก
ของพวกเขาอย่างน้อยในกรณี 2 มาตรฐาน คือ งานที่มีประสิทธิภาพเมื่อเทียบกับกระบวนการเสียนพารา
ถ้าสังเกตมาจากการแจกแจงที่มีหางหนักมาก