A dynamic bootstrap grey method is

A dynamic bootstrap grey method is proposed to handle such problems considering that
traditional statistical methods cannot. For small data samples, the proposed method has a lower relative estimation error of the measurement results compared to the grey bootstrap method and the Monte Carlo method. It is also superior to the Bessel method for large data samples. Based on two sets of experimental data, the estimation reliability of the dynamic
bootstrap grey method is above 95% with a confidence level of 99.7% while providing a very low relative error of the estimated expected measured value and estimated measurement uncertainty. The presented results show that the dynamic bootstrap grey method can estimate the measurement results successfully without requiring data distribution information or a large sample size.

ผลลัพธ์ (ไทย) 1:

นำเสนอวิธีการสีเทาแบบไดนามิกเริ่มต้นระบบจัดการปัญหาดังกล่าวพิจารณาที่วิธีการทางสถิติแบบเดิมไม่ สำหรับตัวอย่างข้อมูลขนาดเล็ก วิธีการนำเสนอมีข้อผิดพลาดสัมพัทธ์ประมาณต่ำกว่าผลประเมินเปรียบเทียบกับวิธีการเริ่มต้นระบบสีเทาและวิธี Carlo มอน ก็ยังเหนือกว่าวิธี Bessel สำหรับตัวอย่างข้อมูลขนาดใหญ่ ตามข้อมูลทดลอง การประเมินความน่าเชื่อถือของไดนามิกสองชุดวิธีการเริ่มต้นระบบสีเทาอยู่บน 95% ระดับความเชื่อมั่น 99.7% ในขณะที่มีข้อผิดพลาดสัมพัทธ์ต่ำมากของการประเมินคาดว่าค่าการวัด และประเมินวัด ผลการนำเสนอแสดงว่า วิธีสีเทาเริ่มต้นระบบแบบไดนามิกสามารถประเมินวัดผลสำเร็จโดยการกระจายข้อมูลหรือขนาดตัวอย่างขนาดใหญ่

ผลลัพธ์ (ไทย) 2:

วิธีการสีเทาแบบไดนามิกบูตจะเสนอให้จัดการปัญหาดังกล่าวพิจารณาว่า
วิธีการทางสถิติแบบดั้งเดิมไม่สามารถ สำหรับตัวอย่างข้อมูลขนาดเล็ก, วิธีที่เสนอมีข้อผิดพลาดการประเมินที่ต่ำกว่าเมื่อเทียบกับผลการตรวจวัดเมื่อเทียบกับวิธีการบูตสีเทาและวิธี Monte Carlo นอกจากนี้ยังเป็นที่ดีกว่าวิธีการ Bessel สำหรับตัวอย่างข้อมูลขนาดใหญ่ ขึ้นอยู่กับสองชุดของข้อมูลการทดลอง, ความน่าเชื่อถือของการประมาณค่าแบบไดนามิก
วิธีบูตสีเทาอยู่เหนือ 95% มีระดับความเชื่อมั่นของ 99.7% ในขณะที่ให้ความผิดพลาดที่ต่ำมากของค่าประมาณที่คาดว่าจะวัดและความไม่แน่นอนในการวัดประเมิน นำเสนอผลการแสดงให้เห็นว่าวิธีการแบบไดนามิกสีเทาบูตสามารถที่จะประเมินผลการวัดที่ประสบความสำเร็จโดยไม่ต้องมีข้อมูลการกระจายข้อมูลหรือขนาดของกลุ่มตัวอย่างที่มีขนาดใหญ่

ผลลัพธ์ (ไทย) 3:

แบบไดนามิกที่บูทสีเทาวิธีเสนอให้จัดการกับปัญหาดังกล่าว การพิจารณาว่า
แบบดั้งเดิมวิธีการทางสถิติไม่ได้ สำหรับตัวอย่างข้อมูลขนาดเล็ก วิธีที่เสนอมีการลดความคลาดเคลื่อนสัมพัทธ์ของการวัดผลเปรียบเทียบกับวิธีบูตสแตรปสีเทาและวิธีมอนติคาร์โล มันยังเหนือกว่าวิธีเบสเซลสำหรับตัวอย่างข้อมูลที่มีขนาดใหญ่บนพื้นฐานของข้อมูลสองชุด ทดลอง การประมาณค่าความเชื่อมั่นของแบบไดนามิก
บูทสีเทา เป็นวิธีที่มากกว่า 95% ด้วยระดับความเชื่อมั่น 99.7% ในขณะที่มีความคลาดเคลื่อนสัมพัทธ์ต่ำมากของการประมาณการคาดว่าค่าวัดและประเมินการวัดความไม่แน่นอนนำเสนอผลการทดลองแสดงให้เห็นว่าวิธีการแบบไดนามิกบูทสีเทาสามารถประเมินการวัดผลเรียบร้อยแล้ว โดยไม่ต้องมีการกระจายข้อมูลข้อมูลหรือขนาดตัวอย่างใหญ่