Robust statistics seeks to provide

Robust statistics seeks to provide methods that emulate popular statistical methods, but which are not unduly affected by outliers or other small departures from model assumptions. In statistics, classical estimation methods rely heavily on assumptions which are often not met in practice. In particular, it is often assumed that the data errors are normally distributed, at least approximately, or that the central limit theorem can be relied on to produce normally distributed estimates. Unfortunately, when there are outliers in the data, classical estimators often have very poor performance, when judged using the breakdown point and the influence function, described below.

ผลลัพธ์ (ไทย) 1:

สถิติแข็งพยายามให้วิธีที่จำลองวิธีการสถิติยอดนิยม แต่ที่เป็น unduly เช่น outliers หรืออื่น ๆ ออกเล็กจากสมมติฐานของแบบจำลอง สถิติ วิธีประเมินคลาสสิกพึ่งมากสมมติฐานซึ่งมักจะไม่ตรงตามในทางปฏิบัติ โดยเฉพาะ มันมักจะสันนิษฐานว่า ข้อผิดพลาดข้อมูลปกติ กระจาย น้อยประมาณ หรือว่า สามารถอาศัยทฤษฎีบทขีดจำกัดกลางเพื่อประเมินการผลิตปกติ อับ มี outliers ข้อมูล estimators คลาสสิกมักจะมีประสิทธิภาพดีมาก เมื่อมีตัดสินโดยใช้การแบ่งจุดและฟังก์ชันอิทธิพล อธิบายไว้ด้านล่าง

ผลลัพธ์ (ไทย) 2:

สถิติที่แข็งแกร่งมุ่งที่จะให้วิธีการที่เลียนแบบวิธีการทางสถิติที่นิยม แต่ที่ไม่ได้รับผลกระทบจากค่าผิดปกติเกินควรหรือสนามบินขนาดเล็กอื่น ๆ จากสมมติฐานรูปแบบ ในสถิติวิธีการประมาณคลาสสิกต้องพึ่งพาสมมติฐานซึ่งมักจะไม่ได้พบกันในทางปฏิบัติ โดยเฉพาะอย่างยิ่งก็มักจะคิดว่าข้อผิดพลาดของข้อมูลที่มีการกระจายตามปกติอย่างน้อยประมาณหรือว่าทฤษฎีบทขีด จำกัด กลางสามารถเป็นที่พึ่งในการผลิตประมาณการกระจายตามปกติ แต่น่าเสียดายที่เมื่อมีค่าผิดปกติในข้อมูลประมาณคลาสสิกมักจะมีประสิทธิภาพที่ดีมากเมื่อการตัดสินโดยใช้จุดสลายและฟังก์ชั่นที่มีอิทธิพลอธิบายไว้ด้านล่าง

ผลลัพธ์ (ไทย) 3:

สถิติที่แข็งแกร่งพยายามที่จะให้วิธีการที่เลียนแบบวิธีทางสถิติที่นิยม แต่ที่ไม่ได้รับผลกระทบโดยมิชอบผิดปกติหรือขาออกขนาดเล็กอื่น ๆจากรูปแบบของสมมติฐาน ในสถิติ วิธีการประมาณแบบอาศัยสมมติฐานซึ่งมักจะไม่พบในการปฏิบัติ โดยเฉพาะอย่างยิ่ง มันมักจะถือว่า ข้อมูลความคลาดเคลื่อนมีการแจกแจงปกติ อย่างน้อยประมาณ ,หรือทฤษฎีบทจำกัดสามารถพึ่งพาการผลิตการกระจายปกติประมาณ แต่เมื่อมีการแจกแจงในข้อมูลประมาณคลาสสิกมักจะมีประสิทธิภาพมากเมื่อพิจารณาการแบ่งจุดและฟังก์ชันที่มีการอธิบายไว้ด้านล่าง