Outlier detection methods may be re

Outlier detection methods may be resorted to in order to
identify discordant observations, a major shortcoming of most
methods being the underlying hypothesis of normality, or
even the requirement of knowing the underlying statistical
distribution [1,2]. Given such knowledge, the problem of
getting robust information from a reasonable number of data
may be readily solved. When a few data only are available,
difficulties are compounded by the fact that the main points of
interest are on the tails, where data quality is inevitably
poorer. Confidence or outlier identification intervals depend
on probability concerning tails, and the difficulty of working
in these regions appears evident. In fact some two centuries
elapsed, since the groundbreaking work of Abraham de
Moivre [3] on normal distribution, before a solution was
provided to some practical tail problems by William Sealy
Gosset [4] with his Student distribution.

ผลลัพธ์ (ไทย) 1:

วิธีตรวจสอบ outlier อาจ resorted การเพื่อระบุสังเกตที่ขัดแย้งกัน คงสำคัญส่วนใหญ่วิธีการสมมติฐานพื้นฐานของ normality หรือแม้ความต้องการของรู้ตัวสถิติกระจาย [1, 2] ให้ความรู้นั้น ปัญหาได้รับข้อมูลที่แข็งแกร่งจากจำนวนข้อมูลเหมาะสมพร้อมแก้ไขอาจ เมื่อข้อมูลกี่เท่ามีความยากลำบากถูกเพิ่ม โดยข้อเท็จจริงที่ชี้หลักของสนใจอยู่หาง ข้อมูลคุณภาพย่อมย่อม ขึ้นอยู่กับความเชื่อมั่นหรือช่วงรหัส outlierบนความน่าเป็นเกี่ยวกับหาง และความยากของการทำงานในภูมิภาคเหล่านี้ปรากฏชัด ในความเป็นจริงบางสองศตวรรษผ่านไป เนื่องจากการทำงานที่ก้าวล้ำของอับราฮัมเดอMoivre [3] ในการแจกแจงปกติ ก่อนที่ถูกแก้ไขปัญหาแก่ปัญหาหางปฏิบัติโดย William SealyGosset [4] กับกระจายนักเรียนของเขา

ผลลัพธ์ (ไทย) 2:

วิธีการตรวจสอบค่าผิดปกติอาจจะ resorted เพื่อที่จะ
ระบุข้อสังเกตไม่ปรองดองกัน, ข้อบกพร่องที่สำคัญส่วนใหญ่
เป็นวิธีการพื้นฐานของสมมติฐานปกติหรือ
แม้กระทั่งความต้องการของการรู้ทางสถิติพื้นฐาน
การกระจาย [1,2] ได้รับความรู้ดังกล่าวปัญหาของการ
ได้รับข้อมูลที่แข็งแกร่งจากจำนวนที่เหมาะสมของข้อมูล
อาจจะได้รับการแก้ไขได้อย่างง่ายดาย เมื่อข้อมูลไม่กี่เพียงที่มี
ความยากลำบากจะประกอบโดยความจริงที่ว่าจุดหลักของ
ดอกเบี้ยที่อยู่ในหางที่มีคุณภาพข้อมูลที่หลีกเลี่ยงไม่ได้
ยากจน ความเชื่อมั่นหรือขอบเขตการระบุช่วงเวลาที่ขึ้นอยู่
กับความน่าจะเกี่ยวกับหางและความยากลำบากของการทำงาน
ในภูมิภาคเหล่านี้จะปรากฏเห็นได้ชัด ในความเป็นจริงบางอย่างที่สองศตวรรษ
ที่ผ่านไปเนื่องจากการทำงานที่ก้าวล้ำของอับราฮัมเดอ
Moivre [3] การกระจายปกติก่อนที่จะได้รับการแก้ปัญหา
ให้กับปัญหาบางอย่างในทางปฏิบัติหางโดยวิลเลียมซีลี
Gosset [4] ที่มีการกระจายนักศึกษาของเขา

ผลลัพธ์ (ไทย) 3:

วิธีการตรวจสอบค่าผิดปกติอาจจะ resorted เพื่อ
ระบุสังเกตเสียงแตก , ข้อบกพร่องหลักวิธีที่สุด
ถูกเป็นต้น สมมติฐานของความปกติ หรือแม้แต่ความต้องการรู้

) สถิติกระจาย [ 1 , 2 ] ให้ความรู้ เช่น ปัญหาของการรับข้อมูลที่แข็งแกร่งจาก
จำนวนที่เหมาะสมของข้อมูล
อาจจะสามารถแก้ไขได้เมื่อไม่กี่เฉพาะข้อมูลที่มีอยู่
ความลำบากเป็นประกอบกับความจริงที่ว่าจุดหลักของ
สนใจบนหาง ซึ่งข้อมูลที่มีคุณภาพ ย่อม
คลิ ค่าความเชื่อมั่น หรือกำหนดช่วงเวลาขึ้นอยู่กับ
ความน่าจะเป็นเกี่ยวกับหาง และความยากของงาน
ในภูมิภาคเหล่านี้จะปรากฏชัด . ในความเป็นจริงบางสองศตวรรษ
ผ่านไปตั้งแต่บุกเบิกงานของอับราฮัมเดอ
moivre [ 3 ] ในการแจกแจงปกติ ก่อนที่สารละลาย
ให้กับบางปัญหาในทางปฏิบัติหางโดยวิลเลียมซีลี
กอเซิต [ 4 ] กับการกระจายของนักเรียนของเขา