This example was artificially create

This example was artificially created to make the point. There is no real construction activity that is truly uniformly distributed, let alone showing two perfectly adjacent and equally sized uniform distributions on successive days. With real data that is not homogeneous, and that may have been collected in several batches, it may be very difficult to make a judgment by looking at an ordered plot of the observations or a scatter diagram. Sometimes the engineer, due to an understanding of what is being observed, will group the data ahead of time. Maio et al.
2000, for example, group truck travel times into several categories according to haul distance and weight before fitting distributions to each. However, often, the engineer will not know if the data are homogeneous. In these cases, the Kruskal-Wallis hypothesis test for homogeneity
Law and Kelton 2000 can be used to determine if two or more separately collected sets of data can be treated as homogenous and combined to determine a single distribution. If separately collected data sets are not homogenous, then this is an indication that the conditions under which at least one of the
data sets was collected differs from the others. If this happens, different conditional distributions should be determined for each set. Furthermore, the different conditions need to be understood and modeled. The artificial example used earlier, for example, can be modeled by some process that at the start of each day samples from a distribution to indicate good weather or bad weather
and for simplicity we are assuming here that weather is discrete and can only be either good or bad. The time for the loading activity can then be specified as conditional on the weather
e.g., Uniform1,2 given that weather is good, Uniform2,3 given that weather is bad.

ผลลัพธ์ (ไทย) 2:

ตัวอย่างนี้ถูกทางการสาย Arti สร้างขึ้นเพื่อให้จุด ไม่มีกิจกรรมการก่อสร้างจริงที่เป็นจริงการกระจายอย่างสม่ำเสมอให้อยู่คนเดียวแสดงที่อยู่ติดกันสองอย่างสมบูรณ์และขนาดเท่ากันกระจายสม่ำเสมอในวันที่ต่อเนื่องคือ ด้วยข้อมูลจริงที่ไม่ได้เป็นเนื้อเดียวกันและที่อาจจะได้รับการเก็บใน batches หลายมันอาจจะยากที่มากที่จะทำให้การตัดสินโดยดูที่พล็อตที่สั่งซื้อจากการสังเกตหรือแผนภาพกระจาย บางครั้งวิศวกรเนื่องจากความเข้าใจในสิ่งที่ถูกสังเกตจะกลุ่มข้อมูลก่อนเวลา Maio et al, 2000 ?, ตัวอย่างเช่นเวลาในการเดินทางรถบรรทุกกลุ่มออกเป็นหลายประเภทตามระยะทางไกลและน้ำหนักก่อนที่จะกระจายไฟแต่ละต้น แต่มักจะเป็นวิศวกรจะไม่ทราบว่าข้อมูลที่มีเนื้อเดียวกัน ในกรณีเหล่านี้สมมติฐาน Kruskal-Wallis ทดสอบความเป็นเนื้อเดียวกัน? กฎหมายและ Kelton 2000? สามารถใช้ในการตรวจสอบว่าสองคนหรือมากกว่าแยกเก็บรวบรวมชุดของข้อมูลที่สามารถรับการรักษาเป็นเนื้อเดียวกันและรวมกันเพื่อตรวจสอบการกระจายเดียว ถ้าแยกชุดเก็บรวบรวมข้อมูลไม่ได้เป็นเนื้อเดียวกันแล้วนี้บ่งชี้ว่าภายใต้เงื่อนไขที่อย่างน้อยหนึ่งของชุดเก็บข้อมูลที่แตกต่างจากคนอื่น ๆ
หากเกิดเหตุการณ์นี้กระจายเงื่อนไขที่แตกต่างกันควรจะถูกกำหนดสำหรับแต่ละชุด นอกจากนี้เงื่อนไขที่แตกต่างจะต้องมีการทำความเข้าใจและการสร้างแบบจำลอง สาย Arti ตัวอย่างทางการใช้ก่อนหน้านี้ตัวอย่างเช่นสามารถจำลองโดยกระบวนการบางอย่างที่ในช่วงเริ่มต้นของแต่ละตัวอย่างวันจากการกระจายที่จะบ่งบอกถึงสภาพอากาศที่ดีหรือสภาพอากาศไม่ดีและความเรียบง่ายที่เราจะสมมติว่าที่นี่สภาพอากาศที่มีความต่อเนื่องและสามารถเป็นได้ทั้ง ?. ดีหรือไม่ดี เวลาสำหรับกิจกรรมการโหลดนั้นจะสามารถเอ็ดระบุไว้เป็นเงื่อนไขในอากาศหรือไม่เช่นเครื่องแบบ? 1,2? ระบุว่าสภาพอากาศเป็นสิ่งที่ดี, Uniform? 2,3? ระบุว่าสภาพอากาศที่ไม่ดี ?.

ผลลัพธ์ (ไทย) 3:

ตัวอย่างนี้จึงจำเป็นต้อง cially สร้างขึ้นเพื่อให้จุด ไม่มีการก่อสร้างจริงกิจกรรมที่เป็นจุดแจกจ่ายให้คนเดียวแสดงสองอย่างสมบูรณ์และเท่าเทียมกันกระจายอยู่ติดกันขนาดชุดต่อวัน ด้วยข้อมูลที่ไม่ใช่เนื้อเดียวกัน และอาจจะเก็บได้หลายชุดมันอาจจะมากจึงแยกศาสนาจะตัดสินโดยดูที่สั่งพล็อตของการสังเกตหรือแผนภาพการกระจาย . บางครั้งวิศวกร เนื่องจากความเข้าใจในสิ่งที่ถูกสังเกต จะจัดกลุ่มข้อมูลล่วงหน้า ไมโอ et al .
2000  ตัวอย่างเช่นกลุ่มรถบรรทุกการเดินทางครั้งเป็นหลายประเภทตามระยะทางและน้ำหนักก่อนจึงลากตัดแจกให้แต่ละ อย่างไรก็ตามบ่อยครั้งที่วิศวกรจะไม่ทราบว่าข้อมูลที่เป็นเนื้อเดียวกัน ในกรณีเหล่านี้ , Kruskal Wallis การทดสอบสมมติฐานสำหรับกฎหมาย
กลมกลืนและเคลตัน 2000  สามารถใช้เพื่อตรวจสอบ ถ้าสองคนหรือมากกว่าแยกเก็บชุดของข้อมูลที่สามารถจะถือว่าเป็น homogenous และรวมการตรวจสอบการแจกแจงเดียว ถ้าแยกเป็นข้อมูลชุด homogenousแล้วนี้เป็นข้อบ่งชี้ว่า ภายใต้เงื่อนไขที่อย่างน้อยหนึ่งของ
ชุดข้อมูลรวบรวม แตกต่างจากคนอื่น ๆ หากเกิดเหตุการณ์นี้ คือเงื่อนไขที่แตกต่างกันควรพิจารณาในแต่ละชุด นอกจากนี้ เงื่อนไขที่แตกต่างกันจะต้องมีความเข้าใจและสร้าง . ที่จำเป็นต้องใช้จึง่ตัวอย่างก่อนหน้านี้ ตัวอย่างเช่นสามารถจำลองโดยกระบวนการบางอย่างที่เริ่มต้นของแต่ละวัน ตัวอย่างจากการบ่งชี้สภาพอากาศที่ดีหรือ
สภาพอากาศเลวร้ายและความเรียบง่ายที่เราคิดว่าที่นี่อากาศไม่ต่อเนื่องและสามารถเป็นได้ทั้งดีหรือเลว  . เวลาโหลดแล้วสามารถวัดกิจกรรมจึงเป็นเงื่อนไขในอากาศ
เช่นเครื่องแบบ  1 , 2  ระบุว่าสภาพอากาศเป็นสิ่งที่ดี , ชุด  23  ระบุว่าสภาพอากาศไม่ดี
 .