یکی از مشکلات کلیدی در آمار کسب اطلاعات از فرم جامعه ای است که یک نمونه از آن گرفتهمی شود.برای بررسی سازگاری مجموعه مقادیر مشاهده شده با توزیع احتمالی میتوان انواع مختلفیرا اعمال کرد که آزمون های نیکویی برازش نامیده می شود. به نظر میرسد که در شرایط مشاهداتمبهم مشکل آزمون های نیکویی برازش پیچیده تر است. در واقع اگر چه بسیاری از روش های آماریاختصاص داده شده به نوع خاصی از توزیع ها به محیط فازی تعمیم یافتند اما هنوز ابزار های زیادی کهبه داده های فازی تحت توزیع ناشناخته کمک می کنند وجود ندارد. بنابراین در این پایان نامه ما نشانمی دهیم که چگونه یک نمونه از آزمون های نیکویی برازش شناخته شده بر اساس تابع توزیع تجربیمانند آزمون کولموگروف، آزمون کرامر-فن مایسز و آزمون اندرسون-دارلینگ را برای داده های فازیتعمیم دهیم
متن يادداشت
One of the key problems in statistics is to get information about the form of thepopulation from which a sample is drawn. To check compatibility of a set of observedvalues with a presumed distribution one can apply various, so called, goodness-of-fittests. It seems that the goodness-of-fit testing problem becomes much more complicated in the presence of imprecise observations. Actually, although many statisticalprocedure dedicated for specified types of distributions were generalized to fuzzy environment, still there are not too many tools that help under fuzzy data from theunknown distribution. Therefore, in the paper we suggest how to generalize the wellknown one-sample goodness-of-fit tests based on the empirical distribution function,like the Kolmogorov test, the Cramér-von Mises test or the Anderson-Darling test, forfuzzy data
عنوانهای گونه گون دیگر
عنوان گونه گون
Goodness-of-fit tests for fuzzy data
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )