Понятие статистического критерия. Экспериментальное и теоретическое значение критерия. Критическая область. Использование p-value в статистических программах, истолкование его значений. — КиберПедия 

Индивидуальные и групповые автопоилки: для животных. Схемы и конструкции...

Типы сооружений для обработки осадков: Септиками называются сооружения, в которых одновременно происходят осветление сточной жидкости...

Понятие статистического критерия. Экспериментальное и теоретическое значение критерия. Критическая область. Использование p-value в статистических программах, истолкование его значений.

2017-07-25 255
Понятие статистического критерия. Экспериментальное и теоретическое значение критерия. Критическая область. Использование p-value в статистических программах, истолкование его значений. 0.00 из 5.00 0 оценок
Заказать работу

статистический критерий — строгое математическое правило, по которому принимается или отвергается статистическая гипотеза.

P-value — величина, используемая при тестировании статистических гипотез. Фактически это вероятность ошибки при отклонении нулевой гипотезы (ошибки первого рода). Проверка гипотез с помощью P-значения является альтернативой классической процедуре проверки через критическое значение распределения.

Обычно P-значение равно вероятности того, что случайная величина с данным распределением (распределением тестовой статистики при нулевой гипотезе) примет значение, не меньшее, чем фактическое значение тестовой статистики.

Особенностью P-значений является их неустойчивость на эквивалентных выборках, что может стать препятствием для воспроизводимости результатов эксперимента. Альтернативы использованию P-значений включают такие методы, как оценочная статистика и фактор Байеса.

11Понятие статистического критерия. Проверка нормальности распределения (пример критерия)

12Понятие статистического критерия. Проверка равенства средних двух выборок (примеры)

13Понятие статистического критерия. Проверка равенства дисперсий (примеры).

Системы искусственного интеллекта. Логический подход к построению систем искусственного интеллекта.

1. Логический подход. Основой для данного подхода служит Булева алгебра. Исходные данные хранятся в базе данных в виде аксиом и правил логического вывода как отношений между ними. Кроме того, каждая такая машина имеет блок генерации цели, и система вывода пытается доказать данную цель как теорему. Таким образом, практически каждая система искусственного интеллекта, построенная на логическом принципе, представляет собой машину доказательства теорем. Если цель доказана, то трассировка примененных правил позволяет получить цепочку действий, необходимых для реализации поставленной цели

Системы искусственного интеллекта. Структурный подход к построению систем искусственного интеллекта.

2. Структурный подход. Построение искусственного интеллекта осуществляется путем моделирования структуры человеческого мозга. Результирующими моделями в этом подходе являются искусственные нейронные сети.

Системы искусственного интеллекта. Эволюционный подход к построению систем искусственного интеллекта.

Эволюционный подход. Основное внимание уделяется построению начальной модели, и правилам, по которым она может изменяться (эволюционировать). Модель может быть составлена различными методами (нейронная сеть, набор логических правил и др.). После этого в результате проверки моделей отбираются лучшие из них, на основании которых по различным правилам генерируются новые модели, из которых опять выбираются лучшие и т. д. Особенность – перенесение основной работы разработчика с построения модели на алгоритм ее модификации.

Системы искусственного интеллекта. Имитационный подход к построению систем искусственного интеллекта.

4. Имитационный подход. Базовое понятие – «черный ящик» – объект, информация о внутренней структуре и содержании которого отсутствует, но известны спецификации входных и выходных данных. Таким образом, здесь моделируется свойство человека – способность копировать то, что делают другие.

Недостаток: низкая информативность моделей.

Экспертные системы и их предназначение, специалисты необходимые для создания ЭС и выполняемые ими задачи. Структура экспертной системы.

Цель исследований по ЭС состоит в разработке программ, которые при решении задач, трудных для эксперта-человека, получают результаты, не уступающие по качеству и эффективности решениям, получаемым экспертом.

Типичная статическая ЭС состоит из следующих основных компонентов

  • решателя (интерпретатора);
  • рабочей памяти (РП), называемой также базой данных (БД);
  • базы знаний (БЗ);
  • компонентов приобретения знаний;
  • объяснительного компонента;
  • диалогового компонента.

Понятие информационной системы. Классификации медицинских информационных систем, индивидуальные

информационно-справочные системы

- консультативно-диагностические системы

-приборно-компьютерные системы

-автоматизированные рабочие места специалистов

И коллективные МИС.

Медицинская информационная система ЛПУ – автоматизированная система, предназначенная для сбора, хранения и анализа данных, необходимых для решения управленческих задач, возникающих в повседневной практике работы медицинского учреждения

20Электронная история болезни, стандарты, определения, терминология. Структура электронной персональной медицинской записи, обязательные и необязательные элементы.


Поделиться с друзьями:

Типы оградительных сооружений в морском порту: По расположению оградительных сооружений в плане различают волноломы, обе оконечности...

Археология об основании Рима: Новые раскопки проясняют и такой острый дискуссионный вопрос, как дата самого возникновения Рима...

Состав сооружений: решетки и песколовки: Решетки – это первое устройство в схеме очистных сооружений. Они представляют...

Биохимия спиртового брожения: Основу технологии получения пива составляет спиртовое брожение, - при котором сахар превращается...



© cyberpedia.su 2017-2024 - Не является автором материалов. Исключительное право сохранено за автором текста.
Если вы не хотите, чтобы данный материал был у нас на сайте, перейдите по ссылке: Нарушение авторских прав. Мы поможем в написании вашей работы!

0.011 с.