Logo kk.boatexistence.com

Орташа мәнді жоққа шығарудың қандай кемшіліктері бар?

Мазмұны:

Орташа мәнді жоққа шығарудың қандай кемшіліктері бар?
Орташа мәнді жоққа шығарудың қандай кемшіліктері бар?

Бейне: Орташа мәнді жоққа шығарудың қандай кемшіліктері бар?

Бейне: Орташа мәнді жоққа шығарудың қандай кемшіліктері бар?
Бейне: Жігітім дұрыстап тықпаса не істеу керек? 2024, Сәуір
Anonim

Орташа есептеу айнымалылар арасындағы қарым-қатынастарды бұзады Бірақ орташа мәндер көп айнымалы қатынастарды да бұзады және корреляция сияқты статистикаға әсер етеді. Мысалы, PROC CORR қызметіне келесі шақыру Orig_Height айнымалысы мен Салмақ және Жас айнымалылары арасындағы корреляцияны есептейді.

Жоғарылмаған деректер үшін ортаны пайдалану неге жаман идея?

Орташа деректер дисперсиясын азайтады Математикаға тереңірек баратын болсақ, кішірек дисперсия ықтималдық үлестіріміндегі сенімділік аралығының тар болуына әкеледі[3]. Бұл біздің модельге теріс әсер етуден басқа ештеңе әкелмейді.

Мәндердің болмауы неге байланысты?

Деректердің болмауы әртүрлі мәселелерді тудырады. Біріншіден, деректердің жоқтығы статистикалық қуатты азайтады, бұл сынақ жалған болған кезде нөлдік гипотезаны жоққа шығару ықтималдығын білдіреді. Екіншіден, жоғалған деректер параметрлерді бағалауда ауытқуды тудыруы мүмкін. Үшіншіден, ол үлгілердің репрезентативтілігін төмендетуі мүмкін.

Неліктен дөрекі айыптау жаман?

1-мәселе: импутация айнымалылар арасындағы қатынасты сақтамайды. Рас, орташа мәнді енгізу бақыланатын деректердің орташа мәнін сақтайды. Сондықтан деректер кездейсоқ түрде толығымен жоқ болса, орташа мәнді бағалау бейтарап болып қалады.

Жетіспейтін деректерді орташа мәнмен ауыстыру керек пе?

Шектен тыс деректер нүктелері орташа мәнге айтарлықтай әсер етеді, сондықтан мұндай жағдайларда жетпеген мәндерді ауыстыру үшін орташа мәнді пайдалану ұсынылмайды. Жетіспейтін мәндерді ауыстыру үшін орташа мәндерді пайдалану керемет үлгіні жасамауы мүмкін, сондықтан алынып тасталады.

Ұсынылған: