Четверг, 21.11.2024, 10:07
Главная | Мой профиль | Регистрация | Выход | ВходВы вошли какГость | Группа "Гости"Приветствую ВасГость| RSS
Онлайн редактор
Форма входа
people-group
TAK.RU
Статистика

Онлайн всего: 1
Гостей: 1
Пользователей: 0
Яндекс.Метрика Рейтинг@Mail.ru
most beautiful Russian Brides contador de visitas счетчик посещений
статистика
Женская  футболка 
 
"Девочка Макса"
 
Артикул: 154478 Товар серцифицирован Российской федерацией
Дата публикации: 08.01.2014 00:00
 
 
 
Женская футболка
 
"Девочка Макса"
 
цена:540 руб.
 
 
 
 
 
Сделайте подарок 
для любимых ! 
Загрузите свою фотографию,и напечатайте её на футболке.
 
Женская футболка Девочка Макса
 
 

 

Номера лотка в лоток 14-16 ка 1 16-18 ка 4 18-20 ка 2 20-22 ка 2 22-24 ка 3 24-26 ка 8 Который в свою очередь производит следующие гистограммы:  По оси " x " представляет экспозицию возраста, каждый столбик, bin, а по оси y-число образцов, которые попадают в каждую ячейку. Три важных пункта, о гистограммах. Во-первых, они представляют собой наблюдаемая частота распределения измерений. Они не обязательно является функция распределения вероятности по возрастов валунов на морене. Если я) сделали дополнительные предположения, что вероятность наблюдения определенный возраст воздействия в точности равна частоте распространения воздействия веков мы уже наблюдали (что крайне ограничительный характер, но может быть правдой, если вы не проанализировали все валуны на морене), а затем ii) перенормированного оси y так, чтобы сумма всех бар heights был равен 1, то вы, вероятно, имеют функцию плотности вероятности для boulder возраста. Во-вторых, вам нужно сделать два произвольных решений при создании гистограммы: как шириной ячеек, и где они расположены? Если вы измените эти вещи, гистограммы изменения. В-третьих, отсутствует неопределенность в гистограмм. Каждое измерение идет в одном и только одном бункере.  Ли гистограмма является или не является функцией плотности вероятности в основном семантический и зависит от вашего определения терминов, но второй и третий пункта выше означает, что гистограмм паршивый способ представления данных при выполнении одного из двух условий: i) существует лишь несколько измерений, и ii) измерения неопределенности, связанной с ними. Очевидно, что эти две вещи описывать наиболее геохронологические данные, космогенных-нуклид экспозиции века в частности. Мы не собираем очень много, потому что они дорогие, и они имеют погрешность измерений. Итак, вот пример того, как вы можете пойти неправильно с гистограммой, представление экспозиции-данные по возрасту. Допустим, вы проанализированы двумя валунами и обнаружили, что они имеют очевидные экспозиции возрастов 16,9 +/- 2.1 ка и 18,2 +/- 1.5 ка. Есть две важные вещи об этих результатах. Во-первых, два разных возрастов. Во-вторых, они соглашаются, когда их ошибки будут учтены. Однако, это невозможно общаться оба эти важные замечания в то же время, используя гистограмму. Вот один из возможных гистограммы для этих возрастов:    Это дает впечатление, что два века irreconcilably разные. Неправильно. Так что это заблуждение. А как насчет этого:  Что один указывает, что два века одинаковы. Также неверно и вводит в заблуждение. Дело в том, что, когда данные являются скудными и неопределенностей измерений, представляющих их распределения с гистограмм не передают информацию мы пытаемся общаться. Это проблема, что "верблюд " схемы” предназначены для решения проблемы. При построении гистограммы, мы, в основном, представляющих каждого измерения в виде прямоугольника с шириной, равной bin ширина, и затем добавляя представление всех вместе, чтобы получить образцы резюме гистограммы. Теперь что мы будем делать, вместо того, чтобы представить каждое измерение чем-то другим, чем прямоугольник. Как правило, потому, что мы, как правило, работает с космогенных-нуклид измерений, которые имеют нормальный, т.е. Гауссово, неопределенности, мы представляем каждого образца по Гауссу (Gaussian-образной кривой. Это просто кривая, генерируемых формула для нормального распределения вероятностей:   где-среднее и стандартное отклонение распределения вероятностей. Для этого в одной экспозиции возраста, мы берем возраст мы измерено и 1-стандартное отклонение неопределенности в возрасте . Делать это за два данных, упомянутых выше дает: Представляя измерений по Гауссу, кривые визуально общается много важных вещей, которые мы не могли общаться с гистограммой. Во-первых, хотя показателей различны, они схожи с учетом их погрешностей измерений, - если мы видим каждый изгиб, как что-то вроде функции плотности вероятности реальный возраст каждого из образцов, то тот факт, что существует много перекрытия между кривых указывает на то, что существует высокая вероятность того, что они оба измерений одной и той же вещью, и отличаются только потому, что ошибки измерения. Во-вторых, мы можем сравнить разницу между лучшей оценкой каждого измерения - место для каждого пика - и размер неопределенности при каждом измерении. В этом случае измерения имеют больше общего, чем их неопределенности, которая также взаимодействует высокую вероятность того, что они оба измерения одной и той же вещи. В-третьих, поскольку формула для гауссова кривая, определенная в качестве таковой, что площади под каждой кривой-это всегда то же самое, высота каждой кривой, обратно пропорциональный погрешности измерения. Эта функция рисует в глаза сразу же в сторону наиболее точную, т.е. высокий и измерений, и зритель, естественно, стремится дать тем больше вес. Так, представляющих данные по непрерывной Гаусса вместо прямоугольники очищает много визуальное искажение фактов, что гистограммы нести с малым и неопределенных данных.  Обычно один, а затем добавляет гауссова кривых, соответствующих единичных измерений вместе придумать резюме участок, следующим образом:    Черная линия-это сумма двух отдельных Гаусса. Тот факт, что он имеет только один пик правильно наглядно доносит до зрителя мысль, что два измерения как неточных измерениях одного и того же - истинный возраст, что бы мы ни знакомств, и, рассматривая их вместе, говорит нам, что это истинный возраст, скорее всего, будет где-то между двумя измерениями, чуть ближе к точнее двух. В основном мы выполняем своего рода визуальную оценку максимального правдоподобия.  Если бы мы имели данные, которые не согласны даже с учетом их погрешностей,

 

 
Copyright MyCorp © 2024
Сделать бесплатный сайт с uCoz