Pertanyaan yang diberi tag «trimmed-mean»

Data Winsorizing berarti mengganti nilai ekstrem dari kumpulan data dengan nilai persentil tertentu dari masing-masing ujung, sementara Pemangkasan atau Pemotongan melibatkan penghapusan nilai ekstrem tersebut. Saya selalu melihat kedua metode yang dibahas sebagai opsi yang layak untuk mengurangi efek pencilan ketika menghitung statistik seperti mean atau standar deviasi, tetapi saya …

31 standard-deviation  mean  truncation  trimmed-mean  winsorizing 

Untuk bagian dari pertanyaan pekerjaan rumah, saya diminta untuk menghitung rata-rata yang dipangkas untuk dataset dengan menghapus pengamatan terkecil dan terbesar, dan untuk menafsirkan hasilnya. Mean dipangkas lebih rendah dari rata-rata tidak terpangkas. Penafsiran saya adalah ini karena distribusi yang mendasarinya condong positif, sehingga ekor kiri lebih padat daripada ekor …

12 data-visualization  interpretation  mean  trimmed-mean 

Saya memiliki satu set data dengan semua panggilan yang dilakukan ke layanan darurat dan waktu respons dari departemen ambulans. Mereka mengakui bahwa ada beberapa kesalahan dengan waktu respons karena ada kasus di mana mereka tidak mulai merekam (jadi nilainya 0) atau di mana mereka tidak menghentikan jam (sehingga nilainya bisa …

9 mean  outliers  median  trimmed-mean 

Bagaimana saya bisa menghitung rerata terpotong atau terpangkas? Katakanlah terpotong 10%? Saya bisa membayangkan bagaimana melakukannya jika Anda memiliki 10 entri atau lebih, tetapi bagaimana saya bisa melakukannya untuk banyak entri?

9 mean  robust  truncation  trimmed-mean 

Sampel rata-rata adalah penduga kemungkinan maksimum μμ\mu untuk distribusi normal Normal ( μ , σ)Normal(μ,σ)\text{Normal}(\mu,\sigma). Median sampel adalah penaksir kemungkinan maksimum sebesarmmmuntuk distribusi Laplace Laplace ( m , s )Laplace(m,s)\text{Laplace}(m,s) (Juga disebut distribusi eksponensial ganda). Apakah distribusi ada dengan parameter lokasi yang berarti rata-rata sampel yang dipangkas adalah penaksir kemungkinan …

8 distributions  maximum-likelihood  trimmed-mean