Goodness-of-Fit Criteria Based on Observations Quantized by Hypothetical and Empirical Percentiles

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F10%3A00351256" target="_blank" >RIV/67985556:_____/10:00351256 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—

Jazyk výsledku
angličtina
Název v původním jazyce
Goodness-of-Fit Criteria Based on Observations Quantized by Hypothetical and Empirical Percentiles
Popis výsledku v původním jazyce
Goodness-of-fit disparity statistics are defined as appropriately scaled phi-disparities or phi-divergences of quantized hypothetical and empirical distributions. It is shown that the classical Pearson-type statistics are obtained if we quantize by meansof hypothetical percentiles, and that new spacings-based disparity statistics are obtained if we quantize by means of empirical percentiles.
Název v anglickém jazyce
Goodness-of-Fit Criteria Based on Observations Quantized by Hypothetical and Empirical Percentiles
Popis výsledku anglicky
Goodness-of-fit disparity statistics are defined as appropriately scaled phi-disparities or phi-divergences of quantized hypothetical and empirical distributions. It is shown that the classical Pearson-type statistics are obtained if we quantize by meansof hypothetical percentiles, and that new spacings-based disparity statistics are obtained if we quantize by means of empirical percentiles.

Projekt
<a href="/cs/project/GAP202%2F10%2F0618" target="_blank" >GAP202/10/0618: Bregmanovy vzdálenosti, divergence a optimální algoritmy pro hledání informací, rozhodování a učení</a><br>
Návaznosti
Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění
2010
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Podobné výsledky(10)