Значение z: Z-оценка — Википедия – Z-тест — Википедия

Содержание

Z-оценка — Википедия

Стандартизованная оценка (z-оценка, англ. : Standard score, z-score) — это мера относительного разброса наблюдаемого или измеренного значения, которая показывает сколько стандартных отклонений составляет его разброс относительного среднего значения. Это безразмерный статистический показатель используемый для сравнения значений разной размерности или шкалой измерений.

В теории вероятности и статистике, стандартизованная случайная величина[1] — это случайная величина, математическое ожидание которой равно нулю, а стандартное отклонение — единице. Любая случайная величина x с математическим ожиданием μ{\displaystyle \mu } и стандартным отклонением σ{\displaystyle \sigma } может быть преобразована к стандартизованной случайной величине z{\displaystyle z} по формуле: x−μσ{\displaystyle {x-\mu \over \sigma }}. Это преобразование включает центрирование случайной величины (разность (x−μ){\displaystyle {(x-\mu )}} между данной случайной величиной

x и ее математическим ожиданием μ{\displaystyle \mu }) и нормирование (отношение xσ{\displaystyle {x \over \sigma }} данной случайной величины x к ее стандартному отклонению σ{\displaystyle \sigma } ). Распределение стандартизованной нормальной случайной величины z{\displaystyle z} называется стандартным нормальным распределением N(0,1){\displaystyle N(0,1)} с функцией плотности f(z)=12πexp⁡(−z22){\displaystyle f(z)={\frac {1}{\sqrt {2\pi }}}\exp \left({\frac {-z^{2}}{2}}\right)}.

Понятие стандартизованной случайной величины является частным случаем приведенной случайной величины, определяемой относительного центрального значения и параметра масштаба, отличных от математического ожидания и стандартного отклонения.

В практических задачах, любое множество данных xi{\displaystyle xi} со средним значением X¯{\displaystyle {\bar {X}}} и стандартным отклонением S{\displaystyle S} можно преобразовать в другое множество со средним 0{\displaystyle 0} и стандартным отклонением 1{\displaystyle 1} таким образом, что преобразованные значения z{\displaystyle z} будут непосредственно выражаться в отклонениях исходных значений от среднего, измеренных в единицах стандартного отклонения.

Принадлежность z-оценок стандартному нормальному распределению N(0,1){\displaystyle N(0,1)}, обеспечивает возможность применения z-оценок для сравнения неоднородных значений первичных измерений. Большинство статистических методов основываются на предположении о нормальности распределения данных, поэтому применение z-оценок совместно с  трансформацией к нормальности значительно расширяет возможности для дальнейшего анализа и исследований. 

Стандартизованная оценка величины x{\displaystyle x} рассчитывается по формуле[2]:

z=x−X¯Sx{\displaystyle z={x-{\bar {X}} \over S_{x}}}

где X¯{\displaystyle {\bar {X}}} — среднее значение, Sx{\displaystyle S_{x}} — стандартное отклонение вычисленные для множества данных xi{\displaystyle xi}.

Значения X¯{\displaystyle {\bar {X}}} и Sx{\displaystyle S_{x}} могут быть вычислены по выборочным данным, или получены в генеральной совокупности, или установлены для некоторой популяции.

Абсолютное значение z представляет собой оценку (в единицах стандартного отклонения) расстояния между x и его средним значением μ в общей совокупности. Если z меньше нуля, то x ниже средней, если z больше нуля, то

x расположен выше средней μ.

Значения z{\displaystyle z} не только удобное средство информации о положении некоторого значения, связанного со средним и измеренного в единицах стандартного отклонения, но и шаг вперед к преобразованию множества xi{\displaystyle xi} в произвольную шкалу с удобными характеристиками среднего и стандартного отклонения.

соответствие z-оценок и процентилей

Поскольку распределение z-оценок аппроксимируется стандартным нормальным распределением, то  существует однозначное соответствие процентилей (квантилей порядка q) и значений z. Это позволяет однозначно переводить шкалу ранговых градаций или баллов в значения z-оценки и обратно (так значению z=-3 соответствует 0,13 процентиль, z=- 2 ⇒{\displaystyle \Rightarrow } 2,3-й процентиль, z=-1 ⇒{\displaystyle \Rightarrow }15,9-й процентиль и т.д.).

Существует множество шкал измерения с произвольными средними и стандартными отклонениями, которые распространены в общественных науках.

Педагогика и психология[править | править код]

Распространены шкальные оценки, когда оценки результатов теста устанавливаются на основе его места на специальной шкале, которая содержит данные о внутригрупповых нормах выполнения теста .Оценки интеллектуального теста часто преобразуются в шкалу со средним 100 и стандартным отклонением 15 или 16. Значения T{\displaystyle T}- показателя[3], вычисленные как 10z+50{\displaystyle 10z+50} имеют широкое применение.

{\displaystyle 10z+50} нормальная кривая, процентили и стандартные оценки в различных шкалах

Другим примером нелинейного преобразования в стандартную шкалу являются станайны (англ. standart nine), когда первичные показатели ранжируют по возрастанию и делят на группы с числом, пропорциональным определённым частотам оценок нормальном распределении, получаемые оценки принимают значения от 1 до 9 (μ{\displaystyle \mu }=5, σ{\displaystyle \sigma }=2). Существует много шкал, опирающихся на стандартизованные оценки.

Педиатрия[править | править код]

Для описания характеристик пациентов с учетом их неоднородности используется нормирование. В педиатрической практике был распространен коэффициент стандартного отклонения (sds – standard deviation score), который вычисляется x−X¯Sx{\displaystyle {x-{\bar {X}} \over S_{x}}} на основе выборочного среднего значения X¯{\displaystyle {\bar {X}}} и стандартного отклонения Sx{\displaystyle S_{x}} справочных показателей ребенка данного пола и возраста[4].  Отклонение распределений показателей физического развития  от нормального привело к использованию центрирования измеренных значений медианой вместо среднего x−MePr90−Pr10{\displaystyle {x-Me \over Pr90-Pr10}}, где  Me{\displaystyle Me} – медиана и Pr10,Pr90{\displaystyle Pr10,Pr90} — 10-й и 90-й процентиль справочного показателя ребенка того же пола и возраста. 

Необходимость учета формы распределений показателей физического развития

[5], привела к применению z-оценки вычисляемой как

z={(y/M)L−1)L S,если L≠01Sln(y/M), если L=0{\displaystyle z={\begin{cases}{\frac {(y/M)^{L}-1)}{L\ S}},&{\text{если }}L\neq 0\\{\frac {1}{S}}ln(y/M),&{\text{ если }}L=0\end{cases}}}

где y – измеренное значение показателя, L{\displaystyle L} – коэффициент трансформации Бокса-Кокса к нормальности, M{\displaystyle M} — медиана, S{\displaystyle S} – коэффициент вариации справочного или стандартного показателя ребенка того же пола и возраста.

В современных методических рекомендация ВОЗ представлены стандартные и справочные значения коэффициентов L, M, S для исследования физического развития детей[6] и разработано программное обеспечение WHO ANTHROPlus[7] для работы с ними.

  1. ↑ ГОСТ Р 50779.10-2000 (ИСО 3534.1-93) Статистические методы. Вероятность и основы статистики. Термины и определения
  2. Мелник М. Основы прикладной статистики. — Москва: Энергоатомиздат, 1983. — 416 с.
  3. Дж. Гласс, Дж. Стэнли. Статистические методы в педагогике и психологии. — Прогресс, 1976. — 496 с.
  4. Вельтищев Ю. Е. Объективные показатели нормального развития и состояния здоровья ребенка (нормативы детского возраста). — Москва, 2002. — С. 96. — ISBN НЛА 575/БН2-25072017/89.
  5. Borghi E. Construction of the World Health Organization child growth standards: selection of methods for attained growth curves // Statistics in Medicine. — 2006. — Т. 25. — С. 247–265.
  6. ↑ Разработанные ВОЗ нормы роста детей (неопр.). World Health Organization.
  7. ↑ Программное средство ВОЗ Anthro для персональных компьютеров (неопр.). WHO Child Growth Standards.

Z-тест — Википедия

Материал из Википедии — свободной энциклопедии

Z-тест (z-критерий Фишера) — класс методов статистической проверки гипотез (статистических критериев), основанных на нормальном распределении. Обычно применяется для проверки равенства средних значений при известной дисперсии генеральной совокупности или при оценке выборочного среднего стандартизованных значений[en]. Z-статистика вычисляется как отношение разницы между случайной величиной и математическим ожиданием к стандартной ошибке этой случайной величины:

z=X¯−mSE{\displaystyle z={\frac {{\overline {X}}-\,m}{\mathrm {SE} }}}

где X¯{\displaystyle {\overline {X}}} — случайная величина выборочного среднего, m{\displaystyle m} — значение математического ожидания, SE{\displaystyle SE} — стандартная ошибка этой величины.

Для применения данного критерия необходимо, чтобы исходные данные имели нормальное распределение и была известна дисперсия генеральной совокупности. Z-тест применяется при проверке нулевой гипотезы о том, что математическое ожидание случайной величины равно некоторому значению m{\displaystyle m}: H0:Mx=m{\displaystyle H_{0}:M_{x}=m}. Исходя из принципа независимости наблюдения, дисперсия выборочного среднего определяется как V(X¯)=σ2/n{\displaystyle V({\overline {X}})=\sigma ^{2}/n}. Тогда значение z-статистики вычисляется по формуле

zX¯=X¯−mHoσ/n{\displaystyle z_{\overline {X}}={\frac {{\overline {X}}-\,m_{H_{o}}}{\mathrm {\sigma /{\sqrt {n}}} }}}

где σ{\displaystyle \sigma } — известная величина стандартного отклонения генеральной совокупности и n{\displaystyle {n}} — объём выборки.

При превышении критического значения zX¯{\displaystyle z_{\overline {X}}} (например, zX¯{\displaystyle z_{\overline {X}}} < −1.96 или zX¯{\displaystyle z_{\overline {X}}} > 1.96 при уровне значимости 5 %), нулевая гипотеза отвергается и величина случайного значения считается статистически значимой.

  • Hays, W. Statistics. Cengage Learning, 1994.

Что такое z-оценка? Что такое p-значение?—Справка

Большинство статистических тестов начинаются с определения нулевой гипотезы. Нулевая гипотеза для инструментов анализа структурных закономерностей (Группа инструментов Анализ структурных закономерностей и Список кластеров) – это полная пространственная хаотичность (ППХ) или самих объектов или значений, связанных с ними. Z-оценки и p-значения, полученные в результате анализа структурных закономерностей, свидетельствуют о том, можно ли отклонить нулевую гипотезу или нет. Как правило, вы запускаете один из инструментов анализа структурных закономерностей, предполагая, что z-оценка и р-значение будут свидетельствовать о возможном опровержении нулевой гипотезы. Это будет говорить о том, что ваши объекты или значения, связанные с ними, проявляют статистически значимую кластеризацию или дисперсию. Всякий раз, когда вы видите пространственную структуру, такую как кластеризация ландшафта (или пространственных данных), вы видите доказательства работы некоторых основных пространственных процессов, и, как географа или ГИС-аналитика, это может интересовать вас больше всего.

p-значение – это вероятность. Для анализа структурных закономерностей, это вероятность того, что наблюдаемые пространственные закономерности были созданы некоторым случайным процессом. Когда p-значение является очень маленьким, это означает, что это очень маловероятно (маленькая вероятность), что наблюдаемые пространственные закономерности – результат случайных процессов, таким образом, можно отклонить нулевую гипотезу. Вы можете задать вопрос: насколько маленький объект в действительности мал? Хороший вопрос. Смотрите таблицу и обсуждения ниже.

Z-оценки являются стандартными отклонениями. Если, например, инструмент возвращает z-оценку +2.5, вы сказали бы, что результат – это 2.5 стандартных отклонений. И z-оценки, и p-значения связаны со стандартным нормальным распределением, как показано ниже.

Очень высокие или очень низкие (отрицательные) z-оценки, связанные с очень маленькими p-значениями, располагаются в хвостах нормального распределения. Когда Вы запускаете инструмент анализа структурных закономерностей, и он приводит к маленьким p-значениями или очень высоким или очень низким z-оценкам, это указывает, что маловероятно, что наблюдаемая пространственная модель отражает теоретическую случайную структурную закономерность, представленную Вашей нулевой гипотезой.

Чтобы отклонить нулевую гипотезу, Вы должны сделать субъективное суждение относительно уровня риска, который вы готовы принять для того, чтобы ошибиться (для того, чтобы ложно отклонить нулевую гипотезу). Следовательно, прежде чем вы запустите пространственный статистический процесс, вы выбираете доверительный уровень. Типичные доверительные уровни 90, 95, или 99 процентов. Доверительный уровень 99 процентов был бы самым консервативным в этом случае, указывая, что вы не желаете отклонить нулевую гипотезу до тех пор, пока вероятность, что модель была создана случайным процессом, не является действительно маленькой (меньше чем 1-процентная вероятность).

Доверительные уровни

В таблице ниже показаны некорректированные критические p-значения и z-оценки для различных доверительных уровней.

Примечание:

Инструменты, которые позволяют применять FDR, будут использовать корректированные критические p-значения. Эти критические значения будут такими же или меньше, чем показанные в таблице ниже.

z-оценка (Стандартные отклонения)p-значения (Вероятность)Доверительный уровень

< -1,65 или > +1,65

< 0,10

90%

< -1,96 или > +1,96

< 0,05

95%

< -2,58 или > +2,58

< 0,01

99%

Рассмотрим пример. Критические значения z-оценки, используя 95-процентный доверительный уровень являются-1.96 и +1.96 стандартными отклонениями. Нескорректированное p-значение, связанное с 95-процентным доверительным уровнем, равно 0.05. Если z-оценка находится между -1.96 и +1.96, то нескорректированное p-значение будет больше чем 0.05, и вы не сможете отклонить нулевую гипотезу, поскольку показанная модель может, вероятно, быть результатом случайных пространственных процессов. Если z-оценка падает вне того диапазона (например,-2.5 или +5.4 стандартных отклонений), наблюдаемая пространственная модель, вероятно, слишком необычная, чтобы быть результатом случайного процесса, и p-значения будут маленькими, чтобы отклонить это. В этом случае возможно отклонить нулевую гипотезу и возобновить выяснение, что могло бы вызывать статистически существенную пространственную структуру в ваших данных.

Ключевая идея здесь состоит в том, что значения в середине нормального распределения (z-оценки такие как 0.19 или-1.2, например), представляют ожидаемый результат. Когда абсолютное значение z-оценки является большим, и вероятности являются маленькими (в хвостах нормального распределения), однако, вы видите что-то необычное и вообще очень интересное. Для инструмента Анализ горячих точек например, «необычный» означает статистически существенную «горячую» или «холодную» точку.

Коррекция FDR

Инструменты анализа локальных пространственных закономерностей, включая Анализ горячих точек и Анализ кластеров и выбросов (Anselin Локальный индекс Морана I) предлагают дополнительный параметр Применить коррекцию FDR. Когда этот параметр включен, Коррекция FDR снижает критический порог p-значения, показанный в таблице выше, чтобы использовать во множественном тестировании и в пространственной зависимости. Уменьшение, если происходит, является функцией числа входных объектов и используемой структуры окружения.

Инструменты анализа локальных пространственных закономерностей работают, рассматривая каждый объект в контексте окружающих объектов, и определяют, отличается ли локальная закономерность (целевой объект и его окружение) от глобальной (все объекты набора данных). Результаты вычислений z-оценки и p-значения, связанные с каждым объектом, позволяют определить, является ли различие статистически значимым или нет. Этот аналитический подход создает определенные сложности при множественном тестировании и изучении зависимостей.

Множественное тестирование – с уровнем достоверности 95 процентов, теория вероятности говорит о том, что существует только 5 шансов из 100, что пространственная закономерность может быть структурированной (кластеризованной или дисперсионной, например) и может быть связана со статистически значимым p-значением, когда на самом деле, пространственные процессы, создающие эту закономерность, являются случайными. В этом случае мы неверно отвергаем нулевую гипотезу, основываясь на статистически значимых p-значениях. Пять шансов из 100 выглядят достаточно убедительно, пока вы не поймете, что локальная пространственная статистика выполняет тест каждого объекта в наборе данных. Например, если имеется 10000 объектов, мы может получить до 500 ошибочных результатов.

Пространственная зависимость – близко расположенные объекты имеют тенденцию к сходности; они чаще, чем не пространственные данные, демонстрируют такой тип зависимости. Тем не менее, для многих статистических тестов необходимо, чтобы объекты были независимыми. Это необходимо для инструментов анализа локальных закономерностей потому, что пространственная зависимость может искусственно сглаживать статистическую значимость. Пространственная зависимость усугубляется инструментами локального анализа закономерностей, поскольку каждый объект оценивается в контексте его соседства, и близко расположенные объекты будут иметь множество одинаковых соседств. Такое совпадение подчеркивает пространственную зависимость.

Для обработки проблем, возникающих с множественным тестом и пространственными зависимостями, используются как минимум три 3 подхода. Первый подход – это игнорировать проблему, учитывая то, что отдельный тест, выполненный для каждого объекта набора данных, должен рассматриваться отдельно от других. Однако при этом подходе, весьма вероятно, что некоторые статистически значимые результаты будут неверны (выглядеть статистически значимыми при случайном характере базовых пространственных процессов). Второй подход состоит в применении классической процедуры множественного тестирования, например поправки Бонферрони или коррекции Сидак. Однако эти методы обычно слишком консервативны. Хотя они значительно снижают число ложноположительных результатов, они также пропускают имеющиеся статистически значимые результаты. Третий подход состоит в применении коррекции FDR, которая оценивает число ложноположительных результатов для данного уровня достоверности и соответственно корректирует критическое p-значение. При этом способе статистически значимые p-значения ранжируются от наименьших (самых строгих) до наибольших(наименее строгих), на основе оценки ложноположительных результатов, наименее строгие убираются из списка. Оставшиеся объекты со статистически значимыми p-значениями определяются по полям Gi_Bin или COType в выходном классе объектов. Не будучи идеальным, этот метод, как показывают эмпирические тесты, показывает лучшие результаты, чем выполнение каждого теста по-отдельности или применение традиционных, часто излишне консервативных, методов множественного теста. В разделе дополнительных ресурсов можно найти более подробные сведения о коррекции FDR.

Нулевая гипотеза и пространственная статистика

Некоторые инструменты статистики в наборе инструментов пространственной статистики представляют собой логически выведенные методы пространственного анализа структурных закономерностей, например, Пространственная автокорреляция (Global Moran’s I), Анализ кластеров и выбросов (Anselin Local Moran’s I) и Анализ горячих точек (Getis-Ord Gi*). Логически выведенные статистические показатели обоснованы в теории вероятности. Вероятность – мера случайности, и лежащие в основе все статистические тесты (любой прямо или косвенно) – вычисления вероятностей, которые оценивают роль случая на результат вашего анализа. Как правило, с традиционными (не пространственными) статистическими показателями, вы работаете со случайной выборкой и пытаетесь определить вероятность, что ваша выборка данных – хорошее представление (рефлексивно) населения в целом. Как пример, вы могли бы спросить, «Каковы шансы, что результаты моего опроса избирателей (показывающие, что кандидат А слегка превзойдет кандидата Б) отразят заключительные результаты выборов?» Но в большинстве случаев работая с пространственными статистическими показателями, включая упомянутую выше пространственную автокорреляцию, как правило, вы используете все данные, которые доступны в области исследования (все преступления, все случаи болезни, атрибуты для каждого переписного участка, и так далее). Когда вы вычисляете статистическую величину для всего населения, у вас больше нет оценки вообще. Перед вами факт. Следовательно, более нет никакого смысла говорить о подобии или вероятностях. Таким образом, как могут инструменты анализа пространственных структурных закономерностей, часто применяемые ко всем данным в области исследования, законно сообщить о вероятностях? Ответ – то, что они могут сделать это, постулируя через нулевую гипотезу, что данные, фактически, являются частью некоторого более многочисленного населения. Рассмотрим это более подробно.

Рандомизация нулевой гипотезы – где необходимо, инструменты из набора инструментов пространственной статистики используют рандомизацию нулевой гипотезы в качестве основы для теста статистической значимости. Рандомизация нулевой гипотезы постулирует, что наблюдаемая пространственная модель ваших данных представляет одну из многих (n!) возможных пространственных организаций данных. Если бы вы могли собрать значения данных и бросить их на объекты в вашей области исследования, у вас было бы одно возможное пространственное расположение этих значений. (Отметьте, что собирание ваших значений данных и их произвольных бросок являются примером случайного пространственного процесса). Рандомизация нулевой гипотезы утверждает, что, если бы Вы могли сделать это упражнение (собрать их и бросить) бесконечное количество раз, в большинстве случаев вы бы создали структуру, которая не будет заметно отличаться от наблюдаемой структуры (ваши реальные данные). Иногда вы могли бы случайно бросить все самые высокие значения в один и тот же угол вашей области исследования, но вероятность такого исхода является маленькой. Рандомизация нулевой гипотезы утверждает, что ваши данные – одна из многих, многих, многих возможных версий полной пространственной хаотичности. Значения данных фиксированы; могла измениться только их пространственная организация.

Нормализация нулевой гипотезы – общая альтернативная нулевая гипотеза, не реализованная для набора инструментов пространственной статистики, является нормализацией нулевой гипотезы. Нормализация Нулевой гипотезы постулирует, что наблюдаемые величины получены из бесконечно большого, нормально распределенного населения посредством некоторого случайного процесса осуществления выборки. С разной выборкой, вы получили бы различные значения, но вы будете все еще ожидать, что те значения будут представительны для большего распределения. Нормализация нулевой гипотезы утверждает, что значения представляют одну из многих возможных выборок значений. Если вы могли бы привести свои наблюдаемые данные к нормальной кривой и хаотично выбирать значения из того распределения, чтобы бросить их на вашу область исследования, большую часть раз вы произведете модель и распределение значений, которые заметно не отличались бы от наблюдаемого образца/распределения (ваши реальные данные). Нормализация нулевой гипотезы утверждает, что ваши данные и их организация – одна из многих, многих, многих возможных случайных выборок. Ни значения данных, ни их пространственное расположение не установлены. Нормализация нулевой гипотезы является только соответствующей, когда значения данных нормально распределены.

Дополнительные источники

  • Ebdon, David. Statistics in Geography. Blackwell, 1985.
  • Mitchell, Andy. The ESRI Guide to GIS Analysis, Volume 2. ESRI Press, 2005.
  • Goodchild, Michael F. Spatial Autocorrelation. Catmog 47, Geo Books, 1986
  • Caldas de Castro, Marcia, and Burton H. Singer. «Controlling the False Discovery Rate: A New Application to Account for Multiple and Dependent Test in Local Statistics of Spatial Association.» Geographical Analysis 38, pp 180-208, 2006.

Связанные разделы

значение — это… Что такое Z-значение?

  • ЗНАЧЕНИЕ — содержание, обозначенное тем или иным языковым выражением словом, предложением, знаком и т.п. Вопрос о З. языковых выражений исследуется лингвистикой, семиотикой и логической семантикой. Различают предметное, смысловое и экспрессивное З. языковых …   Философская энциклопедия

  • Значение злаков в жизни человека —         Значение злаков в жизни человека настолько велико и разнообразно, что заслуживает специального рассмотрения. На первое место следует поставить хлебные и крупяные культуры, из которых пшеница, рис и кукуруза справедливо считаются основными …   Биологическая энциклопедия

  • значение — Смысл, разум; вес, важность, авторитет, достоинство, сила, ценность. Настоящий, переносный, прямой, собственный, строгий, фигуральный, буквальный, широкий смысл слова. Эта девушка артистка в полном смысле слова . Тург. Разум закона (прот.: ).… …   Словарь синонимов

  • ЗНАЧЕНИЕ —         один из осн. элементов культуры, наряду с обычаем нормой, ценностью и смыслом; специфически культурное средство соединения человека с окружающим миром или вообще субъекта с объектом через посредство знаков. Если в экон. деятельности… …   Энциклопедия культурологии

  • значение — обобщенная форма запечатления субъектом общественно исторического опыта, приобретенного в процессе совместной деятельности и общения и существующего в виде понятий, опредмеченных в схемах действия, социальных ролях, нормах и ценностях.… …   Большая психологическая энциклопедия

  • ЗНАЧЕНИЕ — ЗНАЧЕНИЕ, значения, ср. (книжн.). 1. Смысл, то, что данный предмет (Слово, жест, знак) значит. Слово знание имеет несколько значений. Слово больной в значении существительного. Значение этого жеста было трудно определить. 2. Важность,… …   Толковый словарь Ушакова

  • Значение параметра электротехнического изделия рабочее — 78 Источник: ГОСТ 18311 80: Изделия электротехнические. Термины и определения основных понятий оригинал документа …   Словарь-справочник терминов нормативно-технической документации

  • Значение параметра электротехнического устройства рабочее — 78 Источник: ГОСТ 18311 80: Изделия электротехнические. Термины и определения основных понятий оригинал документа …   Словарь-справочник терминов нормативно-технической документации

  • Значение сопротивления — численное значение в единицах сопротивления, рассчитанное по окончании каждого испытания как произведение времени испытания на коэффициент используемого инструмента наивысшей категории и прибавления к этому произведению суммы базисных значений… …   Словарь-справочник терминов нормативно-технической документации

  • ЗНАЧЕНИЕ — 1) важность, значительность, роль предмета, явления, действия в человеческой деятельности.2) Содержание, связываемое с тем или иным выражением (слова, предложения, знака и т. п.) некоторого языка. Значения языковых выражений изучаются в… …   Большой Энциклопедический словарь

  • Значение бурых водорослей —         Бурые водоросли один из основных источников органического вещества в прибрежной зоне, особенно в морях умеренных и приполярных поясов, где их биомасса может достигать десятков килограммов на квадратный метр. Заросли бурых водорослей… …   Биологическая энциклопедия

  • Психологическая энциклопедия — значение слова Z-значение

    Статистическое значение, которое было стандартизировано, посредством выражения в терминах его относительного положения в общем распределении значений, всегда выражается относительно среднего распределения и в единицах стандартного отклонения, то есть z = (X – М) /SD, где X = отдельное значение, М = среднее набора значений и SD = стандартное отклонение набора значений. Также известно как стандартное значение и в несколько более старых работах – сигма-значение.

    Смотреть значение Z-значение в других словарях

    Значение — смысл
    Словарь синонимов

    Значение Ср. — 1. То, что значит кто-л. или что-л.; смысл. 2. Важность, значительность, назначение. 3. Влияние, роль.
    Толковый словарь Ефремовой

    Значение — см. значенье
    Толковый словарь Кузнецова

    Базисное Значение Переменной — Значение переменной объекта прогнозирования на этапе диагноза.
    Политический словарь

    Аварийное Значение Параметра — См. Значение параметра аварийное
    Экономический словарь

    Верхнее Значение Процентной Ставки — — максимальное значение, которое может принять
    процентная ставка по ипотечному
    кредиту с плавающей ставкой. Действует как ограничитель ставки на весь
    срок……..
    Экономический словарь

    Верхнее Значение Ставки — — максимальное значение процентной ставки, которое может принять
    ставка по ипотечному
    кредиту с плавающей ставкой. Используется при периодических переустановках плавающей ставки.
    Экономический словарь

    Значение Параметра Аварийное — параметр товара или продукции, который сам по себе или вместе с другими параметрами характеризует возможность возникновения аварийной ситуации. З.п.а. применяется……..
    Экономический словарь

    Инструментальная Культурная Политика / Социальное И Экономическое Значение Культуры (instrumental Ar — См.: Искусство для искусства.
    Экономический словарь

    Начальное Значение Денежной Позиции Дилера — — является сумма денежных средств, зарезервированных данным дилером в Расчетном центре ОРЦБ на торговом счете, соответствующем данной позиции.

    Экономический словарь

    Начальное Значение Позиции Депо Дилера — — количество облигаций, зарезервированных данным дилером в
    депозитарии на торговом
    разделе
    счета «
    депо», соответствующем данной позиции.
    Экономический словарь

    Нижнее Значение Процентной Ставки — Соглашение о процентной ставке, в рамках которого платежи производятся в случае, если контрольная ставка падает ниже уровня ставки исполнения.
    Экономический словарь

    Ожидаемое Значение — Средневзвешенная
    величина распределения вероятностей.
    Экономический словарь

    Ожидаемое Значение Идеальной Информации — Ожидаемое значение, если бы были известны будущие неопределенные последствия, минус ожидаемое значение без дополнительной информации.

    Экономический словарь

    Предельная Величина (предельное Значение Экономического Показателя) — приращение величины экономического показателя, обусловленное увеличением на единицу
    фактора, от которого зависят
    величина,
    показатель.
    Экономический словарь

    Равновесное Значение Ожидаемой Доходности (equilibrium Expected Return) — ожидаемая доходность ценной бумаги при условии, что бумага правильно оценена на рынке. Эта «справедливая» доходность определяется с помощью соответствующей модели……..
    Экономический словарь

    Скользящая Средняя; Среднее Значение Котировок — Средний показатель котировок ценных бумаг или товарно-сырьевой продукции, подсчитанный за небольшой период времени в несколько дней или за длительный период времени……..
    Экономический словарь

    Среднее (значение) — Ожидаемое значение случайной переменной.
    Экономический словарь

    Среднее Для Предприятия Значение Операционного Рычага — Значение операционного рычага, рассчитанное по совокупным затратам на все ассортиментные позиции предприятия при сложившейся структуре продаж. 
    Экономический словарь

    Среднее Значение Выборочной Совокупности — Среднее арифметическое, то есть
    сумма показателей, деленная на их количество.
    Экономический словарь

    Стандартизованное Значение — Также известно как нормальное
    отклонение. Расстояние от одной точки статистических данных до среднего значения всего
    набора данных, деленное на
    стандартное……..
    Экономический словарь

    Установление Фактов, Имеющих Юридическое Знач. (значение) — в гражданском процессе одна из категорий дел особого производства. Закон содержит примерный перечень юридических фактов, которые могут быть установлены судом. К их……..
    Экономический словарь

    Установление Фактов, Имеющих Юридическое Значение — — в гражданском
    процессе -одна из категорий дел особого производства. В соответствии со ст. 247 ГПК РСФСР суд устанавливает
    факты, от которых зависит возникновение,……..
    Экономический словарь

    Факт, Имеющий Существенное Значение — В страховых операциях: факт, на основе которого осуществляется андеррайтерское решение страховщика о принятии риска на страхование и производится оценка страхового полиса.
    Экономический словарь

    Arithmetic Mean (среднее Арифметическое Значение) — Средняя величина, полученная путем сложения всех членов числового ряда и деления суммы на число членов, например среднее арифметическое значение 7, 20, 107 и 350 равно 484/4……..
    Экономический словарь

    Weighted Average (weighted Mean) (средневзвешенное (среднее Значение)) — Среднее арифметическое значение, в котором учтены веса каждого из чисел, для которых рассчитывается это среднее значение. Например, если какое-либо лицо покупает товар……..
    Экономический словарь

    Значение — — слово, весьма распространенное в конституционном праве в некоторых сочетаниях: вопросы государственного 3. — касаются Федерации в целом и подлежат разрешению органами……..
    Юридический словарь

    Максимальное Значение Сверхтока — — наибольшее значение тока, при котором происходит хотя бы одно воспламенение изоляции (оболочки) кабеля (провода). (Приказ Главного государственного инспектора Республики……..
    Юридический словарь

    Местное Значение — — см.: Вопросы местного значения. Категория МСУ появилась в конституционном законодательстве сравнительно недавно. 9 апреля 1990 г. был принят Закон СССР «Об общих началах……..
    Юридический словарь

    Начальное Значение Денежной Позиции Дилера — — является сумма денежных средств, зарезервированных данным дилером в Расчетном центре ОРЦБ на торговом счете, соответствующем данной позиции.
    Юридический словарь

    Посмотреть еще слова :

    Онлайн калькулятор: Получение Z-оценки по P-значению

    Для стандартного нормального распределения значения Z-оценки для типовых величин P-значения, используемых для проверки гипотез, известны. Например, для значения p=0.05 Z-оценка приблизительно равна 1.64. Однако этот калькулятор вычисляет Z-оценку для любого введенного P-значения. Все что нужно для такого расчета — это иметь возможность рассчитать значение функции, обратной к кумулятивной функции распределения для стандартного нормального распределения. И мы это можем сделать благодаря библиотеке jStat, подключенной к калькулятору. Логика расчета описана под калькулятором.

    PLANETCALC, Получение Z-оценки по P-значению
    Получение Z-оценки по P-значению
    Тип тестаДвусторонний тестЛевосторонний тестПравосторонний тест Точность вычисления

    Знаков после запятой: 2

    save Сохранить extension Виджет

    Ниже приведена логика расчета для разных типов альтернативной гипотезы.

    Левосторонняя гипотеза

    Для левосторонней гипотезы P-значение это вероятность получить результат равный или меньший чем наблюдаемое значение случайной величины x. В этом случае значение p совпадает со значением кулумятивной функции распределения x, как показано на картинке ниже:

    P-значение для левосторонней гипотезыP-значение для левосторонней гипотезы

    Для того, чтобы найти Z-оценку достаточно найти значение обратной функции к кумулятивной функции распределения.

    Правосторонняя гипотеза

    Для правосторонней гипотезы P-значение это вероятность получить результат равный или больший чем наблюдаемое значение случайной величины x. В этом случае значение p равно единице минус значение кулумятивной функции распределения x, как показано на картинке ниже:

    P-значение для правосторонней гипотезыP-значение для правосторонней гипотезы

    Для того, чтобы найти Z-оценку достаточно вычесть из единицы значение обратной функции к кумулятивной функции распределения.

    Двусторонняя гипотеза

    Для двусторонней гипотезы P-значение равно удвоенной вероятности меньшего из «хвостов». Так как обычно задают только одно значение p, «хвосты» будут симметричны. В этом случае P-значение равно удвоенному значению кумулятивной функции распределения для левого «хвоста». См. картинку ниже:

    P-значение для двусторонней гипотезыP-значение для двусторонней гипотезы

    Для того, чтобы найти Z-оценку, достаточно найти значение обратной функции для p делённого на 2. Обратите внимание, что для такого случая калькулятор выдает Z-значение по модулю.

    значение ‘z’? — CodeRoad

    я начал изучать cocos2d и наткнулся на эти строки кода:

    -(id)init {
    self=[super init];
    if(self!=nil) {
    
        Sprite *bg = [Sprite spriteWithFile:@"menu.png"];
    
        [bg setPosition:ccp(240,160)];
        [self addChild:bg z:0];
        [self addChild:[MenuLayer node] z:1];
    }
    return self;
    
    }

    Я запустил те же строки кода со следующей модификацией:

    -(id)init {
    self=[super init];
    if(self!=nil) {
    
        Sprite *bg = [Sprite spriteWithFile:@"menu.png"];
    
        [bg setPosition:ccp(240,160)];
        [self addChild:bg];
        [self addChild:[MenuLayer node]];
    }
    return self;
    
    }

    Удаление параметра ‘z’ не привело к изменению выходных данных, так в чем же его значение и для чего он используется?

    Спасибо

    iphone cocos2d-iphone Поделиться Источник Vaishnavi Naidu     25 ноября 2009 в 10:03

    1 Ответ



    3

    Это порядок укладки немного похож на CSS z-индекс z:1 будет поверх z:0

    Поделиться matpol     25 ноября 2009 в 10:34


    Похожие вопросы:


    CSS-максимальное значение z-индекса

    Существует ли максимальное / минимальное возможное значение для свойства CSS z-index ? Имеют ли разные браузеры разные максимальные / минимальные допустимые значения? Как браузеры будут обрабатывать…


    z-максимальное значение индекса

    Возможный Дубликат : Минимальное и максимальное значение Z-индекса Какое максимальное значение я могу использовать для z-индекса? Зависит ли это от браузера?


    Преобразования Z-оценок (Z-значение, стандартный счет) p-значение для нормального распределения в Python

    Как можно преобразовать Z-оценку из Z-распределения (стандартное нормальное распределение, гауссово распределение) в p -значение ? Мне еще предстоит найти магическую функцию в модуле Scipy stats ,…


    Максимальное значение z-индекса для chrome

    в Chrome, когда я устанавливаю z-индекс на 2147483647, он меняется на 1e+06.. каково максимально возможное значение для chrome?


    Значение [Z] в формате + строка в Moment.js

    Мне интересно, что это делает: newM = moment(2015-08-11T13:00:00.000000Z, YYYY-MM-DDTHH:mm:ss.SSSS[Z], true) В частности- [Z] в строке формата. Я использую библиотеку…


    Почему ‘aa’ < ‘z’ принимает значение True в Python?

    Я работаю со строковым сравнением в Python. Почему значение ‘aa’ < ‘z’ равно True? Далее, Почему ‘aa’ < ‘a’ вычисляется как False. Я попытался объяснить, что ‘aa’ имеет большую длину, чем ‘a’,…


    Gnuplot: как получить координацию (x,y,z) точки, значение z которой является максимальным?

    Файл данных имеет 3 столбца, соответствующие (x, y, z), и стиль установлен, чтобы иметь возможность рисовать поверхность 3D. Я нахожу, что команда GPVAL_DATA_Z_MAX может дать максимальное значение…


    Java string: как получить значение X, Y и Z из строки » vt X, Y, Z»

    как я могу получить значение X, Y и Z из строки vt X,Y,Z


    Измените значение z-индекса определенного класса через Javascript

    Как изменить значение Z-индекса от 3 до 0, как показано ниже пример. Это в inline css. Мне нужно только изменить значение z-индекса только для определенного класса. Он должен быть в JS, однако…


    Почему этот код не переставляет значение Z?

    Поэтому я пытаюсь построить простую программу в C, которая переставляет значение z ( z равно x + y ), но все, что я пытаюсь сделать по-разному, не работает. Серьезно расстроен здесь. Пожалуйста,…


    Добавить комментарий

    Ваш адрес email не будет опубликован. Обязательные поля помечены *