قاعده فریدمن-دیاکنیس
در آمار، قانون فریدمن-دیانکنیس (Freedman – Diaconis) میتواند برای انتخاب طول عرض مستطیلهای یک هیستوگرام استفاده شود.[۱] این قاعده بهخاطر نام دیوید فریدمن، و پرسی دیاکنیس نامگذاری شده است.
برای یک مجموعه اندازهگیریهای تجربی نمونهگیری شده برای برخی توزیعهای احتمال، قاعدهٔ فریدمن-دیاکنیس بهمنظور حداقلسازی فاصله بین ناحیهٔ تحت توزیع احتمال تجربی و ناحیه بین توزیع نظری احتمال طراحی شده است. [نیازمند شفافسازی]
معادلهٔ کلی برای این قاعده:
است که در آن فاصلهٔ میانچارکی دادهها و n تعداد مشاهدات نمونه است.
سایر رویکردها[ویرایش]
یک رویکرد دیگر استفاده است قانون sturges است: یک از مستطیل خیلی بزرگ که حدود مستطیل ناخالی است استفاده میشود. (اسکات ۲۰۰۹). [۲] این روش برای n کمتر از ۲۰۰ خوب کار میکند، اما کشف شده که برای بزرگتر از آن دقت پایینی دارد [۳]. (بهعنوان یک بحث و رویکرد جایگزین، نگاه کنید به بیرگ و روزنهلک نگاه کنید [۴])
منابع[ویرایش]
<references group="" responsive="">
- ↑ Freedman, David; Diaconis, Persi (December 1981). "On the histogram as a density estimator: L2 theory" (PDF). Probability Theory and Related Fields. Heidelberg: Springer Berlin. 57 (4): 453–476. doi:10.1007/BF01025868. ISSN 0178-8051. Retrieved 2009-01-06.[پیوند مرده]
- ↑ Scott, D.W. (2009). "Sturges' rule". WIREs Computational Statistics. 1: 303–306. doi:10.1002/wics.35.
- ↑ Hyndman, R.J. (1995). "The problem with Sturges' rule for constructing histograms" (PDF).
{{cite journal}}
: Cite journal requires|journal=
(help) - ↑ Birgé, L.; Rozenholc, Y. (2006). "How many bins should be put in a regular histogram". ESAIM: Probability and Statistics. 10: 24–45. CiteSeerX 10.1.1.3.220. doi:10.1051/ps:2006001.