Page 117 - 70

d , то вважають, що гіпотеза H є відхиленою. Але це не є рів-

0
носильним її логічному відхиленню. Навіть якщо гіпотеза H є вір-
0
ною, то подія ( d > d ) може відбутися, хоча з малою ймовірніс-

тю. При однократній перевірці гіпотези H така можливість на
0
практиці виключається, однак при багатократній перевірці гіпотези
при різних вибірках результатів спостережень рано чи пізно отри-
мують відхилення гіпотези (хоча вона є вірною).
З другого боку, одержання одного значення d < d не є до-

казом правильності гіпотези H . Це лише показує, що у відношен-
0
ні даного критерію рівність даних і зроблених припущень є задо-
вільною. Для практичного обгрунтування гіпотези її потрібно до-
слідити більш детально, наприклад, за допомогою інших критеріїв.
Найчастіше на практиці використовуються критерії порівнян-
ня середніх значень і дисперсій для вибірок із нормальним розподі-
лом, причому або порівнюють параметр однієї вибірки із заданим
значенням, або параметри двох вибірок. При обробці декількох груп
даних часто необхідно перевірити однорідність цих груп, тобто рів-
ність їх функцій розподілу. Перевірка однорідності груп з нормаль-
ним розподілом виконують шляхом порівняння середніх значень i
дисперсій вибірок. Групи вважаються однорідними, якщо підтвер-
джуються гіпотези рівності їх середніх арифметичних значень і ди-
сперсій. Конкретні критерії відповідності, які при цьому можуть
2
використовуватися (критерій Фішера,  — розподіл), будуть роз-
глянуті пізніше.

4.3. Робастні методи обробки даних

Класичні методи математичної статистики розроблені для тих
випадків, коли експериментальні дані задовільняють строгим статис-
тичним моделям і є оптимальними для цих моделей. Однак біль-
шість із цих методів є досить чутливими до промахів, до незначних
відхилень фактичного розподілу від гаусівського тощо. Тому бажа-
но використовувати такі методи, які є слабо чутливими до вказаних

155