посчитать доверительный интервал

Непараметрические методы как раз и разработаны для тех ситуаций, достаточно часто возникающих на практике, когда исследователь ничего не знает о параметрах исследуемой популяции (отсюда и название методов — непараметрические).

Погрешности большинства (по крайней мере, у нас на физфаке других не было в принципе, хотя о самом факте их существования я слышал) измерений нормальные, так что это просто распределение Стьюдента со всеми вытекающими.

Я меряю скорость процесса через perf stat. Отсюда и непонятки с тем как оно там распределено.

накапливайте группированный по возрастанию ряд последней 1000 значений, значения по счету 50 и 950 в ряду и будут искомыми границами.

О распределении ничего не известно.

Метод Монте-Карло же. Если про распределение ничего не известно, то других методов нет, насколько я знаю.

Спасибо, мне нравится этот подход.

Но мы решили использовать Стьюдента.

время процесса не может быть меньше 0, искомое распределение совсем не нормальное. интервал крайне асимметричен.

5, 50 и 95 вот точки перцентилей для ненормального распределения наилучшим образом его характеризующие. наверное как более устойчивые можно считать 25 и 75 и как то пересчитывать в 5 и 95 но это уже перфекционизм (поскольку 50 значений случайных вполне детерминировано определяют границу).

Хм, завтра посчитаю по Стьюденту и этим методом, посмотрим что получится...

Метод Монте-Карло

А можно по-конкретней, что ты имеешь в виду? Собрать кучу данных и поступить как вот здесь посчитать доверительный интервал (комментарий)

для непрерывного потока данных:

берем последние 1000 последовательных замеров и считаем порядковый номер

в R

> data <- runif(2000) # пример ненормального распределения от 0 до 1
> d <- data[c((length(data)-1000) : length(data))]
> d[order(d)][c(50, 500, 950)]
[1] 0.04807699 0.49642566 0.94495841

он имеет в виду оценку с помощью бутстрепа. но она нужна только для оценки некого параметра --- например среднего значения, или медианы или ещё чего.

делают из этой тысячи текущих значений столько выборок по тысяче «с возвращением» сколько надо для получения сходимости оценки к нужному числу достоверных цифр в результате (фактически извлекают перцентили накопленного по перевыборкам с возвращением ряда вычисленных значений интересующего показателя).

Есть ли способ сделать такое?

Есть, Дэйвид Г. Порядковые статистики.

Пример 1. Доверительное оценивание по вариационному ряду.

ну и чем это отличается от сказанного мной? :) фамилий человека который не имеет никакого отношения к тривиальной идее вероятностных расчетов с помощью кумулятивного распределения?

ну и чем это отличается от сказанного мной? :)

На твоё авторство никто не покушается :)

P.S. А книжку по порядковым статистикам ТС'у почитать полезно.

книжку по порядковым статистикам ТС'у почитать полезно.

Будет сделано, сэр!

Понял, спасибо.

значения по счету 50 и 950 в ряду и будут искомыми границами.

Мне кажется это будет работать только лишь при симметричном распределении, нет? У меня вот получилось такое распредление: http://imgur.com/JP3shnn . Значит ли это что с одной стороны нужно отсекать больше чем с другой?

Или, о ужас, может доверительных интервалов может быть несколько? Какой тогда брать?

Это работает при любом распределении. Даже таком как нарисовано :) Полученный интервал предскажет вероятность будущих значений.

Безусловно можно бутстрепом и для медианы, и для границ получить свои собственные интервальные оценки, но по моему там и так все устойчиво при такой выборке.

Но нарисованное больше напоминает смесь двух распределений. И наверное рационально для картинки решить задачу разделения смеси распределений.

Мне мой профессор сказал что не зная распределения так делать нельзя. Дело в том что мы можем таким путём отсечь маловероятные события которые, однако, очень сильно отстоят от среднего значения. Это плохо по той причине что многие системы могут быть не расчитаны на такие отклонения.

Т.е., логика такая: не пренебрегать маловероятными событиями которые потенциально могут сильно навредить. Как пример он мне привёл Фукусиму...

«Кто на ком стоял»? :)

Если мы определили «95%» доверительный интервал, то мы определили именно «95%» доверительный интервал. Никакие «далеко отстоящие события» мы не отсекаем. Мы просто четко говорим _за_ пределами каких границ окажутся 5% событий.

Если конкретно о теории надежности, то вынужден огорчить Вашего научрука, там вообще _всё_ считается монтекарло :) Ну не считаются аналитически итоговые интегральные уравнения хоть плачь :)

Надо меньшие вероятности посчитать --- есть куча схем http://en.wikipedia.org/wiki/Bootstrapping_(statistics)