LINUX.ORG.RU

История изменений

Исправление Evgueni, (текущая версия) :

Не получится. В смысле одного числа не достаточно. Всё сильно зависит от контекста. Если у экспериментального ряда есть неопределённости, то традиционно используется критерий chi^2, но и в этом случае мало чего можно сказать. Можно сказать какая модель лучше описывает наблюдаемое распределение и насколько достоверно такое «лучше». Можно сказать с какой вероятностью модельная зависимость может быть получена из экспериментальной при условии что мы делаем разумное предположение какая неопределённость имеется в экспериментальных данных. Это пожалуй всё.

Итого: если есть разумно оцененные неопределённости (статистические непоределённости — это наименее лёгкая часть процесса), то можно с помощью подгонки экспериментального распределения моделью оценить неопределённости в параметрах модели, но это не избавляет от оценки систематических неопределённостей.

Исправление Evgueni, :

Не получится. В смысле одного числа не достаточно. Всё сильно зависит от контекста. Если у экспериментального ряда есть неопределённости, то традиционно используется критерий chi^2, но и в этом случае мало чего можно сказать. Можно сказать какая модель лучше описывает наблюдаемое распределение и насколько достоверно такое «лучше».

Итого: если есть разумно оцененные неопределённости (статистические непоределённости — это наименее лёгкая часть процесса), то можно с помощью подгонки экспериментального распределения моделью оценить неопределённости в параметрах модели, но это не избавляет от оценки систематических неопределённостей.

Исходная версия Evgueni, :

Не получится. В смысле одного числа не достаточно. Всё сильно зависит от контекста. Если у экспериментального ряда есть неопределённости, то традиционно используется критерий chi^2, но и в этом случае мало чего можно сказать.

Итого: если есть разумно оцененные неопределённости (статистические непоределённости — это наименее лёгкая часть процесса), то можно с помощью подгонки экспериментального распределения моделью оценить неопределённости в параметрах модели, но это не избавляет от оцени систематических неопределённостей.