HTML Microdata document

This HTML5 document contains 150 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

Namespace Prefixes

Prefix	IRI
dbt	http://dbpedia.org/resource/Template:
wikipedia-en	http://en.wikipedia.org/wiki/
dbr	http://dbpedia.org/resource/
n39	https://blog.minitab.com/blog/data-analysis-and-quality-improvement-and-stuff/
dbpedia-et	http://et.dbpedia.org/resource/
dbpedia-he	http://he.dbpedia.org/resource/
n14	http://commons.wikimedia.org/wiki/Special:FilePath/
dbpedia-fr	http://fr.dbpedia.org/resource/
n17	https://www.statsmodels.org/dev/_modules/statsmodels/distributions/
dcterms	http://purl.org/dc/terms/
n34	http://www.mathwave.com/articles/
dbpedia-cs	http://cs.dbpedia.org/resource/
rdfs	http://www.w3.org/2000/01/rdf-schema#
rdf	http://www.w3.org/1999/02/22-rdf-syntax-ns#
n12	https://matplotlib.org/3.1.1/gallery/statistics/
n35	https://www.rdocumentation.org/packages/stats/versions/3.6.1/topics/
n4	http://dbpedia.org/resource/File:
dbp	http://dbpedia.org/property/
dbpedia-eo	http://eo.dbpedia.org/resource/
dbpedia-eu	http://eu.dbpedia.org/resource/
n37	https://plotly.com/python/ecdf-plots/
xsdh	http://www.w3.org/2001/XMLSchema#
dbpedia-uk	http://uk.dbpedia.org/resource/
n16	https://www.statisticshowto.com/empirical-distribution-function/
dbo	http://dbpedia.org/ontology/
dbc	http://dbpedia.org/resource/Category:
n36	https://seaborn.pydata.org/generated/
dbpedia-de	http://de.dbpedia.org/resource/
n30	https://www.jmp.com/support/help/14-2/
dbpedia-ru	http://ru.dbpedia.org/resource/
wikidata	http://www.wikidata.org/entity/
dbpedia-nl	http://nl.dbpedia.org/resource/
gold	http://purl.org/linguistics/gold/
n43	https://global.dbpedia.org/id/
dbpedia-it	http://it.dbpedia.org/resource/
prov	http://www.w3.org/ns/prov#
n20	https://docs.scipy.org/doc/scipy/reference/tutorial/
foaf	http://xmlns.com/foaf/0.1/
dbpedia-zh	http://zh.dbpedia.org/resource/
dbpedia-ko	http://ko.dbpedia.org/resource/
dbpedia-fa	http://fa.dbpedia.org/resource/
n41	https://www.mathworks.com/help/stats/
freebase	http://rdf.freebase.com/ns/
dbpedia-es	http://es.dbpedia.org/resource/
n15	https://www.itl.nist.gov/div898/software/dataplot/refman1/auxillar/
owl	http://www.w3.org/2002/07/owl#

Statements

Subject Item: dbr:Empirical_distribution_function
rdf:type: dbo:Disease owl:Thing
rdfs:label: Empirische Verteilungsfunktion Empirical distribution function Empirische verdelingsfunctie Funzione di ripartizione empirica 경험적 누적 분포 함수 Empirická distribuční funkce Выборочная функция распределения 经验分布函数 Banaketa-funtzio enpiriko Empiria distribua funkcio Fonction de répartition empirique Емпірична функція розподілу Distribución empírica
rdfs:comment: Eine empirische Verteilungsfunktion – auch Summenhäufigkeitsfunktion oder Verteilungsfunktion der Stichprobe genannt – ist in der beschreibenden Statistik und der Stochastik eine Funktion, die jeder reellen Zahl den Anteil der Stichprobenwerte, die kleiner oder gleich sind, zuordnet. Die Definition der empirischen Verteilungsfunktion kann in verschiedenen Schreibweisen erfolgen. In de statistiek is de empirische verdelingsfunctie, ook wel aangeduid als cumulatieve relatieve-frequentieverdeling, de trapfunctie die telkens een sprong ter grootte maakt in elk van de waarnemingen van een aselecte steekproef. Het is de verdelingsfunctie die, in bepaalde zin, zo goed mogelijk bij de gevonden data past. Theoretisch gezien is de empirische verdelingsfunctie, in afhankelijkheid van de steekproef, een steekproeffunctie, dus een stochastische variabele, die voor elke mogelijke steekproefuitkomst bepaald wordt door de genoemde trapfunctie. De empirische verdelingsfunctie kan gezien worden als een schatter van de (cumulatieve) verdelingsfunctie die de verdeling beschrijft waaruit de data afkomstig zijn. In statistics, an empirical distribution function (commonly also called an empirical Cumulative Distribution Function, eCDF) is the distribution function associated with the empirical measure of a sample. This cumulative distribution function is a step function that jumps up by 1/n at each of the n data points. Its value at any specified value of the measured variable is the fraction of observations of the measured variable that are less than or equal to the specified value. Empirická distribuční funkce (obvykle označovaná eCDF podle anglického empirical Cumulative Distribution Function) je ve statistice distribuční funkce vytvořená na základě určené hodnotami určitého znaku z výběrového souboru. Tato distribuční funkce je tvořená skoky velikosti 1/n v každém z n datových bodů. Její hodnota v každém bodě je zlomek, jehož čitatelem je počet pozorování, v nichž je měřená proměnná menší nebo rovna zadané hodnotě, a jmenovatelem je rozsah souboru, N. Выборочная (эмпири́ческая) фу́нкция распределе́ния в математической статистике — это приближение теоретической функции распределения, построенное с помощью выборки из него. Banaketa-funtzio enpirikoa edo maiztasun metatuen banaketa lagin bateko datuen balioei dagozkien maiztasun metatu erlatiboak zehazten dituen banaketa-funtzioa da, hau da, balio bakoitzaren azpitik zenbat datu dauden, era absolutuan edo erlatiboan, adierazten duen funtzioa. Datu bakanen kasuan eta maiztasun erlatiboak hartzen badira, datu bakoitzeko eta dagokion balioan 1/n neurriko gorako jauzia egiten duen funtzio mailakatua da, 0tik 1era bitarteko balioak hartzen dituena. Kolmogorov-Smirnov frogaren bitartez lagin bat probabilitate-banaketa batekin alderatu eta bi lagin elkarrekin alderatzeko erabiltzen da, besteak beste. Formalki honela adierazten da: 经验分布函数（英語：empirical distribution function）是统计学中一个与样本经验测度有关的分布函数。该累积分布函数是在所有n个数据点上都跳跃1/n的阶跃函数。对被测变量的某个值而言，该值的分布函数值表示所有观测样本中小于或等于该值的样本所占的比例。经验分布函数是对用于生成样本的累积分布函数的估计。根据可以证明，经验分布函数以概率1收敛至这一累积分布函数。 확률론과 통계학에서 경험적 (누적) 분포 함수(經驗的累積分布函數, 영어: empirical (cumulative) distribution function) 또는 표본 (누적) 분포 함수(標本累積分布函數, 영어: sample (cumulative) distribution function)는 반복된 시행을 통해 확률 변수가 일정 값을 넘지 않을 확률을 유추하는 함수이다. 글리벤코-칸텔리 정리(영어: Glivenko–Cantelli theorem)에 따르면, 독립 동일 분포 확률 변수의 열의 경험적 누적 분포 함수는 거의 확실하게 실제 누적 분포 함수로 균등 수렴한다. Емпірична функція розподілу — це функція розподілу реалізації випадкової величини, яку будують за результатами вимірювань (спостережень). Нехай маємо випадкову величину , де n — загальна кількість спостережень. Через позначимо випадкову величину, яка дорівнює кількості елементів вибірки значення яких менше x. Тоді емпірична функція розподілу буде задаватись як . Емпіричні функції розподілу широко використовують у непараметричних статистичних критеріях . In statistica e teoria della probabilità, la funzione di ripartizione empirica (o funzione cumulativa empirica o ECDF) è una funzione di variabile reale che rappresenta la funzione di ripartizione della misura empirica di un campione.La funzione di ripartizione empirica è una stima della vera funzione di ripartizione che ha generato il campione e grazie al teorema di Glivenko-Cantelli è possibile affermare che essa converge per con probabilità 1 alla distribuzione del campione. En statistiko, empiria distribua funkcio estas tuteca distribua funkcio kiu koncentras probablo 1/n je ĉiu de la n nombroj en specimeno. Estu esti hazarda variablo kun komprenoj. La empiria distribua funkcio bazita sur specimeno estas ŝtupara funkcio difinis per kie Mi(A) estas . En estadística, una función de distribución empírica (comúnmente llamada función de distribución empírica, FDe) es la función de distribución asociada con una de una muestra. Esta función de distribución acumulativa es una función escalonada que salta en cada uno de los valores dentro de la muestra empírica. Su valor en cualquier valor especificado de la variable medida es la fracción de observaciones de la variable medida que son menores o iguales al valor especificado. En statistiques, une fonction de répartition empirique est une fonction de répartition qui attribue la probabilité 1/n à chacun des n nombres dans un échantillon. Soit X1,...,Xn un échantillon de variables iid définies sur un espace de probabilité , à valeurs dans , avec pour fonction de répartition F. La fonction de répartition empirique de l'échantillon est définie par : où est la fonction indicatrice de l'événement A. Pour chaque ω, l'application est une fonction en escalier, fonction de répartition de la loi de probabilité uniforme sur l'ensemble .
rdfs:seeAlso: dbr:Frequency_distribution
foaf:depiction: n14:Triangle_emp.png n14:Cauchy_emp_.png n14:ECDF-100.png n14:Empirical_CDF,_CDF_and_Confidence_Interval_plots_for_various_sample_sizes_of_Normal_Distribution.png
dcterms:subject: dbc:Nonparametric_statistics dbc:Empirical_process
dbo:wikiPageID: 2690455
dbo:wikiPageRevisionID: 1108690264
dbo:wikiPageWikiLink: n4:Cauchy_emp_.png dbr:Consistent_estimator dbr:Dvoretzky–Kiefer–Wolfowitz_inequality dbr:Norm_(mathematics) dbr:Survival_function dbr:Kolmogorov_distribution dbr:Q–Q_plot dbr:Donsker’s_theorem n4:Empirical_CDF,_CDF_and_Confidence_Interval_plots_for_various_sample_sizes_of_Normal_Distribution.png dbr:Strong_law_of_large_numbers dbr:Brownian_bridge dbr:Lp_norm dbr:Glivenko–Cantelli_theorem dbr:Bernoulli_distribution dbr:Empirical_probability dbr:Hungarian_embedding dbr:Empirical_process dbr:Skorokhod_space dbr:Count_data dbr:Mean dbr:Frequency_(statistics) dbc:Nonparametric_statistics dbr:Variance n4:Triangle_emp.png dbr:Law_of_the_iterated_logarithm dbr:Step_function dbr:Binomial_distribution dbr:Sample_(statistics) dbr:Iid dbr:Càdlàg dbr:Event_(probability_theory) dbr:Quantile dbr:Cumulative_distribution_function dbr:Mean_squared_error dbr:Almost_sure_convergence dbc:Empirical_process dbr:Statistics dbr:Gaussian_process dbr:Indicator_function dbr:Convergence_in_distribution dbr:Kaplan–Meier_estimator dbr:Empirical_measure dbr:Central_limit_theorem dbr:Bias_of_an_estimator dbr:Kolmogorov–Smirnov_test dbr:Distribution_fitting dbr:Cramér–von_Mises_criterion dbr:Standard_normal_distribution
dbo:wikiPageExternalLink: n12:histogram_cumulative.html n15:ecdfplot.htm n16: n17:empirical_distribution.html n20:stats.html n30:cdf-plot.shtml n34:distribution-fitting-graphs.html n35:ecdf n36:seaborn.ecdfplot.html n37: n39:the-empirical-cdf-part-2-software-vs-etch-a-sketch n41:cdfplot.html
owl:sameAs: dbpedia-it:Funzione_di_ripartizione_empirica dbpedia-ko:경험적_누적_분포_함수 dbpedia-ru:Выборочная_функция_распределения dbpedia-et:Empiiriline_jaotus dbpedia-zh:经验分布函数 dbpedia-es:Distribución_empírica dbpedia-nl:Empirische_verdelingsfunctie dbpedia-eu:Banaketa-funtzio_enpiriko dbpedia-fr:Fonction_de_répartition_empirique wikidata:Q1339385 dbpedia-de:Empirische_Verteilungsfunktion dbpedia-fa:توزیع_نمونه‌ای dbpedia-uk:Емпірична_функція_розподілу dbpedia-cs:Empirická_distribuční_funkce freebase:m.07y629 n43:MA2p dbpedia-eo:Empiria_distribua_funkcio dbpedia-he:פונקציית_התפלגות_מצטברת_אמפירית
dbp:wikiPageUsesTemplate: dbt:Reflist dbt:Short_description dbt:Commons_category-inline dbt:See_also dbt:Statistics dbt:CSS_image_crop dbt:Cite_book dbt:= dbt:Math dbt:Purge
dbo:thumbnail: n14:ECDF-100.png?width=300
dbp:bsize: 2500
dbp:cheight: 250
dbp:cwidth: 250
dbp:description: The green curve, which asymptotically approaches heights of 0 and 1 without reaching them, is the true cumulative distribution function of the standard normal distribution. The grey hash marks represent the observations in a particular sample drawn from that distribution, and the horizontal steps of the blue step function form the empirical distribution function of that sample.
dbp:location: right
dbp:oleft: Random|number|9*250
dbp:otop: Random|number|9*250
dbo:abstract: In de statistiek is de empirische verdelingsfunctie, ook wel aangeduid als cumulatieve relatieve-frequentieverdeling, de trapfunctie die telkens een sprong ter grootte maakt in elk van de waarnemingen van een aselecte steekproef. Het is de verdelingsfunctie die, in bepaalde zin, zo goed mogelijk bij de gevonden data past. Theoretisch gezien is de empirische verdelingsfunctie, in afhankelijkheid van de steekproef, een steekproeffunctie, dus een stochastische variabele, die voor elke mogelijke steekproefuitkomst bepaald wordt door de genoemde trapfunctie. De empirische verdelingsfunctie kan gezien worden als een schatter van de (cumulatieve) verdelingsfunctie die de verdeling beschrijft waaruit de data afkomstig zijn. En estadística, una función de distribución empírica (comúnmente llamada función de distribución empírica, FDe) es la función de distribución asociada con una de una muestra. Esta función de distribución acumulativa es una función escalonada que salta en cada uno de los valores dentro de la muestra empírica. Su valor en cualquier valor especificado de la variable medida es la fracción de observaciones de la variable medida que son menores o iguales al valor especificado. La función de distribución empírica es una estimación de la función de distribución acumulativa que generó los puntos en la muestra. Esta función, converge con la probabilidad 1 a esa distribución subyacente a cuando , de acuerdo con el . Existen varios resultados para cuantificar la tasa de convergencia de la función de distribución empírica a la función de distribución acumulativa subyacente. En statistiko, empiria distribua funkcio estas tuteca distribua funkcio kiu koncentras probablo 1/n je ĉiu de la n nombroj en specimeno. Estu esti hazarda variablo kun komprenoj. La empiria distribua funkcio bazita sur specimeno estas ŝtupara funkcio difinis per kie Mi(A) estas . En statistiques, une fonction de répartition empirique est une fonction de répartition qui attribue la probabilité 1/n à chacun des n nombres dans un échantillon. Soit X1,...,Xn un échantillon de variables iid définies sur un espace de probabilité , à valeurs dans , avec pour fonction de répartition F. La fonction de répartition empirique de l'échantillon est définie par : où est la fonction indicatrice de l'événement A. Pour chaque ω, l'application est une fonction en escalier, fonction de répartition de la loi de probabilité uniforme sur l'ensemble . Pour chaque x, la variable aléatoire est une variable aléatoire de Bernoulli, de paramètre p=F(x). Par conséquent, la variable aléatoire , qu'on notera , est distribuée selon une loi binomiale, avec pour moyenne nF(x) et pour variance nF(x)(1 − F(x)). En particulier, Fn(x) est un estimateur non-biaisé de F(x). 확률론과 통계학에서 경험적 (누적) 분포 함수(經驗的累積分布函數, 영어: empirical (cumulative) distribution function) 또는 표본 (누적) 분포 함수(標本累積分布函數, 영어: sample (cumulative) distribution function)는 반복된 시행을 통해 확률 변수가 일정 값을 넘지 않을 확률을 유추하는 함수이다. 글리벤코-칸텔리 정리(영어: Glivenko–Cantelli theorem)에 따르면, 독립 동일 분포 확률 변수의 열의 경험적 누적 분포 함수는 거의 확실하게 실제 누적 분포 함수로 균등 수렴한다. In statistica e teoria della probabilità, la funzione di ripartizione empirica (o funzione cumulativa empirica o ECDF) è una funzione di variabile reale che rappresenta la funzione di ripartizione della misura empirica di un campione.La funzione di ripartizione empirica è una stima della vera funzione di ripartizione che ha generato il campione e grazie al teorema di Glivenko-Cantelli è possibile affermare che essa converge per con probabilità 1 alla distribuzione del campione. 经验分布函数（英語：empirical distribution function）是统计学中一个与样本经验测度有关的分布函数。该累积分布函数是在所有n个数据点上都跳跃1/n的阶跃函数。对被测变量的某个值而言，该值的分布函数值表示所有观测样本中小于或等于该值的样本所占的比例。经验分布函数是对用于生成样本的累积分布函数的估计。根据可以证明，经验分布函数以概率1收敛至这一累积分布函数。 In statistics, an empirical distribution function (commonly also called an empirical Cumulative Distribution Function, eCDF) is the distribution function associated with the empirical measure of a sample. This cumulative distribution function is a step function that jumps up by 1/n at each of the n data points. Its value at any specified value of the measured variable is the fraction of observations of the measured variable that are less than or equal to the specified value. The empirical distribution function is an estimate of the cumulative distribution function that generated the points in the sample. It converges with probability 1 to that underlying distribution, according to the Glivenko–Cantelli theorem. A number of results exist to quantify the rate of convergence of the empirical distribution function to the underlying cumulative distribution function. Выборочная (эмпири́ческая) фу́нкция распределе́ния в математической статистике — это приближение теоретической функции распределения, построенное с помощью выборки из него. Eine empirische Verteilungsfunktion – auch Summenhäufigkeitsfunktion oder Verteilungsfunktion der Stichprobe genannt – ist in der beschreibenden Statistik und der Stochastik eine Funktion, die jeder reellen Zahl den Anteil der Stichprobenwerte, die kleiner oder gleich sind, zuordnet. Die Definition der empirischen Verteilungsfunktion kann in verschiedenen Schreibweisen erfolgen. Empirická distribuční funkce (obvykle označovaná eCDF podle anglického empirical Cumulative Distribution Function) je ve statistice distribuční funkce vytvořená na základě určené hodnotami určitého znaku z výběrového souboru. Tato distribuční funkce je tvořená skoky velikosti 1/n v každém z n datových bodů. Její hodnota v každém bodě je zlomek, jehož čitatelem je počet pozorování, v nichž je měřená proměnná menší nebo rovna zadané hodnotě, a jmenovatelem je rozsah souboru, N. Empirická distribuční funkce je odhadem distribuční funkce, která generuje datové body. Podle konverguje k tomuto podkladovému rozdělení s pravděpodobností 1. Rychlost konvergence empirické distribuční funkce k podkladové distribuční funkci popisují různé matematické věty. Banaketa-funtzio enpirikoa edo maiztasun metatuen banaketa lagin bateko datuen balioei dagozkien maiztasun metatu erlatiboak zehazten dituen banaketa-funtzioa da, hau da, balio bakoitzaren azpitik zenbat datu dauden, era absolutuan edo erlatiboan, adierazten duen funtzioa. Datu bakanen kasuan eta maiztasun erlatiboak hartzen badira, datu bakoitzeko eta dagokion balioan 1/n neurriko gorako jauzia egiten duen funtzio mailakatua da, 0tik 1era bitarteko balioak hartzen dituena. Kolmogorov-Smirnov frogaren bitartez lagin bat probabilitate-banaketa batekin alderatu eta bi lagin elkarrekin alderatzeko erabiltzen da, besteak beste. Formalki honela adierazten da: Емпірична функція розподілу — це функція розподілу реалізації випадкової величини, яку будують за результатами вимірювань (спостережень). Нехай маємо випадкову величину , де n — загальна кількість спостережень. Через позначимо випадкову величину, яка дорівнює кількості елементів вибірки значення яких менше x. Тоді емпірична функція розподілу буде задаватись як . Для побудови таблиці значень емпіричної функції розподілу використовують такий метод. Спочатку всі результати спостережень впорядковують за зростанням й визначають їх ранги (порядкові номера в отриманої послідовності). Потім кожному спостереженню приводять у відповідність число . Графік емпіричної функції розподілу має східчастий вигляд. Із збільшенням кількості спостережень він стає гладкішим, а емпірична функція розподілу наближається до теоретичної функції розподілу генеральної сукупності чи певної теоретичної моделі розподілу. Емпіричні функції розподілу широко використовують у непараметричних статистичних критеріях .
gold:hypernym: dbr:Function
prov:wasDerivedFrom: wikipedia-en:Empirical_distribution_function?oldid=1108690264&ns=0
dbo:wikiPageLength: 15530
foaf:isPrimaryTopicOf: wikipedia-en:Empirical_distribution_function