В статистике , А бимодальное распределение является распределением вероятностей с двумя различными режимами , которые также могут быть отнесены как бимодальное распределение. Они проявляются в виде отдельных пиков (локальных максимумов) в функции плотности вероятности , как показано на рисунках 1 и 2. Категориальные, непрерывные и дискретные данные могут формировать бимодальные распределения [ необходима цитата ] .
В более общем смысле, мультимодальное распределение - это распределение вероятностей с двумя или более модами, как показано на рисунке 3.
Терминология [ править ]
Когда два режима не равны, больший режим называется основным режимом, а другой - второстепенным. Наименее частое значение между режимами известно как антимод . Разница между основной и второстепенной модами называется амплитудой . Во временных рядах основная мода называется акрофазой, а антимодика - батифазой . [ необходима цитата ]
Классификация Галтунга [ править ]
Галтунг ввел систему классификации (AJUS) для распределений: [1]
- A: одномодальное распределение - пик посередине
- J: одномодальный - пик на обоих концах
- U: бимодальный - пики на обоих концах
- S: бимодальный или мультимодальный - несколько пиков
С тех пор эта классификация была немного изменена:
- J: (изменено) - пик справа
- L: одномодальный - пик слева
- F: без пика (плоский)
В соответствии с этой классификацией бимодальные распределения классифицируются как тип S или U.
Примеры [ править ]
Бимодальные распределения встречаются как в математике, так и в естественных науках.
Распределения вероятностей [ править ]
Важные бимодальные распределения включают распределение арксинусов и бета-распределение . Другие включают U-квадратичное распределение .
Отношение двух нормальных распределений также распределяется бимодально. Позволять
где a и b постоянны, а x и y распределены как нормальные переменные со средним значением 0 и стандартным отклонением 1. R имеет известную плотность, которая может быть выражена как конфлюэнтная гипергеометрическая функция . [2]
Распределение обратной части в т распределенной случайной величины является бимодальным , когда число степеней свободы больше , чем один. Аналогично, величина, обратная нормально распределенной переменной, также распределяется бимодально.
Т статистики генерируется из набора данных взяты из распределения Коши является бимодальным. [3]
События в природе [ править ]
Примеры переменных с бимодальным распределением включают время между извержениями определенных гейзеров , цвет галактик , размер рабочих- ткачей , возраст заболеваемости лимфомой Ходжкина , скорость инактивации препарата изониазид у взрослых в США, абсолютную величину из новых звезд , и циркадных паттернов активности этих сумеречных животных, которые активны как в утренних и вечерних сумерках. В науке о рыболовстве мультимодальные распределения длин отражают разные годовые классы и, таким образом, могут использоваться для оценок возрастного распределения и роста популяции рыб. [4]Осадки обычно распределяются бимодальным образом. При отборе проб из горных галерей, пересекающих вмещающую породу и минерализованные жилы, распределение геохимических переменных будет бимодальным. Бимодальное распределение также наблюдается при анализе трафика, когда пик трафика приходится на час пик с утра, а затем снова в час пик после полудня. Это явление также наблюдается в ежедневном распределении воды, поскольку потребность в воде в виде душа, приготовления пищи и использования туалета обычно достигает пика в утренние и вечерние периоды.
Эконометрика [ править ]
В эконометрических моделях параметры могут быть распределены бимодально. [5]
Истоки [ править ]
Математический [ править ]
Бимодальное распределение чаще всего возникает как смесь двух разных одномодальных распределений (т. Е. Распределений, имеющих только одну моду). Другими словами, бимодально распределенная случайная величина X определяется как с вероятностью или с вероятностью, где Y и Z являются унимодальными случайными величинами и являются коэффициентом смеси.
Смеси с двумя отдельными компонентами не обязательно должны быть бимодальными, а двухкомпонентные смеси с одномодальными плотностями компонентов могут иметь более двух режимов. Непосредственной связи между количеством компонентов в смеси и количеством мод результирующей плотности нет.
Особые дистрибутивы [ править ]
Бимодальные распределения, несмотря на то, что они часто встречаются в наборах данных, изучаются очень редко [ необходима цитата ] . Это может быть связано с трудностями при оценке их параметров частотными или байесовскими методами. Среди тех, что были изучены:
- Бимодальное экспоненциальное распределение. [6]
- Альфа-косонормальное распределение. [7]
- Бимодальное кососимметричное нормальное распределение. [8]
- Смесь распределений Конвея-Максвелла-Пуассона была адаптирована к бимодальным данным подсчета. [9]
Бимодальность также естественным образом возникает в распределении катастроф на пороге .
Биология [ править ]
В биологии известно пять факторов, способствующих бимодальному распределению размеров популяций [ цитата необходима ] :
- начальное распределение индивидуальных размеров
- распределение темпов роста среди особей
- размер и зависимость скорости роста каждого человека от времени
- коэффициенты смертности, которые могут по-разному влиять на каждый размерный класс
- метилирование ДНК в геноме человека и мыши.
Бимодальное распределение размеров рабочих- ткачей-муравьев возникает из-за существования двух различных классов рабочих, а именно основных рабочих и второстепенных рабочих. [10]
Распределение фитнеса эффектов мутаций как для целых геномов [11] [12] и отдельных генов [13] также часто оказываются бимодальным с большинством мутаций быть либо нейтральными , либо летальными с относительно небольшого числа , имеющего промежуточного эффекта.
Общие свойства [ править ]
Смесь двух одномодальных распределений с разными средними значениями не обязательно является бимодальным. Комбинированное распределение роста мужчин и женщин иногда используется в качестве примера бимодального распределения, но на самом деле разница в средних ростах мужчин и женщин слишком мала по сравнению со стандартными отклонениями для получения бимодальности. [14]
Бимодальные распределения обладают тем особенным свойством, что, в отличие от унимодальных распределений, среднее значение может быть более надежной оценкой выборки, чем медиана. [15] Это явно тот случай, когда распределение имеет U-образную форму, как распределение арксинуса. Это может быть неверно, если у распределения есть один или несколько длинных хвостов.
Моменты смесей [ править ]
Позволять
где g i - распределение вероятностей, а p - параметр смешивания.
Моменты f ( x ) равны [16]
где
и S я и К я являюсь перекосом и эксцесса из I - го распределения.
Смесь двух нормальных распределений [ править ]
Нередко встречаются ситуации, когда исследователь полагает, что данные получены из смеси двух нормальных распределений. В связи с этим данная смесь достаточно подробно изучена. [17]
Смесь двух нормальных распределений имеет пять параметров для оценки: два средних, две дисперсии и параметр смешивания. Смесь двух нормальных распределений с равными стандартными отклонениями является бимодальной только в том случае, если их средние значения различаются как минимум на двойное стандартное отклонение. [14] Оценки параметров упрощаются, если дисперсии можно считать равными ( гомоскедастический случай).
Если средние двух нормальных распределений равны, то комбинированное распределение является унимодальным. Условия унимодальности комбинированного распределения были выведены Эйзенбергером. [18] Необходимые и достаточные условия для того, чтобы смесь нормальных распределений была бимодальной, были идентифицированы Рэем и Линдси. [19]
Смесь двух примерно равных массовых нормальных распределений имеет отрицательный эксцесс, поскольку две моды по обе стороны от центра масс эффективно уменьшают хвосты распределения.
Смесь двух нормальных распределений с сильно неравной массой имеет положительный эксцесс, поскольку меньшее распределение удлиняет хвост более доминирующего нормального распределения.
Смеси других распределений требуют оценки дополнительных параметров.
Тесты на унимодальность [ править ]
- Смесь унимодальна тогда и только тогда, когда [20]
или же
где p - параметр перемешивания, а
и где μ 1 и μ 2 - средние значения двух нормальных распределений, а σ 1 и σ 2 - их стандартные отклонения.
- Следующий тест для случая p = 1/2 был описан Шиллингом и др . [14] Пусть
Коэффициент разделения ( S ) равен
Если дисперсии равны, то S = 1. Плотность смеси унимодальна тогда и только тогда, когда
- Достаточным условием унимодальности является [21]
- Если два нормальных распределения имеют равные стандартные отклонения, достаточным условием унимодальности является [21]
Сводная статистика [ править ]
Бимодальные распределения являются часто используемым примером того, как сводные статистические данные, такие как среднее значение , медиана и стандартное отклонение, могут быть обманчивыми при использовании в произвольном распределении. Например, в распределении на рисунке 1 среднее значение и медиана будут около нуля, даже если ноль не является типичным значением. Стандартное отклонение также больше, чем отклонение каждого нормального распределения.
Хотя было предложено несколько, в настоящее время не существует общепризнанной сводной статистики (или набора статистических данных) для количественной оценки параметров общего бимодального распределения. Для смеси двух нормальных распределений обычно используются средние и стандартные отклонения, а также параметр смешивания (вес для комбинации) - всего пять параметров.
D Эшмана [ править ]
Статистические данные, которые могут быть полезны, - это статистика Эшмана D: [22].
где μ 1 , μ 2 - средние, а σ 1 σ 2 - стандартные отклонения.
Для смеси двух нормальных распределений требуется D > 2 для четкого разделения распределений.
A ван дер Эйка [ править ]
Этот показатель представляет собой средневзвешенное значение степени соответствия частотного распределения. [23] колеблется от -1 (идеальной Бимодальности ) до +1 (идеальной унимодальности ). Он определяется как
где U - унимодальность распределения, S - количество категорий, имеющих ненулевые частоты, а K - общее количество категорий.
Значение U равно 1, если распределение имеет любую из трех следующих характеристик:
- все ответы находятся в одной категории
- ответы равномерно распределяются по всем категориям
- ответы равномерно распределяются между двумя или более смежными категориями, при этом остальные категории не имеют ответов
В других дистрибутивах данные должны быть разделены на «слои». Внутри слоя ответы либо равны, либо равны нулю. Категории не обязательно должны быть смежными. Вычисляется значение A для каждого слоя ( A i ) и определяется средневзвешенное значение для распределения. Веса ( w i ) для каждого слоя - это количество ответов в этом слое. В символах
Равномерное распределение имеет = 0: когда все ответы попадают в одну категорию А = +1.
Одна теоретическая проблема с этим индексом заключается в том, что он предполагает, что интервалы расположены на одинаковом расстоянии. Это может ограничить его применимость.
Бимодальное разделение [ править ]
Этот индекс предполагает, что распределение представляет собой смесь двух нормальных распределений со средними ( μ 1 и μ 2 ) и стандартными отклонениями ( σ 1 и σ 2 ): [24]
Коэффициент бимодальности [ править ]
Коэффициент бимодальности Сарла b равен [25]
где γ - асимметрия, а κ - эксцесс . Эксцесс здесь определяется как стандартизованный четвертый момент вокруг среднего. Значение b находится между 0 и 1. [26] Логика этого коэффициента состоит в том, что бимодальное распределение со светлыми хвостами будет иметь очень низкий эксцесс, асимметричный характер или и то, и другое - все это увеличивает этот коэффициент.
Формула для конечной выборки [27]
где n - количество элементов в образце, g - асимметрия образца, а k - избыточный эксцесс образца .
Значение b для равномерного распределения составляет 5/9. Это также его значение для экспоненциального распределения . Значения больше 5/9 могут указывать на бимодальное или мультимодальное распределение, хотя соответствующие значения также могут быть результатом сильно искаженных одномодальных распределений. [28] Максимальное значение (1.0) достигается только распределением Бернулли с двумя различными значениями или суммой двух различных дельта-функций Дирака (двухдельта-распределение).
Распределение этой статистики неизвестно. Это связано со статистикой, предложенной ранее Пирсоном - разницей между эксцессом и квадратом асимметрии ( см. Ниже ).
Амплитуда бимодальности [ править ]
Это определяется как [24]
где A 1 - амплитуда меньшего пика, а A an - амплитуда антимоды.
A B всегда <1. Большие значения указывают на более отчетливые пики.
Бимодальное соотношение [ править ]
Это соотношение левого и правого пиков. [24] Математически
где A l и A r - амплитуды левого и правого пиков соответственно.
Параметр бимодальности [ править ]
Этот параметр ( B ) принадлежит Уилкоку. [29]
где A l и A r - амплитуды левого и правого пиков соответственно, а P i - логарифм по основанию 2 доли распределения в i- м интервале. Максимальное значение ΣP равно 1, но значение B может быть больше этого.
Для использования этого индекса берется журнал значений. Затем данные делятся на интервал шириной Φ, значение которого равно log 2. Ширина пиков принимается равной четырехкратной 1 / 4Φ с центром на их максимальных значениях.
Индексы бимодальности [ править ]
- Индекс Ванга
Индекс бимодальности, предложенный Ван и др., Предполагает, что распределение является суммой двух нормальных распределений с равными дисперсиями, но разными средними значениями. [30] Он определяется следующим образом:
где μ 1 , μ 2 - средние, а σ - стандартное отклонение.
где p - параметр перемешивания.
- Индекс Старрока
Другой индекс бимодальности был предложен Стурроком. [31]
Этот индекс ( B ) определяется как
Когда m = 2 и γ равномерно распределен, B распределен экспоненциально. [32]
Эта статистика представляет собой разновидность периодограммы . Он страдает от обычных проблем оценки и спектральной утечки, присущих этой форме статистики.
- индекс де Микеле и Аккатино
Другой индекс бимодальности был предложен де Микеле и Аккатино. [33] Их индекс ( B ) равен
где μ - среднее арифметическое образца, а
где m i - количество точек данных в i- м интервале, x i - центр i- го интервала, а L - количество интервалов.
Авторы предложили значение отсечения 0,1 для B, чтобы различать бимодальное ( B > 0,1) и одномодальное ( B <0,1) распределение. Для этого значения не было предложено никакого статистического обоснования.
- Индекс Сэмбрука Смита
Еще один индекс ( B ) был предложен Sambrook Smith и др. [34]
где p 1 и p 2 - пропорции, содержащиеся в первичной (с большей амплитудой) и вторичной (с меньшей амплитудой) моде, а φ 1 и φ 2 - размеры φ первичной и вторичной моды. Размер φ определяется как минус один, умноженный на логарифм размера данных, взятых в базу 2. Это преобразование обычно используется при изучении отложений.
Авторы рекомендовали значение отсечения 1,5, при этом B больше 1,5 для бимодального распределения и меньше 1,5 для унимодального распределения. Никакого статистического обоснования этого значения не было.
- Индекс Чаудхури и Агравала
Другой параметр бимодальности был предложен Чаудхури и Агравалом. [35] Этот параметр требует знания дисперсии двух субпопуляций, составляющих бимодальное распределение. Он определяется как
где n i - количество точек данных в i- й субпопуляции, σ i 2 - дисперсия i- й субпопуляции, m - общий размер выборки, а σ 2 - дисперсия выборки.
Это средневзвешенное значение дисперсии. Авторы предполагают, что этот параметр можно использовать в качестве цели оптимизации для разделения выборки на две субпопуляции. Никакого статистического обоснования этому предположению дано не было.
Статистические тесты [ править ]
Доступен ряд тестов, чтобы определить, распределяется ли набор данных бимодальным (или мультимодальным) способом.
Графические методы [ править ]
При изучении отложений размер частиц часто бывает двухрежимным. Эмпирически было обнаружено, что полезно построить график зависимости частоты от логарифма (размера) частиц. [36] [37] Это обычно дает четкое разделение частиц на бимодальное распределение. В геологических приложениях логарифм обычно берется с основанием 2. Преобразованные логарифмические значения называются единицами фи (Φ). Эта система известна как шкала Крамбейна (или фи).
Альтернативный метод заключается в построении логарифма размера частиц в зависимости от совокупной частоты. Этот график обычно состоит из двух достаточно прямых линий с соединительной линией, соответствующей антимоде.
- Статистика
Приблизительные значения для нескольких статистических данных можно получить из графических графиков. [36]
где Среднее - это среднее значение, StdDev - стандартное отклонение, Skew - асимметрия, Kurt - эксцесс, а φ x - значение переменной φ в x- м проценте распределения.
Унимодальное и бимодальное распределение [ править ]
Пирсон в 1894 г. был первым, кто разработал процедуру проверки того, можно ли разложить распределение на два нормальных распределения. [38] Этот метод потребовал решения полинома девятого порядка . В следующей статье Пирсон сообщил, что для любой асимметрии распределения 2 + 1 <эксцесс. [26] Позже Пирсон показал, что [39]
где b 2 - эксцесс, а b 1 - квадрат асимметрии. Равенство справедливо только для двухточечного распределения Бернулли или суммы двух различных дельта-функций Дирака . Это самые крайние возможные случаи бимодальности. В обоих случаях эксцесс равен 1. Поскольку они оба симметричны, их асимметрия равна 0, а разница равна 1.
Бейкер предложил преобразование для преобразования бимодального распределения в одномодальное. [40]
Было предложено несколько тестов на унимодальность по сравнению с бимодальностью: Холдейн предложил один, основанный на вторых центральных различиях. [41] Позднее Ларкин представил тест, основанный на F-тесте; [42] Бенетт создал один на основе G-теста Фишера . [43] Токеши предложил четвертый тест. [44] [45] Тест, основанный на отношении правдоподобия, был предложен Хольцманном и Фоллмером. [20]
Предложен метод, основанный на оценках и тестах Вальда. [46] Этот метод позволяет различать унимодальные и бимодальные распределения, если известны лежащие в основе распределения.
Антимодовые тесты [ править ]
Статистические тесты для антирежима известны. [47]
- Метод Оцу
Метод Оцу обычно используется в компьютерной графике для определения оптимального разделения двух распределений.
Общие тесты [ править ]
Для того, чтобы проверить , если распределение является иным , чем унимодальны, несколько дополнительных испытания были разработаны: на тесте пропускной способности , [48] испытание погружения , [49] тест избыточной массы , [50] тест МАР, [51] тестовый режим существования , [52] тест на короткое замыкание , [53] [54] тест на пролет , [55] и тест на седло .
Реализация теста погружного доступна для языка программирования R . [56] P-значения для значений статистики падения находятся в диапазоне от 0 до 1. P-значения менее 0,05 указывают на значительную мультимодальность, а значения p более 0,05, но менее 0,10 предполагают мультимодальность с маргинальной значимостью. [57]
Тест Сильвермана [ править ]
Сильверман представил метод начальной загрузки для количества режимов. [48] Тест использует фиксированную полосу пропускания, что снижает мощность теста и его интерпретируемость. Недостаточно сглаженные плотности могут иметь чрезмерное количество режимов, количество которых во время начальной загрузки нестабильно.
Тест Баджье-Аггарвала [ править ]
Баджье и Аггарвал предложили тест, основанный на эксцессе распределения. [58]
Особые случаи [ править ]
Дополнительные тесты доступны для ряда особых случаев:
- Смесь двух нормальных распределений
Исследование плотности смеси данных двух нормальных распределений показало, что разделение на два нормальных распределения было трудным, если средние значения не были разделены на 4–6 стандартных отклонений. [59]
В астрономии алгоритм Kernel Mean Matching используется для определения принадлежности набора данных к одному нормальному распределению или к смеси двух нормальных распределений.
- Бета-нормальное распределение
Это распределение является бимодальным для определенных значений параметров is. Был описан тест на эти значения. [60]
Кривые оценки параметров и подгонки [ править ]
Предполагая, что распределение является бимодальным или было показано, что оно является бимодальным с помощью одного или нескольких тестов, описанных выше, часто бывает желательно подобрать кривую к данным. Это может быть сложно.
Байесовские методы могут быть полезны в сложных случаях.
Программное обеспечение [ править ]
- Два нормальных распределения
Пакет для R доступен для тестирования на бимодальность. [61] Этот пакет предполагает, что данные распределены как сумма двух нормальных распределений. Если это предположение неверно, результаты могут быть ненадежными. Он также включает функции для подбора суммы двух нормальных распределений к данным.
Если предположить, что распределение представляет собой смесь двух нормальных распределений, то для определения параметров можно использовать алгоритм максимизации ожидания. Для этого доступно несколько программ, включая Cluster, [62] и пакет R nor1mix. [63]
- Другие дистрибутивы
Пакет mixtools, доступный для R, может тестировать и оценивать параметры ряда различных дистрибутивов. [64] Доступен пакет для смеси двух правосторонних гамма-распределений. [65]
Несколько других пакетов для R доступны для смешанных моделей; к ним относятся flexmix, [66] mcclust, [67] agrmt, [68] и mixdist. [69]
Язык статистического программирования SAS также может соответствовать множеству смешанных распределений с помощью процедуры PROC FREQ.
См. Также [ править ]
- Чрезмерная дисперсия
Ссылки [ править ]
- ^ Галтунг, J. (1969). Теория и методы социальных исследований . Осло: Universitetsforlaget. ISBN 0-04-300017-7.
- ^ Fieller E (1932). «Распределение индекса в нормальной двумерной совокупности». Биометрика . 24 (3–4): 428–440. DOI : 10.1093 / Biomet / 24.3-4.428 .
- ^ Fiorio, CV; HajivassILiou, VA; Филипс, печатная плата (2010). «Бимодальные t-отношения: влияние толстых хвостов на вывод» . Журнал эконометрики . 13 (2): 271–289. DOI : 10.1111 / j.1368-423X.2010.00315.x . S2CID 363740 .
- ^ Введение в оценку запасов тропических рыб
- Перейти ↑ Phillips, PCB (2006). «Замечание о бимодальности и слабых инструментах в оценке структурных уравнений» (PDF) . Эконометрическая теория . 22 (5): 947–960. DOI : 10.1017 / S0266466606060439 . S2CID 16775883 .
- ^ Хасан, MY; Хиджази, Р.Х. (2010). «Бимодальное экспоненциальное распределение мощности». Статистический журнал Пакистана . 26 (2): 379–396.
- ^ Elal-Olivero, D (2010). «Альфа-косо-нормальное распределение» . Журнал математики Proyecciones . 29 (3): 224–240. DOI : 10.4067 / s0716-09172010000300006 .
- ^ Хасан, MY; Эль-Бассиуни, MY (2016). «Бимодальное кососимметричное нормальное распределение». Коммуникации в статистике - теория и методы . 45 (5): 1527–1541. DOI : 10.1080 / 03610926.2014.882950 . S2CID 124087015 .
- ^ Bosea, S .; Шмуелиб, Г .; Sura, P .; Дубей, П. (2013). «Подбор смесей Ком-Пуассона к бимодальным данным подсчета» (PDF) . Материалы Международной конференции по информации, операционному менеджменту и статистике 2013 г. (ICIOMS2013), Куала-Лумпур, Малайзия . С. 1–8.
- Перейти ↑ Weber, NA (1946). «Диморфизм у африканского рабочего Oecophylla и аномалия (Hym .: Formicidae)» (PDF) . Анналы Энтомологического общества Америки . 39 : 7–10. DOI : 10.1093 / АФАР / 39.1.7 .
- ^ Санхуан, R (Jun 27, 2010). «Эффекты мутационной пригодности в РНК и одноцепочечных ДНК-вирусах: общие закономерности, выявленные исследованиями сайт-направленного мутагенеза» . Философские труды Лондонского королевского общества B: Биологические науки . 365 (1548): 1975–82. DOI : 10,1098 / rstb.2010.0063 . PMC 2880115 . PMID 20478892 .
- ^ Эйр-Уокер, А; Кейтли, PD (август 2007 г.). «Распределение фитнес-эффектов новых мутаций». Природа Обзоры Генетики . 8 (8): 610–8. DOI : 10.1038 / nrg2146 . PMID 17637733 . S2CID 10868777 .
- ^ Хиетпас, RT; Дженсен, JD; Болонь Д.Н. (10 мая 2011 г.). «Экспериментальное освещение фитнес-ландшафта» . Труды Национальной академии наук Соединенных Штатов Америки . 108 (19): 7896–901. Bibcode : 2011PNAS..108.7896H . DOI : 10.1073 / pnas.1016024108 . PMC 3093508 . PMID 21464309 .
- ^ a b c Шиллинг, Марк Ф .; Уоткинс, Энн Э .; Уоткинс, Уильям (2002). «Является ли рост человека бимодальным?». Американский статистик . 56 (3): 223–229. DOI : 10,1198 / 00031300265 . S2CID 53495657 .
- ^ Mosteller, F .; Тьюки, JW (1977). Анализ данных и регрессия: второй курс статистики . Чтение, Массачусетс: Эддисон-Уэсли. ISBN 0-201-04854-X.
- ^ Kim, T.-H .; Уайт, Х. (2003). «О более надежной оценке асимметрии и эксцесса: моделирование и применение к индексу S&P 500» (PDF) . Cite journal requires
|journal=
(help) - ^ Робертсон, Калифорния; Фрайер, Дж. Г. (1969). «Некоторые описательные свойства нормальных смесей». Скандинависк Актуариетидскрифт . 69 (3–4): 137–146. DOI : 10.1080 / 03461238.1969.10404590 .
- Перейти ↑ Eisenberger, I (1964). «Генезис бимодальных распределений». Технометрика . 6 (4): 357–363. DOI : 10.1080 / 00401706.1964.10490199 .
- ^ Рэй, S; Линдси, Б.Г. (2005). «Топография многомерных нормальных смесей». Анналы статистики . 33 (5): 2042–2065. arXiv : math / 0602238 . DOI : 10.1214 / 009053605000000417 . S2CID 36234163 .
- ^ а б Хольцманн, Хайо; Воллмер, Себастьян (2008). «Тест отношения правдоподобия для бимодальности в двухкомпонентных смесях с применением к региональному распределению доходов в ЕС». AStA: достижения в области статистического анализа . 2 (1): 57–69. DOI : 10.1007 / s10182-008-0057-2 . S2CID 14470055 .
- ^ а б Бехбудиан, J (1970). «О режимах смеси двух нормальных распределений». Технометрика . 12 (1): 131–139. DOI : 10.2307 / 1267357 . JSTOR 1267357 .
- ^ Ашман KM; Bird CM; Zepf SE (1994). «Обнаружение бимодальности в наборах астрономических данных». Астрономический журнал . 108 : 2348–2361. arXiv : astro-ph / 9408030 . Bibcode : 1994AJ .... 108.2348A . DOI : 10,1086 / 117248 . S2CID 13464256 .
- ^ Ван дер Эйк, C (2001). «Согласованность измерений в заказных рейтинговых шкалах». Качество и количество . 35 (3): 325–341. DOI : 10.1023 / а: 1010374114305 .
- ^ а б в Чжан, С; Mapes, BE; Соден, Б.Дж. (2003). «Бимодальность в тропическом водяном паре». Ежеквартальный журнал Королевского метеорологического общества . 129 (594): 2847–2866. Bibcode : 2003QJRMS.129.2847Z . DOI : 10.1256 / qj.02.166 .
- Перейти ↑ Ellison, AM (1987). «Влияние диморфизма семян на зависящую от плотности динамику экспериментальных популяций Atriplex triangularis (Chenopodiaceae)». Американский журнал ботаники . 74 (8): 1280–1288. DOI : 10.2307 / 2444163 . JSTOR 2444163 .
- ^ а б Пирсон, K (1916). «Математические вклады в теорию эволюции, XIX: второе приложение к мемуарам о перекосах» . Философские труды Королевского общества А . 216 (538–548): 429–457. Bibcode : 1916RSPTA.216..429P . DOI : 10,1098 / rsta.1916.0009 . JSTOR 91092 .
- ^ SAS Institute Inc. (2012). Руководство пользователя SAS / STAT 12.1. Кэри, Северная Каролина: Автор.
- ^ Пфистер, R; Schwarz, KA; Янчик, М .; Дейл, Р. Фриман, Дж. Б. (2013). «Пик хороших вещей в парах: Примечание о коэффициенте бимодальности» . Границы в психологии . 4 : 700. DOI : 10.3389 / fpsyg.2013.00700 . PMC 3791391 . PMID 24109465 .
- ^ Уилкок, PR (1993). «Критическое напряжение сдвига природных отложений». Журнал гидротехники . 119 (4): 491–505. DOI : 10,1061 / (ASCE) 0733-9429 (1993) 119: 4 (491) .
- ^ Ван, J; Вен, S; Симманс, ВФ; Pusztai, L; Кумбс, KR (2009). «Индекс бимодальности: критерий для обнаружения и ранжирования бимодальных сигнатур из данных профилирования экспрессии гена рака» . Онкологическая информатика . 7 : 199–216. DOI : 10,4137 / CIN.S2846 . PMC 2730180 . PMID 19718451 .
- ^ Sturrock, P (2008). «Анализ бимодальности гистограмм, сформированных из данных солнечных нейтрино GALLEX и GNO». Солнечная физика . 249 (1): 1–10. arXiv : 0711.0216 . Bibcode : 2008SoPh..249 .... 1S . DOI : 10.1007 / s11207-008-9170-3 . S2CID 118389173 .
- ^ Scargle, JD (1982). «Исследования по анализу астрономических временных рядов. II - Статистические аспекты спектрального анализа неравномерно распределенных данных». Астрофизический журнал . 263 (1): 835–853. Bibcode : 1982ApJ ... 263..835S . DOI : 10.1086 / 160554 .
- ^ Де Микеле, C; Accatino, F (2014). «Бимодальность древесного покрова в саваннах и лесах, возникающая в результате переключения между двумя динамиками огня» . PLOS ONE . 9 (3): e91195. Bibcode : 2014PLoSO ... 991195D . DOI : 10.1371 / journal.pone.0091195 . PMC 3963849 . PMID 24663432 .
- ^ Сэмбрук Смит, GH; Николай, AP; Фергюсон, Р.И. (1997). «Измерение и определение бимодальных отложений: проблемы и последствия» . Исследование водных ресурсов . 33 (5): 1179–1185. Bibcode : 1997WRR .... 33.1179S . DOI : 10.1029 / 97wr00365 .
- ^ Чаудхури, D; Агравал, А (2010). «Процедура разделения и слияния для сегментации изображений с использованием метода обнаружения бимодальности» . Оборонный научный журнал . 60 (3): 290–301. DOI : 10,14429 / dsj.60.356 .
- ^ a b Фолк, RL; Уорд, WC (1957). «Бар реки Бразос: исследование значимости параметров размера зерна» . Журнал осадочных исследований . 27 (1): 3–26. Bibcode : 1957JSedR..27 .... 3F . DOI : 10.1306 / 74d70646-2b21-11d7-8648000102c1865d .
- ^ Дайер, KR (1970). «Гранулометрические параметры песчаного гравия». Журнал осадочных исследований . 40 (2): 616–620. DOI : 10.1306 / 74D71FE6-2B21-11D7-8648000102C1865D .
- ^ Пирсон, K (1894). "Вклад в математическую теорию эволюции: о разрезании асимметричных частотных кривых" . Философские труды Королевского общества А . 185 : 71–90. Bibcode : 1894RSPTA.185 ... 71P . DOI : 10,1098 / rsta.1894.0003 .
- ^ Пирсон, K (1929). «От редакции». Биометрика . 21 : 370–375.
- Перейти ↑ Baker, GA (1930). «Преобразования бимодальных распределений» . Анналы математической статистики . 1 (4): 334–344. DOI : 10.1214 / АОМ / 1177733063 .
- ^ Холдейн, JBS (1951). «Простые тесты на бимодальность и битангентность». Летопись евгеники . 16 (1): 359–364. DOI : 10.1111 / j.1469-1809.1951.tb02488.x . PMID 14953132 .
- Перейти ↑ Larkin, RP (1979). «Алгоритм для оценки бимодальности против одномодальности в одномерном распределении» . Методы и инструменты исследования поведения . 11 (4): 467–468. DOI : 10.3758 / BF03205709 .
- Перейти ↑ Bennett, SC (1992). «Половой диморфизм птеранодона и других птерозавров с комментариями на черепных гребнях». Журнал палеонтологии позвоночных . 12 (4): 422–434. DOI : 10.1080 / 02724634.1992.10011472 .
- ^ Токеши, М (1992). «Динамика и распространение в сообществах животных; теория и анализ». Исследования по экологии населения . 34 (2): 249–273. DOI : 10.1007 / bf02514796 . S2CID 22912914 .
- ^ Баррето, S; Борхес, PAV; Го, Q (2003). «Опечатка в тесте Токеши на бимодальность». Глобальная экология и биогеография . 12 (2): 173–174. DOI : 10,1046 / j.1466-822x.2003.00018.x . ЛВП : 10400,3 / 1408 .
- ^ Кэролан, AM; Райнер, JCW (2001). «Один образец тестов на расположение режимов ненормальных данных». Журнал прикладной математики и наук о принятии решений . 5 (1): 1–19. CiteSeerX 10.1.1.504.4999 . DOI : 10.1155 / s1173912601000013 .
- ^ Hartigan, JA (2000). «Тестирование на антирежимы» . В Галлии W; Opitz O; Шадер М (ред.). Анализ данных . Исследования в области классификации, анализа данных и организации знаний. Springer. С. 169–181. ISBN 3-540-67731-3.
- ^ a b Сильверман, BW (1981). «Использование оценок плотности ядра для исследования мультимодальности». Журнал Королевского статистического общества, Series B . 43 (1): 97–99. Bibcode : 1981JRSSB..43 ... 97S . DOI : 10.1111 / j.2517-6161.1981.tb01155.x . JSTOR 2985156 .
- ^ Хартиган, JA; Хартиган, PM (1985). «Тест одномодальности провалом» . Анналы статистики . 13 (1): 70–84. DOI : 10.1214 / AOS / 1176346577 .
- ^ Мюллер, DW; Савицки, G (1991). «Избыточные массовые оценки и тесты на мультимодальность». Журнал Американской статистической ассоциации . 86 (415): 738–746. DOI : 10.1080 / 01621459.1991.10475103 . JSTOR 2290406 .
- ^ Rozál, GPM Hartigan JA (1994). «Тест MAP на мультимодальность». Журнал классификации . 11 (1): 5–36. DOI : 10.1007 / BF01201021 . S2CID 118500771 .
- ^ Minnotte, MC (1997). «Непараметрическая проверка наличия режимов» . Анналы статистики . 25 (4): 1646–1660. DOI : 10.1214 / AOS / 1031594735 .
- ^ Хартиган, JA; Моханти, S (1992). «Тест RUNT на мультимодальность». Журнал классификации . 9 : 63–70. DOI : 10.1007 / bf02618468 . S2CID 121960832 .
- ^ Андрушкив Р.И.; Клюшин Д.Д .; Петунин Ю.И. (2008). «Новый тест на унимодальность». Теория случайных процессов . 14 (1): 1–6.
- ^ Hartigan, JA (1988). «Тест диапазона мультимодальности». В Боке, HH (ред.). Классификация и связанные с ней методы анализа данных . Амстердам: Северная Голландия. С. 229–236. ISBN 0-444-70404-3.
- ^ Ringach, Мартин Maechler (родом из Fortran и С.-плюс Дарио; NYU.edu) (5 декабря 2016). «diptest: Статистика провала Хартигана на унимодальность - исправлено» - через R-Packages.
- ^ Фриман; Дейл (2012). «Оценка бимодальности для обнаружения наличия двойного когнитивного процесса» (PDF) . Методы исследования поведения . 45 (1): 83–97. DOI : 10.3758 / s13428-012-0225-х . PMID 22806703 . S2CID 14500508 .
- ^ Bajgier SM; Аггарвал Л.К. (1991). «Полномочия критериев согласия в обнаружении сбалансированных смешанных нормальных распределений». Образовательные и психологические измерения . 51 (2): 253–269. DOI : 10.1177 / 0013164491512001 . S2CID 121113601 .
- ^ Джексон, PR; Такер, GT; Вудс, HF (1989). «Тестирование на бимодальность в частотных распределениях данных, предполагающих полиморфизм метаболизма лекарств - проверка гипотез» . Британский журнал клинической фармакологии . 28 (6): 655–662. DOI : 10.1111 / j.1365-2125.1989.tb03558.x . PMC 1380036 . PMID 2611088 .
- ^ Inc., Advanced Solutions International. «Разделы и группы интересов» (PDF) . www.amstat.org .
- ^ «Архивная копия» (PDF) . Архивировано из оригинального (PDF) 3 ноября 2013 года . Проверено 1 ноября 2013 . CS1 maint: archived copy as title (link)
- ^ "Домашняя страница кластера" . engineering.purdue.edu .
- ^ Mächler, Мартин (25 августа 2016). «nor1mix: Нормальные (1-d) модели смеси (классы и методы S3)» - через R-Packages.
- ↑ Янг, Дерек; Беналья, Татьяна; Шово, Дидье; Хантер, Дэвид; Элмор, Райан; Hettmansperger, Томас; Томас, Хобен; Сюань, Фэнцзюань (10 марта 2017 г.). «mixtools: инструменты для анализа моделей конечных смесей» - через R-Packages.
- ^ «Дискреты» (PDF) . cran.r-project.org . Проверено 22 марта 2018 .
- ^ Груэн, Беттина; Лейш, Фридрих; Саркар, Дипаян; Мортье, Фредерик; Пикард, Николас (28 апреля 2017 г.). «Flexmix: Гибкое моделирование смеси» - через R-Packages.
- ^ Фрейли, Крис; Рафтери, Адриан Э .; Скрака, Лука; Мерфи, Томас Брендан; Фоп, Майкл (21 мая 2017 г.). «mclust: Моделирование гауссовой смеси для модельно-ориентированной кластеризации, классификации и оценки плотности» - через R-Packages.
- ^ Ruedin, Didier (2 апреля 2016). "агрмт" . cran.r-project.org.
- ^ Макдональд, Питер; Ду, при участии Хуана (29 октября 2012 г.). «mixdist: модели распределения конечных смесей» - через R-Packages.