Вы говорите о критериях проверки гипотез которые в большинстве случаев практики работают. Я прекрасно это знаю, посколько одним из рабочих инструментов у меня является метод Монте-Карло. Соответственно рассказывать про всякие "хи-квадрат" мне не обязательно.
Однако первое, что пишут грамотные авторы программы: 100% гарантий результатов не существует.
В качестве пример приведу известный пример, называется расчет эффективного коэффициента размножения Земли. Это отношение количества родившихся нейтронов к поглощенным. В атомном реакторе, где идет стационарная ядерная реакция, эта величина равна единице. Поскольку на Земле есть ядерные реакторы, то для всей Земли в целом эта величина равна тоже единице. Теперь начинаем статистическое моделирование.
Запускаем нейтрон. С вероятностью 100% мы не попадем в реактор, соответственно количество родившихся нейтронов - ноль и коэффициент размножения равен нулю. Запустим 30, 240, миллион - будет то же самое.
При этом ВСЕ статистические критерии будут удоволетворены и подтвердят достоверность результата "ноль". Хотя он очевидно ошибочный.
Т.е. Для некоего круга практических задач конечно можно указать "240 (или 30_ - достаточно". Но общего способа проверки - не существует.
Соответственно, если ваше распределение не гауссовское, а "гауссовское + эффективный коэфициент размножение Земли", то никакой критерий вам не укажет отличие. Это означает, что отсутствие добавок типа "редко встречающее событие с большим вкладом" вы должны указать априори, до исследования.
Речь - об этом, и многих других похожих вещах.
Re: Пример - Alexandre Putt30.01.2006 01:57:29 (15, 2733 b)
Объяснение - Игорь С.30.01.2006 21:17:14 (17, 4480 b)
Re: Объяснение - Alexandre Putt30.01.2006 23:54:11 (14, 4355 b)
