Статистический анализ результатов экспериментов

[rinace]

Добрый день.
Имеется ,вполне стандартная задача - необходимо сравнить результаты экспериментов. И выявить имеется ли влияние некоторого параметра на итоговый результат.
Начальная гипотеза - при постоянной нагрузке на систему и минимальном влиянии внешних факторов распределение показаний будет нормальным.
Для определения результата экспериментам применяется следующий подход:
1) Результаты наблюдений- сглаживаются
2) За период наблюдений определяется отрезок в котором распределение наиболее близко к нормальному:
-мода = медиана
-унимодально
-коэффициент симметрии и эксцесса минимальный
3) Значение моды/медианы в найденном отрезке будет считаться результатом эксперимента .

Вопрос к более опытным математикам - является ли описанный подход допустимым для корректного получения статистически достоверный результатов эксперимента ?

[Kreativshik]

Вопрос к более опытным математикам - является ли описанный подход допустимым для корректного получения статистически достоверный результатов эксперимента ?

Нет, данный статистический подход невалиден.
1)Сглаживание искусственно уменьшает дисперсию данных. Поскольку многие статистические тесты (включая проверку на нормальность) чувствительны к дисперсии, это искажает реальную картину.
2)Если вы достаточно долго ищете паттерн в данных, вы обязательно его найдёте, даже если он является результатом случайных флуктуаций.
3.Мода = Медиана: Для унимодального симметричного распределения это условие выполняется. Однако, в реальных данных с ограниченной выборкой мода — очень неустойчивая оценка, сильно зависящая от группировки данных.
4. Финализируется одна точечная оценка (мода или медиана) с специально подобранного отрезка.
Этот подход полностью игнорирует неопределённость. В статистике нас интересует не только среднее значение, но и его доверительный интервал. Выбрав лишь одно число, вы теряете информацию о разбросе данных даже на этом "идеальном" отрезке.
При сравнении двух экспериментов (например, с параметром и без) вы не сможете корректно оценить, является ли разница между двумя модами статистически значимой, потому что у вас нет оценки дисперсии для этой разницы.