Originariamente inviato da: riccardo
Student si riferisce a distribuzioni con pochi dati (<30), giusto?


NO, dove l'hai letto?? A rigore con > 30 dati la distribuzione di student approssima la normale standardizzata ma questo non ne esclude l'utilizzo con dati numerosi

Quote:
inoltre.... è corretto definire la QC e la Fs caratteristici che sono i dati misurati dallo strumento e poi applicare le formule derivate per determinare i parametri? in effetti il DATO sono la Qc ed Fs, oppure no?


NO, NO, il dato va prima trasformato perchè la legge di trasformazione, se non è lineare, distorce la varianza ed i risultati sono diversi nei due casi.
Se siamo sicuri che la legge di trasformazione è lineare, ma solo ed esclusivamente in tale caso, è lo stesso ridurre prima a valori caratteristici i Qc e dopo trasformarli.


"Data speak for themselves" -Reverend Thomas Bayes 1702-1761
P(Ai|E)=(P(E|Ai)P(Ai))/P(E)