public IEnumerable <MetricEvent> Aggregate(DateTimeOffset timestamp)
{
if (lastEvent == null || !buckets.Any())
{
return(Enumerable.Empty <MetricEvent>());
}
var result = new List <MetricEvent>();
var tags = lastEvent.Tags;
var quantiles = lastEvent.AggregationParameters.GetQuantiles() ?? Quantiles.DefaultQuantiles;
var sortedBuckets = buckets.OrderBy(b => b.Key.LowerBound).ToList();
var quantileTags = Quantiles.QuantileTags(quantiles, tags);
for (var i = 0; i < quantiles.Length; i++)
{
var value = GetQuantile(sortedBuckets, quantiles[i]);
result.Add(new MetricEvent(value, quantileTags[i], timestamp, lastEvent.Unit, null, null));
}
var totalCount = sortedBuckets.Sum(x => x.Value);
var countTags = tags.Append(WellKnownTagKeys.Aggregate, WellKnownTagValues.AggregateCount);
result.Add(new MetricEvent(totalCount, countTags, timestamp, null, null, null));
return(result);
}
public DependedWilcoxonSignedRanksHomogeneition(List <double> firstSequence, List <double> secondSequence)
{
var z = firstSequence.Zip(secondSequence, (x, y) => x - y).Where(i => i != 0).ToList();
var N = z.Count;
z.Sort((x, y) => x.CompareTo(y));
List <Tuple <double, int> > signSeria = z.Select(x => new Tuple <double, int>(Math.Abs(x), x > 0 ? 1 : 0)).ToList();
signSeria.Sort((x, y) => x.Item1.CompareTo(y.Item1));
List <double> zAbs = z.Select(Math.Abs).ToList();
RankSelection zAbsRanged = new RankSelection();
zAbsRanged.AddSelection(zAbs);
var T = zAbsRanged.Selection.Zip(signSeria, (r, a) => r.rank * a.Item2).Sum();
var ET = N * (N + 1) / 4;
double DT;
if (zAbsRanged.Selection.Select(i => i.rank).Distinct().Count() == zAbsRanged.Selection.Count())
{
DT = N * (N + 1) * (2 * N + 1) / 24;
}
else
{
DT = (N * (N + 1) * (2 * N + 1) - zAbsRanged.Ranks.Sum(r => r.Count * (r.Count - 1) * (r.Count + 1)) / 2) / 24;
}
Statistic = (T - ET) / Math.Sqrt(DT);
Statistic = double.IsNaN(Statistic) ? 0 : Statistic;
Quantil = Quantiles.u_Normal(1 - alpha / 2);
}
public DispertionHomogeneition(List <double> firstSequence, List <double> secondSequence)
{
var d1 = NormalDistribution.GetDispersion(firstSequence);
var d2 = NormalDistribution.GetDispersion(secondSequence);
Statistic = d1 >= d2 ? d1 / d2 : d2 / d1;
var v1 = firstSequence.Count - 1;
var v2 = secondSequence.Count - 1;
Quantil = Quantiles.f_Fisher(1 - alpha, v1, v2);
}
public LinearRegression(List <double> _xData, List <double> _yData, double _alpha)
{
xData = _xData;
yData = _yData;
xavg = StatCharacteristicModel.Average.GetAverage(xData);
yavg = StatCharacteristicModel.Average.GetAverage(yData);
alpha = _alpha;
quantil = Quantiles.t_Student(1 - alpha / 2, N - 2);
CalculateScores();
DeterminationCoef = new DetermCoef(this, alpha);
}
static public void QuantitiveCharacteristics(StatisticSample valueSample)
{
var quantitiveCharacteristics = valueSample.QuantitiveCharactacteristics;
double A = valueSample.Sample.Count < 40 ? 0.5 : (valueSample.Sample.Count < 100 ? 0.25 : 0.1);
int v1 = valueSample.Sample.Count == 10 ? 10 : (valueSample.Sample.Count == 30 ? 30 : 120);
Quantiles quantiles = new Quantiles();
quantiles.TQuantiles();
double ourOdeltaX = Math.Round(ourODeltaX_Find(valueSample.Sample), valueSample.RoundValue);
double ourOSC = Math.Round(ourOSC_Find(valueSample.Sample), valueSample.RoundValue);
double ourOAC = Math.Round(ourOAC_Find(valueSample.Sample), valueSample.RoundValue);
double ourOEC = Math.Round(ourOEC_Find(valueSample.Sample), valueSample.RoundValue);
double t = quantiles.T_a0_05[v1];
double pMax = 0;
foreach (var el in valueSample.SampleDivisionINClass)
{
if (el.SampleDivisionDataRelativeFrequency > pMax)
{
pMax = el.SampleDivisionDataRelativeFrequency;
}
}
valueSample.IntervalProtocol = "";
valueSample.IntervalProtocol += $"\no1 | 0.95% | o2 | СКВ" +
$"\n{quantitiveCharacteristics.AritmeitcMean - Math.Round(t * ourOdeltaX, valueSample.RoundValue)} | Середнє арифметичне | {quantitiveCharacteristics.AritmeitcMean + Math.Round(t * ourOdeltaX, valueSample.RoundValue)} | " +
$"{Math.Round(quantitiveCharacteristics.AritmeitcMean / Math.Sqrt(valueSample.Sample.Count), valueSample.RoundValue)}" +
$"\n{quantitiveCharacteristics.RouteMeanSquare - Math.Round(t * ourOSC, valueSample.RoundValue)} | Середньоквадратичне | {quantitiveCharacteristics.RouteMeanSquare + Math.Round(t * ourOSC, valueSample.RoundValue)} | " +
$"{Math.Round(quantitiveCharacteristics.RouteMeanSquare / Math.Sqrt(valueSample.Sample.Count), valueSample.RoundValue)}" +
$"\n{quantitiveCharacteristics.Skewness - Math.Round(t * ourOAC, valueSample.RoundValue)} | Коефіцієнт асиметрії | {quantitiveCharacteristics.Skewness + Math.Round(t * ourOAC, valueSample.RoundValue)} | " +
$"{Math.Round(quantitiveCharacteristics.Skewness / Math.Sqrt(valueSample.Sample.Count), valueSample.RoundValue)}" +
$"\n{quantitiveCharacteristics.CounterKurtosis - Math.Round(t * ourOEC, valueSample.RoundValue)} | Коефіц контрексцесу | {quantitiveCharacteristics.CounterKurtosis + Math.Round(t * ourOEC, valueSample.RoundValue)} | " +
$"{Math.Round(quantitiveCharacteristics.CounterKurtosis / Math.Sqrt(valueSample.Sample.Count), valueSample.RoundValue)}";
//
valueSample.QuantitiveCharactacteristics = quantitiveCharacteristics;
valueSample.QuantitiveCharactacteristics.AritmeitcMeanConfidenceInterval = new ObservableCollection <XYData> {
new XYData {
X = quantitiveCharacteristics.AritmeitcMean - quantitiveCharacteristics.RouteMeanSquare, Y = pMax / 2.0, A = 0.95
},
new XYData {
X = quantitiveCharacteristics.AritmeitcMean + quantitiveCharacteristics.RouteMeanSquare, Y = pMax / 2.0, A = 0.95
}
};
}
public DependendAverageHomogeneition(List <double> firstSequence, List <double> secondSequence)
{
List <double> zSelection = firstSequence.Zip(secondSequence, (x, y) => x - y).ToList();
var N = zSelection.Count;
var zAvg = StatCharacteristicModel.Average.GetAverage(zSelection);
var sigma = NormalDistribution.GetSigmaScore(zSelection);
Statistic = zAvg * Math.Sqrt(N) / sigma;
Statistic = double.IsNaN(Statistic) ? 0 : Statistic;
Quantil = Quantiles.t_Student(1 - alpha / 2, N - 1);
}
public IndependedWilcoxonSignedRanksHomogeneition(List <double> firstSequence, List <double> secondSequence)
{
int N1 = firstSequence.Count;
int N2 = secondSequence.Count;
Quantil = Quantiles.u_Normal(1 - alpha / 2);
RankSelection z = new RankSelection();
var fsNumber = z.AddSelection(firstSequence);
z.AddSelection(secondSequence);
var W = z.Selection.Where(i => i.selection == fsNumber).Select(r => r.rank).Sum();
var E = (N1 * (N1 + N2 + 1)) / 2;
var D = N1 * N2 * (N1 + N2 + 1) / 12;
Statistic = (W - E) / Math.Sqrt(D);
Statistic = double.IsNaN(Statistic) ? 0 : Statistic;
}
public IndependendAverageHomogeneition(List <double> firstSequence, List <double> secondSequence)
{
int N1 = firstSequence.Count;
int N2 = secondSequence.Count;
double d1 = NormalDistribution.GetDispersion(firstSequence);
double d2 = NormalDistribution.GetDispersion(secondSequence);
double avg1 = StatCharacteristicModel.Average.GetAverage(firstSequence);
double avg2 = StatCharacteristicModel.Average.GetAverage(secondSequence);
Quantil = Quantiles.t_Student(1 - alpha / 2, N1 + N2 - 2);
if (N1 + N2 > 25)
{
Statistic = (avg1 - avg2) / Math.Sqrt(d1 / N1 + d2 / N2);
}
else
{
Statistic = ((avg1 - avg2) / Math.Sqrt(((N1 - 1) * d1 + (N2 - 1) * d2) / N1 + N2 - 2)) * Math.Sqrt(N1 * N2 / (N1 + N2));
}
Statistic = double.IsNaN(Statistic) ? 0 : Statistic;
}
public override double GetQuantil()
{
return(Quantiles.u_Normal(1 - alpha / 2));
}
public override double GetQuantil()
{
return(Quantiles.t_Student(1 - alpha / 2, N - 2));
}
public override double GetQuantil()
{
return(Quantiles.f_Fisher(1 - alpha, k - 1, N - k));
}
public ParabolicRegression(List <double> _xData, List <double> _yData, double _alpha)
{
alpha = _alpha;
xData = _xData;
xavg = StatCharacteristicModel.Average.GetAverage(xData);
yData = _yData;
yavg = StatCharacteristicModel.Average.GetAverage(yData);
xDataPow2 = xData.Select(d => d * d).ToList();
xPow2avg = StatCharacteristicModel.Average.GetAverage(xDataPow2);
xDataPow3 = xData.Select(d => d * d * d).ToList();
xPow3avg = StatCharacteristicModel.Average.GetAverage(xDataPow3);
xDataDisp = StatCharacteristicModel.StandartDeviationSkew.GetValue(xData);
xDataDisp *= xDataDisp;
phi0 = 1;
quantil = Quantiles.t_Student(1 - alpha / 2, N - 3);
var a = yavg;
var b = GetB();
var c = GetC();
restDisp = RestDisp(a, b, c);
A = new ParabolicalScoreA(restDisp, N)
{
Name = "a0", Value = a, Quantil = quantil
};
var xSd = StatCharacteristicModel.StandartDeviationSkew.GetValue(xData);
B = new ParabolicalScoreB(restDisp, N, xSd)
{
Name = "a1", Value = b, Quantil = quantil
};
var phi2Pow2Sum = xData.Sum(x => Math.Pow(Phi2(x), 2));
C = new ParabolicalScoreC(restDisp, N, phi2Pow2Sum)
{
Name = "a2", Value = c, Quantil = quantil
};
A.Dispersion = restDisp / N;
B.Dispersion = restDisp / (N * xDataDisp);
C.Dispersion = restDisp / phi2Pow2Sum;
var regressionY = xData.Select(xi => Calculate(xi)).ToList();
regressionYavg = StatCharacteristicModel.Average.GetAverage(regressionY);
Scores = new List <RegressionScore>();
Scores.Add(A);
Scores.Add(B);
Scores.Add(C);
DeterminationCoef = new DetermCoef(this, alpha);
}
static public String UniformyElseRunIndependent(ICollection <StatisticSample> valuesSample, String RecordValue)
{
int sizeOfValue = valuesSample.Count;
if (sizeOfValue == 2)
{
//
int v1 = valuesSample.ElementAt(0).Sample.Count - 1 < 10 ? 10 : (valuesSample.ElementAt(0).Sample.Count - 1 < 30 ? 30 : 120),
v2 = valuesSample.ElementAt(0).Sample.Count - 1 < 10 ? 10 : (valuesSample.ElementAt(0).Sample.Count - 1 < 30 ? 30 : 120);
Quantiles quantiles = new Quantiles();
quantiles.FQuantiles();
double A = 0;
//Критерій Вілксона
A = (valuesSample.ElementAt(0).Sample.Count + valuesSample.ElementAt(1).Sample.Count) < 100 ? 0.5
: (valuesSample.ElementAt(0).Sample.Count + valuesSample.ElementAt(1).Sample.Count) < 500 ? 0.25 : 0.1;
double UA = A == 0.5 ? 0.7 : 2;
double uniformyWilksona = Math.Abs(UniformySamples.uniformyWilkson(valuesSample));
String uniformyWilksonaValue = uniformyWilksona < UA ? $"\nКритерій Вілксона - {uniformyWilksona} < {UA} - вибірки однорідні" :
$"\nКритерій Вілксона - {uniformyWilksona} > {UA} - вибірки неоднорідні";
RecordValue += uniformyWilksonaValue;
//Критерій Манна-Уїтні
double uniformyMannaWhitney = Math.Abs(UniformySamples.uniformyMannaWhitney(valuesSample));
String uniformyMannaWhitneyValue = uniformyMannaWhitney < UA ? $"\nКритерій Манна-Уїтні - {uniformyMannaWhitney} < {UA} - вибірки однорідні" :
$"\nКритерій Манна-Уїтні - {uniformyMannaWhitney} > {UA} - вибірки неоднорідні";
RecordValue += uniformyMannaWhitneyValue;
//Критерій Різниці стандартних рангів
double uniformyMiddleRanking = Math.Abs(UniformySamples.uniformyMiddleRanking(valuesSample));
String uniformyMiddleRankingValue = uniformyMiddleRanking < UA ? $"\nКритерій Різниці стандартних рангів - {uniformyMiddleRanking} < {UA} - вибірки однорідні" :
$"\nКритерій Різниці стандартних рангів - {uniformyMiddleRanking} > {UA} - вибірки неоднорідні";
RecordValue += uniformyMiddleRankingValue;
//КРитерій Колмогорова Смірнова
double KolmogorovSmirnov = UniformySamples.uniformyKolmogorovaSmirnova(valuesSample);
String KolmogorovSmirnovValue = KolmogorovSmirnov < A ? $"\nКритерій Колмогорова-Смірнова {KolmogorovSmirnov} < {A} - вибірки однорідні"
: $"\nКритерій Колмогорова-Смірнова {KolmogorovSmirnov} > {A} - вибірки неоднорідні";
RecordValue += KolmogorovSmirnovValue;
}
else if (sizeOfValue > 2)
{
//
int v1 = valuesSample.Count < 90 ? valuesSample.Count : 90;
Quantiles quantiles = new Quantiles();
quantiles.FQuantiles();
//
double A = (valuesSample.ElementAt(0).Sample.Count + valuesSample.ElementAt(1).Sample.Count) < 50 ? 0.5 : 0.2;
quantiles.XI2Quantiles();
double XI2 = A == 0.5 ? quantiles.XI2_a0_5[v1] : quantiles.XI2_a0_2[v1];
//Критерій Вілксона(H) для k > 2
double uniformyHTest = UniformySamples.uniformyHTest(valuesSample);
String uuniformyHTestValue = uniformyHTest < XI2 ? $"\nКритерій Вілксона(H тест) - {uniformyHTest} < {XI2} - виборки однорідні"
: $"\nКритерій Вілксона(H тест) - {uniformyHTest} > {XI2} - виборки неоднорідні";
RecordValue += uuniformyHTestValue;
}
return(RecordValue);
}
static public String UniformyNormalRunDependent(ICollection <StatisticSample> valuesSample, String RecordValue)
{
int sizeOfValue = valuesSample.Count;
if (sizeOfValue == 2)
{
Quantiles quantiles = new Quantiles();
double uniformyAverage = Math.Abs(UniformySamples.uniformyAverage(valuesSample));
//
int v = (valuesSample.ElementAt(0).Sample.Count + valuesSample.ElementAt(0).Sample.Count - 2) < 10 ? 10 : (valuesSample.ElementAt(0).Sample.Count + valuesSample.ElementAt(0).Sample.Count - 2) < 30 ? 30 : 120;
double A = (valuesSample.ElementAt(0).Sample.Count + valuesSample.ElementAt(1).Sample.Count) < 100 ? 0.5
: (valuesSample.ElementAt(0).Sample.Count + valuesSample.ElementAt(1).Sample.Count) < 500 ? 0.25 : 0.1;
//
quantiles.TQuantiles();
double t = A == 0.5 ? (quantiles.T_a0_5[v]) : (A == 0.25 ? (quantiles.T_a0_25[v]) : (quantiles.T_a0_1[v]));
String uniformyAverageValue = t > uniformyAverage ? $"\nЗбіг середніх - {uniformyAverage} < {t} - вибірки однорідні"
: $"\nЗбіг середніх - {uniformyAverage} > {t} - вибірки неоднорідні";
RecordValue += uniformyAverageValue;
A = (valuesSample.ElementAt(0).Sample.Count + valuesSample.ElementAt(1).Sample.Count) < 100 ? 0.5
: (valuesSample.ElementAt(0).Sample.Count + valuesSample.ElementAt(1).Sample.Count) < 500 ? 0.25 : 0.1;
double UA = A == 0.5 ? 0.7 : 2;
//Критерій Вілксона
double uniformyWilksona = Math.Abs(UniformySamples.uniformyWilkson(valuesSample));
String uniformyWilksonaValue = uniformyWilksona < UA ? $"\nКритерій Вілксона - {uniformyWilksona} < {UA} - вибірки однорідні" :
$"\nКритерій Вілксона - {uniformyWilksona} > {UA} - вибірки неоднорідні";
RecordValue += uniformyWilksonaValue;
//Критерій Манна-Уїтні
double uniformyMannaWhitney = Math.Abs(UniformySamples.uniformyMannaWhitney(valuesSample));
String uniformyMannaWhitneyValue = uniformyMannaWhitney < UA ? $"\nКритерій Манна-Уїтні - {uniformyMannaWhitney} < {UA} - вибірки однорідні" :
$"\nКритерій Манна-Уїтні - {uniformyMannaWhitney} > {UA} - вибірки неоднорідні";
RecordValue += uniformyMannaWhitneyValue;
//Критерій Різниці стандартних рангів
double uniformyMiddleRanking = Math.Abs(UniformySamples.uniformyMiddleRanking(valuesSample));
String uniformyMiddleRankingValue = uniformyMiddleRanking < UA ? $"\nКритерій Різниці стандартних рангів - {uniformyMiddleRanking} < {UA} - вибірки однорідні" :
$"\nКритерій Різниці стандартних рангів - {uniformyMiddleRanking} > {UA} - вибірки неоднорідні";
RecordValue += uniformyMiddleRankingValue;
}
else if (sizeOfValue > 2)
{
double uniformyVariances = Math.Abs(UniformySamples.uniformyVariances(valuesSample));
//
int v1 = valuesSample.Count < 90 ? valuesSample.Count : 90;
Quantiles quantiles = new Quantiles();
quantiles.FQuantiles();
//
double A = (valuesSample.ElementAt(0).Sample.Count + valuesSample.ElementAt(1).Sample.Count) < 50 ? 0.5 : 0.2;
quantiles.XI2Quantiles();
double XI2 = A == 0.5 ? quantiles.XI2_a0_5[v1] : quantiles.XI2_a0_2[v1];
String uniformyVariacnesValue = XI2 > uniformyVariances ? $"\nКритерій Бартлетта - {uniformyVariances} < {XI2} - вибірки однорідні"
: $"\nКритерій Бартлетта - {uniformyVariances} > {XI2} - вибірки неоднорідні";
RecordValue += uniformyVariacnesValue;
//Однофакторний дисперсійний аналіз
int N = 0;
foreach (var el in valuesSample)
{
N += el.Sample.Count;
}
v1 = valuesSample.Count - 1 < 10 ? 10 : (valuesSample.Count - 1 < 30 ? 30 : 120);
int v2 = N < 10 ? 10 : (N < 30 ? 30 : 120);
double f = v1 == 10 ? (quantiles.F_v1_10_a0_05[v2]) : (v1 == 30 ? (quantiles.F_v1_30_a0_05[v2]) : (quantiles.F_v1_120_a0_05[v2]));
double uniformyAnalysisVariance = UniformySamples.uniformyAnalysisVariance(valuesSample);
String uniformyAnalysisVarianceValue = f > uniformyAnalysisVariance ? $"\nОднофакторний дисперсійний аналіз - {uniformyAnalysisVariance} < {f} - вибірки однорідні"
: $"\nОднофакторний дисперсійний аналіз - {uniformyAnalysisVariance} > {f} - вибірки неоднорідні";
RecordValue += uniformyAnalysisVarianceValue;
//Критерій Вілксона(H) для k > 2
double uniformyHTest = UniformySamples.uniformyHTest(valuesSample);
String uuniformyHTestValue = uniformyHTest < XI2 ? $"\nКритерій Вілксона(H тест) - {uniformyHTest} < {XI2} - виборки однорідні"
: $"\nКритерій Вілксона(H тест) - {uniformyHTest} > {XI2} - виборки неоднорідні";
RecordValue += uuniformyHTestValue;
}
return(RecordValue);
}
static public String UniformyElseRunDependent(ICollection <StatisticSample> valuesSample, String RecordValue)
{
int sizeOfValue = valuesSample.Count;
if (sizeOfValue == 2)
{
Quantiles quantiles = new Quantiles();
double uniformyAverage = Math.Abs(UniformySamples.uniformyAverage(valuesSample));
//
int v = (valuesSample.ElementAt(0).Sample.Count + valuesSample.ElementAt(0).Sample.Count - 2) < 10 ? 10 : (valuesSample.ElementAt(0).Sample.Count + valuesSample.ElementAt(0).Sample.Count - 2) < 30 ? 30 : 120;
double A = (valuesSample.ElementAt(0).Sample.Count + valuesSample.ElementAt(1).Sample.Count) < 100 ? 0.5
: (valuesSample.ElementAt(0).Sample.Count + valuesSample.ElementAt(1).Sample.Count) < 500 ? 0.25 : 0.1;
//
quantiles.TQuantiles();
double t = A == 0.5 ? (quantiles.T_a0_5[v]) : (A == 0.25 ? (quantiles.T_a0_25[v]) : (quantiles.T_a0_1[v]));
A = (valuesSample.ElementAt(0).Sample.Count + valuesSample.ElementAt(1).Sample.Count) < 100 ? 0.5
: (valuesSample.ElementAt(0).Sample.Count + valuesSample.ElementAt(1).Sample.Count) < 500 ? 0.25 : 0.1;
double UA = A == 0.5 ? 0.7 : 2;
//Критерій Вілксона
double uniformyWilksona = Math.Abs(UniformySamples.uniformyWilkson(valuesSample));
String uniformyWilksonaValue = uniformyWilksona < UA ? $"\nКритерій Вілксона - {uniformyWilksona} < {UA} - вибірки однорідні" :
$"\nКритерій Вілксона - {uniformyWilksona} > {UA} - вибірки неоднорідні";
RecordValue += uniformyWilksonaValue;
//Критерій Манна-Уїтні
double uniformyMannaWhitney = Math.Abs(UniformySamples.uniformyMannaWhitney(valuesSample));
String uniformyMannaWhitneyValue = uniformyMannaWhitney < UA ? $"\nКритерій Манна-Уїтні - {uniformyMannaWhitney} < {UA} - вибірки однорідні" :
$"\nКритерій Манна-Уїтні - {uniformyMannaWhitney} > {UA} - вибірки неоднорідні";
RecordValue += uniformyMannaWhitneyValue;
//Критерій Різниці стандартних рангів
double uniformyMiddleRanking = Math.Abs(UniformySamples.uniformyMiddleRanking(valuesSample));
String uniformyMiddleRankingValue = uniformyMiddleRanking < UA ? $"\nКритерій Різниці стандартних рангів - {uniformyMiddleRanking} < {UA} - вибірки однорідні" :
$"\nКритерій Різниці стандартних рангів - {uniformyMiddleRanking} > {UA} - вибірки неоднорідні";
RecordValue += uniformyMiddleRankingValue;
//Критерій знаків
int NValue = valuesSample.ElementAt(0).Sample.Count + valuesSample.ElementAt(0).Sample.Count;
double GTestAnswer = NValue < 15 ? Math.Abs(UniformySamples.uniformyGTest15Element(valuesSample)) : Math.Abs(UniformySamples.uniformyGTestMore15Element(valuesSample));
String uniformyHValue = null;
if (NValue < 15)
{
uniformyHValue = GTestAnswer < A ? $"\nКритерій знаків - {GTestAnswer} < {A} - вибірки однорідні" :
$"\nКритерій знаків - {GTestAnswer} > {A} - вибірки неоднорідні";
}
else
{
uniformyHValue = GTestAnswer < UA ? $"\nКритерій знаків - {GTestAnswer} < {UA} - вибірки однорідні" :
$"\nКритерій знаків - {GTestAnswer} > {UA} - вибірки неоднорідні";
}
RecordValue += uniformyHValue;
//КРитерій Колмогорова Смірнова
double KolmogorovSmirnov = UniformySamples.uniformyKolmogorovaSmirnova(valuesSample);
String KolmogorovSmirnovValue = KolmogorovSmirnov < A ? $"\nКритерій Колмогорова-Смірнова {KolmogorovSmirnov} < {A} - вибірки однорідні"
: $"\nКритерій Колмогорова-Смірнова {KolmogorovSmirnov} > {A} - вибірки неоднорідні";
RecordValue += KolmogorovSmirnovValue;
//Q - критерій
quantiles.XI2Quantiles();
double XI2 = A == 0.5 ? quantiles.XI2_a0_5[1] : quantiles.XI2_a0_2[1];
double QTest = UniformySamples.uniformyQTest(valuesSample);
String QTestValue = XI2 > QTest ? $"\nКритерій Кохрена(Q тест) - {QTest} < { XI2} -виборки однорідні"
: $"\nКритерій Кохрена(Q тест) - {QTest} > {XI2} -виборки неоднорідні";
RecordValue += QTestValue;
}
else if (sizeOfValue > 2)
{
double uniformyVariances = Math.Abs(UniformySamples.uniformyVariances(valuesSample));
//
int v1 = valuesSample.Count < 90 ? valuesSample.Count : 90;
Quantiles quantiles = new Quantiles();
quantiles.FQuantiles();
//
double A = (valuesSample.ElementAt(0).Sample.Count + valuesSample.ElementAt(1).Sample.Count) < 50 ? 0.5 : 0.2;
quantiles.XI2Quantiles();
double XI2 = A == 0.5 ? quantiles.XI2_a0_5[v1] : quantiles.XI2_a0_2[v1];
String uniformyVariacnesValue = XI2 > uniformyVariances ? $"\nКритерій Бартлетта - {uniformyVariances} < {XI2} - вибірки однорідні"
: $"\nКритерій Бартлетта - {uniformyVariances} > {XI2} - вибірки неоднорідні";
RecordValue += uniformyVariacnesValue;
//Критерій Вілксона(H) для k > 2
double uniformyHTest = UniformySamples.uniformyHTest(valuesSample);
String uuniformyHTestValue = uniformyHTest < XI2 ? $"\nКритерій Вілксона(H тест) - {uniformyHTest} < {XI2} - виборки однорідні"
: $"\nКритерій Вілкоксона(H тест) - {uniformyHTest} > {XI2} - виборки неоднорідні";
RecordValue += uuniformyHTestValue;
//Q - критерій
double QTest = UniformySamples.uniformyQTest(valuesSample);
String QTestValue = XI2 > QTest ? $"\nКритерій Кохрена(Q тест) - {QTest} < { XI2} -виборки однорідні"
: $"\nКритерій Кохрена(Q тест) - {QTest} > {XI2} -виборки неоднорідні";
RecordValue += QTestValue;
}
return(RecordValue);
}
public override string ToString()
{
return(Quantiles.ToString());
}
