Сравнение методики проверки гипотезы о независимости двухмерных случайных величин, основанной на непараметрическом классификаторе

Рассматриваются свойства новой методики проверки гипотезы о независимости случайных величин, основанной на использовании непараметрического алгоритма распознавания образов, соответствующего критерию максимального правдоподобия. Оценивание законов распределения в классах осуществляется по исходным статистическим данным в предположении независимости и зависимости анализируемых случайных величин. В этих условиях вычисляются оценки вероятностей ошибок распознавания образов в классах. По минимальному их значению принимается решение о независимости либо зависимости случайных величин. Результаты применения предлагаемой методики сравниваются с критерием Пирсона и коэффициентами корреляции Пирсона, Спирмена и Кендалла. При реализации критерия Пирсона используется формула оптимальной дискретизации области значений двухмерной случайной величины. Их эффективность при усложнении зависимости между случайными величинами и изменении объема исходных статистических данных исследуется методом вычислительного эксперимента.