Método para Testar a Hipótese da Homogeneidade das Leis de Distribuição de Variáveis Aleatórias Multidimensionais com Base em Suas Estimativas Não Paramétricas e em um Algoritmo de Classificação

Este artigo descreve uma metodologia e meios algorítmicos para testar a hipótese de homogeneidade de duas leis de distribuição de variáveis aleatórias multidimensionais usando um algoritmo de reconhecimento de padrões que se baseia em estimativas de núcleo de densidades de probabilidade. As classes introduzidas são caracterizadas de acordo com o domínio da definição das densidades de probabilidade em consideração. Com base nisso, uma amostra de treinamento é formada a partir dos dados estatísticos iniciais e um algoritmo de reconhecimento de padrões é sintetizado que corresponde ao critério de máxima verossimilhança usando estimativas de núcleo de densidades de probabilidade. A tarefa original de testar a hipótese é substituída pelo teste da hipótese de que o erro de reconhecimento de padrões é igual a um meio, o que é possível quando as leis de distribuição analisadas estão próximas.