Finally, let us pay some attention

Finally, let us pay some attention to using statistics. It is clear that by the stochastic nature of EAs only statistical statements about behaviour are possible. Typically, averages and standard deviations supply the necessary basis for claims about (relative) performance of algorithms. In a few cases these can be considered as sufficient, but in principle it is possible that two (or more) series of runs deliver data that are statistically indistinguishable, i.e., may come from the same distribution, and the differences are due to random effects. This means that the two series, and the behaviour of the two EAs behind these series, should be considered as statistically identical, and claims about one being better are ill-founded.

結果 (繁體中文) 1:

最後，讓我們付出一些注意使用統計數據。很顯然，通過中介公司的隨機性僅約行為統計報表是可能的。通常情況下，平均值和標準偏差提供約算法（相對）的性能要求的必要的基礎。在少數情況下，這些可以看作是蘇FFI cient，但原則上是可能的兩個（或更多）的一系列試驗提供在統計上難以區分的數據，即可能來自相同的分佈，以及二FF樣品都由於隨機éFF學分。這意味著，兩個系列，這些系列後面兩個中介公司的行為，應被視為統計學上是相同的，大約一個是更好的說法是站不住腳的。

結果 (繁體中文) 2:

最後，讓我們注意使用統計。顯然，根據EA的隨機性質，只有關於行為的統計陳述才是可能的。通常，平均值和標準差為演算法（相對）性能聲明提供了必要的依據。在少數情況下，這些可以被認為是足夠的，但原則上，兩個（或更多）系列運行可能提供統計上無法區分的資料，即可能來自相同的分佈，並且差異是由於隨機效應造成的。這意味著，這兩個系列以及這兩個 EA 背後的行為應視為在統計上相同，而關於一個更好的假設是沒有根據的。

結果 (繁體中文) 3:

最後，讓我們注意使用統計資料。很明顯，由於EAs的隨機性，只有關於行為的統計陳述才是可能的。一般來說，平均值和標準差為有關算灋（相對）效能的聲明提供了必要的基礎。在少數情况下，這些可以被認為是有效的，但原則上，兩個（或更多）系列運行可能會提供統計上不可區分的數據，即可能來自同一分佈，差异是由隨機影響造成的。這意味著，這兩個系列，以及這兩個系列背後的EAs的行為，應該被視為在統計上是相同的，關於一個更好的說法是沒有根據的。