共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
两个正态总体均值差的区间估计和假设检验研究是数理统计学的基本内容,但经典统计学的两个正态总体均值区间估计和假设检验理论,是建立在确定的随机数据上的区间估计和假设检验.而现实社会生活中很多数据具有模糊灰色等不确定性,面对这类不确定性数据,如何较为合理地进行科学分析和判断.在灰色系统理论的基础上,文章建立了在随机样本信息下,两个正态均值的灰色区间估计和灰色假设检验方法,从而把随机信息的两正态均值假设检验理论拓展到灰色数据信息中,并把这一灰色检验方法应用于医学统计实例分析. 相似文献
3.
要想找出正态总体均值与标准差比在序约束下的假设检验的检验统计量是一个比较困难的问题,即使找到了,也比较复杂。文章通过求出正态总体均值与标准差比在序约束下的置信区间,根据置信区间与假设检验的关系,得出了检验的拒绝域与接受域,避免了通过找到检验统计量来确定拒绝域与接受域的困难。 相似文献
4.
根据样本资料对总体进行推断分析,是现代统计学的基本认识逻辑.在这一过程中,抽取多大规模的观察样本,是抽样设计阶段必须考虑的问题,因为它不仅决定着统计推断的效果,同时也关系到统计决策分析的经济性.文章依据频率统计的基本原理,对多个总体均值同时进行假设检验时所需要的样本观察数目进行了讨论,包括多个总体均值假设检验时的样本容量,多个总体成数假设检验时的样本客量等. 相似文献
5.
本文探讨了多元正态总体的协方差和独立性检验的程序设计。根据两种检验的统计原理借助SAS/IML编程,实现两种检验方法的程序化。 相似文献
6.
7.
8.
本刊1990年第9期的“问题征答”刊出后,编辑部收到大量读者来信.在来信中,广大读者对这一问题的解法各抒己见,既有符号检验法、等级相关系数检验法,又有曼——惠特尼U检验法、总体均值及 相似文献
9.
在两正态总体方差不等且未知的前提下,检验它们的均值是否相等,用经典方法处理此问题是困难的.而在贝叶斯学派观点看来此检验与等方差情况下的等均值检验并无本质差异.文章使用贝叶斯学派方法导出此假设检验的统计量. 相似文献
10.
11.
文章在介绍了Archimedean Copula函数拟合检验的已有两种方法的基础上建立了两个新的检验方法--基于一种函数变换的K-S检验法与基于随机向量变换的χ2拟合优度检验法,并进行了模拟检验,从模拟检验的过程及结果可以看出,所建立的两个新检验法具有良好的效果,基于随机向量变换的χ2拟合优度检验法更严格且符合实际。 相似文献
12.
比较两个二项总体是否存在性质上的差异,在理论和应用上都是十分重要的.结合实例,文章分别应用精确条件检验、近似正态检验和P值检验等三种检验方法讨论了二项总体等价性检验问题,给出了相关结论的一致性,并讨论了三种检验方法的异同点. 相似文献
13.
多个独立总体的均值多重比较是统计假设检验的一项重要内容.文章从虚拟变量回归的角度对此进行了考察,借助于其能够处理定性因素的特点,设计了一种新的方法来进行多个独立总体的均值的多重比较.首先阐述了虚拟变量回归替代单因素方差分析F检验的背景思路;然后从数学上论证了虚拟变量回归与单因素方差分析的等效性;接着阐述了虚拟变量回归进行均值比较的特点;最后提出了基于虚拟变量回归的进行多个独立总体的均值多重比较的方法. 相似文献
14.
15.
16.
《统计与信息论坛》2019,(9):10-17
进行计量经济分析时一般都要检验模型是否存在自相关性,但目前常用的几种自相关检验方法都不同程度地存在一些问题,对此进行进一步的研究有重要意义。对于一阶自相关性检验,DW检验是最常用的方法,但其存在两个不确定区域。针对给定的解释变量,运用模拟方法,可以得到DW检验的临界值,从而克服了其存在不确定区域的缺陷。回归检验法则无可用的临界值,也可以用模拟方法计算其临界值,而且除检验功效很接近1的情形外,回归检验法的功效显著大于DW检验,可以替代DW检验。当样本量不是很大时,LM检验统计量的临界值与卡方分布的临界值差距较大,不能使用标准卡方临界值。在LM检验中,通常通过对最高阶滞后项系数进行t检验以确定自相关的阶数,但LM检验中最高阶滞后项系数的t统计量与标准t分布有较大差距,也不能用t分布临界值。 相似文献
17.
文章使用参数bootstrap (PB)方法考虑了当方差未知且可以不相等时多个正态总体共同均值的假设检验和置信区间构造问题.基于共同均值一个著名估计,提出了一种参数bootstrap统计推断方法,并借助Mon-te Carlo方法与经典的近似解法和广义推断方法进行了比较.随机模拟结果表明,就第一类错误概率和覆盖率而言,参数bootstrap推断方法表现更好.参数bootstrap方法不仅具有满意的第一类错误概率和覆盖率,而且具有良好的检验功效和置信区间平均长度表现. 相似文献
18.
《统计与信息论坛》2019,(5):3-9
提出了一种适用于多元有序数据的轮廓分析方法。鉴于有序数据无法满足轮廓分析对数据正态性的要求,采用潜变量模型对有序变量进行赋值,利用Bootstrap方法重构样本,使重构后的新数据满足正态性且总体均值与原样本一致,因而可以将轮廓分析法应用于有序数据均值向量的比较问题。讨论了单样本情形的同水平假设、两样本和多样本情形的平行、同水平和平坦性假设,并给出相应的检验统计量和拒绝域。最后,通过随机模拟来检验该方法的合理性,并得到结论:样本质量较高时,该方法在控制第一类错误和提高检验的功效上效果很好;对于一般样本而言,该方法的实际第一类错误较名义值有所增大,可通过提高原始样本量、降低名义第一类错误和进行多次试验来解决。 相似文献
19.
20.
本文通过理论分析和蒙特卡洛仿真模拟,研究平稳性检验中选用的统计量与数据生成过程不一致时,非线性ESTAR、LSTAR与线性DF检验法能否得出正确的结论.研究表明,二阶LSTAR与ESTAR模型可用相同的检验方法,但前者的非线性特征更强.当数据生成过程为线性AR,或非线性ESTAR、二阶LSTAR模型时,使用DF或ESTAR检验法可得出大致正确的结论,但LSTAR检验法完全失败.数据生成过程的非线性特征越强,ESTAR较DF检验方法的功效增益越高;线性特征越强,DF的功效增益越高.当转移函数F(θ,c,zt)中θ较大导致一阶泰勒近似误差较大或c非0时,标准ESTAR与LSTAR非线性检验法失去应用条件.θ较大或c偏离0较远时,数据生成过程中线性成分增强,用线性DF检验可获得更好的检验结果. 相似文献