区间估计与假设检验

本文研究了区间估计与假设检验的内在联系及其区别,探讨了这两种方法的各自应用范围及应注意的问题.     

Bootstrap平均数假设检验样本容量探讨

Bootstrap方法是一种有放回的再抽样方法,可用于平均数假设检验的估计.采用蒙特卡洛数据模拟技术,模拟正态分布数据.设计研究程序,探讨在不同的样本量和再抽样次数不同情况下,Bootstrap方法在平均数假设检验中应用,所适宜的样本容量,将一类错误率作为对比条件.结果表明,跨越三种比较条件,只有当样本量大于等于5且模拟次数大于等于1000次时,才能得到满足条件的一类错误率,即表明使用Bootstrap方法才会取得较好的效果.     

多重假设检验中参数估计问题研究

在多重假设检验中,真正原假设的个数m0是未知的,但是它有着很重要的影响,因此,它在最近的统计文献中备受关注.文章综述了三种主要的估计方法:最低斜率法、三次样条法、均值估计方法.然后将上述三种方法结合起来,提出了新的估计方法:均值三次样条法,并主要研究了其在微阵列数据上的应用.大量的模拟研究表明,和其他方法相比,新的估计方法具有较小的偏差和标准差.最后利用真实数据来对估计方法进行评估,并找出了差异表达性基因.模拟和实际数据表明此方法具有显著性提高.     

解析显著性水平及应用

文章从正态分布“3σ”准则出发,结合中心极限定理,从概率与统计的角度,对基本概念显著性水平a进行了简明剖析,对与此概念密切相关的参数估计和假设检验问题进行了详细解读,并利用风险决策中有关原理,结合实际问题进行合理的统计推断与科学决策.     

有趣的美国统计学教材

正笔者在美国北卡州立大学访学期间,查阅了该校的图书馆的统计学教材(注:本文所说教材指非统计专业的学生使用的)。与国内的统计学教材不同,笔者发现美国的统计学教材可谓五花八门,其中不乏很有趣的书名。笔者把美国的统计学教材分成几类,下面一一论述。第一类:避免统计误用的教材这类教材主要提醒读者在使用统计方法时要注意的问题,并给出普通人使用统计工具时经常易犯的错误。类似的书有:《统计学经常犯的错误     

基于Hellinger距离的两个正态总体的同质性检验

文章对于两个正态总体N(μ1,σ12),N(μ2,σ22),讨论了统计假设H0:μ1=μ2,σ12=σ22←→H1:μ1≠μ2或σ12≠σ22.并基于Hellinger距离与参数的最大似然估计,建立了一个检验统计量.在一定的条件下证明了该统计量渐近服从自由度为2的卡方分布.用随机数值模拟的方法研究了该统计量的稳健性,并且与似然比检验进行了比较.     

对应分析统计检验体系探讨

对应分析因其结果的易读性，近些年得到了越来越广泛的应用。为了更好地应用对应分析，提出建立对应分析统计检验体系，包括对应分析适用性的统计检验以及对应分析效果的检验，同时还提出应用对应分析时应注意的其它问题。     

混合双参数Pareto分布的假设检验

Pareto分布因其厚尾特点,在金融分析、寿命分析中都是非常重要的统计模型。由于混合分布模型已经成为分析复杂现象的一个重要工具,文章主要研究混合Pareto分布的假设检验问题,通过寻找统计量,提出了χ2和U检验法,并比较了这两种检验方法的适应领域。模拟计算说明了这两种检验方法的可行性。     

基于假设检验方法的考试及格线确定

人们知道考试时,如果采用百分制,及格分数线就是60分,但是很少有人知道是为什么?法国考试采用的是20分制,及格线是10分.文章利用假设检验的方法证明了百分制60分及格的由来,同时也证明了20制10分及格线的合理性,并在此基础上给出了任意题目数及难度下,分数线确定的标准.     

基于ARMA新息模型辨识的工序质量诊断方法

本文基于辨识 ARMA新息模型生成估计残差序列 ,再对残差序列的平均值和无偏方差进行假设检验 ,可实现工序质量的异常诊断。仿真实例说明了该方法的有效性