共查询到20条相似文献,搜索用时 0 毫秒
1.
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
2.
文章对两个正态总体均值之差的区间估计进行教学上的解析,尤其针对非均衡样本下方差未知且不相等情形,利用例举时比法说明应如何选择合适的枢轴量. 相似文献
3.
未知参数的区间估计是一种非常重要的统计推断形式.文章从单个正态总体入手,用枢轴量法在均值已知条件下提出总体方差的一种置信区间,并将该置信区间与常用的总体方差的置信区间进行比较,从而说明常用的总体方差的置信区间的合理性. 相似文献
4.
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
5.
一、问题的提出在客观实际中,许多随机现象都服从或近似服从正态分布,在这些随机现象的分布中,它所含的参数有的并不是一个未知的常数,而是一个随机变量,比如测量误差,由于各种原因,每天的平均误差都不一样,出现任何数的可能性都存 相似文献
6.
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. 相似文献
7.
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
8.
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
9.
10.
文章首先定义了等级数据缺失形态,考虑了等级数据缺失形态下,两个多元正态总体的均值向量的推断问题.在假设两总体协差阵相等的前提下,提出了一类似于Hoteelling T2的枢轴量,并用等矩方法近似它的分布,利用该分布做检验与区间估计.近似的精确性通过蒙特卡洛数据模拟加以说明,模拟结果证明,即使对小样本,该近似结果也非常满意. 相似文献
11.
12.
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
14.
正态总体下参数的优化极大似然估计方法 总被引:1,自引:0,他引:1
文章讨论了一种新的抽样方法,基于这一抽样方法提出了样本参数的优化极大似然估计,并进一步与简单随机抽样下的参数的极大似然估计结果作比较,从估计渐进效率的角度说明了该方法的优良性。 相似文献
15.
NA样本下两参数Lomax分布形状参数的经验Bayes检验 总被引:2,自引:0,他引:2
文章在加权线性损失函数下,讨论了NA样本情形下两参数Lomax分布参数θ的经验Bayes单侧检验问题:H0:θ≤θ0←→H1:θ>θ0,利用概率密度函数的核估计构造了参数的经验Bayes单侧检验函数,并获得了它的渐近最优(a.o)性,并在适当的条件下证明了所提出的经验Bayes检验函数的收敛速度可任意接近0(n-1/2). 相似文献
16.
17.
18.
19.
利用随机信息进行参数的假设检验,是数理统计学的基本内容。但经典统计学的方法,都是建立在明确数据上的参数假设检验,而现实生活中很多数据具有不确定性。文章在灰色系统理论的基础上,建立了在随机样本信息下正态均值的灰色统计假设检验方法;并列举实例与经典的N—P假设检验方法进行了比较。 相似文献
20.
鉴于极差比方差更容易获得,所以利用极差对正态总体方差进行间接预估以确定样本量的想法很有实用价值。根据数理统计理论,若以E(Rn)表示正态总体在样本规模n下样本极差的期望,则有E(Rn)=dnσ,dn可以通过多重积分计算得到,且只与n有关,而与μ和σ2无关。但这种多重积分式虽然有利于在理论上阐明dn与相关变量之间的“定性”关系,却无助于在应用上获得dn与n的定量关系式。本文利用随机模拟方法和线性回归分析得到dn的一个简明表达式:dn=0.5ln(n)+3,从而由此间接获得一个正态总体方差的估计值:σ^2=犤Rn/(0.5ln(n)+3)犦2这将使直接利用“更便宜的”极差确定样本量具有可操作性。 相似文献