异方差且未知情况下两正态总体等均值检验的贝叶斯观点统计量

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.     

基于两正态均值的灰色统计假设检验研究

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.     

均值已知正态总体方差的区间估计

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.     

巧用SPSS做均值向量检验

文章基于两总体均值比较的特殊情形(样本容量n2=1),推导出其统计量F2与单总体均值向量检验中的统计量F1之间的关系表达式。这样,为了实现用SPSS做单总体均值向量的假设检验,可以将均值μ0视作随机样本Y来做两总体均值比较的假设检验,可以得到F2的值,进而通过关系表达式求得F1的值,然后,用F检验法完成这个的假设检验问题。最后,文章通过一个实例验证了该方法的快捷。     

异方差下多个正态总体共同均值的参数bootstrap推断

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.     

定时截尾下具有缺失数据的两个几何总体参数的估计

文章利用极大似然估计方法,研究定时截尾下具有部分缺失数据的两个几何总体的参数估计问题,以及两几何总体参数相等的假设检验问题,证明了估计的强相合性以及渐进正态性,给出了检验两总体参数相等的检验统计量以及检验统计量的极限分布。     

具有部分缺失数据的两个几何分布总体参数的估计与检验

文章研究了具有部分缺失数据的两个几何分布总体中的参数估计问题以及两总体参数相等的假设检验问题,证明了估计的强相合性以及渐近正态性;给出了检验两总体参数相等的检验统计量以及检验统计量的极限分布。     

具有部分缺失数据的两个对数正态分布总体参数的估计与检验

文章研究了具有部分缺失数据的两个对数正态分布总体中的参数估计问题以及两总体参数相等的假设检验问题;证明了估计的强相合性以及渐近正态性,给出了检验两总体参数相等的检验统计量以及检验统计量的极限分布.     

三个多元正态总体在简单半序约束下均值估计

 多元保序回归理论对统计学中研究多维参数在序约束下的估计理论起着关键性作用。本文讨论了当协方差矩阵已知,在简单半序约束下,对三个多元正态总体均值的估计问题,给出了估计的算法。并证明了在多元均方损失条件下,给出的均值估计优于无序约束的均值估计。     

浅析t检验法不能代替方差分析法的原因

多个正态总体均值是否相等是假设检验中的一个常见问题。本文笔者从检验统计量,检验法则和两类错误的角度,结合实证分析,认为多个正态总体的均值检验不能用t检验法,并分析了具体原因。     

基于潜变量模型的多元有序数据轮廓分析法

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。     

方差未知的灰色统计假设检验及应用

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,都是建立在明确随机数据上的参数假设检验。而现实生活中很多数据具有模糊灰色不确定性,如何较为合理地进行科学判断。在灰色系统理论的基础上,建立了在随机样本信息下,方差未知时正态均值的灰色统计假设检验方法。并应用于医学统计中与经典的N-P假设检验方法进行了比较。     

随机信息中正态均值的灰色统计假设检验判定

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。     

参数假设检验中的若干基本问题研究

文章对参数统计检验中的基本原理、势函数与两类错误、检验的p值和单边检验的假设与拒绝域等若干基本问题进行了研究,并分析了它们之间的关系,阐明了参数的区间估计和假设检验的关系,揭示了参数统计推断的本质。     

多总体均值推断时样本容量的确定

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.     

收入基尼系数的统计推断

 基尼系数估计量的统计推断是基尼系数研究的一个重点。本文我们使用Davidson（2009）提出的近似大样本渐进分布方法,对收入基尼系数估计量进行统计推断,包括计算估计量的标准差、构造置信区间和进行假设检验。通过模拟试验,我们验证了在小样本情形下,依据该方法所做的统计推断具有较高的可靠性。在此基础上,我们对我国城镇居民的真实收入基尼系数进行了统计推断。     

基于中位数排序集抽样的符号检验

文章提出中位数排序集抽样下总体中位数的符号检验,证明了新检验统计量具有渐近正态性,并系统验证了新统计量的检验功效一致优于排序集抽样下和简单随机抽样下符号检验统计量.     

均值已知的条件下方差的统计推断

充分利用总体的信息,讨论了正态总体均值已知的条件下,方差的统计推断问题。     

取定统计量下最忧置信区间的估计

参数的区闻估计是一种基本的统计推断形式.它根据枢轴量的分布,在一定可靠度下指出被估计的总体参数所在的可能范围.Neyman的置信区间理论通过给定置信水平以保证一定的可靠度.文章讨论了取定统计量后,置信区间的估计方法以及最优置信区间的确定:并且通过实例与传统方法求得的置信区间进行了比较.结果显示.所求得的最短置信区间有明显的优越性.     

非正态过程能力指数估计与Bootstrap置信区间构建

传统计算非正态分布过程能力指数最经典的方法——Clement方法,其最大的缺点是必须有足够多的观测样本才能得到较为准确的结果。文章利用加权标准差可将非正态过程分解成两个正态过程的思想,结合样本估计相关理论构建了一种基于加权标准差的过程能力指数。新指数无论是在小样本还是大样本的情况下,都比Clement方法估计结果的准确性更高,且在此方法基础上构建的Bootstrap置信区间的真实值覆盖率均远远高于同等条件下Clement方法构建的置信区间。