正态性检验（一）

正态分布是自然界最重要的分布,它能描述许多随机现象.以总体服从正态分布为前提的统计方法已被越来越多的统计工作者所掌握.然而,在一个实际问题中,总体一定是正态分布吗?如果不顾这个前提成立与否,盲目套用公式,可能影响统计方法的效果.因此,正态性检验是统计方法应用中的重要问题.长期以来,我国有关的教科书沿袭前苏联的模式,在谈到正态性检验时,只介绍拟合优度检验和柯尔莫哥洛夫     

正态性检验（二）

§3 有方向检验偏离正态分布的检验根据备择假设的不同可分为两种.当在备择假设中指定对正态分布偏离的形式时,检验称为有方向检验.当在备择假设中未指定对正态分布偏离的形式时,检验称为无方向检验.如果偏离正态分布的形式的假设已经给出,也就是当一个分布与正态分布具有不同的偏度或峰度时,应该使用有方向检验,因为这样的检验的功效比无方向检验大.有方向检验基于以下事实:正态分布的偏度为0,峰度为3.如果样本所代表的分布,其偏度不等于0,就不是正态分布,峰度不等于3,也不是正态分布.只有当真实分布与正态分布可能有差别的先验信息     

基于R软件的正态性检验的功效比较

正态分布是统计学中极其重要的分布,是很多统计方法的基础。检验样本数据是否来自正态分布有非常重要的意义。文章首先介绍了9种检验的方法及其在R的实现;然后利用Monte Carlo随机模拟的方法,模拟常见的26种非正态分布,比较了9种检验在显著性水平为0.05,0.1样本容量为20、100的功效。对于实际正态性检验,建议使用Shapiro、SF、Dago及Pearson检验方法,应该避免仅根据一种检验方法便轻易的作出决策。     

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.     

Q型系统聚类分析中的统计检验问题

Q型系统聚类分析已经越来越成为人们广泛应用的多元统计分析方法。然而在应用中盲目套用系统聚类分析方法的情况很多，并对聚类分析方法的适用性、聚类过程的合理性、聚类结果的有效性等问题分析重视不够，更谈不上对聚类分析进行统计检验。因此，为了更好地应用Q型系统聚类分析，就应对Q型系统聚类分析结果进行统计检验并建立统计检验体系。Q型系统聚类分析统计检验体系主要包括：Q型系统聚类分析结果的有效性检验；聚类分析类（组）数选择合理性检验；聚类变量的显著性检验。     

正态性检验（三）

§5无方向检验当不存在真实分布与正态分布偏离的形式的先验信息时,推荐使用无方向检验.新标准中给出了两个无方向检验:Shpaim-Wilk检验和Epps-Pulley检验.在两者之间有一点选择的余地.一个经验的规则是:当根据以往的资料建议备择假设为一个近似对称的低峰分布(如|β_1~(1/2)|<1/2和β_2<3)或非对称分布(如|β_1~(1/2)|>1/2)时选用Shapiro-Wilk检验,否则选择Epps-Pulley检验.一、Shapiro-Wilk检验这个检验当8≤n≤50时可以利用.     

正态概率纸检验的改进及推广

利用蒙特卡洛方法在正态概率纸检验中引入相关系数等指标,将定性判断与定量判断相结合,使得检验结果更加客观。最后,将正态概率纸检验及其改进推广到对数正态分布、指数分布、威布尔分布。概率纸检验的正确率与数据总体有关,数据总体与检验分布有差异且差异越小正确率越低。     

医学统计中参数检验的两个基本问题——与刘定远先生商讨

假设检验作为推断统计学的重点内容之一,在医学领域运用十分广泛,而参数检验作为假设检验重要的一部分也具有很高的实用价值。但笔者在实际讲解《医学统计学》、《医药数理统计方法》中的假设检验一章时,学生经常在原假设的设定、检验统计量的选择等方面产生迷惑。本文从多年教学经验出发,就以上两个基本问题作一些探讨,帮助读者能够清楚设定原假设、备择假设和准确选择统计量,以求就教于同仁。     

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。     

统计检验中假设的设置方法

统计假设检验作为一种统计推断方法,必须先建立科学的假设。文章讨论了假设的建立方法,认为应当先把研究者希望得到的结论设置为备择假设,再把相反的结论作为原假设,但等号必须置于原假设中。如果样本数据提供的信息足以支持单侧检验,那么左侧检验和右侧检验的结论是相同的。反之,则应当进行双侧检验。可靠的单侧检验结论应当以拒绝原假设的双侧检验结论为前提。     

数据挖掘的统计方法及其软件实现

我们生活在一个数据和信息量“爆炸”的知识经济时代,各种超大型数据库已遍及超级市场销售、银行存款、生命科学、医学、政府统计诸多领域,面临海量数据,传统的数据分析技术已很难适应人们从根本上对数据中蕴涵的知识的需求。于是,一个新的领域——数据挖掘(Data mining)便应运而生,无论在学术界还是产业界,它都是一个相当时髦和     

判别分析统计检验体系的探讨

判别分析已越来越受到人们的重视并取得了重要的应用成果,但应用中存在着简单套用的情况,对判别分析的适用性、判别效果的显著性、判别变量的判别能力以及判别函数的判别能力的检验等问题重视不够。为了更好地应用判别分析,就应对判别分析进行统计检验并建立统计检验体系,统计检验体系应包括：判别分析适用性检验,判别效果显著性检验,判别变量的判别能力检验和判别函数的判别能力检验。     

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.     

正态总体方差的一种间接预估方法

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.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=0.51n(n)+3,从而由此间接获得一个正态总体方差的估计值σ2=[Rn/(0.51n(n)+3)]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.     

统计因果性检验及其应用

变量间或经济指标的回归关系，不论是一元的还是多元的．不论是线性的还是非线性的，只要给出数据就可以做，如我们可作储蓄率关于GDP增长率的回归，以分析GDP增长率的变化对储蓄变化的影响，或反过来作GDP增长率对储蓄率的回归以分析储蓄对GDP，增长率变化的影响，尽管这两个指标是     

因子分析统计检验体系的探讨

为了更好地应用因子分析,论文提出建立因子分析统计检验体系,包括因子分析适用性的统计检验以及提取公共因子数目多少的检验,并对如何进行上述检验进行探讨,论文最后还提出了应用因子分析时应注意的其他问题.     

关于正态总体单边假设检验的注记

本文对正态总体单边假设检验作易于理解的注释,通过教学探讨,以促进教学水平的提高。     

一元线性回归分析中三种检验的等价性研究

在研究两个变量是否线性相关时,要对线性相关系数进行统计检验;在建立线性回归模型时,既要对回归模型中的参数进行统计检验,又要对模型本身进行统计检验。然而,在一元线性回归分析中,尽管对变量线性相关性的检验、模型参数和模型本身检验的目的各不相同,所选统计量也不同,但是,三种检验却具有检验效果的等价性。文章将对此进行研究、证明。