关于假设检验中的P－值探讨

贝叶斯学派对于P－值在假设检验中的应用有很大的争议。文章介绍了P－值在数理统计中的地位,分析了P－值的含义以及应该如何正确理解p－值,指出了P－值的优点及不足之处,最后给出了几何分布和均匀分布参数假设检验时P－值的计算公式。     

贝叶斯统计学假设检验的一种新方法

本文通过对隶属函数的集中度系数确定的探讨,将模糊数学应用于贝叶斯统计学而形成一种新的假设检验方法.     

贝叶斯假设检验与经典假设检验的对比研究

文章基于对经典假设检验和贝叶斯检验的对比研究,指出了经典假设检验在使用中存在的一些问题,给出了贝叶斯统计对这些问题的处理方法。     

论模糊数学在假设检验中的应用

文章通过对隶属函数的集中度系数确定的探讨,将模糊数学应用于贝叶斯统计学,从而形成了一种新的假设检验方法.     

经典检验P值的若干问题

文章从应用的角度综述和分析P值存在的若干问题,这些问题不涉及经典统计频率观点和贝叶斯统计条件观点的立场的对立.     

从无罪推定认识假设检验

对于一般人来说,统计学中的假设检验是较难理解的,只有相关专业人士才对它的原理与方法较为熟悉;其实假设检验并不是想象中的那么难,下面让我们通过两个小故事去认识假设检验。第一个故事:1911年,英国一家法院审理了一起虐待少年罪案。被告人叫曼斯菲尔     

基于贝叶斯学习的惩罚因子的选择

文章基于贝叶斯学习,将正则化方法从贝叶斯分析的角度展开,在响应变量服从正态分布、回归系数服从指数型先验分布族的条件下,用贝叶斯准则给出了惩罚因子的取值与响应变量、系数的方差之间的关系,并将这一结果应用到岭回归和lasso回归中惩罚因子的选择.实例检验结果表明,当响应变量和系数服从正态分布,惩罚因子的值取二者方差商的方法比岭迹法和广义交叉验证法(GCV)拟合效果更优.     

基于Minnesota共轭先验分布的贝叶斯VAR(P)预测模型

时间序列向量自回归模型 (VectorAutoregressionMod el,简称为VAR模型 )最初由美国学者Litterman、Sargent和Sims等人在 2 0世纪 80年代初提出来的 ,主要用于替代联立方程 (Simultaneousequations)结构模型 ,提高经济预测的准确性。用联立方程模型研究宏观经济问题 ,是当前世界     

从假设检验谈推断统计思维方法的特点

文章结合假设检验的例子,论述了推断统计思维方法的几个特点,即统计指标变异的客观性、抽样误差的必然性、推断统计的风险性、统计结论的可靠性与平均规律性,从而说明推断统计方法在测定误差和风险程度时是一种极为有效的工具     

假设检验中的H0-H1交换矛盾及其解决

传统假设检验方法存在H0-H1交换矛盾即同样一组假设检验数据,交换零假设和备择假设(等号位置不变,左右方向交换)会得到完全对立的结论。罗晓娟在文献[5]中提出三联式检验,彻底简洁的解决了H0-H1交换矛盾。本文给出了三联法的实例计算,并提出三联法的一种改进即P值三联法。     

统计显著性:一个被误读的P值——基于美国统计学会的声明

美国统计学会关于统计显著性与P值的官方声明发布之后,再次引发国内外研究学者对P值的广泛关注。在介绍国内统计教材中假设检验的基本内容和步骤的基础上,以硬币投掷与背影识人为例直观性解释P值、统计显著性与统计功效等相关概念,并引用心理学统计经典调查案例分析P值被误读的原因。同时,基于美国统计学会的声明,给出正确使用P值的建议。     

β值的运用

在假设检验过程中,两类错误——第一类错误、第二类错误是始终与我们的最终判断相依相随的。设定好检验假设H0、Ha,根据样本信息如果判定H0为真并接受H0假设,则结论之中包含了发生第二类错误的可能,即“以假为真”的可能;反之如果认为H0为假而拒绝H0,     

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。     

多重假设检验及其在经济计量中的应用

 基于错误发现率(FDR: False Discovery Rate)的多重假设检验（MHT：Multiple Hypothesis Testing），已成为一种有效解决大规模统计推断问题的新方法。本文以错误控制为主线，对多重假设检验问题的错误控制理论、方法、过程和最新进展进行综述，并对多重假设检验方法在经济计量中的应用进行展望。     

基于MCMC方法的贝叶斯AR(p)模型分析

本文提出运用Gibbs抽样的MCMC方法,解决时间序列AR(p)模型贝叶斯分析过程中所遇到的复杂的数值计算问题,借数据仿真分析来说明运用WinBUGS软件建模的分析过程,得出以MCMC为基础的WinBUGS软件简便了贝叶斯AR(p)模型的实际应用的结论.     

含均值结构变点时间序列的贝叶斯单位根检验

针对ADF和PP检验对含有均值结构变点时间序列的“伪检验”问题,文章基于贝叶斯理论,先运用贝叶斯因子模型选择的方法检测时序结构变点位置,再在结构变点已知的情况下运用置信区间和贝叶斯因子两种方法检验序列是否存在单位根,并用Monte Carlo模拟方法进行仿真,验证该方法的有效性。研究发现：是否考虑均值结构变点对时间序列的单位根检验有着重要的影响,不考虑结构突变而进行常规的单位根检验会产生误判;贝叶斯方法能够有效检测含有均值结构变点时间序列的变点位置,并能提高单位根检验功效。     

基于多重尝试Metropolis算法的非线性DSGE模型贝叶斯推断

本文提出一种改进的多重尝试Metropolis算法,用于非线性动态随机一般均衡模型的贝叶斯参数估计和模型选择。多重尝试策略通过每次迭代抽取多个尝试点的方法来提高算法的混合速率,新方法中提出使用近似的方法提高计算速度,并通过接收概率调整偏差。数值实验表明新方法在相同的计算时间内具有更高的估计效率。最后,本文比较了具有不同货币政策设定的模型对中国经济数据的拟合效果,发现中国数据更加支持具有时变通胀目标的模型。     

基于正态-Gamma共轭先验分布的贝叶斯AR(p)预测模型

本文系统地分析了AR(P)时间序列模型的数学模型及其条件似然函数,并根据似然函数的统计结构构造了模型参数的共轭先验分布,研究了正态-Gamma先验分布情况下模型的贝叶斯推断理论,包括模型自回归系数和精度参数后验分布的统计推断、二次损失函数下参数的贝叶斯估计;同时,从统计数学方法上严格地证明了一步超前预测模型的预报分布为t分布.     

关于风险值VaR置信度的修正

通常用拟合分布计算的VaR值k,它的置信度并不是给定的置信度1-α,而是1-α1.文章对1-α1进行了研究,针对用正态分布拟合的模型新提出了拟合度,然后利用拟合度、高估概率和低估概率建立了一个新的修正因子,利用修正因子对1-α1进行估计,使其更接近实际值.仿真计算和中国联通数据的实例应用都说明通过修正因子的调整其风险值的置信度更精确了一些,同时对计算得到的可信度与实际的可信度之间的差异也有了更好的了解.     

手机：从时尚到普及

常州市城调队对该市移动电话消费情况开展了问卷调查 ,认为其普及率正在大幅攀升