统计显著性检验:问题与思考

统计显著性检验是统计推理中普遍使用的手段.但是,长期以来,对统计显著性检验热情过度,认识上夸大其在研究中的作用,造成该手段被滥用和误用的现象相当普遍,削弱了其本身应有的有效性.在定义统计显著性检验中关于样本与总体等几对基本概念的基础上认为,基于统计显著性和无显著性进行统计推理存在认识误区、重复性谬误以及统计显著性与重要性的混同现象,应使用效应量检验、统计效力检验、置信区间估计或重复性研究等手段弥补统计显著性检验之不足.     

成对效应对照的Scheffe两步同时置信区间的构造

文章利用两阶段抽样,构造出了成对效应对照的Scheffe两步同时置信区间,满足预先给定的可靠度和精度的要求。同时,利用数值计算的方法给出了最优第一步抽样量。     

舍入数据下总体均值的经验似然推断

在舍入数据下,利用经验似然方法,构造并证明了未知总体均值的渐近置信区间.     

爱德曼娱乐调查发现:消费者钟爱“自我”的娱乐方式

正爱德曼每年一度的娱乐调查已经迎来了第八个年头,主要探究消费者对娱乐行业的态度。它研究消费者的认知和行为,涉及消费习惯、购买建议和分享行为。全球娱乐调查由爱德曼和Matter发起,由Edelman Berland参与执行。该调查于2014年4月2-16日期间,调查了中国、英国、美国的18至54岁的消费者。样本量为3,000名受访者:美国、英国和中国各1,000名。在95%的置信区间下,全球数据的误差率控     

正态线性模型可估函数的两步同时置信区间

序贯抽样一直是一个重要的统计研究领域,利用两步抽样,具体地构造出正态线性模型中可估函数的同时置信区间,它同时满足可靠度与精度,即我们给出了Bonferroni,Schdfè及最大模t两步同时置信区间.     

不同总体量和样本量时如何计算比例的置信区间

在总体或者总体子集不大情况下的抽样调查中,往往不易得出合理的关于比例的区间估计。这一类问题在抽样调查实践中已经严重到非说不可的地步。文章讨论了在样本量不大或者(和)在总体不大时估计比例的置信区间时往往忽略的问题,并给出了在不同情况下如何计算置信区间的方法。     

区间估计对假设检验的影响分析

通过对区间估计与假设检验问题内在联系的研究，探讨了利用置信区间解决假设检验问题拒绝域的新思路与辨证关系。     

概化理论方差分量置信区间估计Bootstrap方法比较

使用Monte Carlo模拟技术生成多项分布数据,比较四种Bootstrap方法估计概化理论方差分量置信区间的性能,四种Bootstrap方法分别是Bootstrap-PC、Bootstrap-t、Bootstrap-BCa和Bootstrap-ABC方法.结果表明:(1)从整体上看,四种Bootstrap方法估计方差分量置信区间的包含率,校正的Bootstrap方法要优于未校正的Bootstrap方法;(2)校正的Bootstrap-PC和Bootstrap-t方法相当,校正的Bootstrap-BCa与Bootstrap-ABC方法相当,校正的Bootstrap-BCa和Bootstrap-ABC方法要优于校正的Bootstrap-PC和Bootstrap-t方法.     

基于相似度的犹豫模糊语言多属性决策方法

文章针对带置信区间的犹豫模糊语言多属性决策问题,提出了一种基于相似度的决策方法.首先,介绍了语言术语集及相似度向量,提出了带置信区间的犹豫模糊语言集的概念.其次,研究了带置信区间的犹豫模糊语言集的相似度测度,并结合Topsis的思想,给出了决策方法的具体步骤.最后,通过实例验证了该方法的合理性和可行性.     

基于MVA分析的过程能力指数的置信区间研究

传统的过程能力分析假定过程存在单一变异源,在利用方差分量法估计嵌套型多变异源问题的总方差和各方差分量的基础上,给出了过程能力指数的估计方法,并推导了Cp的置信区间.案例应用表明:由于MVA方法对变异来源进行了充分分析和估计,所以能够科学合理的对过程进行评价.