討厭參數(shù)方法及數(shù)據(jù)分析.pdf_第1頁
已閱讀1頁,還剩18頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、假設(shè)檢驗問題是統(tǒng)計推斷的一類重要問題,在總體分布函數(shù)未知或只知形式不知其參數(shù)的情況下,為推斷總體的性質(zhì)而提出某些關(guān)于總體的假設(shè)。假設(shè)檢驗就是根據(jù)樣本得到的信息,對提出的假設(shè)進行判斷,確定接受還是拒絕假設(shè)。 原假設(shè)H<,0>被成為簡單原假設(shè),如果密度函數(shù)f<,Y>(y)在原假設(shè)下完全被唯一確定。否則,稱原假設(shè)凰為復(fù)合原假設(shè)。而復(fù)合原假設(shè)問題是應(yīng)用統(tǒng)計中最為常見的情況.進行復(fù)合假設(shè)檢驗的困難在于原假設(shè)下分布函數(shù)不能唯一確定,所以對于

2、任何統(tǒng)計量來說,無法在第一類錯誤概率的約束下,計算拒絕域。 本文給出處理這種帶討厭參數(shù)的假設(shè)檢驗問題的兩種數(shù)據(jù)分析方法:條件化方法和非參數(shù)方法。條件化方法適用于討厭參數(shù)為有限維數(shù)的情形,而非參數(shù)方法則適用于無限維數(shù)的討厭參數(shù)情形。條件化方法的優(yōu)點在于給出了一個統(tǒng)一解的形式,適用性廣泛,克服了原假設(shè)下似然函數(shù)不唯一造成的第一類錯誤概率難于達(dá)到的困難。很多常見的假設(shè)檢驗問題,如關(guān)于兩正態(tài)樣本均值的T檢驗,種類數(shù)據(jù)2×2情形下的因子獨

3、立性假設(shè)檢驗,線型回歸模型方差未知時系數(shù)參數(shù)的假設(shè)檢驗等均可成為條件化方法的特例;兩樣本位置參數(shù)的非參數(shù)檢驗方法闡明了很多非參數(shù)檢驗統(tǒng)計量的來源,如Wilcoxon,log-rank等常見非參數(shù)檢驗統(tǒng)計量,原來都是某種特定分布函數(shù)下的局部最大功效檢驗檢驗(locally most powerfultests)。此方法的優(yōu)點在于可以靈活運用到任何有關(guān)位置,尺度參數(shù)的分布函數(shù)未知的非參數(shù)檢驗問題中,普遍適用性廣泛。最后本文還舉例說明了如何具

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論