Please enable JavaScript.
Coggle requires JavaScript to display documents.
假设检验 (非参数检验 (正态性检验 (W检验(Shapiro-Wilk)(8≤n≤50), EP检验(Epps-Pulley)…
假设检验
非参数检验
正态性检验
W检验(Shapiro-Wilk)(8≤n≤50)
EP检验(Epps-Pulley):对多个备择假设有较高的效率
正态概率图
分布拟合检验:对总体分布的形式进行假设检验
p=P(χ^2≥χ^2[1-α](k-1)) 自由度一般为k(k个类)-1 pi不全都已知时,k-r-1
p越大越好
符号检验(p分位数检验或者用于成对数据的比较)
秩和检验(对两个总体的位置进行比较)
游程检验(数据的随机性检验或者检验两个总体是否具有相同的分布)
列联表
独立性检验:p=P{χ^2≥χ^2[1-α] (r-1)(c-1)}
列联数据的相关程度的指标
c系数
V系数
φ相关指数
显著性检验
建立假设的步骤
-> 建立假设
-> 选择检验统计量
-> 给出拒绝域形式
-> 选择显著性水平(势函数:g(θ)=P(X∈W)=α即接受原假设的前提下观察值落在了拒绝域)
-> 给出拒绝域
-> 做出判断
->T(X)
or -> p-value(当原假设为真时所得到的样本观察结果或更极端结果出现的概率)
正态总体参数假设检验
单个正态总体均值的检验
样本量小
t检验(σ未知/用s代替)
u检验(σ已知)
样本量大
u检验
两个正态总体均值差的检验
t检验(σ1=σ2未知)
u检验(σ1与σ2已知)
大样本u检验(m、n充分大)
近似t检验(m、n不很大)
成对数据检验
不能用两个正态总体均值差的t检验
而要令H0:μ=μ1-μ2=0,进而采用单个正态总体均值的t检验
避免组内差异,而使标准差增大,导致因子不显著
正态总体方差的检验
单个正态总体方差 -> 卡方检验
两个正态总体方差比 -> F检验
其他分布参数的假设检验
指数分布参数(卡方)
比率p(二点分布):常使用P值确定
大样本(u检验)
费希尔的显著性检验:g(θ)≤α,即控制第一类错误的概率
似然比检验(LRT、奈曼/皮尔逊,1928):
统计量Λ(x1,...,xn)=p(x1,...,xn;θ^)/p(x1,...,xn;θ0^);θ^:在全参数空间Θ的最大似然估计;θ0^:参数空间Θ0的最大似然估计
W={Λ(x1,...,xn)≥c}
显著性检验:Pθ(Λ(x1,...,xn)≥c)≤α θ∈