首页 | 本学科首页   官方微博 | 高级检索  
    检索          
共有20条相似文献,以下是第1-20项 搜索用时 343 毫秒

1.  统计线性模型(Ⅵ)  
   漠草《数理统计与管理》,1985年第6期
   五、假设检验§5-1.对初等统计中假设检验问题的简单回顾 1°.一个正态总体,未知方差时对均值的双边检验。 假定:Y_1,…,Y_N独立同分布N(μ,σ~2),σ~2未知。对假设H_0:μ=μ_0(μ_0为给定值),进行检验。 在初等统计中,我们找到了一个统计量T: T=N(y-μ_0)/s。(s是样本标准差)。它有两个性质, (1)它被y_1,…,y_N完全确定,而不含任何未知参数。(这就是所谓“统计量”的含义)。、(2)待验假设H。成立时.T的概率分布已知,它服从xN,0.i”卜卜’.’,;;。’一 据此,由预先给出的显著性水平17。,可由0分布临界值表宣州隆二界地义(如分位点ti…    

2.  多维正态分布均值在序约束下的假设检验  被引次数:1
   董普《数学进展》,2003年第32卷第1期
   在序限制下的统计推断是统计分析中的一个重要领域,保序回归理论在这个领域中起着关键性的作用。多维保序回归是一维保序回归的推广,本文给出了k=2,p=2时多维保序回归的求解方法。令Xij,j=1,2…,n是来自总体为二维正态分布N(μi,Λ)的样本,这是μi是未知的,Λ是已知的,i=1,2。令μ=(μ1,μ2),-={(μ1,μ2)|μ1,μ∈R^2,}-0={(μ1,μ2)|μ1≤μ2,μ1,μ2∈R^2}。μ1≤μ2表示μ2-μ1的每一个分量为非负。本文也讨论了假设检验问题H0:μ∈-0,H1:μ∈-0=---0(H0是零假设)。    

3.  统计学入门(Ⅸ)  
   彤季《数理统计与管理》,1984年第3期
   十八、对正态总体均值和方差的检验 在这一节中我们将具体列出关于一个正态总体的均值μ或方差σ2的假设检验.根据上节的讨论,这些检验与μ或σ2的置信区间的构造有关.因此我们不准备详细地给出这些检验的推导过程,仅将结果以表格形式列出,并给出若干说明性的例子.18-1关于均值u的假设检验 需要检验的假设H0:μ=μ0(双侧检验);μ≥μ0或μ≤μ0(单侧检验),其中μ0是已知的常数.检验统计量当σ已知时用当σ未知时用 例18-1炼钢厂为测定温铁炉铁水温度,用测温枪(主要装置为一种热电偶)测温6次,记录如下(单位℃): 1318, 1315, 1308, 1316, 131…    

4.  单总体方差检验中一致最大势检验(UMPUT)临界值的研究  
   张莉娜  濮晓龙《浙江大学学报(理学版)》,2009年第36卷第4期
   方差检验问题在实际生活中应用广泛,对于同一假设可能有不同的检验方法,这就涉及到检验方法的优劣性问题,本文就正态总体对单总体方差检验作了一些研究.对单总体问题,考虑H0:σ^2=σ0^2vsH1:σ^2≠σ0^2,通常采用的χ^2检验并不是无偏的,给出了无偏检验的临界值.将该无偏检验与常用的χ^2检验就势函数进行比较,指出当样本量n不大时二者是有差别的.    

5.  两个正态总体的似然比检验  被引次数:3
   罗纯《应用概率统计》,2003年第19卷第3期
   对于两个正态总体N(μ1,σ1^2)和N(μ2,σ2^2),本文讨论了统计假设H0:μ1=μ,σ1^2=σ2^2←→H1:μ1≠μ,或σ1^2≠σ2^2。给出了似然比检验统计量分布及相应的临界值表,并对其临界值表的计算给出了详细的讨论。    

6.  正态总体位置参数移动的似然比检验统计量的分布  被引次数:1
   杨喜寿《数理统计与应用概率》,1994年第9卷第2期
   原假设(y1,y2...,yn)是正态独立随机量时间序列,其均值和方差分别为μ和σ^2备选假设为均值μ在某一时刻(未知)发生变化,本文对σ^2为已知的情况,导出了由Hawkins(1977)提出的似然经检验统计量U的简明且便于计算的分布函数表达式,并建立了分布函数的数值表。    

7.  U统计量均值的固定长度的序贯区间估计  
   方兆本《数学杂志》,1983年第4期
   Y.S Chow 和 H.Robbins[1]讨论了一般总体方差σ~2。未知时均值μ的固定长度2d,给定置信概率1-α的序贯区间估计.此后一些作者又作了进一步的研究,其中Sproule[2]曾给出了 U 统计量均值的固定长度的序贯区间估计.本文主要讨论 U 统计量均值θ的固定长度的刻度型序贯区间估计.并顺便讨论一种构作 U 统计量均值固定长度区间估计的渐近有效两阶段抽样方案.    

8.  p-范分布的参数假设检验  
   《武汉大学学报(理学版)》,2021年第2期
   p-范分布是包含拉普拉斯分布、正态分布、均匀分布、退化分布等在内的一类重要分布,然而几乎没有针对该分布的检验问题的研究。探讨了p-范分布中未知参数的假设检验,利用矩估计、极大似然估计和中心极限定理等工具研究了一个和两个总体为p-范分布的未知参数的检验问题。参数μ和p采用近似U检验,单总体方差参数σ采用χ~p检验,而两个总体的方差参数是否相等采用F_p检验,并用6个模拟算例和1个实例说明了本文的检验方法是可行的。给出了需要进一步研究的两个开问题。    

9.  均值已知的条件下方差的统计推断  
   张圣梅 杨桂元《数学理论与应用》,2005年第25卷第3期
   充分利用总体的信息,讨论了正态总体均值μ已知的条件下,方差σ^2的统计推断问题.    

10.  多组试验时正态分布标准差估计公式  
   泾础《数理统计与管理》,1983年第4期
   我们在前文[2]介绍了多组试验时正态分布均值的估计公式,本文继续介绍如何通过多组试验数据来估计正态总体的标准差。 一、各组试验次数相等 设正态总体X~N(μ,σ),其中均值μ和标准差σ未知。今有m组样本,每组样本大小n相等,其试验数据如下:求标准差σ的估计σ。 我们记第i组    

11.  关于假设检验中显著性水平的选择  
   刘运哲《数理统计与管理》,1987年第1期
   假设检验是质量管理和控制中广泛应用的一种统计推断方法.但是,我们知道根据样本提供的信息对总体的参数或分布进行假设检验,可能导致两类错误:第一类错误是如果零假设H0事实上是正确的,而根据样本信息计算的检验统计量却落在否定区,从而我们错误地拒绝了零假设,这叫以真为假;第二类错误是零假设H0事实上是错误的,而根据样本信息计算的检验统计量落在肯定区,从而使我们错误地接受了零假设,这叫以假乱真.以样本平均数的分布为例,假设检验中造成这两类错误的概率大小关系,可通过下图来说明: 图中分布1,分布2的方差σ2是一样的,对样本平均数假…    

12.  总体方差已知条件下单个正态总体均值假设检验现行方法的缺陷与改进  
   高杰  李从珠《数学的实践与认识》,2005年第35卷第8期
   揭示了总体方差已知条件下单个正态总体均值假设检验现行方法的缺陷,提出了总体方差已知条件下单个正态总体均值假设检验的改进方法,给出了一个该总体方差已知条件下单个正态总体均值假设检验改进方法的应用实例.    

13.  一个半参数回归模型中Cramér渐近有效性的充要条件(英语)  
   梁华《应用概率统计》,1996年第3期
   本文考虑模型Y_i=X~Tβ g(T) ε,这里(X~T,T,Y,)是k 2-维随机向量,g是未知光滑函数,ε是均值为零方差有限的随机误差。本文证明了,的最小二乘估计是Cramer渐近有效的充要条件是误差6服从正态分布N(0,口’)。    

14.  半参数回归模型中误差方差估计之分布的非一致性收敛速度  
   薛留根《应用数学学报》,2004年第27卷第2期
   Engle等人将气候条件对电力需求关系归结成半参数回归模型其中{e_j,1≤j≤n}是iid.的随机误差,均值为0,方差σ~2>0,{(X_j;T_j),1≤j≤n}是R~p×[0,1]上的随机设计点列且与{e_j,1≤j≤n}相互独立,{T_j,1≤j≤n}iid.,β是p维未知回归参数,g(t)是定义在[0,1]上的未知回归函数。    

15.  利用配对数据进行参数假设检验的一个注记  
   陶靖轩《数学的实践与认识》,1997年第2期
   <正> 1.引言 在通常的数理统计书籍中,对于两正态总体数学期望的检验问题,一般按两类情况进行讨论;即当ε~N(α_1,σ_1~2).η~N(α_2,σ_2~2).α_1.α_2.σ_1~2.σ_2~2都是未知参数,对于统计假设H_0:α_1=α_2,H_1:α_1≠α_2.若σ_1~2=σ_2~2=σ~2时,构造统计量    

16.  一个半参数回归模型中Cramer渐近有效性的充要条件  
   梁华《应用概率统计》,1996年第12卷第3期
   本文考虑模型Yi=X^γβ+g(T)+ε,这里(X^γ,T,Y)是k+2-维随机向量,g是未知光滑函数。ε均值为零方差有限的随机误差。本文明了β的最小二乘估计是Cramer渐近有效的充要条件是误差ε服从正态分布N(0,σ^2)。    

17.  线性模型中的一个假设检验问题(英文)  
   张尧庭  卞国瑞《数学年刊A辑(中文版)》,1982年第2期
   本文讨论了多元线性模型中的一个假设检验问题。假定 的各行独立、正态、同协差阵Ⅴ。现在要检验假设H_0:存在矩阵C使θ=Cη是否成立。首先可将问题化为法式的形式,对法式分两种情况进行讨论: (一)V=σ~2I, σ~2未知。此时可求出θ, C,σ~2的最大似然估计(当H_0成立时)是中的资料阵y_1,y_2,d1,…,d_K是y′_3y_3的全部特征根。λ_1~*≥…λ_(p+q)~*是(y_1 y_2)(y′_1 y′_2)的全部 Λ=sum from j=p+1 to k /sum from j-1 to k d_j,λ_1≥λ_2…≥λ_k是y′_1y1+y′_2y_2的全部特征根。 (二)一般情形V未知。此时θ,C的估计量同前,可求出 (?)=1/n(y′_2T_(22)T′_(22)y_2+y′_3y_3).H_0相应的Lawley不变检验是 sum from j=p+1 to k β_j≥α_1,其中β_1≥β_2≥…≥β_k是y′1y_1+y′_2y_2的相对于y′_3y_3的全部特征根。 有关Λ的以及sum from j=p+1 to k β_j的极限分布将在另外的文章中讨论。    

18.  概率统计中一个定理的证明  
   金鉴禄  王纯杰《数学学习》,2010年第13卷第4期
   设总体中个体总数为N,样本容量为n(n〈N),且总体有有限均值μ,方差σ2,当抽样是无放回时,证明了σ(X)=/N=n/N-1σ//n,其中σ(X)为X的标准差。    

19.  正态样本最大值与平均值之差的上侧分位数表  被引次数:1
   吴传义《应用数学学报》,1987年第1期
   设 x_1,x_2,…,x_n 是来自正态总体 N(μ,σ~2)的随机样本,μ∈R,σ~2>0已知,记(?)_n为样本均值,x_(1)≤x_(2)≤…≤x_(n)是此样本的顺序统计量.Nair 和 Grubbs 提出以统计量 R_n=(x_(n)-(?)_n)/σ口进行某些统计检验.特别用以判断最大值是否异常数据.当然 R′_n=((?)_(n)-x_(1))/σ可用以判断最小值是否异常数据,R′_n 的分布与 R_n 相同.这检验的最优性质可由 Kudo 的方法来证.    

20.  一个部份自回归模型的渐近有效性<英>  
   粱华《应用概率统计》,1995年第3期
   本文考虑部分自回归模型 X_t=X_(t-1)β g(U_t) ε_t,t≥1.这里g是一未知函数,β是一待估参数,ε_j是具有0均值和方差σ~2的i.i.d.误差,U_t i.i.d.服从[0,1]上均匀分布.本文首先给出了相合估计的收敛阶和Takeuchi意义下渐近有效界.同时给出了β最小二乘估计是有效的充要条件.最后证明了MLE是渐近有效的.    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号