计数型二次序贯网图检验

序贯概率比检验(SPRT)是应用非常广泛的抽样检验方法, 序贯网图检验在控制最大样本量方面很好地改进了SPRT, 但其结果还有进一步改进的余地, 为此, 我们建立了二次序贯网图检验, 计算结果表明, 它比原先的计数序贯网图检验有更好的效果.     

基于Koopman-Darmois分布族的序贯网图检验方法

通常高成本、破坏性的抽样检验需采用具有最大样本量限制的序贯检验方法．立足于设计出最大样本量尽量小的序贯检验方案,本文基于Koopman-Darmois分布族建立了序贯网图检验方法．与目前广泛采用的截尾序贯概率比检验方法相比,序贯网图检验方案具有更小的样本量上界,更适合高成本、破坏性的抽样检验．     

分层含结构零2×2列联表基于风险比的同时置信区间估计

对分层含结构零2×2列联表中风险比的同时置信区间估计问题,提出五种基于似然比统计量、Score统计量、Wald统计量和对数变换Wald统计量的同时置信区间及三种Bootstrap同时置信区间。并采用Bonferroni,Single-step adjusted MaxT和Single-step adjusted MinP三种多重检验过程计算临界值。通过同时置信区间覆盖概率、覆盖宽度和Mesial非覆盖概率与非覆盖概率之比(RNCP)的模拟研究比较了置信区间的统计性能。结果表明,MinP检验过程下基于Score统计量的同时置信区间具有令人满意的结果,即这个区间的覆盖概率非常接近置信水平,且Mesial非覆盖概率与非覆盖概率之比(RNCP)均在[0.4,0.6]之间。最后通过实例分析对所提方法进行验证。     

Permutation Test在假设检验中的应用

本文介绍了一种实用的、基于大量计算的统计推断方法———Permutation test。该法根据所研究的问题构造检验统计量,并利用手头样本,按排列组合的原理导出检验统计量的理论抽样分布;若难以导出确切的理论分布,则采用抽样模拟的方法估计其近似分布,然后求出从该分布中获得手头样本及更极端样本的概率(P值),并界定此概率值,作出推论。本方法属分布自由检验,适用于总体分布未知的小样本资料,以及某些难以用常规方法分析的资料之假设检验问题。本文就“Permutation”的含义,“Permutation tes”t的特点,“统计量的构造”,“模拟次数的选择”,应用进展等问题展开探讨。     

序贯Lq似然比型检验

本文研究了序贯Lq似然比型检验(简写为SLqRT),以及SLqRT的一些性质.基于其中一个性质-基本恒等式,得到SLqRT的势函数和平均子样容量.为了节约成本,通过最小化平均子样容量来选择合适的q值,从而进行指数分布的假设检验.此外,给出了理论推导及两个模拟算例来说明SLqRT的稳健性,并计算了不同污染参数下粗差模型的序贯概率比检验(简写为SPRT)和SLqRT的平均子样容量.结果表明:在平均子样容量下,SLqRT的效果优于SPRT.     

累积Logistic回归模型结构变点的序贯检验

分类时间序列在生物医学、社会学和遗传学等领域有着广泛的应用,累积Logistic回归模型是分类时间序列建模的一类重要模型.本文基于偏似然得分过程(Partial likelihood score process)提出一种变点序贯检验方法,监测累积Logistic回归模型的结构是否发生变化.原假设下推导检验统计量的极限分...     

带有时序趋势的序贯试验概率罐子模型中的极限定理

本文研究了带有未知的时序趋势的序贯试验概率罐子模型,对于时序趋势构造了一种估计量,从而建立了一种广义的Friedman概率罐子模型,并且在这种序贯试验模型下获得了强相合性、渐近正态性等极限定理,这些结果为临床试验设计的应用提供了一定的理论根据.     

带有时序趋势的序贯试验概率罐子模型中的极限定理

本文研究了带有未知的时序趋势的序贯试验概率罐子模型,对于时序趋势构造了一种估计量,从而建立了一种广义的Ｆｒｉｅｄｍａｎ概率带子模型,并且在这种序贯试验模型下获得了强相合性、渐近正态性等极限定理,这些结果为临床试验设计的应用提供了一定的理论根据．     

普哇松分布参数SPRT的OC函数的显式

<正> 一、问题的提出关于普哇松(Poisson,S.D.)分布参数序贯概率比检验(简记为 SPRT)的 OC 曲线的形式在[1]中曾给出过.如果用沃尔德(Wald,A.)所建立的关于 SPRT 的一般理论也可以给出.这两种形式的 OC 曲线都是以参数方程给出的,但是由于[1]与[2]所采用的方法根本不同,所以最后得到的参数方程在形式上是不同的.本文将指出这两组参数方程的等价性.同时,将证明在普哇松分布的情形下,可以将 OC 曲线的参数方程表示为显式.     

关于序贯检验的Bayes分析

本文将充分利用验前信息的Ｂａｙｅｓ方法与序贯检验相结合,推导出了Ｂａｙｅｓ序贯检验方法。文章从表面形式上的决策方案推导到实质上真正的决策方案;并对飞行器落点密集度进行了模拟计算的具体分析,最后得出结论,Ｂａｙｅｓ序贯检验方法对具有昂贵成本的产品试验和我国航天试验有较大的应用价值．     

复杂调查数据似然估计的权数检验及改进

微观调查数据是微观数据的重要组成,微观调查数据的权数在最小二乘估计下的统计推断,已有多篇文献提出了不同的检验方法,但在最大似然估计下的统计推断,权数的检验还无明确的方法。依据常见的三种似然检验方法,本文给出了Wald权数检验、似然比权数检验和拉格朗日乘子权数检验,理论与模拟的结果发现,这三种似然权数检验均具有较高的犯第一类错误概率,本文利用Bartlett-type correction,获得修正得分权数检验,并从理论和模拟角度说明了获得的修正得分权数检验的优势,同时将这四种权数检验方法应用到中国家庭追踪调查(CFPS)数据,最后对该方法进行了总结和展望。     

分层关联表中伞形序对无约束问题的检验

概率分布间的随机序是应用概率论与统计推断中的一个重要概念. 基于交叉分类数据的趋势检验问题已被广泛地研究, 并且分层关联表广泛存在于实践中. 似然比检验方法常用于涉及随机序约束问题的检验. 对带序约束的分层关联表, 该文介绍了一种不基于模型假定的似然比检验方法, 并且给出了检验统计量的极限分布.     

一类渐近最优的截尾序贯检验

本文研究了一类截尾序贯检验的性质,发现在一定条件下,检验的平均样本量与检验显著性水平的对数的绝对值之比E_θτ_b/|logα(b)|有一个渐近下界。对多参数指数族,我们证明了重复显著性检验使其E_θτ_b/|logα(b)|的极限(当b→∞)达到上述下界,是渐近最优的。     

序贯分析

<正> 序贯分析(Sequential Analysis)是由著名统计学家A·Wald于1947年提出。四十     

面板数据下序贯模型变点的渐近检验法

本文研究了面板数据模型下变点是否存在的检验问题.对于面板序贯模型下的变点,利用构造的检验统计量及其极限分布的方法,获得了关于变点的一种渐近检验法.随后进行Monte-Carlo数值模拟,在模拟中对检验方法的经验检验水平、检验功效以及变点后的停时三个判断标准进行了考察.结果显示无论在理论还是数值模拟上,我们提出的渐近检验法均表现优良.推广了现有文献的关于单序列变点的序贯检验方法.     

参数模型下的时间序贯检验方案

本文研究参数模型下的序贯检验方案 .而以往的序贯检验方案往往采取非参数模型 .由于参数模型在生产实践中是常见的形式 .所以这个检验方案对于产品的检验具有指导意义 .     

对于双未知参数均匀分布的序贯 minimax 估计

统计判决理论的一个重要问题,是对一个给定的分布族,当观测是独立同分布的,作n 次观测的费用为 cn(c>0)时,求其参数的序贯 minimax 估计.关于这一问题,Wald对损失函数 W(θ,d)=(θ-d)~2,得到了从 θ-1/2到 θ+1/2(-∞<θ<∞)上的均匀分布中均值θ的估计.Blyth将 Wald 的结果作了推广和改进.Kiefer 关于损失函数 W(θ,d)=[(θ-d)/θ]~2,解决了从0到 θ(0<θ<∞)上的均匀分布中参数θ的估计问题.本文所要讨论的是含有两个未知参数的均匀分布,其密度为     

含结构零2×2表中风险比齐性检验的样本量研究

本文研究了在临床和流行病学中出现的K个独立含结构零的2×2列联表.利用风险比推导出基于Wald型,基于对数变换型以及基于Score型的三个检验统计量,以检验层间齐性假设,获得了分别基于这三个检验统计量的控制功效的样本量公式和数值实验结果.模拟研究表明基于Score检验和基于对数变换检验的样本量公式比基于Wald检验的样本量公式更精确,更能有效保证预先给定的功效.推广了基于列联表问题的假设检验方法.     

几何分布时间序贯检验的贝叶斯推断

设有统计模型｛ｘ,Ｂｘ,Ｐθ｝,θ∈（０,１）,其中Ｐθ为几何分布：Ｐθ（Ｘ＝ｋ）＝（１－θ）θ＾ｋ－１ｋ＝１,２,…。考虑检验问题：θ＝θｏ ｖｓ． θ＝θ１（０〈θ０〈θ１〈１）本文对一种依次试验的时间序贯样本,给出了上述检验问题的贝叶斯停止判决法则,其中损失函数为试验费用和误判损失之和,贝叶斯停止判决法则由后验概率的两组界（上界和下界）所给出。     

多项分布总体的相等对增凸序问题的多样本检验

概率分布间随机序在实践中已经得到了广泛的应用,而且似然比检验是用以检验涉及随机序问题的最普遍的检验方法．但是,关于多个多项式总体间的增凸序约束的统计推断问题并没有得到充分发展．多样本的增凸序对无约束的检验问题已被研究．然而,多总体的相等性对增凸序的假设检验问题似乎更有研究意义．并且分布的相等对随机序的假设检验问题往往是统计学家最为普遍地考虑．对多样本的情况,本文考虑了分布的相等对增凸序的假设检验问题,并且获得似然比检验统计量的零渐近分布,它是一组x~2分布随机变量的加权和,即■~2分布．