- 博客(8)
- 收藏
- 关注
原创 非正态主体均值的假设检验
双主体检验1.Wilcox秩和检验,若拒绝原假设则说明均值不同2.做适当的变换使得随机变量分布近似于(可以不完全相同)正态分布3.集中度高于正态分布的可以采用t-检验4.集中度低于正态分布的结果未知
2016-03-16 09:36:13 1716
原创 分类变量分析中的参数p置信区间估计需要注意的点
1.此类问题一般看做二项分布的随机变量2.对于p的点估计一般做极大似然估计值即样本的频率p_hat3.WALD统计量:对于p的区间估计当样本量很大时可以将X看做正态分布,由于样本均值的数学期望等于总体均值,方差等于sqrt(sigma^2/n),sigma^2 = p*(1-p)用样本频率p_hat代替母体参数p得到的区间估计当样本量较小时在p比较小的时候(实验过n=100时置信区间的宽度
2016-03-15 12:54:19 2003
原创 假设检验的鲁棒性
Richard Wu 2016年3月3日 考虑一个问题,当一个随机变量不一定服从正态分布时,是不是还可以使用参数检验?T检验思路是,分两种情况原假设是正确的情况下p-value是否是我们想象的那样和显著性水平相符合。在原假设错误的情况下在相同的样本容量,相同的均值差的情况下两者的功效相差多少?第一种情况:原假设是正确的若随机变量X服从正态分布,抽取一个样本取其t检验的p值,看看p值小于显著性水平
2016-03-07 14:27:22 10899
翻译 非参数检验
非参数检验Sign TestSign Test用来检验随机变量的中位数,而且没有对随机变量的任何假设 Sign Test的思想是对大于假设中位数的样本个数进行计数,如果随机变量中位数的真值和假设的一样那么计数值应当服从p=0.5的二项分布。sign.test <- function (x, mu=0) { # does not handle NA n <- length(x) y <- s
2016-02-25 22:54:47 680
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人