《数学建模算法与应用第二版》——chapter7. 数理统计

本文介绍了数理统计中的参数估计与假设检验,重点讲解了Q-Q图在检验拟合优度中的应用,以及非参数和参数Bootstrap方法。此外,还涉及了方程分析和回归分析,包括多元线性、二项式和非线性回归,并提到了大规模定制质量控制的灰色模型和Bootstrap理论结合的研究。
摘要由CSDN通过智能技术生成

1. 参数估计与假设检验

1.1 区间估计

在这里插入图片描述

1.2 经验分布函数


在这里插入图片描述

1.3 Q - Q图

Q-Q图(Quantile-Quantile Plot)是检验拟合优度的好方法,目前在国外被广泛使用,它的图示方法简单直观,易于使用。对于一组观察数据x1,x2,…,xn。,利用参数估计方法确定了分布模型的参数θ后,分布函数F(x;θ)就知道了,现在希望知道的是观测数据与分布模型的拟合效果如何。如果拟合效果好,观测数据的经验分布就应当非常接近分布模型的理论分布,而经验分布函数的分位数自然也应当与分布模型的理论分位数近似相等。Q-Q图的基本思想就是基于这个观点,将经验分布函数的分位数点和分布模型的理论分位数点作为一对数组画在直角坐标图上,就是一个点,n个观测数据对应n个点,如果这n个点看起来像一条直线,说明观测数据与分布模型的拟合效果很好,以下简单地给出计算步骤。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值