Статистический анализ данных (курс лекций, К.В.Воронцов)/2015, ФУПМ/1
Материал из MachineLearning.
м |
м |
||
Строка 14: | Строка 14: | ||
* <tex>X^n, \;\; X\sim Ber(p); </tex><br> <tex>H_0\,:\, p=p_0,</tex><br> <tex>H_1\,:\, p\neq p_0;</tex><br> <tex>p=0\,:\,0.01\,:\,0.5, \;\; n=5\,:\,1\,:\,70.</tex> | * <tex>X^n, \;\; X\sim Ber(p); </tex><br> <tex>H_0\,:\, p=p_0,</tex><br> <tex>H_1\,:\, p\neq p_0;</tex><br> <tex>p=0\,:\,0.01\,:\,0.5, \;\; n=5\,:\,1\,:\,70.</tex> | ||
::Ахтямов: <tex>p_0=0.5</tex>, сравнить z-критерии в версиях Вальда и множителей Лагранжа. | ::Ахтямов: <tex>p_0=0.5</tex>, сравнить z-критерии в версиях Вальда и множителей Лагранжа. | ||
+ | |||
+ | = Анализ устойчивости критериев к нарушению предположений = | ||
+ | Требуется исследовать поведение указанного критерия в условиях нарушения лежащих в его основе предположений. Оценить мощность и достигаемый уровень значимости критерия при различных значениях параметров, сделать выводы об устойчивости. | ||
+ | |||
+ | * Двухвыборочный [[критерий Стьюдента|t-критерий]] для равных дисперсий, нарушение предположения о равенстве дисперсий. <br> <tex>X_1^{n_1}, \;\; X_{1} \sim N(0,1),</tex><br><tex>X_2^{n_2}, \;\; X_{2} \sim N(\mu,\sigma^2);</tex> <br> <tex>H_0\,:\; \mathbb{E}X_{1} = \mathbb{E}X_{2}, </tex> <br> <tex>H_1\,:\; \mathbb{E}X_{1} \neq \mathbb{E}X_{2}.</tex> | ||
+ | ::Виденеева: <tex>\mu=1, \;\; \sigma=0.5\,:\,0.01\,:\,2, \;\; n_1=5\,:\,1\,:\,70, \;\; n_2 = 30.</tex> | ||
= Ссылки = | = Ссылки = |
Версия 08:25, 3 марта 2015
Ниже под обозначением понимается выборка объёма из смеси распределений и с весами и соответственно (при генерации каждой выборки используется случайный датчик — если его значение не превосходит , то добавляем в выборку элемент, взятый из , иначе — элемент, взятый из ).
Анализ поведения схожих критериев
Требуется исследовать поведение указанной пары статистических критериев, подходящих для решения одной и той же задачи, сравнить мощность и достигаемые уровни значимости и сделать выводы о границах применимости критериев. Необходимо для каждого из критериев построить графики зависимости достигаемых уровней значимости и оценок мощностей от параметров, и показать, в каких областях изменения параметров предпочтительнее использовать тот или иной критерий. Для получения более гладких графиков рекомендуется применять оба критерия к одним и тем же выборкам, а не генерировать их отдельно для каждого.
-
неверна.
- Лийко: — непрерывные равномерные распределения; Сравнить критерии Смирнова и Крамера-фон Мизеса (функция cvm.test с параметром type="W2" в пакете dgof).
- Ефимова: Сравнить критерии Смирнова и Андерсона.
- Игнатов: Сравнить критерии Смирнова и Андерсона (функция cvm.test с параметром type="A2" в пакете dgof).
-
неверна.
- Лукманов: — стандартное распределение Коши; Сравнить критерии Шапиро-Уилка и хи-квадрат Пирсона.
- Ахтямов: , сравнить z-критерии в версиях Вальда и множителей Лагранжа.
Анализ устойчивости критериев к нарушению предположений
Требуется исследовать поведение указанного критерия в условиях нарушения лежащих в его основе предположений. Оценить мощность и достигаемый уровень значимости критерия при различных значениях параметров, сделать выводы об устойчивости.
- Двухвыборочный t-критерий для равных дисперсий, нарушение предположения о равенстве дисперсий.
- Виденеева: