Статистический анализ данных (курс лекций, К.В.Воронцов)/2015, ФУПМ/1
Материал из MachineLearning.
м |
м (→Анализ устойчивости критериев к нарушению предположений) |
||
Строка 24: | Строка 24: | ||
* Одновыборочный [[критерий Стьюдента|t-критерий]], нарушение предположения о нормальности. <br> <tex>X^n, \;\; X \sim p\cdot N(\mu,1)+ \left(1-p\right)\cdot F; </tex> <br> <tex>H_0\,:\; \mathbb{E}X=0</tex> <br> <tex>H_1\,:\; \mathbb{E}X\neq0;</tex> <br><tex>\mu=0\,:\,0.01\,:\,2, \;\; p=0\,:\,0.01\,:\,1.</tex> <br> | * Одновыборочный [[критерий Стьюдента|t-критерий]], нарушение предположения о нормальности. <br> <tex>X^n, \;\; X \sim p\cdot N(\mu,1)+ \left(1-p\right)\cdot F; </tex> <br> <tex>H_0\,:\; \mathbb{E}X=0</tex> <br> <tex>H_1\,:\; \mathbb{E}X\neq0;</tex> <br><tex>\mu=0\,:\,0.01\,:\,2, \;\; p=0\,:\,0.01\,:\,1.</tex> <br> | ||
::Рубцовенко: <tex>F = U\left[-\frac1{\sqrt{3}}+\mu, \frac1{\sqrt{3}}+\mu\right]</tex>— непрерывное равномерное распределение; <tex>n=30.</tex> | ::Рубцовенко: <tex>F = U\left[-\frac1{\sqrt{3}}+\mu, \frac1{\sqrt{3}}+\mu\right]</tex>— непрерывное равномерное распределение; <tex>n=30.</tex> | ||
+ | ::Дойков: <tex>F = C\left(\mu,1\right)</tex>— распределение Коши с коэффициентом сдвига <tex>\mu</tex> и коэффициентом масштаба <tex>1; \;\; n=30.</tex> | ||
= Ссылки = | = Ссылки = |
Версия 11:51, 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 (функция cvm.test с параметром type="A2" в пакете dgof).
- 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:
- Омельченко:
- Одновыборочный t-критерий, нарушение предположения о нормальности.
- Рубцовенко: — непрерывное равномерное распределение;
- Дойков: — распределение Коши с коэффициентом сдвига и коэффициентом масштаба