标签：dfrac sum 样本 检验 参数 统计 theta 多样 第四章
目录完全随机区组设计
Kruskal-Wallis秩和检验
基本思想
将多个样本数据混合，得到样本平均秩应与总平均秩差异不大。
检验步骤
第一步：提出原假设
\(H_0:\theta_1=\theta_2=...=\theta_n\)；\(H_1:\theta\)不全相等；
第二步：构造检验统计量
- 将多个样本混合后并排序
- 按照每个样本求样本秩和\(R_i\)，并计算样本平均秩\(\overline{R_i}=R_i/n_i\)
- 构造K-W统计量：\(H=\dfrac{12}{N(N+1)}\sum_{i=1}^kn_i(\overline{R_i}-\overline{R})^2=\dfrac{12}{N(N+1)}\sum_{i=1}^k\dfrac{R_i^2}{n_i}-3(N+1)\)
第三步：计算伴随概率
\(k=3\)，\(n_i\leq 5\)时，可查表确定临界值。
第四步：做出统计推断
略
大样本近似检验
\(F^*=\dfrac{(N-k)H}{(k-1)(N-1-H)}\sim F(k-1,N-k)\)
Jonckheere-Terpstra检验
基本思想
通过混合秩检验样本趋势，思路类似Mann-Whitney统计量。
检验步骤
第一步：提出原假设
\(H_0:\theta_1=...=\theta_k\)，\(H_1:\theta_1\leq ... \leq\theta_k\)；
第二步：构造检验统计量
\(U_{ij}=\)样本\(i\)中观测值小于样本\(j\)中观测值的个数
\(J=\sum_{i\leq j}U_{ij}\)
第三步：计算伴随概率
查表确定临界值。
第四步：做出统计推断
略
大样本近似检验
在大样本条件下，\(J\)统计量近似服从正态分布：
\(J\sim N((N^2-\sum_{i=1}^{k}n_i^2)/4,[N^2(2N+3)-\sum_{i=1}^{k}n_i^2(2n_i+3)]/72)\)
检验时需注意按照备择假设调整数据顺序
完全区组设计
Friedman秩和检验
基本思想
首先在\(j\)个区组内求秩，再按\(i\)个处理求和。即在K-W检验的基础上先进行区组排序。
检验步骤
第一步：提出原假设
\(H_0:\theta_1=\theta_2=...=\theta_k\)；\(H_1:\theta\)不全相等；
第二步：构造检验统计量
- 将多个样本混合后并按区组排序\(R_{ij}\)
- 按照每个处理求样本秩和\(R_i=\sum_{j=1}^{b}R_{ij}\)
- 构造Friedman统计量：\(Q=\dfrac{12}{bk(k+1)}\sum_{i=1}^k(R_i-\dfrac{b(k+1)}{2})^2=\dfrac{12}{bk(k+1)}\sum_{i=1}^k R_i^2-3b(k+1)\)
第三步：计算伴随概率
查表确定临界值。
第四步：做出统计推断
略
大样本近似检验
对于固定\(k\)，当\(b\rightarrow \infty\)时，在零假设下有：\(Q\rightarrow \chi^2(k-1)\)
Kendall协同系数检验
基本思想
对不同个体的评价进行一致性/随机性检验，与Friedman秩和检验排序方式不同，但统计量的构造思路相似。
检验步骤
第一步：提出原假设
\(H_0\)：对不同个体的评价不相关/是随机的；\(H_1\)：对不同个体的评价非随机/是一致的；
第二步：构造检验统计量
- 将多个样本混合后并按j评价排序\(R_{ij}\)（第\(i\)个个体在第\(j\)个评价中的排序）
- 按照每个评价求样本秩和\(R_i=\sum_{j=1}^{m}R_{ij}\)
- 构造Kendall统计量：\(W = \dfrac{12S}{m^2(n^3-n)}=\sum_{i=1}^{n}(R_i-\dfrac{m(n+1)}{2})^2/m^2(n^3-n)\)
第三步：计算伴随概率
查表确定临界值。
第四步：做出统计推断
略
大样本近似检验
对于固定\(m\)，当\(n\rightarrow \infty\)时，在零假设下有：\(m(n-1)W\rightarrow \chi^2(k-1)\)
二元数据检验（Cochran检验）
基本思想
认为区组观测值的和固定为\(L_i\)，而这些观测值在各个处理之间等概率随机分配。通过比较各个处理观测值的和与总观测值的平均值，检验各个处理之间的一致性。
检验步骤
第一步：提出原假设
\(H_0:\theta_1=\theta_2=...=\theta_k\)；\(H_1:\theta\)不全相等；
第二步：构造检验统计量
\(Q=\dfrac{k(k-1)\sum_{i=1}{k}(N_i-\overline{N})^2}{kN-\sum_{j=1}{b}L_j^2}\)
其中\(L_j\)为区组观测值求和，\(N_i\)为处理观测值求和，\(\overline{N}=\dfrac{1}{k}\sum_{i=1}^{k}{N_i}\)
第三步：计算伴随概率
第四步：做出统计推断
略
大样本近似检验
对于固定\(k\)，当\(b\rightarrow \infty\)时，在零假设下有：\(Q\rightarrow \chi^2(k-1)\)
Page检验
基本思想
首先在\(j\)个区组内求秩，再按\(i\)个处理求和。思路类似Friedman秩和检验。
检验步骤
第一步：提出原假设
\(H_0:\theta_1=...=\theta_k\)，\(H_1:\theta_1\leq ... \leq\theta_k\)；
第二步：构造检验统计量
- 将多个样本混合后并按区组排序\(R_{ij}\)
- 按照每个处理求样本秩和\(R_i=\sum_{j=1}^{b}R_{ij}\)
- 构造统计量：\(L=\sum_{i=1}^{k}iR_i\)
第三步：计算伴随概率
查表确定临界值。
第四步：做出统计推断
略
大样本近似检验
在大样本条件下，统计量近似服从正态分布：
\(L\sim N(\dfrac{bk(k+1)^2}{4},\dfrac{b(k^3-k)^2}{144(k-1)})\)
检验时需注意按照备择假设调整数据顺序
标签：dfrac,sum,样本,检验,参数,统计,theta,多样,第四章 来源： https://www.cnblogs.com/Easterlin/p/16376939.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。