[問題] 假設檢定

看板Statistics作者 (聖潔之水)時間14年前 (2009/12/29 09:59), 編輯推噓1(1推 0噓 36→)
留言37則, 6人參與, 5年前最新討論串20/28 (看更多)
從指數分布取出一組隨機樣本 , n=36 p.d.f.=f(x;θ)=(1/θ)‧exp(-x/θ) , 0<x<∞ , 0<θ<∞ _ x=17.6 , s=3.6 , α=0.05 檢定 H0:θ=16 v.s. H1:θ≠16 ------------------------------------------------------------ 想問的是 檢定統計量的部分 _ _ 應該是Z=(x-θ)/(θ/√n) 還是(x-θ)/(S/√n) 個人覺得應該是前面的 只是不知道要如何解釋為何不是後面的 麻煩解答了!M(_ _)M -- ※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 134.208.75.239
→
12/29 12:55, , 1F
應該用後面的 因為母體變異數未知的情況下用S去估計 然後
12/29 12:55, 1F
→
12/29 12:56, , 2F
在跟據中央積限定裡讓抽樣分配服從常態 然後去做T檢定
12/29 12:56, 2F
→
12/29 13:00, , 3F
第一個式子的分母是不是給錯了?
12/29 13:00, 3F
※ 編輯: PrettyFace 來自: 134.208.75.239 (12/29 16:06)
→
12/29 17:26, , 4F
既然已知群體是指數分布, 為何不用正確檢定方法?
12/29 17:26, 4F
→
12/29 23:35, , 5F
母題是指數標準化後會是常態嗎.....
12/29 23:35, 5F
→
12/30 00:02, , 6F
是的! 所以除了利用CLT之外 還有其他檢定方法?
12/30 00:02, 6F
→
12/30 00:04, , 7F
bootstrap method
12/30 00:04, 7F
→
12/30 00:21, , 8F
明明已知群體是指數分布, 為何不做正確檢定而要用 bootstrap
12/30 00:21, 8F
→
12/30 00:22, , 9F
指數分布 n=6 用常態近似或許也可以...但扯不上 t.
12/30 00:22, 9F
→
12/30 00:24, , 10F
n=36 ...鍵盤有問題.
12/30 00:24, 10F
→
12/30 00:27, , 11F
bootstrap是不正確的嗎? :)
12/30 00:27, 11F
→
12/30 14:29, , 12F
如果不方便運算 可以轉成常態 但我有些疑問
12/30 14:29, 12F
→
12/30 14:29, , 13F
如果用CLT的話 我認為必須使用T分配做檢定 因為變異數未知
12/30 14:29, 13F
推
12/30 16:21, , 14F
CLT 是趨近常態分佈喔，跟T分佈沒有關係...
12/30 16:21, 14F
→
12/30 19:52, , 15F
Bootstrap 不是不正確; 但是, 它有比正確檢定方便或效率高嗎
12/30 19:52, 15F
→
12/30 19:55, , 16F
正確檢定: 用 n*Xbar 做檢定統計量, 分布為 gamma, 可化成
12/30 19:55, 16F
→
12/30 19:57, , 17F
卡方. Two-tailed, 考慮兩尾各 α/2.
12/30 19:57, 17F
→
12/30 20:02, , 18F
Bootstrap sample 是代表原 sample, 然後代表群體.
12/30 20:02, 18F
→
12/30 20:04, , 19F
因此代表性依原 sample, 又多了 bootstrap sample 的誤差.
12/30 20:04, 19F
→
12/30 20:07, , 20F
再者, bootstrap 非用電腦不可, 還可能需要軟體. 而正確檢定
12/30 20:07, 20F
→
12/30 20:08, , 21F
手算再加上數值表即可.
12/30 20:08, 21F
→
12/30 20:26, , 22F
y大,這年頭教學生手算反而出錯的機會大 :)
12/30 20:26, 22F
→
12/30 20:27, , 23F
現在很多軟體做bootstrap相當簡便,況且在實際上的應用
12/30 20:27, 23F
→
12/30 20:28, , 24F
恐怕是用到bootstrap的機會也必較大
12/30 20:28, 24F
→
12/30 20:36, , 25F
更何況,bootstrap只是一個"其他檢定方法" :)
12/30 20:36, 25F
→
12/30 20:38, , 26F
當然, bootstrap的power不比用gamma distn高, 這我同意 :)
12/30 20:38, 26F
→
12/30 22:03, , 27F
感謝y大跟b大的解釋
12/30 22:03, 27F
→
12/31 00:12, , 28F
倚賴機器, 卻不知機器可能出錯! 實務工作者亂套分析方法, 不
12/31 00:12, 28F
→
12/31 00:14, , 29F
正是這種不求甚解只圖 "方便" 的心理. 而身為教師不以正道教
12/31 00:14, 29F
→
12/31 00:15, , 30F
導學生, 只教些投機取巧之道, 雖表面上分析方法精巧, 不過是
12/31 00:15, 30F
→
12/31 00:16, , 31F
自欺欺人罷了!
12/31 00:16, 31F
→
12/31 00:29, , 32F
我並不是說理論不重要,而是實際上你能碰到確知是exponential
12/31 00:29, 32F
→
12/31 00:30, , 33F
distn的例子真的不多, 樣本數夠大的話, 大部分可以靠CLT
12/31 00:30, 33F
→
12/31 00:31, , 34F
樣本數少的話,bootstrap甚至permutation也是個好工具
12/31 00:31, 34F
→
12/31 00:32, , 35F
現在電腦軟體的方便性已經跟10年前不一樣了,不需要排斥用它
12/31 00:32, 35F
→
12/31 00:33, , 36F
丟開課本,你可以看到幾個用gamma去算p-value的例子?
12/31 00:33, 36F
→
01/02 15:02, 5年前 , 37F
自欺欺人罷了! https://daxiv.com
01/02 15:02, 37F
‣ 更多 PrettyFace 的文章
文章代碼(AID): #1BEMAVsH (Statistics)
討論串 (同標題文章)
完整討論串 (本文為第 20 之 28 篇)：
排序： 最舊先 | 最新先 | 留言數
問題
1
2
[問題] 假設檢定 假設檢定
warsp
16年前, 02/21
在新視窗開啟完整討論串 (共28篇)
‣ 更多 PrettyFace 的文章
文章代碼(AID): #1BEMAVsH (Statistics)