آزمون فرضیۀ آماری روی بردارهای میانگین یکنوا در توزیع‌های نرمال چندمتغیره: قضایا و کاربردها

نویسندگان

  • زهرا حیدری کارشناس ارشد، گروه آمار ریاضی، دانشگاه خلیج فارس بوشهر
چکیده مقاله:

آزمون فرضیۀ مرتب شدۀ بردار‌های میانگین در مقابل فرضیۀ تمام حالات ممکن روی بردارهای میانگین در جامعه‌های نرمال -متغیره در نظر گرفته شده است. این مسئله آزمون برای حالت معلوم‌ بودن ماتریس‌های واریانس کوواریانس و نیز حالتی که ماتریس‌های واریانس کوواریانس کاملاً مجهول اما برابر باشند، مورد بررسی قرار گرفته شده است. برای وقتی که ماتریس‌های واریانس کوواریانس معلوم باشند، آمارۀ آزمون محاسبه و کران بالای مقادیر احتمال به دست آمده‌اند در حالتی که ماتریس‌های واریانس کوواریانس کاملاً مجهول و برابر باشند، آماره آزمونی بر اساس تصاویر متعامد روی مخروط‌های محدب بسته محاسبه و توزیع تحت فرضیۀ صفر آن به دست آمده است. با روش شبیه‌سازی، مقادیر بحرانی در سطوح معناداری برآورد شده‌اند. همچنین نتایج با مثال‌های کاربردی بررسی شده‌اند.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

آزمون های نرمال چندمتغیره برای داده های چندمتغیره

توزیع نرمال در عمل کاربردهای فراوانی دارد. مساله ی آزمون این که آیا نمونه ای از مشاهدات از توزیع نرمال تبعیت می نمایند، توسط بسیاری از آماردانان مورد مطالعه قرار گرفته است. هدف اصلی ما در این مقاله، ارایه ی روش آزمونی ساده برای آزمون کردن توزیع نرمال چندمتغیره است.

متن کامل

برآورد بیزی تعمیم یافته مینیماکس میانگین توزیع نرمال چندمتغیره با ماتریس کوواریانس مجهول

در این مقاله، کلاسی از برآوردگرهای بیزی تعمیم یافته مینیماکس برای میانگین توزیع نرمال چندمتغیره زمانی که ماتریس کوواریانس معین مثبت و نامعلوم است تحت تابع زیان درجه دوم به دست آورده می شود، که تعمیم کلاس برآوردگرهای بیزی تعمیم یافته مینیماکس لین و تسای (1973) می باشد.

متن کامل

منظرهایی از آزمون فرضیه میانگین های مرتب شده در توزیع های نرمال یک و چند متغیره

آزمون فرضیه تساوی میانگین های k جامعه نرمال یک متغیره در مقابل فرضیه یکطرفه میانگین های مرتب شده با واریانس های مجهول و برابر در نظر گرفته شده است. یک روش کاملا  جدید برای یافتن پرتوانترین آزمون به طور یکنواخت در سطح معنی داری α بر حسب توزیع t چند متغیره برای این مساله آزمون ارائه شده است. با توجه به اینکه تعیین توزیع آماره آزمون تحت فرضیه صفر برای بیش از دو جامعه ساده نیست، تابع توان آزمون محا...

متن کامل

مدلبندی آماری با استفاده از الگوی نرمال چندمتغیره آمیخته

الگوی نرمال بدلیل برخورداری از برخی ویژگی های ذاتی و سهولتی که معمولاً در استنباط فراهم می آورد، از جایگاه ویژه ای در استنباط آماری برخوردار است. در سال های اخیر تلاش های گسترده ای برای توسعه الگوهایی جامعتر از نرمال که علاوه بر ویژگی های مطلوب الگوی نرمال قابلیت بیشتری در مدلبندی داده های متنوع داشته باشند، صورت پذیرفته است. اما با وجود موفقیت آمیز بودن بخشی از این تلاش ها الگوی نرمال هنوز هم ب...

15 صفحه اول

آزمون بیز تجربی برای میانگین توزیع نرمال

برای انجام آزمون بیز، یکی از فرضیات اساسی معلوم بودن توزیع پیشین است. اما در برخی موارد توزیع پیشین نامعلوم است. یکی از روشهایی که برای انجام آزمون در این حالت وجود دارد. روش بیز تجربی می باشد. در این پایان نامه با استفاده از روش بیز تجربی، آزمون فرض میانگین توزیع نرمال را مورد بررسی قرار داده ایم. در ابتدا پایان نامه با استفاده ار روش بیز تجربی، آزمون فرض میانگین توزیع نرمال را مورد بررسی قرار...

15 صفحه اول

آزمون فرض تساوی میانگین ها در مقابل فرض مرتب شده در توزیع نرمال چند متغیره

در این مقاله آزمون فرض تساوی میانگینها در مقابل فرض مرتب شده میانگینها در توزیع نرمال چند متغیره در نظر گرفته شده است. سه حالت متفاوت برای ماتریسهای واریانس کواریانس در نظر گرفته شده است. ابتدا با فرض اینکه این ماتریسها معلوم باشند، مقادیر بحرانی آماره آزمون پیشنهاد شده توسط ساسابوچی و همکاران (1983) به ازای سطحهای معنیداری برای تعداد مختلفی از جامعههای نرمال دو و سه متغیره محاسبه شدهاند. توان ...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 2  شماره 1 (پاییز و زمستان 1395)

صفحات  31- 42

تاریخ انتشار 2017-02-19

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023