基于核估计χ^2检验法的子弹药散布均匀性评价方法

子弹药抛撒散布均匀性评价是子母弹研究及工程应用中的一项重要内容。现有评价方法主要基于χ2检验法,存在着检验结果对分组区间的划分敏感以及要求样本数量足够大等缺点。前者使评价结果的可信度降低,后者使其应用范围受到限制。本文在核估计的基础上,提出一种改进的χ2检验法——核估计χ2检验法。利用该方法对某导弹子母战斗部的子弹药抛撒散布均匀性进行评价,并与现有评价方法作对比。结果表明,该方法能克服现有评价方法的不足,且能精细地反映子弹药散布情况。

如何正确运用χ^(2)检验——队列设计四格表资料的χ^(2)检验

本文目的是介绍队列设计四格表资料的χ^(2)检验、相对危险度的假设检验和区间估计、SAS以及R软件的实现。针对队列设计的特点,重点介绍相对危险度的概念、假设检验和区间估计方法。对SAS与R软件计算的结果作出解释,并给出统计和专业结论。

如何正确运用χ^(2)检验——病例对照设计四格表资料的χ^(2)检验

本文目的是介绍病例对照设计四格表资料的χ^(2)检验、优势比的假设检验和区间估计以及使用SAS与R软件实现的方法。针对病例对照设计的特点,重点介绍优势比的概念、假设检验和区间估计方法。对SAS与R软件计算的结果作出解释,并给出统计结论和专业结论。

如何正确运用χ^(2)检验——横断面设计四格表资料的χ^(2)检验

本文目的是介绍横断面设计四格表资料的χ^(2)检验及SAS和R软件实现。具体介绍了3种方法,即“Pearson΄sχ^(2)检验”“校正的Pearson΄sχ^(2)检验”和“似然比χ^(2)检验”。内容涉及前述提及的3种统计分析方法的检验假设、计算原理与公式、前提条件、SAS与R软件的实现、结果解释以及结论陈述。

如何正确运用χ^(2)检验——三种双向无序二维列联表资料的χ^(2)检验

本文目的是介绍除四格表资料之外的三种双向无序二维列联表资料的χ^(2)检验以及SAS与R软件实现的方法。三种双向无序二维列联表是指双向无序的"R×2""2×C"和"R×C"(R与C均大于2)列联表。一般来说,分析它们的目的都是检验列联表中两属性变量是否独立,在满足特定前提条件时,可以选用的简单统计分析方法为χ^(2)检验;在不满足特定前提条件时,应当选择计算量非常大的Fisher’s精确检验法。

如何正确运用χ^(2)检验——χ^(2)分布及相关内容

本文目的是介绍χ^(2)分布及相关内容,包括χ^(2)分布和非中心χ^(2)分布。着重展示了两种χ^(2)分布的定义、概率密度函数的图形和主要性质,其中,两个最重要的性质分别是:①χ^(2)分布的极限分布为正态分布;②(n-1)s^(2)σ^(2)服从自由度为n-1的χ^(2)分布。除此之外,还阐释了χ^(2)分布与正态分布、χ^(2)检验统计量与Z检验统计量之间的关系。最后,基于SAS软件中的两个SAS函数呈现了χ^(2)分布的计算方法。

浅谈分布数据的χ^(2)拟合优度检验

本文给出X为离散分布或连续分布时不同情况下数据的χ^(2)拟合优度检验.

如何正确运用χ^(2)检验--生存资料的似然比检验和六种非参数检验与SAS实现

本文目的是介绍生存资料的似然比检验与六种非参数检验以及SAS实现。基于生存资料服从指数分布的假定,推导出似然比检验方法;而六种非参数检验方法的主要区别在于它们具有不同的权函数。在未分层和分层的条件下,都可以运用前述提及的七种生存资料假设检验方法,它们的共同点是其检验统计量都服从χ^(2)分布。本文通过两个实例,并借助SAS软件,实现两组或多组生存资料的各种假设检验,对输出结果作出解释,并给出统计结论和专业结论。

如何正确运用χ^(2)检验——高维表资料统计分析方法概述

本文目的是介绍高维表资料的种类及其对应的统计分析方法。基于结果变量的资料类型,常见的高维表资料可分为以下三类,即结果变量为二值变量、多值名义变量和多值有序变量。高维表资料的统计分析方法主要有两大类,第一类为广义差异性分析,内容包括“加权χ^(2)检验”“CMHχ^(2)检验”和“Meta分析”;第二类为回归分析,内容包括“对数线性回归模型分析”“Logistic回归模型分析”“Probit回归模型分析”和“离散选择模型分析”。

如何正确运用χ^(2)检验——两种单向有序二维列联表资料线性趋势χ^(2)检验

本文目的是介绍两种单向有序二维列联表资料线性趋势χ^(2)检验以及SAS与R软件实现的方法。两种单向有序二维列联表是指原因变量为R值有序变量的"R×2列联表"和结果变量为C值有序变量的"2×C列联表",对它们进行线性趋势检验分别需要采用Cochran-Armitage’s线性趋势χ^(2)检验和Lee’s线性趋势χ^(2)检验。

如何正确运用χ^(2)检验--拟合优度检验与SAS实现

本文目的是介绍拟合优度检验及其SAS实现,主要内容包括以下四个方面:①Pearson’s拟合优度检验;②偏差或称似然比拟合优度检验;③Hosmer-Lemeshow拟合优度检验;④稀疏资料拟合优度检验。前述提及的第四个方面的内容包含六种具体的检验方法,即“信息矩阵检验”“信息矩阵对角线检验”“Osius-Rojek检验”“未加权的残差平方和检验”“Spiegelhalter检验”和“Stukel检验”。本文结合一个实例并借助SAS软件实现前述提及的四类拟合优度检验,对输出结果做出解释,并给出统计结论和专业结论。

如何正确运用χ^(2)检验--Wald’s检验与SAS实现

本文目的是介绍Wald’s检验与SAS实现。具体内容涉及以下9个方面,即一般Wald’s检验、稳健Wald’s检验、约束Wald’sχ^(2)检验、广义Wald’s检验、广义Wald’s对数线性检验、Wald’s F检验、Wald’s校正F检验、Wald’s对数线性F检验和校正Wald’s对数线性F检验。本文通过两个实例并借助SAS软件,实现前述提及的大多数Wald’s检验。

如何正确运用χ^(2)检验--生存资料的三种特殊检验与SAS实现

本文目的是介绍生存资料的三种特殊检验以及SAS实现。具体地说,就是生存资料的多重比较、趋势检验和协变量检验。在多重比较中,涉及“两两比较”和“与对照组比较”两种情形;在趋势检验中,涉及“对数秩检验法”和“威尔科克森检验法”两种算法;在协变量检验中,涉及“单协变量检验法”和“逐次增加一个协变量的多协变量检验法”。本文结合一个实例并借助SAS软件实现前述提及的三种特殊检验,对输出结果作出解释,并给出统计结论和专业结论。

如何正确运用χ^(2)检验--对数秩检验与SAS实现

本文目的是介绍对数秩检验与SAS实现。对数秩检验的检验统计量有多种不同的表达形式,其中,最常见的表达形式有两种:第一种,类似于“Pearson’s拟合优度χ^(2)检验统计量”;第二种,类似于“高维表资料优势比齐性检验统计量,即Breslow-Day’sχ^(2)检验统计量”。对数秩检验统计量具有两种分布类型:χ^(2)分布和标准正态分布。在构造对数秩检验统计量的过程中需注意四个方面的内容:①以个体的“生存时间”大小排序后分层或分区形成序贯的多张四格表资料;②注意区分“每个个体的生存时间”是完整数据还是删失数据;③仅计算每张四格表资料中特定网格[例如(1,1)网格]上的“理论或期望频数”;④计算理论频数的方法有别于四格表资料独立性检验时计算理论频数的方法。本文基于具有不同数据结构的两个实例并借助SAS软件实现对数秩检验。

如何正确运用χ^(2)检验--评分检验与SAS实现

本文目的是介绍评分检验与SAS实现。具体地说,评分检验统计量有5种常见的形式,即一般评分检验统计量、稳健评分检验统计量、残差评分检验统计量、广义评分检验统计量和拉格朗日乘数检验统计量;评分检验主要用于以下3种场合,即检验部分或全部回归系数是否为0、检验单个效应是否不在回归模型中以及检验平行线假定是否成立。本文通过两个实例,借助SAS软件实现前述提及的各种评分检验,并着重解释与评分检验有关的输出结果。

如何正确运用χ^(2)检验--秩和检验与SAS实现

本文目的是介绍秩和检验及其SAS实现,具体内容包括以下三个方面:①两样本资料的简单线性秩检验;②多样本资料的单因素ANOVA秩和检验;③前述两种情形下的“评分方法”。在前述提及的第三方面内容中,包含十种具体的评分方法。本文结合一个实例并借助SAS软件实现前述提及的第一类秩和检验,对输出结果做出解释,并给出统计结论和专业结论。

如何正确运用χ^(2)检验--似然比检验与SAS实现

本文目的是介绍似然比检验与SAS实现,包括似然比检验统计量的3种定义和6种较常用的似然比检验统计量。3种定义分别为基于参数向量的空间大小来构造似然比检验统计量、基于两个嵌套统计模型来构造似然比检验统计量和基于全模型与部分模型来构造似然比检验统计量;6种较常用的似然比检验统计量分别是一般似然比χ^(2)检验统计量、校正似然比χ^(2)检验统计量、剖面似然比χ^(2)检验统计量、拟似然比χ^(2)检验统计量、伪似然比χ^(2)检验统计量和Rao-Scott似然比χ^(2)检验统计量。本文通过两个实例,借助SAS软件实现似然比χ^(2)检验,对输出结果作出解释,并给出统计结论和专业结论。

多个样本率两两比较χ~2检验界值的研究

目的 为探索更加完善的多个样本率两两比较的统计分析方法。方法 应用蒙特卡洛法在计算机上产生二项分类的样本数据。在反复分析运算之后 ,确定正式实验条件为 :总体率为 0 2 5 ,样本含量为 15 0 ,样本个数为 3、4、5、6、7、8、9、10 ,抽样次数为 10 0 0 0 0 0 ,概率为 0 90、0 75、0 5 0、0 40、0 30、0 2 0、0 10、0 0 5、0 0 2 5、0 0 1、0 0 0 5。结果 在大量正式运算之后 ,研制出多个样本率两两比较 χ2 检验界值。结论 合理的分析表明 ,本界值准确性高。

前兆异常识别的χ~2统计检验法及其应用

阐述了采用一定时间域前兆观测值的样本分布与其背景分布形式显著性的2 统计检验法识别前兆异常的思路 ,利用云南地区 1 994～ 1 996年的部分台站的水氡观测资料 ,采用上述方法提取了前兆异常 ,并与地震的实际发生情况进行了对比 ,表明强震前震源区附近水氡具有明显的前兆异常。由于分布形式的显著性检验法对异常反映较一般方法敏感 ,并且可以不受具体的分布形式的限制 。

卡平方(χ~2)检验在回归模型分析中的误用

在昆虫预测预报建立的回归方程检验中 ,常把卡平方统计量公式误用。为此分析了误用的原因及误用所造成的后果 ;给出了卡平方拟合性检验的定义过程 。