分組比較的統計分析

1、Created by Fawiut2012.5.14讀書報告分組比較的統計分析1引言“在統計學中，一種解釋的可信度并非來自于它本身的絕對解釋力，而是來自于它相對于其他解釋所具有的競爭力?！备?勇2目 錄1全書脈絡簡介2重點方法選講應用研究實例33全書脈絡簡介分組比較的統計分析一書，把近年來發(fā)展起來的用于比較的一系列統計方法匯集在一起，將它們作了系統地介紹。這些統計模型和統計方法包括：均值比較、方差分析貝葉斯方法、層次方法雙重廣義線性模型、相對分布方法最原始、最簡單最新發(fā)展起來4比較的內容分布。比較多個經驗分布之間的差異。數據結構。在各組中找不到差異時，可能這種一致性已經存在數據結構中。模型結構

2、。變量之間的關系在不同的分組中選用不同的模型來表示。模型參數。在一個模型中，測量參數、結構參數、截距等等，都可以進行比較。全書脈絡簡介5全書的研究思路線性模型中的比較：比較兩個均值、方差分析、多重比較方法、多元線性回歸。非參數比較：非參數檢驗、再抽樣法。比率的比較：數據及其標準化。廣義線性模型中的比較：對數單位模型、風險率模型。結構方程模型中的比較：多元分布、協方差矩陣。類別潛變量的比較：潛類模型、潛特質模型。多水平分析中的比較：線性多水平模型、廣義線性多水平模型。全書脈絡簡介6全書特點總評涉及的比較模型和比較方法很廣泛，從最原始的比較方法到最新發(fā)展起來的方法均有介紹。方法介紹的詳略程度不一，

3、對于新發(fā)展起來的方法，進行了十分詳盡的介紹。對于計算量很大的方法，提供了詳細的計算機程序（如SAS）的示例。各種方法的介紹相對獨立。案例較少，很多方法僅有對方法的描述。語言問題。全書脈絡簡介7線性模型中的比較單因素ANOVA非參數比較K-S檢驗自助法廣義線性模型中的比較風險率模型似然比檢驗貝葉斯廣義線性模型重點方法選講8線性模型中的比較單因素ANOVA用于完全隨機設計的多個樣本均數間的比較，其統計推斷是推斷各樣本所代表的各總體均數是否相等。組間平方和：組內平方和：總平方和 ：統計量：重點方法選講不考慮個體差異的影響，僅涉及一個處理因素，可以有兩個或多個水平。9線性模型中的比較單因素ANOVA例

4、：重點方法選講10非參數比較Kolmogorov-Smirnov檢驗一種對兩個分布間的差異的檢驗。基于兩個樣本的相對累積頻數分布之差的絕對值。用于檢驗單一樣本是否來自某一分布。統計量：簡單度量法：重點方法選講經驗數據樣本；先驗數據樣本（分布）11非參數比較Kolmogorov-Smirnov檢驗例：已知進行某實驗的樣本數據：29,64,90,135,182。該實驗的先驗分布函數為： 。試問該組樣本數據是否符合該先驗分布（ ）？重點方法選講12非參數比較自助法（Bootstrap方法）當樣本數量較少時，產生樣本的方法。經驗分布漸近原分布，故來自經驗分布的統計量可以近似來自原分布的統計量。只要能從

5、原分布中生成足夠多的模擬數，則隨機模擬可以充分描述分布的任何信息。重點方法選講原始樣本自助樣本多組13非參數比較自助法（Bootstrap方法）例：隨機變量 獨立同分布，有一個樣本原始觀察值為1,2,3，用Bootstrap方法產生自助樣本為：1,2,3重點方法選講做27次實驗產生27組自助樣本14廣義線性模型中的比較風險率模型生存函數：直到t時刻，事件不發(fā)生的概率。風險率函數：事件在t時刻不發(fā)生的條件下，在t和 之間發(fā)生的條件概率。重點方法選講15廣義線性模型中的比較似然比檢驗用于兩個分布的比較。兩個分布的參數均未知。一分布是另一分布的特殊情形。重點方法選講 數據來自A分布的總體； 數據來自

6、B分布的總體；統計量服從16廣義線性模型中的比較似然比檢驗例：來自兩個總體的樣本A和B，檢驗兩者是否來自于同一指數分布。（ ）重點方法選講成立時，17廣義線性模型中的比較貝葉斯廣義線性模型允許研究者將主觀性（先驗概率）引入概率計算，然后通過數據信息進行推斷（后驗概率）。在已知過去的n個經驗數據 的觀察值 ，用于預測將來的數據 。重點方法選講18廣義線性模型中的比較貝葉斯廣義線性模型例：某混合損失模型，以1/3的概率服從均值為4的泊松分布，以2/3的概率服從均值為2的泊松分布。對于一個隨機抽取的損失樣本，觀察到上個月的損失數為1，求這個月的損失次數為1的概率。重點方法選講19基于概率積分變換的似然比檢驗的預測誤差推理方法提出有關列聯表面貌的預測和似然比檢驗的預測誤差推理方法。提供預測準確度和高效的分析工具，以及更普遍的預測檢驗能力。應用到胃病的分析。應用研究實例20基于貝葉斯方法的積極資產組合決策模型研究利用貝葉斯模型平均法提高預測準確性，并在權重設計中