1) Likelihood ratio hypothesis test
概率比假设检验
2) probability hypothesis detection
概率假设检验
3) probability ratio test
概率比检验
1.
The article advances the idea of adding time sequential consideration to probability ratio test.
在概率比检验中加入时间序贯的考虑，对指数模型有随机进入时间及有截断数据的情形提出了时间序贯检验的方法，并对概率比检验在有无时间序贯考虑的两种情况下的检验结果进行了比较，给出了计算机模拟结
4) proportion Hypothesis testing
比例假设检验
1.
The application and research of proportion Hypothesis testing in the relation rules mining
比例假设检验在关联规则挖掘中的应用研究
5) sequential probability ratio test
序贯概率比检验
1.
This method uses Kalman filter to acquire the residuals of the sensor and uses sequential probability ratio test to detect the fault based on multi-residuals,which can get the least number of the residuals by dynamical calculation and has some adaptive characteristic.
这种故障检测方法采用了Kalman滤波器进行滤波来获得残差,并采用序贯概率比检验来实现多残差检测故障,针对不同的情况能动态的调整检测故障检测所需要最小的残差数目,具有自适应的某些特点,用来解决多数据检测某传感器小偏置量故障的实时性和高准确率问题。
2.
The second,which is related to sequential probability ratio test,reduces multivariate CUSUM to a univariate nomral CUSUM when the mean in the bad state(or at least the bad direction)is known.
第1种是利用 Hotelling 统计量进行累积和,形成多元累积和控制图,并讨论了它的平均游程长度(ARL);第2种是在已知偏移状态下,用序贯概率比检验法将多元累积和问题转化为一元累积和问题。
3.
Using sequential probability ratio test n 1 (0,c 11 ),n 2 (1,c 12 ),.
利用Wald的序贯概率比检验中接收产品时对应的批检验数 :n1 (0 ,c1 1 ) ,n2 (1 ,c1 2 ) ,… ,nk (k - 1 ,c1k) ,… ,设计出一种改进型序贯检验 (其中当c1t
6) sequent ial probabilistic ratio test(SPRT)
序列概率比检验
补充资料：假设检验
| 假设检验 hypothesis testing 一种基本的统计推断形式。又称统计假设检验。数理统计学的一个重要分支。假设是指关于总体分布的一项命题 。例如 ，一群人的身高服从正态分布N（μ ，σ2），则命题“这群人的平均身高μ≤1.70（米)”是一个假设 。又如，有一批产品，其废品率为p，则“废品率p≤0.03”这个命题也是一个假设。假设是否正确， 要用从总体中抽出的样本进行检验，与此有关的理论和方法，构成假设检验的内容。 设A是关于总体分布的一项命题，所有使命题A 成立的总体分布构成一个集合H0，称为原假设（常简称假设）。使命题A不成立的所有总体分布构成另一个集合H1 ，称为各择假设。如果H0可以通过有限个实参数来描述，则称为参数假设，否则称为非参数假设（见非参数统计）。如果H0（或H1）只包含一个分布，则称原假设（或备择假设）为简单假设，否则为复合假设。对一个假设H0进行检验，就是要制定一个规则，使得有了样本以后 ，根据这个规则可以决定是接受它（承认命题A正确），还是拒绝它（否认命题A正确)。这样， 所有可能的样本所组成的空间（称为样本空间），被划分为两部分  A和 R（ A的补集)，当样本x∈ R时，接受假设H0 ；当x∈ R时，拒绝H0 。集合 R常称为检验的拒绝域， A称为接受域。因此选定一个检验法 ，也就选定一个拒绝域 ，故常把检验法本身与拒绝域 R 等同起来。J.奈曼与E.S.皮尔森合作，从1928年开始，对假设检验提出了一项系统的理论。他们认为，在检验一个假设H0时可能犯两类错误： 第一类错误是真实情况为H0成立，但判断H0不成立，犯了“以真为假”的错误。第二类错误是H0 实际不成立，但判断它成立，犯了“以假为真”的错误。通常人们不希望轻易拒绝H0。例如工厂的产品一般是合格的 ，出厂进行抽样检查时不希望轻易地被认为不合格，即犯第一类错误的概率不能太大，于是在限定犯第一类错误的概率不超过某个指定值a（称为检验水平）的条件下，寻求犯第二类错误尽可能小的检验方法。 基于奈曼-皮尔森理论及统计决策理论，提出了一些优良性准则，来比较为检验同一假设而提出的各种检验。较重要的有一致最大功效（UMP）准则和无偏性准则， 把统计决策理论中容许性、同变性、贝叶斯决策、最小化最大等概念引进到假设检验中来，得到容许检验、同变检验、贝叶斯检验和最小化最大检验等。寻求在一定准则下的最优检验是十分困难的，何况这种最优检验有时并不存在。于是提出了若干依据直观的推理法，得到相应的拒绝域，其中最重要的是似然比法。 似然比检验是运用与最大似然法类似的原理，得到似然比检验法。用似然比法导出的重要检验有：①U检验。若总体服从正态分布，方差已知，检验总体均值是否等于（大于等于或小于等于）某个值时，使用U检验。②t检验。若总体服从正态分布，方差未知，检验总体均值是否等于（大于等于或小于等于）某个值时，使用t检验。③F检验。若两个总体均服从正态分布，检验这两个总体的方差是否相等（大于等于或小于等于）时，使用F检验。在方差分析中广泛使用F检验。 |
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条