آزمون نرمال بودن در حضور داده های پرت

پایان نامه
چکیده

اغلب مدل های آماری روی توزیع های نرمال پایه ریزی می شوند و روش هایی برای آزمون کردن این توزیع مورد نیاز است. بسیاری از آزمون های نیکویی برازش از حضور داده های پرت تأثیر منفی می پذیرند، به این معنی که ممکن است آن ها فرضیه صفر را حتی به خاطر وجود یک مشاهده بسیار بزرگ یا بسیار کوچک رد کنند. در این مطالعه بسطی از آزمون شاپیرو- ویلک را ارائه می دهیم که از چنین مشکلی تأثیر نمی پذیرد. روش حاضر الهام گرفته از روش جستجوی پیشرو (fs) است که یک روش تشخیصی جدید است و اخیراً توسط دانیل کوین (2008) پیشنهاد شده است. با به کار گیری مشاهدات یک متغیر نشان داده می شود که این روش قادر است ساختار داده ها را حتی در حضور داده های پرت تشخیص دهد.

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

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 @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد

کلمات کلیدی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023