Un valor p posterior para la prueba de homogeneidad del problema de tres muestras
Autores: Wang, Yufan; Xu, Xingzhong
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Un valor p posterior para la prueba de homogeneidad del problema de tres muestras
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Estudio
Modelo de mezcla
Funciones de densidad
Hipótesis
Teorema de Bayes
Distribución posterior
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 42
Citaciones: Sin citaciones
En este documento, estudiamos un tipo especial de modelo de mezcla finita. La muestra extraída del modelo consta de tres partes. Las dos primeras partes se extraen de funciones de densidad especificadas, mientras que la tercera se extrae de la mezcla. Un problema de interés es si las dos funciones, y, son iguales. Para probar esta hipótesis, primero definimos la familia regular de distribuciones de ubicación y escala y asumimos que y son funciones de densidad regulares. Luego, la hipótesis se transforma en las igualdades de los parámetros de ubicación y escala, respectivamente. Para utilizar la información en la muestra, utilizamos el teorema de Bayes para obtener la distribución posterior y proporcionar el método de muestreo. Luego proponemos el valor p posterior para probar la hipótesis. Los estudios de simulación muestran que nuestro valor p posterior mejora en gran medida la potencia en los casos normales y logísticos y controla adecuadamente el error de Tipo-I. Se utiliza un conjunto de datos reales de fletán para ilustrar la validez de nuestro método.
Descripción
En este documento, estudiamos un tipo especial de modelo de mezcla finita. La muestra extraída del modelo consta de tres partes. Las dos primeras partes se extraen de funciones de densidad especificadas, mientras que la tercera se extrae de la mezcla. Un problema de interés es si las dos funciones, y, son iguales. Para probar esta hipótesis, primero definimos la familia regular de distribuciones de ubicación y escala y asumimos que y son funciones de densidad regulares. Luego, la hipótesis se transforma en las igualdades de los parámetros de ubicación y escala, respectivamente. Para utilizar la información en la muestra, utilizamos el teorema de Bayes para obtener la distribución posterior y proporcionar el método de muestreo. Luego proponemos el valor p posterior para probar la hipótesis. Los estudios de simulación muestran que nuestro valor p posterior mejora en gran medida la potencia en los casos normales y logísticos y controla adecuadamente el error de Tipo-I. Se utiliza un conjunto de datos reales de fletán para ilustrar la validez de nuestro método.