中大機構典藏-NCU Institutional Repository-提供博碩士論文、考古題、期刊論文、研究計畫等下載:Item 987654321/7611
English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 67621/67621 (100%)
造訪人次 : 23114287      線上人數 : 252
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
搜尋範圍 查詢小技巧:
  • 您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
  • 進階搜尋


    請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/7611


    題名: 相關性資料的有母數強韌推論;Parametric Robust Inferences for Correlated Data
    作者: 陳建宏;Chien-Hung Chen
    貢獻者: 統計研究所
    關鍵詞: 二維常態;強韌概似比檢定;多變數負二項模型;廣義線性模型;強韌分數檢定;Multivariate negative binomial;Bivariate normal
    日期: 2007-07-06
    上傳時間: 2009-09-22 11:00:48 (UTC+8)
    出版者: 國立中央大學圖書館
    摘要: 本論文中,先介紹由 Royall 與 Tsou 在2003年所提出的強韌概似函數的觀念。利用這個方法,首先建立了對於二變數資料的相關係數在廣義線性模型架構下的迴歸參數的強韌概似比檢定。其次,對於具有相關性的個數資料的平均數,建立一個強韌分數檢定。最後,對於上述具有相關性的個數資料的平均數在廣義線性模型架構下,對於迴歸參數建立一個強韌概似比檢定。 這些概似函數並不需要知道資料的真正分配,只要四階或二階動差存在即可。這些強韌方法的效率,經由模擬與真實資料呈現。 In this thesis, we introduce the robust likelihood function proposed by Royall and Tsou (2003). Based on the method we first establish a robust parametric likelihood ratio test about regression parameters for the correlation coefficients modeled in a generalized linear model fashion. Next, we construct a robust parametric score test to compare means of several dependent populations of count. Furthermore, a robust parametric likelihood ratio test for regression parameters of means for correlated count data is proposed. The validity of the proposed likelihoods requires no knowledge of the true underlying distributions, so long as they have finite fourth or second moments. The efficacy of the robust methodology is demonstrated via simulations and real examples.
    顯示於類別:[統計研究所] 博碩士論文

    文件中的檔案:

    檔案 大小格式瀏覽次數
    0KbUnknown734檢視/開啟


    在NCUIR中所有的資料項目都受到原著作權保護.

    社群 sharing

    ::: Copyright National Central University. | 國立中央大學圖書館版權所有 | 收藏本站 | 設為首頁 | 最佳瀏覽畫面: 1024*768 | 建站日期:8-24-2009 :::
    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - 回饋  - 隱私權政策聲明