Pētījumi ar simulāciju palīdzību hipotēžu testēšanā
Pētījumi ar simulāciju palīdzību hipotēžu testēšanā aizstāj vai papildina analītisko varbūtības teoriju ar aprēķinu simulāciju — atkārtotu izlasi, permutāciju vai Montekarlo metodēm — lai konstruētu nulles hipotēzes sadalījumus un novērtētu hipotēzes. Tā vietā, lai pieņemtu parametrisku sadalījumu un konsultētos ar tabulu, pētnieks ģenerē tūkstošiem simulētu datu kopu no novērotajiem datiem vai norādīta modeļa, veidojot empīrisku nulles hipotēzes sadalījumu, ar kuru tiek salīdzināts novērotais testēšanas statistiskais rādītājs. Šī pieeja ir īpaši vērtīga, ja analītiskie pieņēmumi (normalitāte, lielas izlases) nav izpildāmi.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Efron, B., & Tibshirani, R. J. (1993). An Introduction to the Bootstrap. Chapman and Hall/CRC. ISBN: 978-0412042317
- Good, P. I. (2005). Permutation, Parametric and Bootstrap Tests of Hypotheses (3rd ed.). Springer. ISBN: 978-0387988641
Kā citēt šo lapu
ScholarGate. (2026, June 3). Simulation-Assisted Hypothesis Testing Research. ScholarGate. https://scholargate.app/lv/research-design/simulation-assisted-hypothesis-testing-research
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Monte Carlo simulācijaLēmumu pieņemšana↔ compare
- Permutācijas (randomizācijas) testsStatistika↔ compare
- Jaudas analīzeStatistika↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →