- Статистика теста Phi-Divergence для проверки достоверности моделей скрытых классов для двоичных данных (arXiv)
Автор: Анхель Фелипе, Нириан Мартин, Педро Миранда, Леандро Пардо.
Аннотация: Основная цель этой статьи — представить новые семейства тестовых статистик для изучения проблемы согласия некоторых данных с моделью скрытого класса для двоичных данных. Введенные семейства тестовых статистик основаны на мерах фи-расхождения, естественном расширении максимального правдоподобия. Мы также рассматриваем проблему тестирования вложенной последовательности моделей скрытых классов для двоичных данных. Для этих статистик мы получаем их асимптотическое распределение. Мы рассмотрим непротиворечивые оценки, введенные Фелипе и др. (2014) для решения проблемы оценки. Наконец, проводится имитационное исследование, чтобы сравнить эффективность в смысле уровня и мощности новой статистики, рассматриваемой в этой статье, для размеров выборки, которые недостаточно велики для применения асимптотических результатов.
2. Статистика фи-расхождения для порядка отношения правдоподобия: подход, основанный на логарифмически-линейных моделях (arXiv)
Автор: Нириан Мартин, Ракель Мата, Леандро Пардо.
Резюме: когда некоторые виды лечения упорядочены в соответствии с категориями порядковой категориальной переменной (например, степени побочных эффектов) в монотонном порядке, может быть интересно узнать, являются ли методы лечения одинаково эффективными или нет. Один из способов сделать это — проверить, строго ли проверяется порядок отношения правдоподобия. Метод, основанный на логарифмически-линейных моделях, используется для получения статистического вывода, и для интересующего теста предлагается тест-статистика фи-расхождения. Ориентированная на логлинейное моделирование, разработана теория, связанная с асимптотическим распределением тестовой статистики фи-расхождения. Иллюстративный пример мотивирует процедуру, а имитационное исследование для малых и средних размеров выборки показывает, что можно найти тест-статистику фи-расхождения с точным размером, более близким к номинальному размеру и более высокой мощностью по сравнению с классическим отношением правдоподобия.
