→ recorriendo : 什麼叫"最恰當"? 一般檢定是嚴格控制type 1 error 10/21 10:10
→ recorriendo : rate 再次限制下優化power 10/21 10:10
→ recorriendo : 最嚴謹的作法就是生成一堆模擬資料來看type 1, ty 10/21 10:12
→ recorriendo : pe 2 error rates表現 10/21 10:12
→ recorriendo : 但因為是non-parametric 光模擬資料怎麼生成就可以 10/21 10:16
→ recorriendo : 有超多選項 變成沒有clear-cut的答案 只能探討xx 10/21 10:16
→ recorriendo : x...條件下的表現 10/21 10:16
→ yhliu : 他想問的是檢定統計量的選擇。以我淺見,這是無解的 10/21 14:18
→ yhliu : 問題。就像兩群體平均數值參數化)檢定一般是採用 t 10/21 14:19
→ yhliu : 或大樣本用 z,但它是最恰當的嗎?雖然在常態群體假 10/21 14:20
→ yhliu : 下它在某種準則下堪稱最佳,但實務上群體又不是那麼 10/21 14:22
→ yhliu : 常態;即使真是常態,它也只是在例如不偏的限制下符 10/21 14:24
→ yhliu : 合最佳(最強力)的要求,而不是所有同一水準下最強 10/21 14:25
→ yhliu : 力的檢定。所以,實務上只是選一個大家都那麼用的檢 10/21 14:27
→ yhliu : 定,只是先要確定資料符合該檢定的假設條件。 10/21 14:29
→ recorriendo : 對 我的意思是有了simulated data後就可以在其上r 10/21 19:08
→ recorriendo : un不同檢定 這樣就能比較 例如固定type 1 error 10/21 19:08
→ recorriendo : rate下比power 但這樣的結果 是在此simulated d 10/21 19:08
→ recorriendo : ata產生方法的前提下成立 而不是放諸四海皆準 10/21 19:08