통계적 불일치 테스트 분석 두 가지 가설; 작업 가설과 다른 가설. 작업 가설 H는 n개의 객체로 구성된 전체 데이터 세트가 초기 분포 모델 F, 즉 H:oi에서 나온다는 진술입니다. Δ F, 여기서 i =1, 2, n.
가설을 기각하는 통계적으로 중요한 증거가 없으면 가설이 유지됩니다. 불일치 테스트는 개체가 i 분포와 관련하여 본질적으로 크거나 작습니다. F. 사용 가능한 데이터 지식을 기반으로 불일치 테스트로 사용하기 위해 다양한 테스트 통계가 제안되었습니다.
불일치 테스트를 위해 일부 통계 T가 선택되었고 개체 oi에 대한 통계 값이 있다고 가정합니다. vi입니다 , 그러면 T의 분포가 구성됩니다. 유의 확률 SP(vi ) =확률(T> vi ) 평가됩니다.
일부 SP(vi )이 충분히 작으면 oi 불일치하고 작업 가설은 기각됩니다. oi 다른 분포 모델에서 나타나는 G가 채택됩니다. 결과는 oi 한 모델에서는 이상치가 될 수 있고 다른 모델에서는 완전히 유효한 값일 수 있습니다.
대체 분포는 검정력, 즉 oi일 때 작업 가설이 기각될 확률을 결정하는 데 매우 중요합니다. 이상치이다. 대체 배포에는 여러 유형이 있습니다.
내재된 대체 배포 − 이 경우 모든 개체가 분포 F에서 왔다는 작업 가설은 모든 개체가 다른 분포 G −
에서 증가한다는 대립 가설에 찬성하여 기각됩니다.H:oi Α G, 여기서 i =1, 2, ..., n
F와 G는 분포가 다르거나 같은 분포의 모수만 다를 수 있습니다. G 분포의 형태에는 이상치를 만들 가능성이 있어야 한다는 제약이 있습니다. 예를 들어, 다른 평균이나 분산 또는 긴 꼬리를 가질 수 있습니다.
혼합 대체 분포 − 혼합 대안에서는 불일치 값이 F 모집단의 이상값이 아니라 일부 다른 모집단의 오염을 나타냅니다. 이 경우 대립 가설은 -
H:oi α (1 – l) F + lG, 여기서 i =1, 2, ..., n
슬리피지 대체 배포 - 이 대안은 모든 객체(일부 규정된 소수를 제외하고)는 매개변수 m 및 s2를 사용하여 원래 모델 F에서 독립적으로 발생하는 반면 나머지 객체는 매개변수가 변경된 수정된 버전의 F에서 독립적인 관측값임을 나타냅니다. .