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 987654321/92765
English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 80990/80990 (100%)
造訪人次 : 42710593      線上人數 : 1525
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/987654321/92765


    題名: 二元資料型態的R(個序列)與C(個時間點)的交叉設計的強韌概似推論法;Robust likelihood inferences the RxC crossover designs for general binary data
    作者: 房錚;Farng, Chen
    貢獻者: 統計研究所
    關鍵詞: 二元資料;交叉設計;強韌概似函數;Binary data;Crossover design;Robust likelihood function
    日期: 2023-07-11
    上傳時間: 2024-09-19 16:17:46 (UTC+8)
    出版者: 國立中央大學
    摘要: 交叉設計是臨床實驗中常用的實驗手法。為了分析二元資料型態的交叉設計,本文使用獨立伯努利模型作為實作模型,利用強韌概似函數方法強韌化實作概似函數,得到強韌華德檢定統計量、強韌分數檢定統計量、強韌概似比檢定統計量,由此可得到正確的統計推論。
    我們利用模擬研究與實例分析,比較強韌華德檢定統計量、強韌分數檢定
    統計量、強韌概似比檢定統計量與Schouten and Kester(2009)提出的SK 檢定統計量分析結果的差異。;Crossover design is a commonly used experimental technique in clinical trials. In order to analyze crossover design for binary data, the independent Bernoulli model is used as the working model, and the robust likelihood function method is used to robustize the working likelihood function to obtain the robust Wald statistics, robust score statistics and robust likelihood ratio statistics in this paper. From these, we can get correct statistical inferences.
    Using simulation research and case analysis, we can compare the differences between the robust Wald test statistics, the robust score test statistics, the robust likelihood ratio test statistics and the SK test statistics proposed by Schouten and Kester (2009) analysis results.
    顯示於類別:[統計研究所] 博碩士論文

    文件中的檔案:

    檔案 描述 大小格式瀏覽次數
    index.html0KbHTML20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 ©   - 隱私權政策聲明