Global ETD Search

1	On the statistical power of Baarda’s outlier test and some alternative Lehmann, Rüdiger, Voß-Böhme, Anja 19 September 2018 (has links) Baarda’s outlier test is one of the best established theories in geodetic practice. The optimal test statistic of the local model test for a single outlier is known as the normalized residual. Also other model disturbances can be detected and identified with this test. It enjoys the property of being a uniformly most powerful invariant (UMPI) test, but is not a uniformly most powerful (UMP) test. In this contribution we will prove that in the class of test statistics following a common central or non-central chi2 distribution, Baarda’s solution is also uniformly most powerful, i.e. UMPchi2 for short. It turns out that UMPchi2 is identical to UMPI, such that this proof can be seen as another proof of the UMPI property of the test. We demonstrate by an example that by means of the Monte Carlo method it is even possible to construct test statistics, which are regionally more powerful than Baarda’s solution. They follow a socalled generalized chi2 distribution. Due to high computational costs we do not yet propose this as a ”new outlier detection method”, but only as a proof that it is in principle possible to outperform the statistical power of Baarda’s test. / Der Ausreißertest nach Baarda ist eine der am besten etablierten Theorien in der geodätischen Praxis. Die optimale Teststatistik des lokalen Modelltests für einen einzelnen Ausreißer wird als normierte Verbesserung bezeichnet. Auch andere Modellabweichungen können mit diesem Test aufgedeckt und identifiziert werden. Er hat die Eigenschaft, der gleichmäßig stärkste invariante (uniformly most powerful invariant, UMPI) Test zu sein, aber er ist kein gleichmäßig stärkster (uniformly most powerful, UMP) Test. In diesem Beitrag werden wir beweisen, dass in der Klasse der Teststatistiken mit einer gewöhnlichen zentralen oder nichtzentralen chi2 Verteilung die Baardaschen Lösung auch gleichmäßig stärkster Test ist, abgekürzt UMPchi2. Es stellt sich heraus, dass UMPchi2 gleichwertig mit UMPI ist, so dass dieser Beweis als ein weiterer Beweis der UMPI-Eigenschaft des Testes angesehen werden kann. Wir zeigen an einem Beispiel, dass es mittels der Monte Carlo Methode sogar möglich ist, Teststatistiken zu konstruieren, die regional stärker ist, als die Baardasche Lösung. Diese weisen eine sogenannte verallgemeinerte chi2 Verteilung auf. Wegen der hohen Rechenkosten schlagen wir das noch nicht als neue Ausreißererkennungsmethode vor, sondern nur als Beweis, dass es im Prinzip möglich ist, die Teststärke des Ausreißertests nach Baarda zu übertreffen. info:eu-repo/classification/ddc/526 ddc:526
2	Statistical Inference Chou, Pei-Hsin 26 June 2008 (has links) In this paper, we will investigate the important properties of three major parts of statistical inference: point estimation, interval estimation and hypothesis testing. For point estimation, we consider the two methods of finding estimators: moment estimators and maximum likelihood estimators, and three methods of evaluating estimators: mean squared error, best unbiased estimators and sufficiency and unbiasedness. For interval estimation, we consider the the general confidence interval, confidence interval in one sample, confidence interval in two samples, sample sizes and finite population correction factors. In hypothesis testing, we consider the theory of testing of hypotheses, testing in one sample, testing in two samples, and the three methods of finding tests: uniformly most powerful test, likelihood ratio test and goodness of fit test. Many examples are used to illustrate their applications. finite population correction factor statistical hypothesis type I error composite hypothesis power Central limit theorem Basu theorem critical value goodness of fit test likelihood ratio test Lehmann-Scheffe theorem complete statistic ancillary statistic P-value type II error Rao-Blackwell theorem simple hypothesis one-sided test two-sided test significance level sufficient statistic alternative hypothesis testing hypothesis null hypothesis rejection region confidence interval confidence level minimum variance unbiased estimator interval estimation uniformly most powerful test Cramer-Rao inequality likelihood function mean square error moment estimator error of estimation point estimation maximum likelihood estimator bias consistent estimator minimal sufficient statistic factorization theorem unbiased estimator statistic most powerful test test statistics Neyman-Pearson lemma decision rule

Search results

On the statistical power of Baarda’s outlier test and some alternative

Statistical Inference