Full-text resources of CEJSH and other databases are now available in the new Library of Science.
Visit https://bibliotekanauki.pl

Results found: 7

first rewind previous Page / 1 next fast forward last

Search results

Search:
in the keywords:  permutation test
help Sort By:

help Limit search:
first rewind previous Page / 1 next fast forward last
1
Publication available in full text mode
Content available

On monitoring the average level of the process based on the sequence of permutation tests

100%
Kończak G., Uniwersytet Ekonomiczny w Katowicach; Wydział Zarządzania; Katedra Statystyki
Acta Universitatis Lodziensis. Folia Oeconomica
|
2011
|
vol. 255
PL
Klasyczne metody pozwalające na monitorowanie poziomu przeciętnego procesów produkcyjnych odwołują się zwykle do założenia normalności rozkładu badanej zmiennej. Wynika to z faktu, że w konstrukcji kart kontrolnych Shewharta wykorzystuje się sekwencje testów parametrycznych, które wymagają spełnienia wspomnianego założenia. Stosowanie testów permutacyjnych nie wymaga spełnienia tak ostrych założeń. W artykule zaproponowano zastosowanie zamiast sekwencji testów parametrycznych sekwencji testów permutacyjnych. Zaproponowano konstrukcję karty kontrolnej wykorzystującej sekwencje testów permutacyjnych. Rozważania teoretyczne zostały uzupełnieniowe analizami symulacyjnymi. Analizy symulacyjne wykazały, że stosowanie proponowanej karty kontrolnej może być szczególnie przydatne dla prób o małych liczebnościach pochodzących z rozkładów o silnej asymetrii.
2
Publication available in full text mode
Content available

ON THE METHOD OF DETECTING CHANGES IN TREND USING PERMUTATION TESTS

100%
Miłek M., Kończak G.
Acta Universitatis Lodziensis. Folia Oeconomica
|
2015
|
vol. 1
|
issue 311
PL
W artykule przedstawiono propozycję testu pozwalającego na wykrywanie zmian trendu. Proponowana procedura odwołuje się do testu permutacyjnego. Zastosowanie takiej procedury testowej pozwoliło na przyjęcie dość ogólnych założeń. W szczególności proponowana metoda może być wykorzystywana do wykrywania pojawienia się trendu. W takim przypadku możliwe jest wykorzystanie metody do monitorowania procesów produkcyjnych. Proponowane rozwiązanie porównano ze znanymi z literatury rozwiązaniami z wykorzystaniem symulacji komputerowych.
EN
This article presents a proposal of the test for detecting changes in trend. The proposed procedure refers to the permutation test. The use of this procedure allowed the adoption of fairly general assumptions. The proposed method can be used, in particular to detect the appearance of the trend. In this case, it is possible to use this method to monitor industrial processes. The proposed method was compared with known from literature methods used to detect disturbances in monitoring processes. For comparing procedures computer simulations were used.
3
Publication available in full text mode
Content available

On Testing the Significance of the Coefficients in the Multiple Regression Analysis

100%
Kończak G., Uniwersytet Ekonomiczny w Katowicach; Wydział Zarządzania; Katedra Statystyki
Acta Universitatis Lodziensis. Folia Oeconomica
|
2012
|
vol. 269
EN
The multiple regression analysis is a statistical tool for the investigation relationships between the dependent and independent variables. There are some procedures for selecting a subset of given predictors. These procedures are widely available in statistical computer packages. The most often used are forward selection, backward selection and stepwise selection. In these procedures testing the significance of parameters is used. If some assumptions such as normality errors are not fulfilled, the results of testing significance of the parameters may not be trustworthy. The main goal of this paper is to present a permutation test for testing the significance of the coefficients in the regression analysis. Permutation tests can be used even if the normality assumption is not fulfilled. The properties of this test were analyzed in the Monte Carlo study.
4
Publication available in full text mode
Content available

Comparing changes over time for two phenomena

100%
Miłek M.
Mathematical Economics
|
2015
|
issue 11(18)
89-98
XX
Statistical analyses in economics are often based on explaining the phenomena by comparing time series. The purpose of such types of analyses is to find out the similarity and schematic behavior of phenomena which appear in the data. Usual time series are compared with the use of a different similarity measure which, in accordance with the literature, could be divided into four categories. In this article, I propose a method that allows to indicate whether two time series are generated by the same stochastic processes. For this purpose, I analyze a method based on a permutation test. The idea of this test is much simpler than the tests based on theoretical distributions. I also conducted a simulation analysis based on the data generated according to different scenarios, subsequently comparing the results of that analysis.
5
Publication available in full text mode
Content available

Advances on Permutation Multivariate Analysis of Variance for big data

100%
Bonnini S., Assegie G. M.
Statistics in Transition new series
|
2022
|
vol. 23
|
issue 2
163-183
EN
In many applications of the multivariate analyses of variance, the classic parametric solutions for testing hypotheses of equality in population means or multisample and multivariate location problems might not be suitable for various reasons. Multivariate multisample location problems lack a comparative study of the power behaviour of the most important combined permutation tests as the number of variables diverges. In particular, it is useful to know under which conditions each of the different tests is preferable in terms of power, how the power of each test increases when the number of variables under the alternative hypothesis diverges, and the power behaviour of each test as the function of the proportion of true alternative hypotheses. The purpose of this paper is to fill the gap in the literature about combined permutation tests, in particular for big data with a large number of variables. A Monte Carlo simulation study was carried out to investigate the power behaviour of the tests, and the application to a real case study was performed to show the utility of the method.
6
Publication available in full text mode
Content available

A Multivariate Extension of McNemar’s Test Based on Permutations

63%
Kończak G.
Acta Universitatis Lodziensis. Folia Oeconomica
|
2020
|
vol. 4
|
issue 349
93-105
PL
Celem artykułu jest przedstawienie propozycji testu permutacyjnego do wykrywania odchyleń od symetrii układu liczebności w wielowymiarowej tablicy kontyngencji. Propozycja jest wielowymiarowym rozszerzeniem testu McNemara, który stosuje się do tablic o wymiarach 2 × 2. Przedstawiony test można również traktować jako modyfikację testu Q Cochrana, który służy do testowania zależności dla wielowymiarowych danych binarnych. Przedstawiono postać statystyki testu, która pozwala wykryć odchylenie od symetrii liczebności w wielowymiarowej tabeli kontyngencji. Do oceny rozkładu teoretycznego statystyki testowej zastosowano metodę permutacji obserwacji. Rozważania zostały uzupełnione przykładami zastosowania proponowanego testu dla danych symulowanych i rzeczywistych. Zastosowanie proponowanego testu pozwala wykryć asymetryczny rozkład liczebności w wielowymiarowych tabelach kontyngencji.
EN
The purpose of this publication is to propose a permutation test to detect the departure from symmetry in multidimensional contingency tables. The proposal is a multivariate extension of McNemar’s test. McNemar’s test could be applied to 2 × 2 contingency tables. The proposal may be also treated as a modification of Cochran’s Q test which is used for testing dependency for multivariate binary data. The form of the test statistics that allows us to detect the departure from counts symmetry in multidimensional contingency tables is presented in the article. The permutation method of observations was used to estimate the empirical distribution of the test statistics. The considerations were supplemented with examples of the use of a multivariate test for simulated and real data. The application of the proposed test allows us to detect the asymmetrical distribution of counts in multivariate contingency tables.
7

O porównaniu dwóch populacji

63%
Stelmach J.
Zeszyty Naukowe Uniwersytetu Ekonomicznego w Krakowie
|
2013
|
issue 923
71-86
PL
Porównywanie dwóch populacji jest interesującym zagadnieniem statystycznym. Dotyczy znajdowania istotnych statystycznie różnic na podstawie pozyskanych prób. Najczęściej sprawdzane są hipotezy o równości pewnego charakterystycznego parametru: wartości średniej, wariancji lub frakcji. Najskuteczniejsze parametryczne testy wymagają spełnienia założenia o zgodności rozkładów badanych populacji z rozkładem normalnym. Istnieją jednak przypadki, w których kluczowe znaczenie może mieć porównanie kształtu populacji wielowymiarowych. Dodatkowo rozkłady badanych populacji są nieznane lub też nie mogą być uznane za rozkłady normalne wielowymiarowe. Artykuł przedstawia wyniki badań dotyczących weryfikacji hipotezy statystycznej o braku różnic pomiędzy populacjami wykorzystującej badanie różnic pomiędzy wektorami własnymi. Statystyki testowe zawierające różnice pomiędzy wektorami własnymi badanych populacji pozwalają na badanie różnic w kształcie populacji niezależnie od ich wartości średnich lub wariancji. Mogą więc być wykorzystane do testowania zmienności zjawisk w czasie nawet w obliczu trendu. Zaproponowano weryfikację hipotez statystycznych za pomocą testów permutacyjnych, co zwalnia z konieczności badania zgodności z rozkładem normalnym oraz pozwala na stosowanie różnych statystyk testowych. W podsumowaniu dokonano oceny własności proponowanych testów z wykorzystaniem metody Monte Carlo.
EN
A comparison of two populations is an interesting and very common statistical problem. It involves finding statistically significant differences based on given samples. The most common way is to verify the hypothesis concerned the equality of certain, characteristic parameters, i.e. mean, standard deviation or fraction. The most efficient parametric tests need to fulfill assumptions about the normal distribution of examined populations. There are, however, cases where comparing “the shape” of multivariate populations could be crucial. Additionally, the distributions of tested populations are either unknown or cannot be treated as multivariate normal distributions. This paper presents the results of investigations on the comparison of two populations where the differences between eigenvectors were implemented. Test statistics, based on the differences between first eigenvectors of tested populations, make it possible to examine the differences of a shape, regardless of its mean or standard deviation. They could be used, for example, to test the variability of a given phenomenon even with the trends. It was proposed to verify the hypotheses with permutation tests, where no assumptions about the distribution must be fulfilled. Doing so would make it possible to use different test statistics as well. At the end of the paper, the characteristics of the examined tests were estimated using Monte Carlo simulation.
first rewind previous Page / 1 next fast forward last
JavaScript is turned off in your web browser. Turn it on to take full advantage of this site, then refresh the page.