TESTY STATYSTYCZNE
W PROCESIE
PODEJMOWANIA DECYZJI
CZESŁAW DOMAŃSKI
DOROTA PEKASIEWICZ
ALEKSANDRA BASZCZYŃSKA
ANNA WITASZCZYK
TESTY ST
ATY
STY
CZNE W PR
OCESIE PODEJMOW
ANIA DE
CYZJI
Autorzy prezentują różne klasy testów statystycznych umożliwiające aplikację
me-tod wnioskowania statystycznego w przypadkach, w których klasyczne procedury
są niemożliwe do zastosowania lub wykorzystanie ich wiąże się z ryzykiem podjęcia
błędnych decyzji.
Procedury weryfikacji hipotez statystycznych uwzględniane w procesach
podej-mowania decyzji mogą zainteresować zarówno badaczy zjawisk ekonomicznych,
socjologicznych i przyrodniczych, jak również studentów kierunków społecznych,
rolniczych, medycznych i technicznych.
9 788379 693580 ISBN 978-83-7969-358-0
TESTY STATYSTYCZNE
W PROCESIE
PODEJMOWANIA DECYZJI
TESTY STATYSTYCZNE
W PROCESIE
PODEJMOWANIA DECYZJI
CZESŁAW DOMAŃSKI
DOROTA PEKASIEWICZ
ALEKSANDRA BASZCZYŃSKA
ANNA WITASZCZYK
TestyStatystyczne_TYTULOWE.indd 3 04.11.2014 16:56Czesław Domański, Dorota Pekasiewicz, Aleksandra Baszczyńska, Anna Witaszczyk Uniwersytet Łódzki, Wydział Ekonomiczno-Socjologiczny, Katedra Metod Statystycznych
90-214 Łódź, ul. Rewolucji 1905 r. nr 41/43 RECENZENT
Mirosław Szreder
REDAKTOR WYDAWNICTWA UŁ Iwona Gos
SKŁAD KOMPUTEROWY AGENT PR
PROJEKT OKŁADKI Stämpfli Polska Sp. z o.o. Zdjęcie na okładce: © Shutterstock.com
Praca naukowa finansowana ze środków Narodowego Centrum Nauki przyznanych na podstawie decyzji numer DEC-2011/01/B/HS4/02746
© Copyright by Uniwersytet Łódzki, Łódź 2014 Wydane przez Wydawnictwo Uniwersytetu Łódzkiego
Wydanie I. W.06577.14.0.K ISBN 978-83-7969-358-0 Wydawnictwo Uniwersytetu Łódzkiego
90-131 Łódź, ul. Lindleya 8 www.wydawnictwo.uni.lodz.pl e-mail: ksiegarnia@uni.lodz.pl tel. (42) 665 58 63, faks (42) 665 58 62
SPIS TREŚCI
Przedmowa
1. Testy statystyczne i decyzje statystyczne [Czesław Domański]
1.1. Uwagi ogólne i podstawowe pojęcia 1.2. Weryfikacja hipotez statystycznych 1.3. Statystyczne problemy decyzyjne
1.4. Uwagi o testach statystycznych wykorzystujących próby z brakującą informacją
2. Wybrane klasyczne testy statystyczne [Czesław Domański]
2.1. Uwagi wstępne
2.2. Testy dla jednej zmiennej
2.3. Testy dla dwóch i więcej zmiennych 2.4. Analiza wariancji (ANOVA)
2.5. Wielowymiarowa analiza wariancji (MANOVA) 2.6. Wybrane testy zgodności dla rozkładów dochodów
3. Testy statystyczne w porównaniach wielokrotnych i modelach symulacyjnych [Czesław Domański]
3.1. Uwagi wstępne
3.2. Klasyfikacja porównań wielokrotnych 3.3. Wielokrotne procedury decyzyjne 3.4. Podejście Neymana-Pearsona 3.5. Porównania wielokrotne
3.6. Weryfikacja hipotez dla modeli symulacyjnych
4. Bayesowskie testy statystyczne [Dorota Pekasiewicz]
4.1. Uwagi wstępne
4.2. Idea konstrukcji testów bayesowskich
4.3. Rozkłady a priori parametrów zmiennych losowych i zasady ich określania 4.4. Testy bayesowskie przy niezależnym schemacie losowania próby
4.5. Bayesowska weryfikacja hipotez statystycznych przy zależnym schemacie losowa-nia próby
4.6. Analiza własności bayesowskich procedur testowych 4.7. Przykłady zastosowań testów bayesowskich
5. Bootstrapowe testy statystyczne [Dorota Pekasiewicz]
5.1. Uwagi wstępne
5.2. Istota konstrukcji bootstrapowych testów statystycznych 5.3. Nieparametryczne testy bootstrapowe
5.4. Parametryczne i semiparametryczne testy bootstrapowe 5.5. Testy bootstrapowe dla hipotez o wartościach średnich populacji 5.6. Analiza własności wybranych testów bootstrapowych
7 11 11 13 26 28 37 37 37 42 55 58 62 67 67 67 71 74 77 79 87 87 87 93 94 101 104 110 119 119 120 122 125 126 135
6
Spis treści6. Sekwencyjne testy statystyczne [Dorota Pekasiewicz]
6.1. Uwagi wstępne
6.2. Idea konstrukcji ilorazowego testu sekwencyjnego
6.3. Ilorazowe testy sekwencyjne przy niezależnym schemacie losowania próby 6.4. Ilorazowe testy sekwencyjne dla schematów losowania próby innych niż losowanie
niezależne
6.5. Nieparametryczne testy sekwencyjne
7. Testy statystyczne oparte na metodzie jądrowej [Aleksandra Baszczyńska]
7.1. Uwagi wstępne 7.2. Metoda jądrowa
7.3. Jądrowe testy zgodności, niezależności i symetryczności 7.4. Jądrowe testy w analizie regresji
7.5. Jądrowe testy w badaniu obserwacji nietypowych
8. Testy statystyczne dotyczące rozkładów wielowymiarowych [Anna Witaszczyk]
8.1. Uwagi wstępne
8.2. Macierze losowe i przekształcenie Stieltjesa
8.3. Wybrane twierdzenia graniczne dla macierzy losowych 8.4. Testy dla wektorów wartości oczekiwanych
8.5. Weryfikacja hipotez dotyczących macierzy kowariancji 8.6. Testy wielowymiarowej normalności
9. Testy statystyczne dla danych cenzurowanych [Aleksandra Baszczyńska]
9.1. Uwagi wstępne 9.2. Podstawowe pojęcia
9.3. Testy zgodności dla dwóch lub więcej populacji dla danych cenzurowanych 9.4. Testy zgodności z rozkładem teoretycznym dla danych cenzurowanych 9.5. Testy w analizie regresji dla danych cenzurowanych
10. Weryfikacja hipotez statystycznych dla szeregów czasowych [Czesław Domański]
10.1. Uwagi wstępne i podstawowe pojęcia 10.2. Testy pierwiastka jednostkowego 10.3. Testy szczytów
10.4. Weryfikacja parametrów modeli ARMA 10.5. Weryfikacja parametrów modeli VAR
Zakończenie
Statistical Tests in the Decision Making Process (Summary) Literatura
Tablice statystyczne wybranych rozkładów prawdopodobieństwa Wybrane oznaczenia Indeks 141 141 141 148 160 165 171 171 171 176 187 198 205 205 205 212 217 224 236 245 245 245 249 255 258 263 263 265 268 277 282 289 291 293 299 313 317
PRZEDMOWA
Ukazanie się książki Johna Graunta Naturalne i polityczne obserwacje
poczy-nione na biuletynach śmiertelności w 1662 r. to moment, od którego zauważalny
jest rozwój statystyki. Jednak rodowód statystyki, podobnie jak matematyki, sięga
odległej starożytności. Już w XXXII w. p.n.e. plemię Ashipu, mieszkające między
Eufratem a Tygrysem, zajmowało się udzielaniem konsultacji w zakresie ryzyka
i niepewności oraz podejmowania trudnych decyzji.
Statystyka została wyodrębniona w oddzielną dyscyplinę jako metoda
wydo-bywania informacji z zaobserwowanych danych oraz jako logika podejmowania
decyzji w warunkach niepewności.
Wiedza statystyczna jest cenna dla przedstawicieli wszystkich zawodów.
Wiele złożonych problemów naszego życia wyglądałoby prościej, gdyby przed
podjęciem działań najpierw stawiać pytania, a następnie uzyskiwać właściwe
informacje. Formułowanie pytań uważa się często za kłopotliwe, gdyż wymaga
analizy, myślenia i precyzowania wniosków. Działania takie zabierają nam czas
i energię. Mogą też prowadzić do niepożądanej dezorientacji i zdenerwowania.
W wielu przypadkach, aby uniknąć takich sytuacji, opieramy się na mądrości
in-nych lub działamy emocjonalnie, co może prowadzić do nieporozumień, złego
wyboru momentu działania i pomyłek. Porady mogą być pomocne, ale raczej jako
punkt odniesienia, a nie samowystarczalne podejście.
W dzisiejszym świecie, jak nigdy wcześniej, istnieje potrzeba myślenia
sta-tystycznego. Jesteśmy otoczeni wyzwaniami różnorodnych banków danych
(cho-ciaż rzadko zgodnych z oczekiwaniami), które wymagają coraz lepszych metod
statystycznych, algorytmów, modeli systemów przetwarzania.
Statystyka zajmuje się kolekcjonowaniem informacji liczbowych oraz ich
analizą i interpretacją. Prezentowane w opracowaniu metody pozwalają
odpowie-dzieć na pytanie, co te informacje liczbowe, które traktujemy jako dane, mówią
nam o populacji i o zjawiskach, których dotyczą. Odpowiedź zależeć będzie nie
tylko od samych informacji, tzn. od obserwacji, ale również od wiedzy a priori.
Ta wiedza jest formalizowana za pomocą założeń przy konstrukcji metod.
Roz-różniane są najczęściej trzy podejścia oparte na różnych zasadach. Należą do nich:
– analiza danych,
– klasyczne wnioskowanie i teoria decyzji,
– analiza bayesowska.
8
PrzedmowaW pierwszym podejściu informacje statystyczne są analizowane jako dane,
w istocie rzeczy bez żadnych dodatkowych założeń. Głównym celem jest ich
obróbka i prezentacja graficzna lub tabelaryczna umożliwiająca wykrycie
najważ-niejszych własności i wyjaśnienie struktur danych.
W drugim podejściu obserwowane dane są traktowane jako wartości przyjęte
przez zmienne losowe, dla których przyjmuje się, że mają pewien łączny rozkład
P z klasy P. Często rozważane rozkłady indeksowane są parametrem θ lub Θ.
W analizie bayesowskiej zakłada się dodatkowo, że sam parametr jest
zmien-ną losową o pewnym znanym rozkładzie. Ten rozkład, zwany rozkładem a priori,
zdefiniowany przed zapoznaniem się z danymi, jest modyfikowany za pomocą
danych do rozkładu a posteriori parametru θ pod warunkiem zaobserwowanych
danych. Rozkład a posteriori w pewnym sensie syntetyzuje to, co można
powie-dzieć o parametrze θ na podstawie danych i wiedzy wstępnej a priori.
Wspomniane trzy podejścia pozwalają na formułowanie coraz mocniejszych
wniosków, a zarazem mniej pewnych założeń. Często pożądane jest korzystanie
z kombinacji tych różnych podejść, np. planując badanie, uwzględnia się wybór
li-czebności próby przy bardziej szczegółowych założeniach i przeprowadza analizę
wyników przy słabszych, ale za to bardziej przekonujących założeniach. W
nie-których zastosowaniach często pożyteczne jest formułowanie różnych modeli
do danego problemu. Wówczas zgodność wniosków daje dodatkowy argument
na rzecz poprawności analizy i odwrotnie, rozbieżności we wnioskach wskazują
na konieczność dokładniejszego przyjrzenia się założeniom różnych modeli.
Problemy statystyczne charakteryzują się tym, że mamy w nich do
czy-nienia nie z pojedynczymi rozkładami prawdopodobieństwa, ale z rodzinami
P =
{
P
θ: θ∈Θ
}
rozkładów określonych na pewnej wspólnej przestrzeni
mierzal-nej
(
χ, A
)
.
Zasadniczym materiałem badań statystycznych jest zbiór wyników
obserwa-cji, będących wartościami zmiennej losowej X, której rozkład P
θjest przynajmniej
częściowo znany. Przyjmujemy, że o parametrze θ wiemy tylko tyle, że należy on
do pewnego zbioru Θ, zwanego przestrzenią parametrów.
Potrzeba analizy statystycznej wynika z faktu, że rozkład zmiennej losowej
X, a zatem pewne elementy sytuacji stanowiącej podstawę modelu
matematycz-nego nie są znane, co powoduje trudności w wyborze najlepszego postępowania.
Książka przedstawia w zwartej formie różne klasy testów statystycznych,
które mogą być stosowane w procesie podejmowania decyzji dotyczących
zja-wisk ekonomicznych, społecznych, demograficznych, technicznych i
medycz-nych. Klasyczne procedury testowe prezentowane w literaturze przedmiotu nie
zawsze można wykorzystać ze względu na założenia ich stosowalności. Dotyczyć
to może niespełnienia określonych założeń o rozkładzie zmiennych losowych,
z którymi utożsamiane są badane cechy statystyczne, braku dostatecznej liczby
elementów próby lub też stosowanego w badaniu schematu losowania próby,
od-miennego od losowania niezależnego.
Przedmowa
9
Rozważane grupy testów charakteryzują się odmiennymi procedurami
testo-wymi, np. przy zastosowaniu testów bayesowskich parametr rozkładu zmiennej
losowej jest traktowany jako zmienna losowa, natomiast w testach
sekwencyj-nych liczebność próby jest zmienną losową. W testach jądrowych można
wyko-rzystywać różne funkcje jądra i parametry wygładzania, co wpływa w znacznym
stopniu na rezultaty zastosowanej procedury, natomiast w testach bootstrapowych
procedura wnioskowania jest oparta na tzw. próbach bootstrapowych. Oprócz
rozważań teoretycznych zaprezentowane są również wyniki przeprowadzonych
badań, dotyczących własności analizowanych procedur weryfikacji hipotez
staty-stycznych wraz ze wskazaniem obszarów ich zastosowań.
Praca składa się z dziesięciu rozdziałów. Punktem wyjścia do rozważań
do-tyczących testów statystycznych opisywanych w dalszej części książki są trzy
pierwsze rozdziały. Obejmują one zagadnienia związane z klasycznym i
teorio-decyzyjnym podejściem do weryfikacji hipotez statystycznych. Związek między
testami statystycznymi a podejmowaniem decyzji zaprezentowany jest w
rozdzia-le pierwszym i trzecim. Rozdział drugi przedstawia wybrane klasyczne testy
sta-tystyczne z uwzględnieniem warunków, które muszą być spełnione, by dany test
mógł być stosowany w praktyce.
W kolejnym rozdziale prezentowane są testy bayesowskie
charakteryzu-jące się tym, że parametr rozkładu jest traktowany jako zmienna losowa o
zna-nym rozkładzie a priori. Stosując je, podejmujemy decyzję o akceptacji
hipote-zy o mniejshipote-zym ryhipote-zyku a posteriori, które wyznacza się na podstawie rozkładu
a priori i ustalonej funkcji straty. Rozważane testy bayesowskie dotyczą
weryfi-kacji hipotez statystycznych o parametrach rozkładu zmiennych losowych i
wska-zują na możliwość zastosowania różnych schematów losowania próby.
Testy bootstrapowe, którym poświęcony jest piąty rozdział książki, zasługują
na uwagę, ponieważ nie wymagają informacji o klasie rozkładu badanej zmiennej
losowej. Zastosowanie metod bootstrapowych do aproksymacji rozkładów
staty-styk testowych pozwala na weryfikację hipotez o parametrach rozkładu populacji
w oparciu o małe próby, co jest dużą zaletą tych metod.
Testy sekwencyjne rozważane w rozdziale szóstym to kolejna grupa testów
nieklasycznych. W testach tych liczebność próby jest zmienną losową.
Sekwen-cyjne zwiększanie liczby elementów próby losowej pozwala podjąć decyzję o
ak-ceptacji jednej z weryfikowanych hipotez z przyjętymi prawdopodobieństwami
błędów I i II rodzaju. Zaletą stosowania testów należących do tej klasy jest nawet
dwukrotnie mniejsza wartość oczekiwana liczebności próby niezbędnej do
pod-jęcia decyzji w porównaniu z testami klasycznymi dla identycznych błędów
I i II rodzaju, co wpływa na koszt przeprowadzanego badania statystycznego.
W rozdziale siódmym przedmiotem rozważań jest klasa testów jądrowych.
Metoda jądrowa, wywodząca się z estymacji funkcji gęstości, stanowi typowo
nieparametryczne podejście w procedurach wnioskowania statystycznego. W
roz-dziale tym rozważane są procedury weryfikacji hipotez dotyczących rozkładu
10
Przedmowazmiennej losowej, w tym: normalności, zgodności dwóch i więcej rozkładów,
hi-potez o postaci funkcji regresji i hihi-potez mówiących o niezależności zmiennych
losowych.
Rozdział ósmy poświęcony jest podejściu wielowymiarowemu w weryfikacji
hipotez statystycznych. Analizie poddane są testy służące do weryfikacji hipotez
o wektorach wartości oczekiwanych oraz hipotez dotyczących macierzy
kowa-riancji, zarówno klasyczne, jak i konstruowane w oparciu o twierdzenia graniczne
teorii macierzy losowych.
Rozdział dziewiąty dotyczy procedur wnioskowania statystycznego
stoso-wanych w sytuacji, gdy dane mają charakter przekrojowo-czasowy i brak jest
informacji dla pewnych okresów lub momentów czasu. W rozdziale tym
przed-stawione są najważniejsze klasy testów dla danych cenzurowanych, m.in. testy
dotyczące zgodności rozkładów dwóch lub więcej populacji oraz testy zgodności
rozkładu badanej populacji z rozkładem hipotetycznym.
Specjalna grupa testów stosowanych w analizach szeregach czasowych jest
przedmiotem rozważań w rozdziale dziesiątym, ze szczególnym uwzględnieniem
analizy stacjonarności i niestacjonarności procesu stochastycznego oraz
weryfika-cji parametrów modeli VAR i ARMA.
Serdecznie dziękuję wszystkim tym, których życzliwe uwagi przyczyniły się
do udoskonalenia tej książki, przede wszystkim Panu Profesorowi Mirosławowi
Szrederowi za wnikliwą recenzję.
STATISTICAL TESTS IN THE DECISION MAKING
PROCESS
Summary
Statistics emerged a separate discipline as a method of extracting information
from the observed data and as the logic of decision making under uncertainty.
Statistical knowledge is valuable for representatives of all professions. In today’s
world, as never before, there is a need for statistical thinking. We are surrounded
by challenges of various data banks which require better statistical methods,
mod-els, algorithms and processing systems. Statistics deals with collecting numerical
information and its analysis and interpretation. Methods presented in the book
at-tempt to answer the question of what these numerical information, treated as data,
tell us about the population and the phenomena to which they refer. The answer
depends not only on the very observations, but also on the prior knowledge. The
book presents in a compact form different classes of statistical tests that can be
used in the decision making process. The tests considered may be used in the
anal-ysis of economic, social, demographic, technical and medical phenomena. These
test classes are characterized by different construction methods, and thus different
test procedures. In Bayesian tests a parameter of random variable distribution is
treated as a random variable, while in sequential tests the sample size is a random
variable. In kernel tests, it is possible to use various kernel functions and various
smoothing parameters, which affects heavily the results of the procedure used. In
bootstrap tests, the inference procedure is based on the so-called bootstrap
sam-ples. Besides theoretical considerations, the results of the research concerning the
properties of the verification procedures are presented, indicating the areas of their
applications. The work consists of ten chapters. The starting point for
considera-tion of the statistical tests described later in the book are the first three chapters.
These include issues related to the classical and decision theoretical approach to
the verification of statistical hypotheses. The relationship between statistical tests
and decision-making is presented in the first chapter and the third one. The second
chapter presents selected classical statistical tests, accounting for the conditions
that must be fulfilled by the test to be used in practice. The next section presents the
Bayesian tests in which the distribution parameter is treated as a random variable
292
Statistical Tests in the Decision Making Process (Summary)with known prior distribution. Using these tests we can make the decision of the
acceptance of the hypothesis of a lower posterior risk, which is determined on the
basis of the prior distribution and a fixed loss function. The Bayesian tests,
con-sidered, relate to the verification of statistical hypotheses about the parameters of
random variables and indicate the possibility of using different sampling schemes.
The bootstrap tests in the fifth chapter of the book, deserve attention due to the
fact that they do not require information about the class distribution of the random
variable investigated. The use of bootstrap methods to approximate distributions
of test statistics allows for testing hypotheses about the parameters of the
distribu-tion of the populadistribu-tion relying on small samples, which is a considerable advantage
of these methods. Sequential tests considered in chapter six, is another group of
non-classical tests. In these tests, the sample size is a random variable. Increasing
the number of the elements of the random sample sequentially, we decide to
ac-cept one of the hypotheses verified with the acac-cepted error probabilities of I and II.
The advantage of the use of the tests belonging to this class is even twice smaller
the expected value of the sample size needed to make a decision in comparison
with classical tests for identical mistakes of I and II. In the seventh chapter the
class of kernel tests is considered. The kernel method, derived from the
estima-tion of the probability density funcestima-tion is a typical non-parametric approach to
statistical inference procedures. In this chapter we discuss the procedures for the
verification of hypotheses about the distribution of the random variable including
its normality, the goodness-of-fit tests for two or more distributions, hypothesis
about the form of the regression function and hypotheses of the independence of
random variables. The eighth chapter is devoted to the multidimensional approach
in the verification of statistical hypotheses, as most research in the economic and
social studies is multidimensional. The tests for the hypotheses about the expected
value of vectors and hypotheses concerning the covariance matrix are analyzed,
both the classical and those constructed on the basis of random matrix theory
limit theorems. The ninth chapter concerns the procedures of statistical inference
applicable in situations where the data are time cross-sectional and there is no
information for certain periods or moments of time. This chapter presents the
most important class of tests for censored data. Tests for goodness-of-fit of two
or more populations, or the goodness-of-fit with the hypothetical distribution are
considered. A special group of tests used in time series analysis is explored in the
tenth chapter, with particular emphasis on the analysis of stationarity and
non-sta-tionarity of the stochastic process and parameters verification for the VAR models.
LITERATURA
Ahmad I., Li Q. [1997], Testing Independence by Nonparametric Kernel Method, „Statistics
& Probability Letters”, 34, 201–210.
Ahmad I., Mugdadi A. [2003], Testing Normality Using Kernel Methods, „Nonparametric
Statis-tics”, 15 (3), 273–288.
Aitchison J. [1975], Goodness of Prediction Fit, „Biometrika”, 62, 547–554.
Aitkin M., Boys R.J., Chadwick T.J. [2005], Bayesian Point Null Hypothesis Testing via the
Pos-terior Likelihood Ratio, „Statistics and Computing”, 15, 217–230.
Anderson T.W. [1958], An Introduction to Multivariate Statistical Analysis, Wiley, New York, London. Andrews D.F., Gnanadesikan R., Warner J.L. [1971], Transformations of Multivariate Data,
„Biometrics”, 27, 825–840.
Bagdonavicius V., Kruopis J., Nikulin M. [2011], Nonparametric Tests for Censored Data, Wiley,
New York, London.
Bahadur R.R. [1960], On the Asymptotic Efficiency of Tests and Estimates, „Sankhyā”, 22 (3–4),
229–252.
Bai Z.D., Silverstein J.W. [2004], CLT for Linear Spectral Statistics of Large-Dimensional Sample
Covariance Matrices, „The Annals of Probability”, 32 (1A), 553–605.
Balicki A. [2006], Analiza przeżycia i tablice wymieralności, PWE, Warszawa.
Bartlett M.S. [1937], Properties of Sufficiency and Statistical Tests, Proceedings of the Royal
Soci-ety of London, Ser. A, 160, 268–282.
Bartlett M.S. [1954], A Note on the Multiplying Factors for Chi-Square Approximations, „Journal
of the Royal Statistical Society”, Ser. B, 16, 296–298.
Bartoszewicz J. [1996], Wykłady ze statystyki matematycznej, PWN, Warszawa.
Baszczyńska A. [2011], Wybór funkcji jądra i parametru wygładzania w procedurach jądrowych
wnioskowania statystycznego, w: Zieliński Z.E. (red.),Rola informatyki w naukach ekonomicz-nych i społeczekonomicz-nych. Innowacje i implikacje interdyscyplinarne, Wydawnictwo Wyższej Szkoły Handlowej, Kielce, 139–146.
Baszczyńska A. [2012a], Estymacja funkcji gęstości z pakietem MATLAB, w: Zieliński Z.E. (red.),
Rola informatyki w naukach ekonomicznych i społecznych. Innowacje i implikacje interdyscy-plinarne, Wydawnictwo Wyższej Szkoły Handlowej, Kielcach, 7–16.
Baszczyńska A. [2012b], Test symetryczności Li, „Acta Universitatis Lodziensis. Folia
Oecono-mica”, 271, 99–105.
Baszczyńska A. [2013], Some Remarks on the Symmetry Kernel Test, „Acta Universitatis
Lodzien-sis. Folia Oeconomica”, 285, 21–29.
Baszczyńska A., Domański C. [1998], Nonparametric Inference in the Case of Random Censoring,
w: 24th Macromodels’97. Transition to Market System. Modelling and Forecasting of Eco-nomic and Social Consequences, Absolwent, Łódź, 127–140.
Bera A., John S. [1983], Tests for Multivariate Normality with Pearson Alternatives,
„Communica-tions in Statistics. Theory Methods”, 12, 103–117.
Bera A., Premarante G. [2001], Adjusting the Tests for Skewness and Kurtosis for
Distribution-al Misspecifications, http://www.business.uiuc.edu/Working_ Papers /papers/01-0116.pdf [15.04.2014].
294
LiteraturaBernardo J.M. [1980], A Bayesian Analysis of Classical Hypothesis Testing, w: Bayesian Statistics,
University Press, Valencia, 605–647.
Berndt E.R., Hall B.H., Hall R.E., Hausman J.A. [1974], Estimation and Inference in Nonlinear
Structural Models, „Annals of Economic and Social Measurement”, 3, 429–452.
Box G.E.P. [1949], A General Distribution Theory for a Class of Likelihood Criteria, „Biometrika”,
36 (3–4), 317–346.
Box G.E.P., Cox D.R. [1964], An Analysis of Transformations, „Journal of the Royal Statistical
Society”, Ser. B, 26, 211–252.
Box G., Pierce D. [1970], Distribution of Residual Autocorrelations in
Autoregressive-Integrat-ed Moving Average Time Series Models, „Journal of the American Statistical Association”, 65 (332), 1509–1526.
Breusch T. [1978], Testing for Autocorrelation in Dynamic Linear Models, „Australian Economic
Papers”, 17, 334–355.
Burke M., Gombay E. [1992], Tests of Fit for Cox’s Regression Model, „Probability and
Mathemati-cal Statistics”, 13 (1), 127–137.
Chernick M.R. [2008], Bootstrap Methods: a Guide for Practitioners and Researchers, Wiley,
Hoboken.
Chernoff H. [1972], Sequential Analysis and Optimal Design, SIAM, Philadelphia. Cover T.M., Thomas JA. [1991], Elements of Information Theory, Wiley, New York.
Cox D.R. [1961], Tests of Separate Families of Hypotheses, Proceedings of the 4th Berkeley
Sym-posium of Probability and Statistics, 1, 105–123.
Cox D. R. [1962] Further Results on Tests of Separate Families of Hypotheses, „Journal of the
Royal Statistical Society B”, 24 (2), 406–424.
Cox D.R. [1970], The Analysis of Binary Data, Chapman & Hall, New York.
Cox D. [1972], Regression Models and Life Tables, „Journal of the Royal Statistical Society”,
Ser. B (Methodological), 34 (2), 187–220.
Cramer J.S. [1986], Metody matematyczne w statystyce, PWN, Warszawa.
Davison A.C., Hinkley D.V. [1997], Bootstrap Methods and Their Application, Cambrigde
Univer-sity Press, Cambrigde.
Davidson R., MacKinnon J. [2004], Econometric Theory and Methods, Oxford University Press,
Oxford.
DeJong D.N., Nankervis J.C., Savin N.E., Whiteman C.H. [1992], The Power Problems of Unit
Root Tests in Time Series with Autoregressive Errors, „Journal of Econometrics”, 53 (1–3), 323–343.
Dempster A.P. [1997], The Direct Use of Likelihood for Significance Testing, „Statistics and
Com-puting”, 7 (4), 247–252.
Dempster A.P., Laird N.M., Rubin D.B. [1977], Maximum Likelihood from Incomplete Data via the
EM Algorithm (with Discussion), „Journal of the Royal Statistical Society”, Ser. B, 39, 1–37.
Diaconis P., Freedman D. [1986], On the Consistency on Bayes Estimates, „The Annals of
Statis-tics”, 14 (1), 1–26.
Dickey D., Fuller W. [1981], Likelihood Ratio Statistics for Autoregressive Time Series With a Unit
Root, „Econometrica”, 49, 1057–1072.
Domański C. [1979], Statystyczne testy nieparametryczne, PWN, Warszawa.
Domański C. [1986], Teoretyczne podstawy testów nieparametrycznych i ich zastosowanie w
nau-kach ekonomiczno-społecznych, Wydawnictwo Uniwersytetu Łódzkiego, Łódź.
Domański C. [1990], Testy statystyczne, PWE, Warszawa.
Domański C. [2007], Własności testów wielowymiarowej normalności opartych na miarach
ksz-tałtu, „Acta Universitatis Lodziensis. Folia Oeconomica”, 205, 89–107.
Domański C. [2010], Uwagi o testach Jarque’a-Bera, „Przegląd Statystyczny”, 57 (4), 19–26. Domański C., Parys D. [2007], Statystyczne metody wnioskowania wielokrotnego, Wydawnictwo
Literatura
295
Domański C., Pruska K. [2000], Nieklasyczne metody statystyczne, PWE, Warszawa.
Domański C., Pruska K., Wagner W. [1998], Wnioskowanie statystyczne przy nieklasycznych
założeniach, Wydawnictwo Uniwersytetu Łódzkiego, Łódź.
Domański C., Wagner W. [1984], Testy wielowymiarowej normalności, „Przegląd Statystyczny”,
31 (3/4), 259–270.
Doornik J., Hansen H. [2008], An Omnibus Test for Univariate and Multivariate Normality,
„Ox-ford Bulletin of Econometrics and Statistics”, 70 (s1), 927–939.
Efron B. [1979], Bootstrap Methods: Another Look at the Jackknife, „The Annals of Statistics”,
7 (1), 1–21.
Efron B., Tibshirani R.J. [1993], An Introduction to the Bootstrap, Chapman & Hall, New York. Engle R. [1982], Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of
United Kingdom Inflation, „Econometrica”, 50, 987–1007.
Ferguson G., Takane Y. [2003], Analiza statystyczna w psychologii i pedagogice, PWN, Warszawa. Fisz M. [1969], Rachunek prawdopodobieństwa i statystyka matematyczna, PWN, Warszawa. Gajek L., Kałuszka M. [1996], Wnioskowanie statystyczne. Modele i metody, Wydawnictwa
Nau-kowo-Techniczne, Warszawa.
Gajda J. [2001], Prognozowanie i symulacje a decyzje gospodarcze, C.H. Beck, Warszawa. George E., Liang F., Xu X. [2006], Improved Minimax Predictive Densities under Kullback-Leibler
Loss, „Annals of Statistics”, 34, 78–91.
Giorgi G.M., Fattorini L. [1976], An Empirical Study of Some Tests for Multivariate Normality,
„Quaderni dell’Instituto di Statistica”, 20, 1–8.
Girko V.L. [1995], Statistical Analysis of Observations of Increasing Dimension, Kluwer Academic
Publisher, Dordrecht, Boston.
Goldfrey L. [1978], Testing for Higher Order Serial Correlation in Regression Equations When the
Regressors Include Lagged Dependent Variables, „Econometrica”, 46, 1303–1310.
Godfrey L., Orme C. [1991], Testing for Skewness of Regression Distribuances, „Economic
Let-ters”, 37, 31–34.
Goldfeld S., Quandt R.E. [1965], Some Tests for Homoscedasticity, „Journal of the American
Sta-tistical Association, 60 (310), 539–547.
Good P. [2004], Permutation, Parametric, and Bootstrap Tests of Hypotheses, Springer, New York. Govindarajulu Z. [1985], A Survey of Sequential Statistical Analysis, „Sequential Methods in
Sta-tistics”, Badach Center Publications, 16, 133–179.
Granger C. [1969], Investigating Casual Relations by Econometric Models and Cross-Spectral
Methods, „Econometrica”, 37 (3), 424–438.
Granger C., Newbold P. [1974], Spurious Regression in Econometrics, „Journal of Econometrics”,
2, 111–120.
Greenwood M. [1946], The Statistical Study of Infectious Diseases, „Journal of the Royal Statistical
Society”, Ser. A, 109, 85–110.
Hand D., Mannila H., Smyth P. [2005], Eksploracja danych, Wydawnictwa Naukowo-Techniczne,
Warszawa.
Härdle W. [1990], Smoothing Techniques with Implementation in S, Springer, New York.
Härdle W., Mammen E. [1993], Comparing Nonparametric versus Parametric Regression Fits,
„Annals of Statistics”, 21, 1926–1947.
Härdle W., Müller M., Sperlich S., Werwatz A. [2004], Nonparametric and Semiparametric
Mod-els, Springer, Berlin.
Heyadat A., Robson D.S. [1970], Independent Stepwise Residuals for Testing Homoscedasticity,
„Journal of American Statistical Association”, 65, 1573–1581.
Hodges J.L., Lehmann E.L. [1970], Deficiency, „Annals of Mathematical Statistics”, 41 (3), 783–801. Horowitz J., Spokoiny V. [2001], An Adaptive, Rate-Optimal Test of a Parametric
296
LiteraturaJammalamadaka S.R., Gloria M.N. [2004], A Test of Goodness of Fit Based on Gini’s Index of
Spacings, „Statistics and Probability Letters”, 68, 177–178.
Jarque C., Bera A. [1987], A Test for Normality of Observations and Regression Residuals,
„Inter-national Statistical Review”, 55, 163–172.
Jędrzejczak A. [2011], Metody analizy rozkładów dochodów i ich koncentracji, Wydawnictwo
Uni-wersytetu Łódzkiego, Łódź.
Kamiński B. [2012], Podejście wieloagentowe do modelowania rynków. Metody i zastosowania,
Oficyna Wydawnicza SGH, Warszawa.
Kimball B.F. [1947], Some Basic Theorems for Developing Tests of First for the Case of the
Non-parametric Probability Distribution Functions, „Annals of Mathematical Statistics”, 18, 540–548.
Kleijnen J. [1987], Statistical Tools for Simulation Practitioners, Marcel Dekker Inc, New York. Koronacki J., Mielniczuk J. [2006], Statystyka, Wydawnictwa Naukowo-Techniczne, Warszawa. Kot S.M. [1999], Analiza ekonometryczna kształtowania się płac w Polsce w okresie transformacji,
PWN, Warszawa.
Krzyśko M. [1998], Statystyka matematyczna. II, Uniwersytet Adama Mickiewicza, Poznań. Krzyśko M. [2009], Podstawy wielowymiarowego wnioskowania statystycznego, Wydawnictwo
Naukowe Uniwersytetu Adama Mickiewicza, Poznań.
Kulczycki P. [2005], Estymatory jądrowe w analizie systemowej, Wydawnictwa
Naukowo-Tech-niczne, Warszawa.
Kullback S., Leibler R.A. [1951], On Information and Sufficiency, „Annals of Mathematical
Sta-tistics”, 22, 79–86.
Kwiatkowski D., Phillips P., Schmit P., Shin Y. [1992], Testing the Null Hypothesis of Stationarity
Against the Alternative of a Unit Root: How Sure Are We that Economic Time Series Have a Unit Root?, „Journal of Econometrics”, 54, 159–178.
Lehmann E.L. [1968], Testowanie hipotez statystycznych, PWN, Warszawa.
Landwehr J.M., Pregibon D., Shoemaker A.C. [1984], Graphical Methods for Assessing Logistic
Regression Models, „Journal of the American Statistical Association”, 79, 61–71.
Lehmann E.L. [1957a], A Theory of Some Multiple Decision Problems. I, „Annals of Mathematical
Statistics”, 28 (1), 1–25.
Lehmann E.L. [1957b], A Theory of Some Multiple Decision Problems. II, „Annals of
Mathemati-cal Statistics”, 28 (3), 547–572.
Lehmann E. L. [1952], Testing Multiparameter Hypotheses, „Annals of Mathematical Statistics”,
23 (4), 541–552.
Li Q., Racine J.S. [2007], Nonparametric Econometrics. Theory and Practice, Princeton
Universi-ty Press, Princeton, Oxford.
Li Y., You J. [2012], Bayesian Hypothesis Testing in Latent Variable Models, „Journal of
Econo-metrics”, 166, 237–246.
Ljung G.M., Box G.E.P. [1978], On a Measure of a Lack of Fit in Time Series Models,
„Biometri-ka”, 65 (2), 297–303.
Lütkepohl H. [2007], New Introduction to Multiple Time Series Analysis, Springer, New York. MacKinnon J. [1996], Numerical Distribution Functions for Unit Root and Cointegration Tests,
„Journal of Applied Econometrics”, 11 (6), 601–618.
Maddala G.S. [2008], Ekonometria, Wydawnictwo Naukowe PWN, Warszawa.
Malkovich J.F., Afifi A.A. [1973], On Tests for Multivariate Normality, „Journal of American
Sta-tistical Association”, 68 (341), 176–179.
Mardia K.V. [1970], Measures of Multivariate Skewness and Kurtosis with Applications,
„Bio-metrika”, 57 (3), 519–530.
Mardia K.V. [1974], Applications of Some Measures of Multivariate Skewness and Kurtosis for
Literatura
297
Mardia K.V. [1980], Tests of Univariate and Multivariate Normality, w: Handbook of Statistics,
vol. 1, NHPC.
Marek T., Noworol C. [1987], Analiza sekwencyjna w badaniach empirycznych, PWN, Warszawa. Markowicz I. [2012], Statystyczna analiza żywotności firm, Wydawnictwo Naukowe Uniwersytetu
Szczecińskiego, Szczecin.
Meng X. [2001], A Congenial Overview and Investigation of Multiple Imputation Inference Under
Uncongeniality, w: Survey Response, Wiley, New York, 343–356.
Meng X., Rubin D. [1991], Using EM to Obtain Asymptotic Variance-Covariance Matrices: the
SEM Algorithm, „Journal of American Statistical Association”, 86, 899–909.
Miller R.G. [1981], Simultaneous Statistical Inference, Springer, New York.
Nicolae D., Meng X., Kong A. [2008], Quantifying the Fraction of Missing Information for
Hy-pothesis Testing in Statistical and Genetic Studies, „Statistical Science”, 23, 287–312.
Pagan A., Ullah A. [1999], Nonparametric Econometrics, Cambridge University Press, Cambridge. Pandey M.D., Gelder P.H.A.J.M. van, Vrijling J.K. [2003], Bootstrap Simulations for Evaluating
the Uncertainty Associated with Peaks-over-Threshold Estimates of Extreme Wind Velocity, „Environmetrics”, 14 (1), 27–43.
Pearson E.S., Hartley H.O. [1966], Biometrica Tables for Statisticians, vol. 1–2, Cambridge
Uni-versity Press, Cambridge.
Pekasiewicz D. [2002], Ilorazowe testy sekwencyjne dla frakcji dla prób nieprostych, „Acta
Univer-sitatis Lodziensis. Folia Oeconomica”, 162, 89–98.
Pekasiewicz D. [2006], Sequential Tests for Truncated Distribution Parameters, „Acta Universitatis
Lodziensis. Folia Oeconomica”, 196, 47–56.
Pekasiewicz D. [2011], Testy statystyczne dla parametrów zmiennej losowej o rozkładzie
wykład-niczym, w: Zieliński Z.E. (red.),Rola informatyki w naukach ekonomicznych i społecznych. Innowacje i implikacje interdyscyplinarne, Wydawnictwo Wyższej Szkoły Handlowej, Kielce, 228–236.
Pekasiewicz D. [2012], Bootstrapowa weryfikacja hipotez o wartości oczekiwanej populacji o
roz-kładzie asymetrycznym, „Acta Universitatis Lodziensis. Folia Oeconomica”, Wydawnictwo Uniwersytetu Łódzkiego, Łódź, 151–159.
Pekasiewicz D. [2013a], Bayesian Statistical Tests for Proportion for Independent and Dependent
Sampling, „Acta Universitatis Lodziensis. Folia Oeconomica”, 285, 39–50.
Pekasiewicz D. [2013b], Bayesian Statistical Tests for Parameters of Model of Structural Changes
with Dependent Bernoulli Variable, w: Proceedings of the 7th Professor Aleksander Zeliaś International Conference on Modelling and Forecasting of Socio-Economic Phenomena, Fun-dacja Uniwersytetu Ekonomicznego, Kraków, 115–123.
Phillips P., Perron P. [1998], Testing for a Unit Root in Time Series Regression, „Biometrika”,
75 (2), 335–346.
Pitman E.J.G. [1949], Lecture Notes on Nonparametric Statistical Inference, Columbia University,
New York.
Pruska K. [1995], Bayesian Estimation of Structural Changes Model with Dependent Bernoulli
Variable, „Biometrical Letters”, 32, 15–21.
Rao C.R. [1982], Modele liniowe statystyki matematycznej, PWN, Warszawa.
Rao J.S., Kuo M. [1984], Asymptotic Results on the Greenwood Statistics and Some of Its
General-ization, „Journal of the Royal Statistical Society”, Ser. B, 46, 228–237.
Rossa A. [2003], Niestandardowe metody estymacji rozkładów czasu trwania zjawisk w aspekcie
ich zastosowań w ekonomii i ubezpieczeniach, Wydawnictwo Uniwersytetu Łódzkiego, Łódź.
Rossa A. [2005], Metody estymacji rozkładu czasu trwania zjawisk dla danych cenzurowanych oraz
ich zastosowania, Wydawnictwo Uniwersytetu Łódzkiego, Łódź.
Royston J.P. [1983], Some Techniques for Assessing Multivariate Normality Based on the
298
LiteraturaRubaszek M. [2012], Modelowanie polskiej gospodarki z pakietem R, Oficyna Wydawnicza SGH,
Warszawa.
Rubin D.B. [1976], Inference and Missing Data, „Biometrika”, 63, 581–592.
Sen P.K. [1981], Sequential Nonparametrics: Invariance Principles and Statistical Inference,
Wi-ley, New York.
Shapiro S.S., Wilk M.B. [1965], An Analysis of Variance Test for Normality (Complete Samples),
„Biometrika”, 52 (3/4), 591–611.
Sherman B.W. [1950], A Random Variable Related to the Spacing of Sample Values, „Annals of
Mathematical Statistics”, 21, 330–361.
Silverman B.W. [1981], Using Kernel Density Estimates to Investigate Multimodality, „Journal
Royal Statistical Society”, Ser. B, 43, 97–99.
Silverman B.W. [1996], Density Estimation for Statistics and Data Analysis, Chapman & Hall,
London.
Silvey S.D. [1978], Wnioskowanie statystyczne, PWN, Warszawa.
Sokołowski A. [2010], Jak rozumieć i wykonywać analizę przeżycia,
http://www.statsoft.pl/czytel-nia/artykuly/Jak_rozumiec_i_wykonac_analize_przezycia.pdf [28.03.2014].
Spjotvoll E. [1972], On the Optimality of Some Multiple Comparison Procedures, „Annals of
Math-ematical Statistics”, 43 (2), 398–411.
Stanisz A. [2007], Przystępny kurs statystyki z zastosowaniem STATISTICA PL na przykładach
z medycyny. Tom 3. Analizy wielowymiarowe, Statsoft Polska Sp. z o.o., Kraków.
Steczkowski J. [1995], Metoda reprezentacyjna w badaniach społeczno-ekonomicznych, PWN,
Warszawa, Kraków.
Stuart A., Ord J. [1991], Kendall’s Advanced Theory of Statistics, vol. 2, Edward Arnold, London. Szreder M. [1994], Informacje a priori w klasycznej i bayesowskiej estymacji modeli regresji,
Wy-dawnictwo Uniwersytetu Gdańskiego, Gdańsk.
Szreder M. [2004], Metody i techniki sondażowych badań opinii, PWE, Warszawa.
Szreder M. [2013], Twierdzenie Bayesa po 250 latach, „Wiadomości Statystyczne”, 12, 23–26. Tomaszewicz A. [1995], Testy ekonometryczne, Wydawnictwo Uniwersytetu Łódzkiego, Łódź. Verdinelli I., Wasserman L. [1998], Bayesian Goodness-of-Fit Testing Using Infinite-Dimensional
Exponential Families, „The Annals of Statistics”, 26, 1215–1241.
Wagner W. [1990], Test normalności wielowymiarowej Shapiro-Wilka i jego zastosowania w
doś-wiadczalnictwie rolniczym, „Roczniki Akademii Rolniczej w Poznaniu”, 197.
Wand M.P., Jones M.C. [1995], Kernel Smoothing, Chapman & Hall, London.
Watała C. [2003], Biostatystyka – wykorzystanie metod statystycznych w pracy badawczej, a
med-ica Press, Bielsko-Biała.
White H. [1982], Maximum Likelihood Estimation of Misspecified Models, „Econometrica”, 50, 1–25. White H. [1987], Specification Testing in Dynamic Models, w: Bewley T. (ed.), Advanced in
Econo-metrics – Fifth World Congress, vol. 1, Cambridge University Press, New York, 1–58.
Wigner E.P. [1967], Random Matrices in Physics, „SIAM Review”, 9, 1–23.
Wigner E.P. [1968], On the Distribution of the Roots of Certain Symmetric Matrices, „Annals of
Mathematics”, 67 (2), 325–327.
Wilks S.S. [1935], On the Independence of k Sets of Normally Distributed Statistical Variables,
„Econometrika”, 3, 309–326.
Wilks S.S. [1962], Mathematical Statistics, Wiley, New York.
Wywiał J. [1992], Statystyczna metoda reprezentacyjna w badaniach ekonomicznych, Akademia
Ekonomiczna, Katowice.
Zasłonka J., Domański C., Iwaszkiewicz A., Jaszewski R., Okoński P. [2006], Polska skala
ryzy-ka operacyjnego leczenia choroby niedokrwiennej mięśnia sercowego, Wydawnictwo Medy-cyna Plus s.c., Warszawa.
Zieliński R. [2011], Statystyka matematyczna stosowana. Elementy, Centrum Studiów
TESTY STATYSTYCZNE
W PROCESIE
PODEJMOWANIA DECYZJI
CZESŁAW DOMAŃSKI
DOROTA PEKASIEWICZ
ALEKSANDRA BASZCZYŃSKA
ANNA WITASZCZYK
TESTY ST
ATY
STY
CZNE W PR
OCESIE PODEJMOW
ANIA DE
CYZJI
Autorzy prezentują różne klasy testów statystycznych umożliwiające aplikację
me-tod wnioskowania statystycznego w przypadkach, w których klasyczne procedury
są niemożliwe do zastosowania lub wykorzystanie ich wiąże się z ryzykiem podjęcia
błędnych decyzji.
Procedury weryfikacji hipotez statystycznych uwzględniane w procesach
podej-mowania decyzji mogą zainteresować zarówno badaczy zjawisk ekonomicznych,
socjologicznych i przyrodniczych, jak również studentów kierunków społecznych,
rolniczych, medycznych i technicznych.
9 788379 693580 ISBN 978-83-7969-358-0