非参数统计_王星_第二版勘误表20150101版

《非参数统计》第二版勘误表
中国人民大学统计学院王星范超褚挺进和12级非参1班诸多同学的友情贡献
C)
附录：
附1（P167 表5.15）：
根据公式μAB(ij)=lnp ij−μ−μA(i)−μB(j)求得μAB(ij)如下表：
表5.15 A与B交互作用的期望值
B B(1) B(2) B(3) B(4)
A(1) 4.455 2.466 2.142 2.993
A(2) 4.438 2.489 2.114 2.956
A(3) 4.687 2.700 2.361 3.206
A(4) 5.221 3.199 2.868 3.732
A(5) 5.817 3.794 3.436 4.345
附2（P172 表5.18）：
表5.18 对数线性模型的模型拟合优度检验结果
df LRTG^2 p.lrt PearsonQ p.pear 结论(X,Y,Z) 7 12.17481 0.09495478 12.11569 0.09681789 独立(XY,Z) 5 10.91254 0.05314193 10.90389 0.05331917 独立(X,YZ) 5 6.360043 0.2727443 6.346698 0.27393 独立(Y,XZ) 6 10.85204 0.09305822 10.92613 0.09068638 独立(XY,XZ) 4 9.589775 0.04793489 9.538042 0.04897142 不独立(XY,YZ) 3 5.097773 0.1647761 5.088329 0.1654423 独立(XZ,YZ) 4 5.037279 0.2834937 5.024954 0.2847466 独立
程序：
f=function(x)
{
df=x$df #求自由度
lrt=x$lrt #似然比检验统计量
p.lrt=1-pchisq(x$lrt,x$df) #似然比检验统计量的p值
Q=x$pear #pearson检验统计量Q
p.pear=1-pchisq(x$pear,x$df) #pearson检验统计量Q的p值
if(p.lrt<0.05|p.pear<0.05){conclusion="不独立"}else{conclusion="独立"}
list(df,lrt,p.lrt,Q,p.pear,conclusion)
}
A=matrix(c(55,58,66,85,66,50),nrow=2)
B=matrix(c(45,41,87,70,41,39),nrow=2)
a=array(c(A,B),dim=c(2,3,2))
m1=loglin(a,list(1,2,3)) #模型（X,Y,Z）
## 2 iterations: deviation 1.136868e-13
f1=f(m1)
m2=loglin(a,list(c(1,2),3)) #模型（XY,Z）
## 2 iterations: deviation 1.136868e-13
f2=f(m2)
m3=loglin(a,list(1,2:3)) #模型（X,YZ）
## 2 iterations: deviation 0
f3=f(m3)
m4=loglin(a,list(2,c(1,3)))#模型（Y,XZ）
## 2 iterations: deviation 0
f4=f(m4)
m5=loglin(a,list(c(1,2),c(1,3)))#模型（XY,XZ）
## 2 iterations: deviation 5.684342e-14
f5=f(m5)
m6=loglin(a,list(c(1,2),c(2,3)))#模型（XY,YZ）
## 2 iterations: deviation 0
f6=f(m6)
m7=loglin(a,list(c(1,3),c(2,3)))#模型（XZ,YZ）
## 2 iterations: deviation 0
f7=f(m7)
y=rbind(f1,f2,f3,f4,f5,f6,f7)
rownames(y)=c("(X,Y,Z)","(XY,Z)","(X,YZ)","(Y,XZ)","(XY,XZ)","(XY,YZ)","(XZ,YZ)") colnames(y)=c("df","LRTG^2","p.lrt","Pearson Q","p.pear","结论")
y
附3：
> a
, , 1
[,1] [,2] [,3]
[1,] 55 66 66
[2,] 58 85 50 , , 2
[,1] [,2] [,3] [1,] 45 87 41 [2,] 41 70 39。