Raport_5

Alicja Jordan

2023-12-05

Zadanie 1
Generujemy m = n = 20 oberswacji z rozkładu N (0, 1). Na ich podstawie obliczymy wartości statystyk:
- test Wilcoxona oparty na statystyce W = Tϕ21 ,
- test Anasari-Bradley’a oparty na statystyce AB = Tϕ22 ,
- test Lepage’a oparty na statystyce L = W + AB,
- test Kołmogorowa-Smirnowa oparty na statystyce KS. Wyniki przedstawimy w tabeli:

Rodzaj testu Wynik

W 228
AB 206
L 434
KS 0.25

Powórzenie doświadczenia 10 000 razy

Doświadczenie powtarzamy 10 000 razy i wyznaczamy wartości krytyczne analizowanych testów prawostron-
nych. Wyniki przedstawiamy w tabeli:

Rodzaj testu Poziom ufności 0.95 Poziom ufności 0.975 Poziom ufności 0.99
W 260 272 287
AB 240 246 253.01
L 477 490 504
KS 0.4 0.45 0.5

Sposób generowania wartości krytycznych jest poprawny z kilku powodów. Po pierwsze, dane testowe dla
X i Y są generowane z rozkładu normalnego N (0, 1), co zapewnia reprezentatywność próby i odzwierciedla
warunki pierwotnego testu. Po drugie, powtarzamy doświadczenie 10 000 razy, co umożliwia uzyskanie
stabilnych estymatorów wartości krytycznych i uwzględnienie różnych scenariuszy. Po trzecie, wybieramy
powszechnie stosowane poziomy istotności (0.95, 0.975 i 0.99), co jest zgodne z praktyką statystyczną. Do-
datkowo, obliczamy statystyki W , AB, L = W +AB i KS zgodnie z ich pierwotnymi definicjami, korzystając
z wbudowanych funkcji statystycznych w R, co przyczynia się do poprawności obliczeń. W skrócie, nasza
metodyka reprodukuje warunki pierwotnego testu, generuje stabilne estymatory wartości krytycznych i ko-
rzysta z standardowych funkcji statystycznych dostępnych w R.

1
Zadanie 2
Generujemy m = n = 20 obserwacji z rozkładów normalnego, logistycznego i Cauchy’ego. Dla normalnego
i logistycznego mamy siedem różnych zestawów parametrów przesunięcia µ1 i µ2 oraz skali σ1 i σ2 . Przed-
stawiają się one w następujący sposób:
(i) µ1 = 0, σ1 = 1; µ2 = 0.2, σ2 = 1,
(ii) µ1 = 0, σ1 = 1; µ2 = 0.4, σ2 = 1,
(iii) µ1 = 0, σ1 = 1; µ2 = 0.6, σ2 = 1,
(iv) µ1 = 0, σ1 = 1; µ2 = 0.8, σ2 = 1,
(v) µ1 = 0, σ1 = 1; µ2 = 1.0, σ2 = 1,
(vi) µ1 = 0, σ1 = 1; µ2 = 1.2, σ2 = 1,
(vii) µ1 = 0, σ1 = 1; µ2 = 1.4, σ2 = 1.
Dla Cauchy’ego natomiast mamy:
(i) µ1 = 0, σ1 = 1; µ2 = 0.0, σ2 = 1,
(ii) µ1 = 0, σ1 = 1; µ2 = 0.5, σ2 = 1,
(iii) µ1 = 0, σ1 = 1; µ2 = 1.0, σ2 = 1,
(iv) µ1 = 0, σ1 = 1; µ2 = 1.5, σ2 = 1,
(v) µ1 = 0, σ1 = 1; µ2 = 2.0, σ2 = 1,
(vi) µ1 = 0, σ1 = 1; µ2 = 2.5, σ2 = 1,
(vii) µ1 = 0, σ1 = 1; µ2 = 3.0, σ2 = 1.
Na ich podstawie obliczamy wartości statystyk W, AB, L i KS. Wyniki przedstawiamy w tabelach:
Rozkład normalny

Statystyka µ2 = 0.2 µ2 = 0.4 µ2 = 0.6 µ2 = 0.8 µ2 = 1.0 µ2 = 1.2 µ2 = 1.4

W 137 80 126 50 87 39 32
AB 239 208 210 206 218 218 213
L 376 288 336 256 305 257 245
KS 0.35 0.55 0.35 0.65 0.5 0.75 0.8

Rozkład logistyczny

Statystyka µ2 = 0.2 µ2 = 0.4 µ2 = 0.6 µ2 = 0.8 µ2 = 1.0 µ2 = 1.2 µ2 = 1.4

W 268 219 97 151 126 116 121
AB 215 207 185 203 198 192 216
L 483 426 282 354 324 308 248
KS 0.35 0.25 0.5 0.3 0.4 0.5 0.35

Rozkład Cauchy’ego

Statystyka µ2 = 0.0 µ2 = 0.5 µ2 = 1.0 µ2 = 1.5 µ2 = 2.0 µ2 = 2.5 µ2 = 3.0

W 200 195 154 182 123 161 78
AB 210 203 191 231 211 244 181
L 410 398 345 413 334 405 259
KS 0 0.15 0.35 0.3 0.5 0.4 0.7

Powtórzenie doświadczenia 10 000 razy

Doświadczenie powtarzamy 10 000 razy i wyznaczamy moce analizowanych testów. Wyniki przedstawiamy
w tabeli:

2
Następnie rysujemy wyestymowane funkcje mocy w zależności od parametru µ2 .

# Narysowanie funkcji mocy

par(mfrow = c(2, 2))

for (k in 1:4) {
plot(mu2_values, power_function[, k], type = "l", col = "blue", lwd = 2, xlab = "µ2", ylab = "Moc", ma
legend("topright", legend = c("Normalny", "Logistyczny", "Cauchy"), col = c("blue", "red", "green"), l
}

Test 1 Test 2

0.06
0.15

Normalny Normalny
Moc

Moc
Logistyczny Logistyczny
Cauchy Cauchy
0.00

0.00
0.5 1.0 1.5 2.0 2.5 3.0 0.5 1.0 1.5 2.0 2.5 3.0

µ2 µ2

Test 3 Test 4
1.4

Normalny Normalny
0.00 0.06
Moc

Moc

1.0

Logistyczny Logistyczny
Cauchy Cauchy
0.6

0.5 1.0 1.5 2.0 2.5 3.0 0.5 1.0 1.5 2.0 2.5 3.0

µ2 µ2

Zadanie 3
Generujemy m = n = 20 obserwacji z rozkładów normalnego, logistycznego i Cauchy’ego. Dla normalnego
i logistycznego mamy siedem różnych zestawów parametrów przesunięcia µ1 i µ2 oraz skali σ1 i σ2 . Przed-
stawiają się one w następujący sposób:
(i) µ1 = 0, σ1 = 1; µ2 = 0, σ2 = 1,
(ii) µ1 = 0, σ1 = 1; µ2 = 0, σ2 = 1.5,
(iii) µ1 = 0, σ1 = 1; µ2 = 0, σ2 = 2,
(iv) µ1 = 0, σ1 = 1; µ2 = 0, σ2 = 2.5,
(v) µ1 = 0, σ1 = 1; µ2 = 0, σ2 = 3,
(vi) µ1 = 0, σ1 = 1; µ2 = 0, σ2 = 3.5,
(vii) µ1 = 0, σ1 = 1; µ2 = 0, σ2 = 4.
Dla Cauchy’ego natomiast mamy:
(i) µ1 = 0, σ1 = 1; µ2 = 0, σ2 = 1,

3
(ii) µ1 = 0, σ1 = 1; µ2 = 0, σ2 = 2,
(iii) µ1 = 0, σ1 = 1; µ2 = 0, σ2 = 3,
(iv) µ1 = 0, σ1 = 1; µ2 = 0, σ2 = 4,
(v) µ1 = 0, σ1 = 1; µ2 = 0, σ2 = 5,
(vi) µ1 = 0, σ1 = 1; µ2 = 0, σ2 = 6,
(vii) µ1 = 0, σ1 = 1; µ2 = 0, σ2 = 7.
Na ich podstawie obliczamy wartości statystyk W, AB, L i KS. Oto wartości statystyk dla każdego z
rozkładów przedstawione w formie tabel:
Rozkład normalny

Statystyka σ2 = 1.0 σ2 = 1.5 σ2 = 2.0 σ2 = 2.5 σ2 = 3.0 σ2 = 3.5 σ2 = 4.0

W 200 179 166 179 212 203 256
AB 210 237 238 280 273 291 275
L 410 416 404 459 485 494 531
KS 0 0.25 0.3 0.4 0.3 0.35 0.5

Rozkład logistyczny

Statystyka σ2 = 1.0 σ2 = 1.5 σ2 = 2.0 σ2 = 2.5 σ2 = 3.0 σ2 = 3.5 σ2 = 4.0

W 200 210 236 258 156 184 217
AB 210 207 228 228 255 263 266
L 410 417 464 486 411 447 483
KS 0 0.15 0.25 0.35 0.4 0.35 0.35

Rozkład Cauchy’ego

Statystyka σ2 = 1.0 σ2 = 2.0 σ2 = 3.0 σ2 = 4.0 σ2 = 5.0 σ2 = 6.0 σ2 = 7.0

W 200 204 236 135 206 150 143
AB 210 252 264 258 271 274 270
L 410 456 500 393 477 424 413
KS 0 0.3 0.35 0.5 0.35 0.45 0.5

Powtórzenie doświadczenia 10 000 razy

Doświadczenie powtarzamy 10 000 razy i wyznaczamy moce analizowanych testów. Wyniki przedstawiamy
w tabeli:

Zadanie 4
Generujemy m = n = 20 obserwacji z rozkładów normalnego, logistycznego i Cauchy’ego. Dla normalnego
i logistycznego mamy siedem różnych zestawów parametrów przesunięcia µ1 i µ2 oraz skali σ1 i σ2 . Przed-
stawiają się one w następujący sposób:
(i) µ1 = 0, σ1 = 1; µ2 = 0.2, σ2 = 1,
(ii) µ1 = 0, σ1 = 1; µ2 = 0.4, σ2 = 1.5,
(iii) µ1 = 0, σ1 = 1; µ2 = 0.6, σ2 = 2,
(iv) µ1 = 0, σ1 = 1; µ2 = 0.8, σ2 = 2.5,
(v) µ1 = 0, σ1 = 1; µ2 = 1.0, σ2 = 3,

4
(vi) µ1 = 0, σ1 = 1; µ2 = 1.2, σ2 = 3.5,
(vii) µ1 = 0, σ1 = 1; µ2 = 1.4, σ2 = 4.
Dla Cauchy’ego natomiast mamy:
(i) µ1 = 0, σ1 = 1; µ2 = 0, σ2 = 1,
(ii) µ1 = 0, σ1 = 1; µ2 = 0.5, σ2 = 2,
(iii) µ1 = 0, σ1 = 1; µ2 = 1, σ2 = 3,
(iv) µ1 = 0, σ1 = 1; µ2 = 1.5, σ2 = 4,
(v) µ1 = 0, σ1 = 1; µ2 = 2, σ2 = 5,
(vi) µ1 = 0, σ1 = 1; µ2 = 2.5, σ2 = 6,
(vii) µ1 = 0, σ1 = 1; µ2 = 3, σ2 = 7.
Na ich podstawie obliczamy wartości statystyk W, AB, L i KS. Oto wartości statystyk dla każdego z
rozkładów przedstawione w formie tabel:
Rozkład normalny

Statystyka (i) (ii) (iii) (iv) (v) (vi) (vii)

W 193 123 211 148 215 186 155
AB 234 218 269 272 271 289 280
L 427 341 480 420 486 475 435
KS 0.2 0.35 0.35 0.5 0.4 0.35 0.5

Rozkład logistyczny

Statystyka (i) (ii) (iii) (iv) (v) (vi) (vii)

W 187 169 217 151 152 175 84
AB 169 201 262 273 262 241 243
L 356 370 479 424 414 416 327
KS 0.25 0.25 0.3 0.4 0.4 0.3 0.55

Rozkład Cauchy’ego

Statystyka (i) (ii) (iii) (iv) (v) (vi) (vii)

W 200 160 192 158 151 178 255
AB 210 236 259 248 263 273 282
L 410 396 451 406 414 451 537
KS 0 0.35 0.3 0.35 0.5 0.4 0.5

Powtórzenie doświadczenia 10 000 razy

Doświadczenie powtarzamy 10 000 razy i wyznaczamy moce analizowanych testów. Wyniki przedstawiamy
w tabeli:

Zadanie 5
Generujemy m = n = 50 obserwacji z rozkąłdu N (0, 1). Na ich podstawie obliczamy wartości statystyk
W, AB, L i KS. Wyniki przedstawiamy w tabeli:

5
 Rodzaj testu Wynik
W 1216
AB 1370
L 2586
KS 0.14

Powtórzenie doświadczenia 10 000 razy Doświadczenie powtarzamy 10 000 razy i wyznaczamy wartości
krytyczne analizowanych testów prawostronnych. Wyniki przedstawiamy w tabeli:

Rodzaj testu Poziom ufności 0.95 Poziom ufności 0.975 Poziom ufności 0.99
W 1491 1539 1597
AB 1396 1416 1441
L 2795 2846.025 2901.01
KS 0.26 0.28 0.32