1、分別在隨機(jī)效應(yīng)及誤差變量上的均值滑動模型下，給出了得分檢驗統(tǒng)計量的具體形式及近似分布。

2、方法通過標(biāo)準(zhǔn)正交對比變換克服數(shù)據(jù)間的自相關(guān)性，應(yīng)用似然比統(tǒng)計量進(jìn)行假定條件的檢驗。（查字 典造句網(wǎng)https://www. chaz i di an. com/z j-232005/）

3、在平均值為零或平均值為已知的季節(jié)時間序列模型中，根據(jù)加權(quán)對稱估計量提出季節(jié)單位根的檢驗統(tǒng)計量，并求出此統(tǒng)計量的極限分布的表達(dá)式。

4、解分式方程要“經(jīng)檢驗”;統(tǒng)計題分?jǐn)?shù)必拿,注意統(tǒng)計量的單位。

5、提出的用高階統(tǒng)計量法求取的地震子波，比用常規(guī)方法提取的子波更接近真實的地震子波。

6、深市全程統(tǒng)計量通過游程檢驗,體現(xiàn)出弱式有效的特性.

7、雖然考慮到了序列相依性對傳統(tǒng)檢驗統(tǒng)計量的影響，卻并未發(fā)現(xiàn)非平穩(wěn)性的影響。

8、次序統(tǒng)計量的矩有原點矩和中心矩，主要是期望、方差和協(xié)方差。

9、將秩次轉(zhuǎn)換為正態(tài)計分，并以此為基礎(chǔ)計算檢驗統(tǒng)計量。

10、在零假設(shè)下，得到了檢驗統(tǒng)計量的漸近分布。

11、提出了一種基于高階統(tǒng)計量分析的相位誤差估計算法，用于SAR圖像自聚焦。

12、本文采用LSTR模型和LM檢驗統(tǒng)計量，對此問題進(jìn)行了深入細(xì)致的探討。

13、當(dāng)擬合得很好時，你可以看到減少的卡方檢驗統(tǒng)計量。

14、該方法利用原圖像的均值圖像設(shè)計編碼碼書，利用高階統(tǒng)計量對域塊進(jìn)行分類，可以有效地減少域池中域塊之間的相關(guān)性。

15、此外，通過對10個CNN網(wǎng)絡(luò)進(jìn)行KS檢驗統(tǒng)計量的比較，證實該方法比圖形方法具有更好的擬合效果。

16、文中著重分析了在函數(shù)模型正確的前提下，采用不正確的隨機(jī)模型對方差一致性檢驗統(tǒng)計量的影響，并給出了具體的影響公式。

17、利用樣本分位數(shù)構(gòu)造檢驗統(tǒng)計量，給出來自于指數(shù)分布總體異常數(shù)據(jù)的一種檢測方法。

18、利用依從者治療效果參數(shù)的近似極大似然估計，本文構(gòu)造了此參數(shù)的記分檢驗統(tǒng)計量。

19、同時引入聚類分析有效性評價的F統(tǒng)計量，實現(xiàn)了模糊聚類的自適應(yīng)性，避免了聚類數(shù)目選取上存在的主觀性。

20、提出了一種基于高階統(tǒng)計量調(diào)制的數(shù)字傳輸技術(shù)。

21、本文提出從HNBUE分布類中檢驗指數(shù)分布的方法，證明檢驗統(tǒng)計量的漸近正態(tài)性和檢驗的相合性。

22、結(jié)果親代傳遞的不獨立性并不影響檢驗統(tǒng)計量的統(tǒng)計特性.

23、方法通過標(biāo)準(zhǔn)正交對比變換克服數(shù)據(jù)間的自相關(guān)性，應(yīng)用似然比統(tǒng)計量進(jìn)行前提條件的檢驗。

24、給出了當(dāng)樞軸量和檢驗統(tǒng)計量的分布密度為單調(diào)函數(shù)時，尋找最優(yōu)置信區(qū)間方法，并說明了在此條件下進(jìn)行假設(shè)檢驗選擇單側(cè)拒絕域的合理性。

25、最新的文獻(xiàn)表明這個提出的修正似然比檢驗統(tǒng)計量在零假設(shè)下的漸近分布是比較簡單，并且是容易應(yīng)用的。

26、另外，還討論了基于信號初始段包絡(luò)和基于高階統(tǒng)計量的時延估計法。

27、實驗結(jié)果表明，漢字關(guān)聯(lián)度優(yōu)于二字詞詞頻、互信息、T檢驗等統(tǒng)計量。

28、在原假設(shè)下得到檢驗統(tǒng)計量的極限分布。

29、研究兩次重復(fù)試驗三因子全效應(yīng)隨機(jī)模型誤差方差的齊性檢驗問題，推導(dǎo)了檢驗統(tǒng)計量和檢驗規(guī)則的具體表達(dá)式。

30、最后建議了一個參考性診斷統(tǒng)計量。