Выбор модели в группе и биномиальное распределение

gfr00000000036

Дорогие статистики, помогите пожалуйста с задачей: есть выборка 22 человека и две сравниваемые модели А и B. Модели сравниваются по правдоподобию на временных участках разной длины (от 1 до 11 единиц) для каждого человека. Если на конкретном участке likelihood(A)>likelihood(B то говорим что победила модель А на этом участке у этого человека. В итоге получается такая таблица
5 6 11 9 11 12 14 12 17 13 13
1 2 3 4 5 6 7 8 9 10 11
Сверху кол-во выигрышей модели А, снизу длина временного участка. Гипотеза такая: в начале модель А хуже B, в конце - наоборот. Как-нибудь это можно показать? Если брать частоты выигрышей модели по биномиальному распределению (как случайную величину то нулевая гипотеза принимается для многих временных участков (экспериментальная частота = теоретической = 0,5). Но показать надо не то, что модель А значимо лучше B на каком-то участке, а что есть динамика - сначала она была сильно хуже, а потом стала равна или чуть лучше. Можно ли такое сделать?
Заранее спасибо!

demiurg

Но показать надо не то, что модель А значимо лучше B на каком-то участке, а что есть динамика - сначала она была сильно хуже, а потом стала равна или чуть лучше. Можно ли такое сделать?
какая нуль-гипотеза в этом случве? :)

gfr00000000036

Ну вот с этим и трудности, в голову приходит следующее: взять нуль-гипотезу, что на всех отсчетах одна модель заведомо лучше, тогда где-то она отвергается, где-то нет. Либо взять за нуль-гипотезу что нет изменений от отсчета к отсчету, но я не совсем понимаю как ее записать и проверить...

demiurg

Тебе нужна количественная мера хорошести модели, тогда нуль гипотезой будет нулевой наклон этой меры от времени. Например :)
Или начни с более концептуально простой задачи сравнив первую точку и последнюю. Может в процессе придумаешь как быть с целой задачей

gfr00000000036

а насколько правомерно тут корреляцию/регрессию посчитать? длительность по времени - это же не случайная величина?

griz_a

Я бы посоветовал посмотреть на ранговый коэффициент Спирмена (или Кендалла, это то же самое). Возможно это даст ответы на все вопросы.
Оставить комментарий
Имя или ник:
Комментарий: