A.P值范围在-1~1之间
B.P≤0.1在统计学中被称为小概率事件
C.P值越趋近于1,表示某事件发生的可能性越小
D.在假设检验中,当P≤α时,则拒绝H0,接受H1
E.在假设检验中,当P≥α时,拒绝H0,接受H1
A、没有充足的理由否定原假设
B、原假设是成立的
C、可以放心地信任原假设
D、检验的P值较大
A.在0.10的显著性水平下必定也是显著的
B.在0.01的显著性水平下不一定具有显著性
C.原假设为真时拒绝原假设的概率为0.05
D.检验的p值大于0.05
A.两组总体均数相等可能性较大
B.两组样本均数相等的可能性比较大
C.两组总体均数相等可能性是小概率
D.两组样本均数相等可能性是小概率
利用PNTSPRD.RAW中的数据。
(i)变量favwin是一个二值变量,在拉斯维加斯所押的球队胜出了预定的分数差时取值1。估计所押球队获胜概率的线性概率模型为
如果分数差包括了所有相关的信息,那我们预期β0=0.5。请解释。
(ii)用OLS估计第(i)部分的模型。相对于双侧备择假设检验H0:β0=0.5。同时使用通常的标准误和异方差一稳健的标准误。
(iii)spread在统计上显著吗?当spread=10时,被押球队获胜的估计概率是多少?
(iv)现在对P(favwin=Ilspread)估计一个概率单位模型。解释和检验截距项为0的虚拟假设。[提示:注意Φ(0)=0.5。]
(v)利用概率单位模型估计当spread=10时被押球队获胜的概率。并与第(iii)部分的LPM估计值相比较。
(vi)在概率单位模型中增加变量fuvhome、fav25和und25,并用似然比检验来检验这些变量的联合显著性。(x2分布中的自由度是多少?)解释这个结果,注意分数差是否包括了赛前可观测到的全部信息这个问题。