本项目旨在基于Bayes统计的思想和方法来研究一些重要的假设检验问题。研究内容分为三个部分一是构造Bayes框架下的似然比统计量,提示相应的Wilks现象以及优良性质,并研究其在统计推断中的应用;二是基于Bayes来研究拟合优度检验问题,构造新的检验方法,重点使得检验功效能够得到显著提高;三是研究Bayes推断与频率推断的和谐性问题,重点研究Bayes证据和频率证据的一致性。项目研究问题横跨频率统计和Bayes统计两大学派,研究内容既有统计学中基础性的理论问题,也有统计学相关应用领域中具有重要应用价值的问题。因此,本项目的研究不仅具有重要的理论意义和学术价值,而且也有广阔的应用前景。
英文主题词posterior predictive distribution;posterior predictive p value;empirical Bayes;objective Bayes;Cholesky decompostion