已閱讀1頁,還剩44頁未讀, 繼續(xù)免費閱讀
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、研究以貴州省黔南州某高中2000名高三學(xué)生英語測試的9道單項選擇題結(jié)果為原始數(shù)據(jù),運用Matlab和Winsteps軟件對數(shù)據(jù)進(jìn)行隨機(jī)缺失Bayes估計處理和Rasch模型擬合。得出結(jié)論:第一,本研究使用Gibbs抽樣對英語測試數(shù)據(jù)中的缺失數(shù)據(jù)進(jìn)行處理比用一般均值替代法處理的缺失值對照組更接近原始數(shù)據(jù)真實的參數(shù)估計結(jié)果,證明了缺失數(shù)據(jù)合理處理的有效性和必要性。第二,本研究通過處理不可忽略的缺失數(shù)據(jù)能更真實反應(yīng)英語測試試題的特性,證明了合
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于Bayes估計和Rasch模型擬合的考試缺失數(shù)據(jù)分析.pdf
- 參數(shù)的E Bayes估計和多層Bayes估計.pdf
- ARFMA模型的Bayes估計.pdf
- GPLSI模型的Bayes估計.pdf
- 縱向和分類數(shù)據(jù)分析中秩回歸模型的參數(shù)估計.pdf
- InSAR數(shù)據(jù)缺失擬合探討.pdf
- 一類線性模型中參數(shù)的Bayes估計和經(jīng)驗Bayes估計及其優(yōu)良性.pdf
- 34409.基于mcmc的garchsn模型的bayes估計
- 缺失數(shù)據(jù)下EV模型的參數(shù)估計.pdf
- 基于局部逼近的數(shù)據(jù)分析及其在人臉識別和基因微陣列缺失值估計中的應(yīng)用.pdf
- 42213.帶有不可忽略缺失數(shù)據(jù)的混合效應(yīng)模型的bayes局部影響分析
- 數(shù)據(jù)分析如何處理數(shù)據(jù)缺失問題
- 18989.基于飽和模型的帶有缺失的可交換兩值數(shù)據(jù)分析
- 缺失數(shù)據(jù)下AR(p)模型的參數(shù)估計.pdf
- 含有缺失數(shù)據(jù)的兩值吸毒數(shù)據(jù)分析.pdf
- SLTBL模型的Bayes估計與子集選擇.pdf
- 有缺失數(shù)據(jù)的AR(1)模型參數(shù)的估計方法.pdf
- 含有缺失機(jī)制的多元縱向數(shù)據(jù)分析.pdf
- 基于穩(wěn)定分布的GARCH模型的Bayes參數(shù)估計及其實證分析.pdf
- 基于KMV模型和符號數(shù)據(jù)分析的股票板塊特征分析.pdf
評論
0/150
提交評論