liu.seSök publikationer i DiVA
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
A resampling technique for estimating the power of non-parametric trend tests
Linköpings universitet, Filosofiska fakulteten. Linköpings universitet, Institutionen för datavetenskap, Statistik och maskininlärning.ORCID-id: 0000-0001-9385-5443
Linköpings universitet, Institutionen för datavetenskap, Statistik och maskininlärning. Linköpings universitet, Filosofiska fakulteten.
2006 (Engelska)Ingår i: Environmetrics, ISSN 1180-4009, E-ISSN 1099-095X, Vol. 17, s. 257-267Artikel i tidskrift (Refereegranskat) Published
Abstract [en]

The power of Mann–Kendall tests and other non-parametric trend tests is normally estimated by performingMonte Carlo simulations in which artificial data are generated according to simple parametric models. Here weintroduce a resampling technique for power assessments that can be fully automated and accommodate almost anyvariation in the collected time series data. A rank regression model is employed to extract error terms representingirregular variation in data that are collected over several seasons and may contain a non-linear trend. Thereafter,an autoregressive moving average (ARMA) bootstrap method is used to generate new time series of error termsfor power simulations. A study of water quality data from two Swedish rivers illustrates how our methodcan provide site- and variable-specific information about the power of the Hirsch and Slack test for monotonictrends. In particular, we show how to clarify the impact of sampling frequency on the power of the trend tests.

Ort, förlag, år, upplaga, sidor
John Wiley & Sons, 2006. Vol. 17, s. 257-267
Nyckelord [en]
resampling; power function; trend testing; non-parametric; monitoring; time series
Nationell ämneskategori
Sannolikhetsteori och statistik Miljövetenskap
Identifikatorer
URN: urn:nbn:se:liu:diva-143764DOI: 10.1002/env.746OAI: oai:DiVA.org:liu-143764DiVA, id: diva2:1166761
Tillgänglig från: 2017-12-15 Skapad: 2017-12-15 Senast uppdaterad: 2019-07-02

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Förlagets fulltext

Sök vidare i DiVA

Av författaren/redaktören
Nordgaard, AndersGrimvall, Anders
Av organisationen
Filosofiska fakultetenStatistik och maskininlärning
I samma tidskrift
Environmetrics
Sannolikhetsteori och statistikMiljövetenskap

Sök vidare utanför DiVA

GoogleGoogle Scholar

doi
urn-nbn

Altmetricpoäng

doi
urn-nbn
Totalt: 110 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf