| 【中文题名】 | 基于Cos方法的参数估计研究 |
| 【英文题名】 | Research of Parameter Estimation Based on Cos Method |
| 【学科专业】 | 计算机软件与理论 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-9-19 |
| 【中关键词】 | 计算机化自适应测验,极大似然估计,联合极大似然估计,边际极大似然估计与EM算法,贝叶斯参数估计,Monte-Carlo模拟 |
| 【英关键词】 | computerized adaptive testing,maximum likelihood estimation,joint maximum likelihood estimation,marginal maximum likelihood estimation and EM algorithm,Bayesian parameter estimation,Monte-Carlo simulation,item response theory,Cos method, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>自动化系统理论>> |
| 【论文摘要】 |
在项目反应理论中,如何合理的选择参数估计方法是一个重要问题。用于项目反应理论中参数估计的方法有χ2/EM方法,SQRT/EM方法,修正的MIDI方法,等等。本文引入一种新的参数估计方法----Cos方法,该方法用于等值效率不错,本文探索用该方法作参数估计的效率。
本文共分五部分:第一部分是IRT简介;第二部分是参数估计的综述;第三部分是基于Cos方法的参数估计研究;第四部分是实验结果分析与结论;第五部分是总结与展望;最后是参考文献。
本文通过计算机模拟对Cos方法进行研究,主要结论如下:①在题数不变人数变的情况下,参数的估计精度随着被试人数的增加有明显提高;②被试人数大于或等于5000时,参数的ABS,RMSD值都很小,估计的可信度较高;③题数不变人数增加时,参数的估计精度随着被试人数的增加有明显的提高;④在项目数偏小(10题)的情况下,估计误差相对大一些,且算法的稳健性较差;⑤被试人数不能太少,否则估计精度的误差偏大。⑥分类数K越大,估计的精度越高;同时,所需的计算时间越长。
本文的创新点是:引入一种新的参数估计方法-----Cos方法; |
| 【论文题纲】 |
|
摘要 |
2-3 |
|
Abstract |
3-5 |
|
第一章 IRT 简介 |
5-11 |
|
1.1 项目反应理论（IRT）的历史 |
5-6 |
|
1.2 项目反应理论与经典测验理论的比较 |
6-7 |
|
1.3 项目反应理论的基础模型 |
7-9 |
|
1.4 项目反应理论的发展趋势 |
9-11 |
|
第二章 参数估计 |
11-34 |
|
2.1 极大似然估计 |
11-15 |
|
2.2 联合极大似然估计 |
15-20 |
|
2.3 MMLE/EM 方法 |
20-28 |
|
2.4 贝叶斯参数估计 |
28-34 |
|
第三章 基于Cos 方法的参数估计研究 |
34-44 |
|
3.1 问题的引入 |
34 |
|
3.2 Cos 方法的定义 |
34-36 |
|
3.3 Monte-Carlo 模拟 |
36-40 |
|
3.4 主函数流程 |
40-44 |
|
第四章 实验结果分析与结论 |
44-51 |
|
实验A |
44-45 |
|
实验B |
45-46 |
|
实验C |
46-47 |
|
实验D |
47-48 |
|
实验E |
48-49 |
|
实验F |
49-50 |
|
实验G |
50-51 |
|
第五章 总结与展望 |
51-53 |
|
参考文献 |
53-55 |
|
致谢 |
55-56 |
|
| 【DOI】 | LunWen.ID:2.2008.388853 |
