UA MATH566 统计理论7 还有一个例子:推导卡方检验
UA MATH566 统计理论7 还有一个例子:推导卡方检验
- 均值已知
- 均值未知
前面的文章中我们已经推导了Z检验和T检验,Z检验是方差已知时比较单个或两个正态总体均值的方法;T检验是方差未知时比较单个或两个正态总体均值的方法。这一讲推导卡方检验,它是比较单个正态总体方差的方法。考虑双边检验:
考虑双边的单总体检验:
H0:σ2=σ02Ha:σ2≠σ02H_0:\sigma^2 = \sigma_0^2 \\ H_a:\sigma^2 \ne \sigma^2_0H0:σ2=σ02Ha:σ2=σ02
均值已知
假设样本为X1,⋯,Xn∼iidN(μ,σ2)X_1,\cdots,X_n \sim_{iid} N(\mu,\sigma^2)X1,⋯,Xn∼iidN(μ,σ2),参数μ\muμ是已知的,参数σ\sigmaσ都是未知的。参数空间可以写成
Θ={(μ,σ2):μ∈R,σ2>0}Θ0={(μ,σ2):μ∈R,σ2=σ02}Θ1={(μ,σ2):μ∈R,σ2=σ02}\Theta = \{(\mu,\sigma^2):\mu \in \mathbb{R},\sigma^2>0\} \\ \Theta_0 = \{(\mu,\sigma^2):\mu \in \mathbb{R},\sigma^2 = \sigma^2_0\} \\ \Theta_1 = \{(\mu,\sigma^2):\mu \in \mathbb{R},\sigma^2=\sigma^2_0\} Θ={(μ,σ2):μ∈R,σ2>0}Θ0={(μ,σ2):μ∈R,σ2=σ02}Θ1={(μ,σ2):μ∈R,σ2=σ02}
样本的似然函数为
L(μ,σ2)=∏i=1n12πσ2exp(−12σ2(Xi−μ)2)=(2π)n/2(σ2)n/2exp(∑i=1n12σ2(Xi−μ)2)L(\mu,\sigma^2) = \prod_{i=1}^n \frac{1}{\sqrt{2\pi\sigma^2}}\exp \left( -\frac{1}{2\sigma^2}(X_i - \mu)^2 \right) = (2\pi)^{n/2}(\sigma^2)^{n/2}\exp \left( \sum_{i=1}^n \frac{1}{2\sigma^2}(X_i-\mu)^2 \right)L(μ,σ2)=i=1∏n2πσ21exp(−2σ21(Xi−μ)2)=(2π)n/2(σ2)n/2exp(i=1∑n2σ21(Xi−μ)2)
下面取σ12≠σ02\sigma_1^2 \ne \sigma_0^2σ12=σ02,计算似然比
L(μ,σ02)L(μ,σ12)=(2π)n/2(σ02)n/2exp(∑i=1n12σ02(Xi−μ)2)(2π)n/2(σ12)n/2exp(∑i=1n12σ12(Xi−μ)2)=(σ02)n/2(σ12)n/2exp((12σ02−12σ12)∑i=1n(Xi−μ)2)\frac{L(\mu,\sigma_0^2)}{L(\mu,\sigma_1^2)} = \frac{(2\pi)^{n/2}(\sigma_0^2)^{n/2}\exp \left( \sum_{i=1}^n \frac{1}{2\sigma_0^2}(X_i-\mu)^2 \right)}{(2\pi)^{n/2}(\sigma_1^2)^{n/2}\exp \left( \sum_{i=1}^n \frac{1}{2\sigma_1^2}(X_i-\mu)^2 \right)} \\ = \frac{(\sigma_0^2)^{n/2}}{(\sigma_1^2)^{n/2}} \exp \left( (\frac{1}{2\sigma^2_0 } - \frac{1}{2\sigma_1^2})\sum_{i=1}^n (X_i - \mu)^2 \right)L(μ,σ12)L(μ,σ02)=(2π)n/2(σ12)n/2exp(∑i=1n2σ121(Xi−μ)2)(2π)n/2(σ02)n/2exp(∑i=1n2σ021(Xi−μ)2)=(σ12)n/2(σ02)n/2exp((2σ021−2σ121)i=1∑n(Xi−μ)2)
记统计量
T(X)=∑i=1n(Xi−μ)2∼σ2χn2T(X) = \sum_{i=1}^n (X_i-\mu)^2 \sim \sigma^2\chi^2_nT(X)=i=1∑n(Xi−μ)2∼σ2χn2
则T(X)T(X)T(X)要让这个似然比足够小,我们需要分两种情况来讨论:
情况1 假设σ12>σ02\sigma_1^2>\sigma_0^2σ12>σ02,则似然比关于T(X)T(X)T(X)是单调递增的,要让似然比比较小,需要T(X)T(X)T(X)也比较小,在原假设下,T(X)T(X)T(X)的α/2\alpha/2α/2分位点为σ02χα/2,n2\sigma_0^2\chi^2_{\alpha/2,n}σ02χα/2,n2,因此拒绝域为
{X:T(X)≤σ02χα/2,n2}\{X:T(X) \le \sigma^2_0\chi^2_{\alpha/2,n}\}{X:T(X)≤σ02χα/2,n2}
情况1 假设σ12<σ02\sigma_1^2<\sigma_0^2σ12<σ02,则似然比关于T(X)T(X)T(X)是单调递减的,要让似然比比较小,需要T(X)T(X)T(X)比较大,在原假设下,T(X)T(X)T(X)的1−α/21-\alpha/21−α/2分位点为σ02χ1−α/2,n2\sigma^2_0\chi^2_{1-\alpha/2,n}σ02χ1−α/2,n2,因此拒绝域为
{X:T(X)≥σ02χ1−α/2,n2}\{X:T(X) \ge \sigma^2_0\chi^2_{1-\alpha/2,n}\}{X:T(X)≥σ02χ1−α/2,n2}
综上,当μ\muμ已知时,卡方检验的拒绝域为
{X:T(X)≤σ02χα/2,n2}∪{X:T(X)≥σ02χ1−α/2,n2}\{X:T(X) \le \sigma^2_0\chi^2_{\alpha/2,n}\}\cup \{X:T(X) \ge \sigma^2_0\chi^2_{1-\alpha/2,n}\}{X:T(X)≤σ02χα/2,n2}∪{X:T(X)≥σ02χ1−α/2,n2}
其中检验统计量为
T(X)=∑i=1n(Xi−μ)2∼σ2χn2T(X) = \sum_{i=1}^n (X_i-\mu)^2 \sim \sigma^2\chi^2_nT(X)=i=1∑n(Xi−μ)2∼σ2χn2
均值未知
均值未知时,我们先计算出均值的最大似然估计,
μ^=Xˉ\hat{\mu} = \bar{X}μ^=Xˉ
然后计算似然比
L(Xˉ,σ02)L(Xˉ,σ12)=(2π)n/2(σ02)n/2exp(∑i=1n12σ02(Xi−Xˉ)2)(2π)n/2(σ12)n/2exp(∑i=1n12σ12(Xi−Xˉ)2)=(σ02)n/2(σ12)n/2exp((12σ02−12σ12)∑i=1n(Xi−Xˉ)2)\frac{L(\bar{X},\sigma_0^2)}{L(\bar{X},\sigma_1^2)} = \frac{(2\pi)^{n/2}(\sigma_0^2)^{n/2}\exp \left( \sum_{i=1}^n \frac{1}{2\sigma_0^2}(X_i-\bar{X})^2 \right)}{(2\pi)^{n/2}(\sigma_1^2)^{n/2}\exp \left( \sum_{i=1}^n \frac{1}{2\sigma_1^2}(X_i-\bar{X})^2 \right)} \\ = \frac{(\sigma_0^2)^{n/2}}{(\sigma_1^2)^{n/2}} \exp \left( (\frac{1}{2\sigma^2_0 } - \frac{1}{2\sigma_1^2})\sum_{i=1}^n (X_i - \bar{X})^2 \right)L(Xˉ,σ12)L(Xˉ,σ02)=(2π)n/2(σ12)n/2exp(∑i=1n2σ121(Xi−Xˉ)2)(2π)n/2(σ02)n/2exp(∑i=1n2σ021(Xi−Xˉ)2)=(σ12)n/2(σ02)n/2exp((2σ021−2σ121)i=1∑n(Xi−Xˉ)2)
记统计量
T(X)=∑i=1n(Xi−Xˉ)2∼σ2χn2−1T(X) = \sum_{i=1}^n (X_i-\bar{X})^2 \sim \sigma^2\chi^2_n-1T(X)=i=1∑n(Xi−Xˉ)2∼σ2χn2−1
T(X)T(X)T(X)的分布可以参考UA MATH564 概率论VI 数理统计基础1正态样本方差的分布。T(X)T(X)T(X)要让这个似然比足够小,我们需要分两种情况来讨论:
情况1 假设σ12>σ02\sigma_1^2>\sigma_0^2σ12>σ02,则似然比关于T(X)T(X)T(X)是单调递增的,要让似然比比较小,需要T(X)T(X)T(X)也比较小,在原假设下,T(X)T(X)T(X)的α/2\alpha/2α/2分位点为σ02χα/2,n−12\sigma^2_0\chi^2_{\alpha/2,n-1}σ02χα/2,n−12,因此拒绝域为
{X:T(X)≤σ02χα/2,n−12}\{X:T(X) \le \sigma^2_0\chi^2_{\alpha/2,n-1}\}{X:T(X)≤σ02χα/2,n−12}
情况1 假设σ12<σ02\sigma_1^2<\sigma_0^2σ12<σ02,则似然比关于T(X)T(X)T(X)是单调递减的,要让似然比比较小,需要T(X)T(X)T(X)比较大,在原假设下,T(X)T(X)T(X)的1−α/21-\alpha/21−α/2分位点为σ02χ1−α/2,n−12\sigma^2_0\chi^2_{1-\alpha/2,n-1}σ02χ1−α/2,n−12,因此拒绝域为
{X:T(X)≥σ02χ1−α/2,n−12}\{X:T(X) \ge \sigma^2_0\chi^2_{1-\alpha/2,n-1}\}{X:T(X)≥σ02χ1−α/2,n−12}
综上,当μ\muμ已知时,卡方检验的拒绝域为
{X:T(X)≤σ02χα/2,n−12}∪{X:T(X)≥σ02χ1−α/2,n−12}\{X:T(X) \le \sigma^2_0 \chi^2_{\alpha/2,n-1}\}\cup \{X:T(X) \ge \sigma^2_0\chi^2_{1-\alpha/2,n-1}\}{X:T(X)≤σ02χα/2,n−12}∪{X:T(X)≥σ02χ1−α/2,n−12}
UA MATH566 统计理论7 还有一个例子:推导卡方检验相关推荐
- UA MATH566 统计理论7 另一个例子:二项检验
UA MATH566 统计理论7 另一个例子:二项检验 假设X1,X2,⋯,Xn∼Ber(p)X_1,X_2,\cdots,X_n \sim Ber(p)X1,X2,⋯,Xn∼Ber(p),想根 ...
- UA MATH566 统计理论7 一个例子:推导T检验
UA MATH566 统计理论7 一个例子:推导T检验 T检验在math 571A和math 571B中已经用的很多了,这里按前两讲介绍的假设检验的理论回顾一下T检验,看一下T检验是怎么用似然比检验的 ...
- UA MATH566 统计理论 一个例题 Hierarchical Model的统计性质
UA MATH566 统计理论 一个例题 Hierarchical Model的统计性质 Y∣X∼Pois(X)Y|X \sim Pois(X)Y∣X∼Pois(X) and X∼Γ(α,β)X \s ...
- UA MATH566 统计理论 Bayes统计基础
UA MATH566 统计理论 Bayes统计基础 共轭分布 基于后验概率预测新的观测值 Bayes统计思想的基础是Bayes公式 P(Ci∣A)=P(A,Ci)P(A)=P(A∣Ci)P(Ci)∑i ...
- UA MATH566 统计理论 位置-尺度参数族
UA MATH566 统计理论 位置-尺度参数族 对位置-尺度参数族做位置-尺度变换 对正态分布做位置-尺度变换 对Gamma分布做位置-尺度变换 对指数分布做位置尺度变换 对均匀分布做位置-尺度变换 ...
- UA MATH566 统计理论 截断数据
UA MATH566 统计理论 截断数据 Truncated Left-Trancated Right-Truncated 一个例子:双截断正态分布 双截断正态分布的完备最小充分统计量 这一讲介绍随机 ...
- UA MATH566 统计理论10 Bootstrap简介
UA MATH566 统计理论10 Bootstrap简介 Bootstrap是用来替代基于CDF的一些统计计算的手段:当真实的CDF(记为F∈FF \in \mathbb{F}F∈F,F\mathb ...
- UA MATH566 统计理论8 置信区间简介
UA MATH566 统计理论8 置信区间简介 例1:单个正态总体均值的置信区间(方差已知) 例2:单个正态总体均值的置信区间(方差未知) 假设检验与置信区间的关系 例3:根据单边检验导出单边置信区间 ...
- UA MATH566 统计理论5 假设检验简介
UA MATH566 统计理论5 假设检验简介 Neyman-Pearson Lemma 一个例子 构造拒绝域 分析检验的势 ROC曲线 这一讲根据最简单的一类假设检验介绍假设检验的思想.假设θ0,θ ...
最新文章
- PerfLab(直接在服务器上完成)
- 获取web.py上面的示例code
- h5网页在移动端(安卓)head里的title为空,默认显示url地址。js代码将head的title设置为空
- 瞧瞧苹果OS X如何干掉Linux
- 信息学奥赛一本通C++语言——1127:图像旋转
- 怎么用matlab进行博弈论计算,博弈论的Matlab算法包
- 单片机编程语言——C语言(2)
- 2020年苹果开学季+教育优惠详细讲解
- [vm] vm安装xp :non-bootable disk 80 解决办法
- 无人机和地面三维激光扫描仪在1:500城市基本地形图测绘中的应用
- python中ix用法_Python Pandas DataFrame.ix[ ]用法及代码示例
- 视觉心理物理学(2)matlab与ptb3
- Log4j2 日志 依赖 jar包 缺失 导致启动报错 解决方法
- DMIS 5.3 编程基本要义
- 网页直播源码,实现界面左右滑动
- java操作word(一)
- CAD完美转ArcGIS的操作方法技巧
- “地表最贵iPhone”到货,iPhone XS 系列手机等你来测!
- 贴息政策打出“组合拳”,院校实验室建设攻略来了(二)!
- Android牌子p40pro的手机,华为P40Pro手机使用深度对比实用评测
热门文章
- vc关于dialog绘图闪屏和多层覆盖的处理方法
- Leetcode 127. 单词接龙 解题思路及C++实现
- Synchronized和Lock有什么区别
- SpringMVC-RestfulCRUD || 员工信息表增删改查操作的具体实现
- POST请求||带参数的POST请求
- mybatis的入门
- Matlab读取文本数据
- JavaScript 技术篇-js字符串大小写转换,toLocalUpperCase()和toUpperCase()的区别详解
- leetcode C++ 6. Z 字形变换 将一个给定字符串根据给定的行数,以从上往下、从左到右进行 Z 字形排列。
- 第八周实践项目10 稀疏矩阵的十字链表表示