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=σ02​Ha​: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​∼iid​N(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∏n​2πσ2​1​exp(−2σ21​(Xi​−μ)2)=(2π)n/2(σ2)n/2exp(i=1∑n​2σ21​(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=1n​2σ12​1​(Xi​−μ)2)(2π)n/2(σ02​)n/2exp(∑i=1n​2σ02​1​(Xi​−μ)2)​=(σ12​)n/2(σ02​)n/2​exp((2σ02​1​−2σ12​1​)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}σ02​χα/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)≤σ02​χα/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}σ02​χ1−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)≥σ02​χ1−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)≤σ02​χα/2,n2​}∪{X:T(X)≥σ02​χ1−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=1n​2σ12​1​(Xi​−Xˉ)2)(2π)n/2(σ02​)n/2exp(∑i=1n​2σ02​1​(Xi​−Xˉ)2)​=(σ12​)n/2(σ02​)n/2​exp((2σ02​1​−2σ12​1​)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}σ02​χα/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)≤σ02​χα/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}σ02​χ1−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)≥σ02​χ1−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)≤σ02​χα/2,n−12​}∪{X:T(X)≥σ02​χ1−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

  1. 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 ...

  2. 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 ...

  3. 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 ...

  4. 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 ...

  5. 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 ...

  6. 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 ...

  7. 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 ...

  8. 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 ...

  9. 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

  1. PerfLab(直接在服务器上完成)
  2. 获取web.py上面的示例code
  3. 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
  4. 瞧瞧苹果OS X如何干掉Linux
  5. 信息学奥赛一本通C++语言——1127:图像旋转
  6. 怎么用matlab进行博弈论计算,博弈论的Matlab算法包
  7. 单片机编程语言——C语言(2)
  8. 2020年苹果开学季+教育优惠详细讲解
  9. [vm] vm安装xp :non-bootable disk 80 解决办法
  10. 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
  11. python中ix用法_Python Pandas DataFrame.ix[ ]用法及代码示例
  12. 视觉心理物理学(2)matlab与ptb3
  13. Log4j2 日志 依赖 jar包 缺失 导致启动报错 解决方法
  14. DMIS 5.3 编程基本要义
  15. 网页直播源码,实现界面左右滑动
  16. java操作word(一)
  17. CAD完美转ArcGIS的操作方法技巧
  18. “地表最贵iPhone”到货,iPhone XS 系列手机等你来测!
  19. 贴息政策打出“组合拳”,院校实验室建设攻略来了(二)!
  20. 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

  1. vc关于dialog绘图闪屏和多层覆盖的处理方法
  2. Leetcode 127. 单词接龙 解题思路及C++实现
  3. Synchronized和Lock有什么区别
  4. SpringMVC-RestfulCRUD || 员工信息表增删改查操作的具体实现
  5. POST请求||带参数的POST请求
  6. mybatis的入门
  7. Matlab读取文本数据
  8. JavaScript 技术篇-js字符串大小写转换,toLocalUpperCase()和toUpperCase()的区别详解
  9. 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。
  10. 第八周实践项目10 稀疏矩阵的十字链表表示