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. 无刷新上传图片,ajax 和 iframe
  2. 《那些年啊,那些事——一个程序员的奋斗史》——117
  3. 如何用SQL语句实现精确搜索以及模糊搜索
  4. 计算机学习的基本形式,电脑基础知识学习方法
  5. C#:向C++封送结构体数组
  6. android 学习链接大集合
  7. git 创建webpack项目_webpack项目的搭建及环境构建
  8. 递归定义以及斐波那契数列的实现
  9. 通过gitbub桌面工具同步
  10. 发起一款国产开源CRM系统,有想共同参与的进来哈,己发出SVN库
  11. 2016.10.9晨记
  12. 用DNSPod和Squid打造自己的CDN(转)
  13. 这个是我18年整理的,之前在我的电子笔记,现在感觉还是需要分享写写博客大家互相学习更好
  14. 关于BigDecimal.ROUND_HALF_UP与ROUND_HALF_DOWN
  15. python爬取天极网手机信息代码
  16. MAXENT模型的生物多样性生境模拟与保护优先区甄选、自然保护区布局优化评估及论文写作技巧
  17. 世界知名计算机科学家,世界顶尖计算机科学家排名出炉!两位郑州大学校友分列这两项之首...
  18. 一分钟知道屏幕分辨率、尺寸、PPI之间的关系!!!
  19. vcs oracle 双机,赛门铁克VCS(Veritas Cluster Server)双机日常管理,vcsveritas
  20. 软件架构师课程-供参考

热门文章

  1. Java实现算法导论中最近点对问题分治法
  2. Leetcode 392. 判断子序列 解题思路及C++实现
  3. LaTeX实战经验:数学公式环境注意事项
  4. java 向上取整_java 中的异常处理和常用类使用
  5. Python远程操作Oracle实现一键备份还原数据库演示,利用socket进行imp、exp一键导入导出oracle数据库dmp文件
  6. Python 【好看视频】短视频的自动上传与发布实例演示,同时支持抖音、快手、哔哩哔哩、小红书、微视、西瓜视频、微信视频号等平台的视频自动化同步发布
  7. Oracle数据库ORA-12516:“listener could not find available handler with matching protocol stack!“问题解决方法
  8. PyQt5 技术篇-设置输入框的placeholder方法,Qt Designer设置Line Edit、Text Edit编辑框的placeholder
  9. CTFshow 命令执行 web76
  10. Android复制Assets目录下的文件到/data/data目录