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
- 无刷新上传图片,ajax 和 iframe
- 《那些年啊,那些事——一个程序员的奋斗史》——117
- 如何用SQL语句实现精确搜索以及模糊搜索
- 计算机学习的基本形式,电脑基础知识学习方法
- C#:向C++封送结构体数组
- android 学习链接大集合
- git 创建webpack项目_webpack项目的搭建及环境构建
- 递归定义以及斐波那契数列的实现
- 通过gitbub桌面工具同步
- 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
- 2016.10.9晨记
- 用DNSPod和Squid打造自己的CDN(转)
- 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
- 关于BigDecimal.ROUND_HALF_UP与ROUND_HALF_DOWN
- python爬取天极网手机信息代码
- 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
- 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...
- 一分钟知道屏幕分辨率、尺寸、PPI之间的关系!!!
- vcs oracle 双机,赛门铁克VCS(Veritas Cluster Server)双机日常管理,vcsveritas
- 软件架构师课程-供参考
热门文章
- Java实现算法导论中最近点对问题分治法
- Leetcode 392. 判断子序列 解题思路及C++实现
- LaTeX实战经验:数学公式环境注意事项
- java 向上取整_java 中的异常处理和常用类使用
- 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
- 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
- Oracle数据库ORA-12516:“listener could not find available handler with matching protocol stack!“问题解决方法
- 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
- CTFshow 命令执行 web76
- Android复制Assets目录下的文件到/data/data目录