第3章多元正态总体参数的假设检验_第1页
第3章多元正态总体参数的假设检验_第2页
第3章多元正态总体参数的假设检验_第3页
第3章多元正态总体参数的假设检验_第4页
第3章多元正态总体参数的假设检验_第5页
已阅读5页,还剩103页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

第三章多元正态分布参数的假设检验1主要内容几个重要统计量的分布单总体均值向量的检验及置信域多总体均值向量的检验协方差阵的检验独立性检验2§3.1几个重要统计量的分布一、正态变量二次型的分布1.分量独立的n维随机向量X

的二次型则,其中设且相互独立,记3X的二次型具有以下一些结论:结论1

当时,则

当时,则有(或记为)。结论2

当,的分布常称为非中心分布。4定义3.1.1

设n维随机向量X~Nn(,In)(≠0),则称随机变量为服从自由度为n、非中心参数为的分布,记为显然则当X~Nn(,In

),≠0,且时,令5结论3

设,A为对称矩阵,且rank(A)=r二次型(A为对称幂等矩阵)。结论4

设则其中(对称幂等矩阵),且rank(A)=r(r≤n)。6结论5

二次型与线性函数的独立性:设,A为n阶对称矩阵,B为m×n矩阵,令,Z=BX(Z为m维随机向量),则BX

和相互独立

BA=O。结论6

两个二次型相互独立的条件:设,A,B为n阶对称矩阵,则72.一般p维正态随机向量的二次型p维随机向量的二次型具有下述结论:结论1

设则,其中结论2

设则A为对称矩阵,rank(A)=r.则结论3

设A和B为p

阶对称矩阵,则83.非中心

t

分布和非中心F

分布定义3.1.2

设相互独立,令则称T的分布具有自由度为n、非中心参数为的非中心t分布,记为T~t(n,).定义3.1.3

设相互独立,令则称F的分布为具有自由度为m,n和非中心参数为的F分布,记为F~F(m,n,).94.非中心、非中心

t

分布和非中心F

分布的应用在一元统计中,关于在一个正态总体的均值检验中,检验H0:=0时,检验统计量为否定域为{|T|>},其中满足:P{|T|>}=(显著性水平).当否定H0时,可能犯第一类错误,且第一类错误的概率=P{“以真当假”}=P{|T|>|=0}|}=显著性水平;10当H0相容时,可能犯第二类错误,且第二类错误的概率=P{“以假当真”}=P{|T|≤|≠0}设=1≠0此时检验统计量T~t(n-1,)(非中心参数),利用非中心t分布可以计算第二类错误的值,从而得到检验法的功效函数为1-.类似地,非中心和非中心F分布在一元统计的相应检验中,将应用非中心分布来计算第二类错误。11二、威沙特(Wishart)分布1.威沙特分布的定义定义3.1.4

设X(a)~Np(0,∑)(a=1,…,n)相互独立,记为n×p矩阵,则称随机阵的分布为威沙特分布,记为W~Wp(n,∑).显然,p=1时,此时即就是.当p=1,时,W1(n,1)就是12一般地,设X(a)~Np(,∑)(a=1,2,…,n)相互独立,记则称服从非中心参数为Δ的非中心威沙特分布,记为,其中13当X(a)~Np(a

,∑)(a=1,2,…,n)相互独立时,非中心参数或这里其中p为随机阵W

的阶数,n

为自由度,一元统计中的

2对应p元统计中的协方差阵∑.142.威沙特分布的性质性质1

设X(a)~Np(,∑)(a=1,2,…,n)相互独立,则样本离差阵A服从威沙特分布,即性质2

关于自由度n具有可加性:设(i=1,…,k)相互独立,则其中15特别地:(1)aW~Wp(n,a∑)(a>0为常数).(2)设,则,即性质3

设p阶随机阵,C是m×p常数矩阵,则m阶随机阵也服从威沙特分布,即16性质4

分块威沙特矩阵的分布:设相互独立,其中又已知随机阵则(1)(2)当时,W11与W22相互独立.17性质5

设,记,则其中且与W11相互独立.性质6

设随机阵,则18性质7

设,A为n阶对称矩阵,则其中性质8

设A和B均为n阶对称幂等矩阵,则相互独立19三、霍特林(Hotelling)T2分布1.霍特林T2分布的定义定义3.1.5

设X~Np(0,∑),随机阵W~Wp(n,∑)(∑>0,n≥p),且X与W相互独立,则称统计量为霍特林T2统计量,其分布称为服从

n个自由度的

T2

分布,记为更一般地,若X~Np(,∑)(≠0),则称T2的分布为非中心霍特林

T2分布,记为T2~T2(p,n,

).202.霍特林T2分布的性质性质1

设X(a)(a=1,…,n)是来自p元总体Np(,∑)的随机样本,X和A

分别是正态总体Np(,∑)的样本均值向量和样本离差阵,则统计量21性质2

T2与F分布的关系:设T2~T2(p,n),则性质3

设X(a)(a=1,…,n)是来自p元总体Np(,∑)的随机样本.,A分别为样本均值和样本离差阵,记则22性质4

T2统计量的分布只与p,n

有关,而与∑无关。性质5

T2统计量对非退化变换保持不变.23四、威尔克斯(Wilks)

统计量及其分布1.威尔克斯(Wilks)分布的定义定义3.1.6

设X~Np(,∑),则称协方差阵的行列式|∑

|为X的广义方差.若X(a)(a=1,…,n)为p元总体X的随机样本.A为样本离差阵,则称或为样本广义方差.定义3.1.7

设A1~Wp(n1,∑),A2~Wp(n2,∑)(∑>0,n1≥p),且A1与A2独立,则称广义方差之比为威尔克斯统计量或统计量.其分布称为威尔克斯分布,记为242.统计量与

T

2

或F

统计量的关系结论1

当n2=1时,设n1=n>p,则或25结论2

当

n2=2时,设n1=n>p,则结论3

当p=1时,则26结论4

当

p=2时,则结论5

当n2>2,p>2时,可用2

统计量或F

统计量近似.博克斯(Box)(1949)给出以下结论:其中设~(p,n1,n2),则当n→∞时,273.两个重要结论结论1

若~(p,n1,n2),则存在(k=1,…,p)相互独立,使得结论2

若n2<p,则28§3.2

单总体均值向量的检验及置信域一、均值向量的检验设总体X~Np(,∑),随机样本X(a)(a=1,…,n).检验(0为已知向量)1.当∑=∑0已知时均值向量的检验因为利用二次型分布的结论,知29按传统的检验方法,对给定的显著性水平

,查2分布临界值表得,使,则否定域为由样本值X(a)(a=1,…,n),计算及值,若,则否定H0,否则H0

相容.假设在H0成立情况下,随机变量,由样本值计算得到T02的值为d,同时可以计算以下概率值:常称此概率值为显著性概率值,或简称为p

值.30

对给定的显著性水平,当p<

时,则在显著性水平下否定假设H0;在这种情况下,可能犯“以真当假”的第一类错误,且

就是犯第一类错误的概率.

当p≥

时,则在显著性水平下H0相容;在这种情况下,可能犯“以假当真”的第二类错误,且犯第二类错误的概率

为其中检验统计量,非中心参数312.当∑未知时均值向量的检验考虑统计量因为样本离差阵为32由定义3.1.5可知再利用T2与F

分布的关系,检验统计量取为33例3.2.1

人的出汗多少与人体内钠和钾的含量有一定的关系.今测量了20名健康成年女性的汗出量(X1)、钠的含量(X2)和钾的含量(X3)(数据见表3.1).试检验(=0.05).表3.1成年女性的出汗量及其体内钠和钾含量的数据序号X1X2X3序号X1X2X31357911131517193.73.83.12.46.73.93.51.54.54.148.547.255.524.847.436.927.813.571.644.19.310.99.714.08.512.79.810.18.211.224681012141618204.73.24.67.25.44.54.58.56.55.565.153.236.133.154.158.840.256.452.840.98.012.07.97.611.312.38.47.110.99.434解:记随机向量,假定X~N3(,∑).检验取检验统计量为由样本值计算得:及35进一步计算可得因为,查表得由于,故H0

相容.36

利用统计软件进行检验时,首先计算p

值(此时检验统计量F~F(3,17)):因为p=0.06493>0.05=

,故H0

相容.在这种情况下,可能犯第二类错误,且第二类错误的概率为(假定总体均值=1≠0,取1=X

).37二、似然比统计量设p元总体的密度函数为f(x,),其中是未知参数,且∈(参数空间),又设0是的子集,我们希望对下列假设:作出判断,这就是假设检验问题.称H0为原假设(或零假设),H1为对立假设(或备择假设).38从总体X抽取容量为n

的样本X(t)(t=1,…,n).把样本的联合密度函数记为L(X;),并称它为样本的似然函数.引入统计量它是样本X(t)(t=1,…,n)的函数,常称为似然比统计量.由于0,从而0≤≤1.39

定理3.2.1

当样本容量n很大时,近似服从自由度为f的2

分布,其中f=的维数-0的维数.40

设样本的似然函数为L(,).检验均值向量=0的似然比统计量为:在第二章已经导出:上面比式的分母当时达最大值,且最大值为41上面比式的分子当时达最大值,且最大值为故42下面来推导似然比统计量与T2的关系:43利用分块矩阵行列式的性质有:44可以得到其中否定域:其中45三、置信域与联立置信区间1.置信域假设X(t)(t=1,2,…,n)来自p元正态总体Np(,∑)(∑未知),由前面的讨论可知或者46任给置信度1-,查F的分布临界值表得F

满足(3.2.1)则均值向量的置信度为1-的置信域为该置信域是一个中心在的椭球.47当检验假设H0:=0时,若0

落入上述置信域内,即则在显著水平下,H0相容;若0没有落入上述置信域内,则否定H0.可见在多元统计中,讨论均值向量的假设检验问题本质上也等价于求均值向量的置信域.48例3.2.1

人的出汗多少与人体内钠和钾的含量有一定的关系.今测量了20名健康成年女性的汗出量(X1)、钠的含量(X2)和钾的含量(X3)(数据见表3.1).表3.1成年女性的出汗量及其体内钠和钾含量的数据序号X1X2X3序号X1X2X31357911131517193.73.83.12.46.73.93.51.54.54.148.547.255.524.847.436.927.813.571.644.19.310.99.714.08.512.79.810.18.211.224681012141618204.73.24.67.25.44.54.58.56.55.565.153.236.133.154.158.840.256.452.840.98.012.07.97.611.312.38.47.110.99.4例3.2.2

沿用例3.2.1的数据,试求的置信度为95%的置信椭球.49解:

由观测数据计算样本均值向量和样本离差阵A及样本协方差阵SS的特征值和单位正交向量l分别为50记由S-1的谱分解式并令则的置信度为95%的置信椭球为置信椭球的第一长轴半径为方向沿l1;第二长轴半径为方向沿l2;短轴半径为0.8356,方向沿l3.第一长轴与短轴的比为即第一长轴的长度是短轴的12倍还多.512.联立置信区间设X~Np(,∑),考虑X

的线性组合由多元正态分布的性质2可知:假设X(t)(t=1,2,…,n)为p元正态总体Np(,∑)的简单随机样本,则总体Z的样本为且样本均值和样本方差分别为这里分别为样本X(t)(t=1,2,…,n)的样本均值和样本协方差阵.52对任意的a,考虑的置信区间便能得到所要的联立置信区间.事实上,当a固定而未知时,的置信度为1-的置信区间可根据t

统计量得到.于是置信区间为(3.2.2)其中满足:(这里t~t(n-1)).53由(3.2.2)式可以给出的分量i(i=1,2,…,p)的置信区间,如取a=ei=(0,…,1,…,0)′,即取ei的第i个分量为1,其余均为0的向量,则(3.2.2)式给出一元正态均值的置信区间.显然通过选则不同的系数向量a,便可得到的若干个线性组合的置信度为1-的置信区间;但请注意,这时总的置信度不再是1-,而比1-低.54下面给出构造所有的联立置信区间估计的Scheffe方法.对于给定的样本X(t)(t=1,2,…,n)和系数向量a,若全体值的置信区间是由(3.2.2)式给出,则不等式成立.若让a变化,求所有的联立置信区间,那么应将(3.2.2)式的右边换上更大的常数才较为合理.为此来求最大值(3.2.3)根据附录中定理7.1有且最大值在a与成比例时达到.55定理3.2.2

假设X(t)(t=1,2,…,n)为来自p元正态总体Np(,∑)(∑>0未知)的随机样本,则对所有的a,区间包含的概率为1-

(其中F满足(3.2.1)式).56由于置信概率由T2分布确定,因此为方便起见,以后称定理3.2.2给出的联立置信区间为T2区间。在T2区间中,若取a=ei=(0,…,1,…,0)′,我们便同时得到i(i=1,…,p)的置信度均为1-T2区间其中sii

为样本协方差阵S

的第i个对角元素.(3.2.4)57§3.3

多总体均值向量的检验一、两正态总体均值向量的检验1.两总体协方差阵相等(但未知)时均值向量的检验设X(a)(a=1,…,n)为来自总体X~Np((1),∑)的随机样本,Y(a)(a=1,…,m)为来自总体Y~Np((2),∑)的随机样本,且相互独立,∑未知.检验检验统计量,可考虑以下检验统计量T2:其中A1和A2是两总体的样本离差阵.58由T2统计量的定义3.1.5可知利用T2与F的关系,检验统计量取为59

例3.3.1

为了研究日、美两国在华投资企业对中国经营环境的评价是否存在差异.今从两国在华投资企业中各抽出10家,让其对中国的政治、经济、法律、文化等环境进行打分,评分结果如表3.2所示(表中序号1至10为美国在华投资企业的代号,11至20为日本在华投资企业的代号.数据来源于:国务院发展研究中心APEC在华投资企业情况调查).60表3.2日、美两国在华投资企业对中国经营环境的评价数据序号政治环境经济环境法律环境文化环境1234567891065756075705560656055355045403040454050552520354030353025303560556570506560607075111213141516171819205550455055606550404555604550504055604550404535503045453530456570757075607580657061解:比较日、美两国在华投资企业对中国多方面的经营环境的评价是否有差异问题,就是两总体均值向量是否相等的检验问题.记美国在华投资企业对中国4个方面的经营环境的评价为4元总体X,并设X~N4((1),∑).日本在华投资企业对中国经营环境的评价为4元总体Y,并设Y~N4((2),∑).来自两总体的样本容量n=m=10.检验取检验统计量为由样本值计算得:62进一步计算可得:63对给定显著性水平=0.01,利用统计软件进行检验时,首先计算p值(此时检验统计量F~F(4,15)):因p=0.0037<0.01=,故否定H0,即日、美两国在华企业投资对中国经营环境的评价存在显著性差异.在这种情况下,可能犯第一类错误,且犯第一类错误的概率为0.01.642.两总体协方差阵不等时均值向量的检验在一元统计中(p=1时),当时,检验H0:(1)=(2)也没有很好的方法,以下介绍实用中的几种方法.(1)当n=m时,作为成对数据进行处理:令将两个总体化为单个p元总体Z的均值检验问题利用§3.2中介绍的方法进行检验.注意:这里X(i)与Y(i)(i=1,…,n)相互独立的信息没有利用.65(2)当n≠m时(不妨设n<m):想法也是将其化为单个p元新总体的均值检验问题.若只取n对数据,按(1)的方法处理又将损失一些信息.改进的方法是利用X(i)(i=1,…,n)和Y(j)(j=1,…,m)构造新总体Z的样本Z(i),令66可以证明:def所以Z(i)~Np((1)-(2),∑Z)(i=1,…,n),且相互独立.利用前面介绍的单个正态总体均值向量的检验方法进行检验.(3)当∑1和∑2相差甚大时,可构造近似检验统计量进行检验(见参考文献[1]).67二、多正态总体均值向量的检验——多元方差分析设有k个p元正态总体Np((t),)(t=1,…,k),(t=1,…,k;a=1,…,nt)是来自Np((t),)的随机样本,检验H0:(1)=(2)=…=(k),H1:至少存在i≠j使得(i)

≠

(j)(即(1),…,(k)中至少有一对不等).

当p=1时,此检验问题就是一元方差分析问题,比如比较k个不同品牌的同类产品中某一质量指标X(如耐磨度)有无显著差异的问题.我们把不同品牌对于不同总体(假定为正态总体),这样多组比较问题就是检验68

从第i个总体抽取容量为ni

的随机样本如下(i=1,…,k;记n=n1+n2+…+nk):记69记总偏差平方和SST=组内偏差平方和SSE=组间偏差平方和SSA=则有平方和分解公式:SST=SSA+SSE70直观考察,若H0成立,当总偏差平方和SST固定不变时,应有SSA小而SSE大,因此比值SSA/SSE应很小.检验统计量取为给定显著性水平,按传统检验方法,查F分布临界值表得F满足P{F>F}=,否定域W={F>F}.71推广到k个p元总体Np((i),)(假定k个总体的协方差阵相等,且记为),记第i个p元总体的数据阵为对总离差阵T进行分解:其中称为组内离差阵,称为组间离差阵.72根据直观想法及用似然比原理得到检验H0的统计量为易见:(1)因Ai~Wp(ni-1,)且相互独立(i=1,…,k),由可加性得(2)在H0下,T~Wp(n-1,).(3)还可以证明在H0下,B~Wp(k-1,),且B与A相互独立.73根据分布的定义,可知给定显著性水平,查威尔克斯临界值表,可得,使故否定域W={<}.当手头没有威尔克斯临界值表时,可用2分布或F分布来近似,即由的函数的近似分布进行检验(见参考文献[1]或[2]).74例3.3.2

为了研究某种疾病,对一批人同时测量了4个指标:脂蛋白(X1),甘油三脂(X2),脂蛋白(X3),前脂蛋白(X4)

。按不同年龄、不同性别分为三组(20至35岁的女性、20至25岁的男性和35至50岁的男性),数据见表3.3。试问这三个组的4项指标间有无显著差异(=0.01)?75X1X2X3X4组X1X2X3X4组X1X2X3X4组260200240170270205190200250200225210170270190280310270250260757287651101306945117107130125647660811195767135403445393934274521283626313334202531313918171817242315152020111714131618158142911111111111111111111310310190225170210280210280200200280190295270280240280370280122604065658267386576769460551251206269704030352734373137363040392633302432322930372118151616171817231720111716211820202017222222222222222222223202603602952703802402602602952403103303452502602253453602506459881006511455551107311410311212762591001201071173937283632364234293338322124222134362536171126122121102020211818112016193018231633333333333333333333表3.3身体指标化验数据76解:比较三个组(k=3)的4项指标(p=4)间是否有差异问题,就是多总体均值是否相等的检验问题.设第i组为4元总体N4((i),)(i=1,2,3),来自3个总体的样本容量n1=n2=n3=20.检验:

因似然比统计量~(p,n-k,k-1),在此例中k-1=2,可以利用统计量与F统计量的关系,取检验统计量为F统计量:77由样本值计算得:,以及78进一步计算可得79

对给定=0.01,利用统计软件(如SAS系统),首先计算p值(此时检验统计量F~F(8,108)):因p=0.003538<0.01=,故否定H0,这表明三个组的指标之间有显著的差异.在这种情况下,可能犯第一类错误,且犯第一类错误的概率为0.01.

进一步地若还想了解三个组指标间的差异究竟是由哪几项指标引起的,可以对4项指标逐项用一元方差分析法进行检验,我们将发现三个组指标间只有第一指标X1有显著差异.80

事实上,用一元方差分析检验第一项指标X1在三个组中是否有显著差异时,因其中t11和a11分别是T和A中的第一个对角元素,有

p1=P{F1≥8.8780}=0.0004401(检验统计量F1~F(2,57)),因p1=0.0004401显著地小于0.01,故第一项指标X1在三个组中有显著差异.81§3.4

协方差阵的检验一、单个p元正态总体协方差阵的检验设X(a)(a=1,…,n)为来自p元正态总体Np(,)(>0未知)的随机样本,检验1.当0=Ip时检验H0:=Ip,H1:Ip利用似然比原理来导出似然比统计量1:82当=Ip成立时,似然函数L(,Ip)在=X

达最大值,因此1表示式的分子=L(X,Ip)1表示式的分母=L(X,)83似然比统计量其中

利用定理3.2.1可知,当n很大且H0成立时,ξ=-2ln1的近似分布为,利用检验统计量ξ来构造检验方法.842.当0Ip时检验H0:=0

,H1:0因0>0,存在非退化矩阵Dp×p,使D0D=Ip.令则def检验其中85若注意到D0D=Ip,则似然比统计量2还可以表示为研究似然比统计量2的抽样分布是很困难的,通常根据定理3.2.1由2的近似分布来构造检验法.当样本容量n很大时,在H0

成立时,-2ln2的极限分布为除此以外,在不同适用范围下还有其他近似分布可用来构造检验法(见参考文献[1]或[2]).863.检验H0:=20

(2未知)当0=Ip时此检验常称为球性检验.以下利用似然比原理来导出似然比统计量3:87当2给定时,似然函数L(,20)在=X达最大值,且令可得出.88从而有3表示式的分子=3表示式的分母=89似然比统计量或等价于当样本容量n很大时,在H0为真时有以下近似分布:近似为90二、多总体协方差阵的检验设有k个总体Np((t),t)(t=1,…,k),(t=1,…,k;a=1,…,nt)为来自第t个总体Np((t),t)的随机样本,记.检验def似然比统计量4为91上式的分母=上式的分子=92则似然比统计量4为根据无偏性的要求进行修正,将4中的ni用ni-1替代,n用n-k替代.然后对4取对数,可得到统计量:93当样本容量n很大时,在H0为真时M有以下近似分布:其中94例3.4.1

对例3.3.2表3.3中给出的身体指标化验数据,试判断三个组(即三个总体)的协方差阵是否相等?(=0.10)解:这是三个4元正态总体的协方差阵是否相等的检验问题.设第i

组为4维总体N4((i),i)(i=1,2,3).来自三个总体的样本容量n1=n2=n3=20.检验在H0成立时,取近似检验统计量为2(f)统计量:95由样本计算三个总体的样本协方差阵:9697进一步计算可得对给定=0.10,利用统计软件,首先计算p值(此时检验统计量):因p=0.4374>0.10=,故H0相容,这表明三个组的协方差阵之间没有显著的差异.98三、多个正态总体的均值和协方差阵同时检验设有k个总体Np((t),t)(t=1,…,

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论