Студопедия.Орг Главная | Случайная страница | Контакты | Мы поможем в написании вашей работы!  
 

Методы построения критерия значимости



Пусть

- основная гипотеза.

Задача- построить критерий значимости уровня α.

Статистика критерия .

а) - не зависит от параметра при .

б) распределение не зависит от параметра при (если (б) сохраняется и при , то такой критерий бессмысленен).

Распределение известно (напр. ф.р. - G(x)).

Тогда нерандомизованный критерий строиться:

Возможен асимптотический подход.

40. Проверка гипотез о параметрах нормального распределения.

На примере критерия Стьюдента.

1)Данные - выборка из . - неизв.

Задача параметрическая.

Гипотеза: а=а0 (сложная гипотеза, т.к. σ неизвестно).

Критерий Стьюдента:

Статистика критерия .

- не зависит от мешающего параметра.

При θ= 0)

- не зависит от θ.

Распределение ~Sn-1

Распределение Стьюдента симметрично

Принимаем гипотезу, если она попала в интервал (<tα), иначе отвергаем.

2) 2 выборки. По двум выборкам обычно выбирается с одинаковыми дисперсиями. Надо построить статистику для проверки гипотезы однородности.

13) Задача проверки простой гипотезы при простой альтернативе. Лемма Неймана-Пирсона. Примеры наиболее мощных критериев.

Пусть Н0: θ=θ0 – простая гипотеза. Рассмотрим задачу проверки Н0 при альтернативе:

Н1: θ=θ1 - простая (т.е. Θ={θ01}). Замечание: Поскольку альт. – простая, то РАМ критерий, если называть Н.М. Пусть

μ – мера доминирующая сем.

Например: ; (μ – мера Лебега или считающая мера, если возможно) Функция правдоподобия:

Введем статистику отношения правдоподобия:

Замечание: 1) Не зависит от выбора доминирующей меры

2) Если =0 или =¥, то выбор очевиден.

Лемма Неймана-Пирсона

В задаче проверки Н0: θ=θ0 при альтернативе Н1: θ=θ1, существует наиболее мощный критерий уровня значимости α, он строится следующим образом:

рÎ[0,1)

Причем С выбирается следующим образом:

Замечание: 1) Если >0, то р выбирается однозначно и

2) Если =0 Þ не важно значение р – критерий не рандомизированный.

Дополнение: Критерий j определяется однозначно на множестве

Если критерий есть функция от МДС, то он есть и единственный.

Доказательство: Перепишем критерий в виде:

Пусть имеется другой критерий, у которого тот же уровень значимости,

т.е.

=

= |*С и вычтем из

В свою очередь мощность критерия:

Дополнение: Можно показать, что на S+ и S- Н. М. критерий определяется однозначно с

Þ

Þ

Þ

15)Критерий хи-квадрат для проверки простой гипотезы согласия.

Разбивается вся вещественная прямая на зоны.

Ø, Ii - интервал

Данные группируются (гистограмма)

ni – число наблюдений в i-й зоне

Ii – зона

Проверка:

H0: F=F0 (простая гипотеза)

ni можно назвать частотами, ni – выборочные вероятности .

При справедливости H0 рассмотрим теоретические вероятности

- теоретические вероятности попадания в зону.

Статистика критерия

Предельное распределение

X

Рассмотрим случайный вектор (n1…nr) имеет мультиномиальное распределение

Матрица ковариации

Известно, что, если X~Nk(0,D)

XTD-1X~

Критерий (ас.)

43. Критерий хи-квадрат для проверки сложной параметрической гипотезы согласия.

, ,

Например: x1…xn~N(a,σ2)

H0: a=a0

dimΘ0=1

Возможны

H0 :x1~N(a,σ2), a,σ2 – неизв.

dimΘ0=2

Поставим задачу проверки значимости

ni – частоты

pi(θ) – зависит от θ

-не является статистикой даже при Н0

I. Мультиномиальное ОМП

ni~мульт.распр-е (p1(θ),…, pn(θ))

Мульт. функция правдоподобия

Если pi – дифф-мы

Решая это уравнение, получиться оценка (мультиномиальная) ОМП

! Нельзя использовать ОМП по не группированным данным.

Пусть - мультиномиальное ОМП

Выберем статистику

критерия для сложной гипотезы

II.

Утверждение: пусть p(θ) – дважды дифф. по θ.

Матрица имеет ранг m –полный ранг, тогда ~ и

16)Критерий согласия Колмагорова.

Пусть х1…хn – выборка из непрерывного распределения в ф.р. F – полностью неизв. F0 – фиксированная ф.р.

(простая гипотеза согласия, но не параметрическая, т.к. ф-я многомерная).

Критерий Колмогорова:

Статистика критерия: , Fn(x) – выборочная (эмпирическая) ф.р.

Асимптотический критерий , , К – ф.р. Колмогорова.

Для вычисления Dn достаточно вычислить , , , .

Вар.ряд X(1) X(2) F0(Xi) || A || B max(A,B) || C

17)Постановка задач линейной регрессии. Метод наименьших квадратов. Геометрическая интерпретация. Оценка по методу наименьших квадратов. Примеры.

Линейная регрессия.

Модель:

Y1,…,Yn – независимые (некоррелированные) наблюдения

Пусть предполагается, что справедлива следующая модель .

- наблюдения (отклики), X’ – n*m –матрица (известны, характеризуют условия проверки эксперимента). Отклики линейно зависят от условий через параметр β. β – неизвестный параметр = . -ошибка (шумы).

Основные предположения:

а)

б)

- мешающий параметр – неизвестен.

В условиях (а), (б) EY=X’β.

Задача точечного оценивания – построить оценки параметра β при мешающем параметре .

Оценка по методу наименьших квадратов (МНК)

, где норма

Примеры:

1) Измерительный прибор

/некор. О.Р.С.В./

Прямая на плоскости . - хар-ка процесса.

В матричной форме - нормальные уравнения. Если rk(XXT)=m (т.е. rkX=m), то матрица будет обратимой , получаем -оценка по МНК.

Геометрическая интерпретация:

– i-я строка матрицы X’, то .

.

- столбец. -расстояние между элементами Y и X’b.

Вывод: решение существует.

18)Функции параметра, допускающие несмещенную оценку (ДНО). Теорема Гаусса-Маркова.

Определение: линейная функция параметра называется ДНО - функцией, если существует такая матрица А – матрица оценки, т.ч. .

Лемма: Сβ – ДНО матрица S: С=SX’

Док-во: Сβ – ДНО , . Ч.т.д.

Теорема (Гаусса-Маркова): Пусть - ДНО – функция. Тогда несмещенная оценка . , т.ч. С=AX’ (т.е. столбцы С – элементы Vm). Данная оценка – оценка по МНК. Пусть - другая лин. несм.оценка, тогда (т.е. - НРМД оценка в классе линейных оценок).





Дата публикования: 2015-01-24; Прочитано: 560 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!



studopedia.org - Студопедия.Орг - 2014-2024 год. Студопедия не является автором материалов, которые размещены. Но предоставляет возможность бесплатного использования (0.021 с)...