八、协方差阵的假设检验
上一篇笔记中讨论了均值向量的假设检验,本篇对多元正态分布的另一个参数假设检验作出讨论。关于协方差阵检验,适用的都是似然比检验法,其表现形式更为繁琐,记住取到似然函数最大值的参数会更方便。
1.单总体协方差阵的假设检验
假设有一个来自总体
N
p
(
μ
,
Σ
)
N_p(\mu,\Sigma)
Np(μ,Σ)的样本
X
(
α
)
(
α
=
1
,
⋯
,
n
)
X_{(\alpha)}(\alpha=1,\cdots,n)
X(α)(α=1,⋯,n),只知道
Σ
>
0
\Sigma>0
Σ>0但不知道其具体值,假设检验问题就是
H
0
:
Σ
=
Σ
0
(
>
0
)
⇔
H
1
:
Σ
≠
Σ
0
.
H_0:\Sigma=\Sigma_0(>0)\Leftrightarrow H_1:\Sigma \ne \Sigma_0.
H0:Σ=Σ0(>0)⇔H1:Σ=Σ0.
依然从最简单的情况入手,
Σ
0
\Sigma_0
Σ0为单位阵
I
p
I_p
Ip时,检验
H
0
:
Σ
=
I
p
H_0:\Sigma=I_p
H0:Σ=Ip问题。使用似然比检验法,构造似然比统计量为
λ
=
max
μ
L
(
μ
,
I
p
)
max
μ
,
Σ
>
0
L
(
μ
,
Σ
)
.
\lambda=\frac{\max_\mu L(\mu,I_p)}{\max_{\mu,\Sigma>0}L(\mu,\Sigma)}.
λ=maxμ,Σ>0L(μ,Σ)maxμL(μ,Ip).
先写出似然函数为
L
(
μ
,
Σ
)
=
1
(
2
π
)
n
p
/
2
∣
Σ
∣
n
/
2
exp
{
−
1
2
∑
α
=
1
n
(
X
(
α
)
−
μ
)
′
Σ
−
1
(
X
(
α
)
−
μ
)
}
,
l
(
μ
,
Σ
)
=
−
n
p
2
ln
(
2
π
)
+
n
2
ln
∣
Σ
−
1
∣
−
1
2
∑
α
=
1
n
(
X
(
α
)
−
μ
)
′
Σ
−
1
(
X
(
α
)
−
μ
)
.
L(\mu,\Sigma)=\frac{1}{(2\pi)^{np/2}|\Sigma|^{n/2}}\exp\left\{-\frac12\sum_{\alpha=1}^n(X_{(\alpha)}-\mu)'\Sigma^{-1}(X_{(\alpha)}-\mu) \right\}, \\ l(\mu,\Sigma)=-\frac{np}2\ln (2\pi)+\frac n2\ln|\Sigma^{-1}|-\frac12\sum_{\alpha=1}^n(X_{(\alpha)}-\mu)'\Sigma^{-1}(X_{(\alpha)}-\mu).
L(μ,Σ)=(2π)np/2∣Σ∣n/21exp{−21α=1∑n(X(α)−μ)′Σ−1(X(α)−μ)},l(μ,Σ)=−2npln(2π)+2nln∣Σ−1∣−21α=1∑n(X(α)−μ)′Σ−1(X(α)−μ).
取对数似然,分别对
μ
,
Σ
−
1
\mu,\Sigma^{-1}
μ,Σ−1求导得到
∂
l
∂
μ
=
Σ
−
1
∑
α
=
1
n
(
X
(
α
)
−
μ
)
,
∂
l
∂
Σ
−
1
=
n
2
Σ
−
1
2
∑
α
=
1
n
(
X
(
α
)
−
μ
)
(
X
(
α
)
−
μ
)
′
.
\frac{\partial l}{\partial \mu}=\Sigma^{-1}\sum_{\alpha=1}^n(X_{(\alpha)}-\mu),\\ \frac{\partial l}{\partial \Sigma^{-1}}=\frac n2\Sigma-\frac12\sum_{\alpha=1}^n(X_{(\alpha)}-\mu)(X_{(\alpha)}-\mu)'.
∂μ∂l=Σ−1α=1∑n(X(α)−μ),∂Σ−1∂l=2nΣ−21α=1∑n(X(α)−μ)(X(α)−μ)′.
分子取最大值时固定
Σ
=
I
p
=
Σ
−
1
\Sigma=I_p=\Sigma^{-1}
Σ=Ip=Σ−1,
μ
=
X
ˉ
\mu=\bar X
μ=Xˉ;分母取最大值时
μ
=
X
ˉ
,
Σ
=
A
/
n
\mu=\bar X,\Sigma=A/n
μ=Xˉ,Σ=A/n,所以
λ
=
(
2
π
)
−
n
p
/
2
∣
I
p
∣
−
n
/
2
exp
[
−
1
2
t
r
(
I
p
−
1
A
)
]
(
2
π
)
−
n
p
/
2
(
e
/
n
)
−
n
p
/
2
∣
A
∣
−
n
/
2
=
exp
{
−
1
2
t
r
(
A
)
}
∣
A
∣
n
/
2
(
e
n
)
n
p
/
2
.
\lambda=\frac{(2\pi)^{-np/2}|I_p|^{-n/2}\exp[-\frac12{\rm tr}(I_p^{-1}A)]}{(2\pi)^{-np/2}(e/n)^{-np/2}|A|^{-n/2}}=\exp\left\{-\frac12{\rm tr}(A) \right\}|A|^{n/2}\left(\frac en \right)^{np/2}.
λ=(2π)−np/2(e/n)−np/2∣A∣−n/2(2π)−np/2∣Ip∣−n/2exp[−21tr(Ip−1A)]=exp{−21tr(A)}∣A∣n/2(ne)np/2.
以上等式成立,是因为
exp
{
−
1
2
∑
α
=
1
n
(
X
(
α
)
−
μ
)
′
(
A
n
)
−
1
(
X
(
α
)
−
μ
)
}
=
exp
{
−
1
2
t
r
(
∑
α
=
1
n
(
X
(
α
)
−
μ
)
′
A
−
1
n
(
X
(
α
)
−
μ
)
)
}
=
exp
{
−
n
2
t
r
(
A
−
1
A
)
}
=
e
−
n
p
2
.
\begin{aligned} & \exp\left\{-\frac12\sum_{\alpha=1}^n(X_{(\alpha)}-\mu)'\left(\frac{A}{n}\right)^{-1}(X_{(\alpha)}-\mu) \right\} \\ =& \exp\left\{-\frac12{\rm tr}\left(\sum_{\alpha=1}^n (X_{(\alpha)}-\mu)'A^{-1}n(X_{(\alpha)}-\mu) \right) \right\}\\ =&\exp\left\{-\frac n2{\rm tr}\left(A^{-1}A \right) \right\} \\ =&e^{-\frac {np}2}. \end{aligned}
===exp{−21α=1∑n(X(α)−μ)′(nA)−1(X(α)−μ)}exp{−21tr(α=1∑n(X(α)−μ)′A−1n(X(α)−μ))}exp{−2ntr(A−1A)}e−2np.
这个似然比检验统计量的形式比较复杂,不适合化成多元三大分布或者化成一元三大分布,所以是用似然比检验的近似,构造
ξ
=
−
2
ln
λ
\xi =-2\ln \lambda
ξ=−2lnλ,即
ξ
=
t
r
(
A
)
−
n
ln
∣
A
∣
−
n
p
+
n
p
ln
n
.
\xi={\rm tr}(A)-n\ln |A|-np+np\ln n.
ξ=tr(A)−nln∣A∣−np+nplnn.
当
n
→
∞
n\to \infty
n→∞时,
ξ
\xi
ξ渐进
χ
2
(
f
)
\chi^2(f)
χ2(f)分布,
f
f
f是分母、分子的参数空间维数之差,这里分子的参数空间是
p
p
p维的(均值向量),分母的参数空间是
p
+
p
(
p
+
1
)
2
p+\frac{p(p+1)}2
p+2p(p+1)维的(均值向量与对称的自协方差阵),所以
f
=
p
(
p
+
1
)
2
f=\frac{p(p+1)}2
f=2p(p+1),即
ξ
=
t
r
(
A
)
−
n
ln
∣
A
∣
+
n
p
(
ln
n
−
1
)
→
χ
2
(
p
(
p
+
1
)
2
)
.
\xi={\rm tr}(A)-n\ln |A|+np(\ln n-1)\to \chi^2\left(\frac{p(p+1)}{2} \right).
ξ=tr(A)−nln∣A∣+np(lnn−1)→χ2(2p(p+1)).
对稍复杂的情况,检验
H
0
:
Σ
=
Σ
0
≠
I
p
H_0:\Sigma=\Sigma_0\ne I_p
H0:Σ=Σ0=Ip,自然而然地我们会想到使用一个线性变换,将
Σ
0
\Sigma_0
Σ0的检验转化成
I
p
I_p
Ip的检验。因为
Σ
0
>
0
\Sigma_0>0
Σ0>0即对称可逆,所以存在正交阵
Γ
\Gamma
Γ使得
Γ
Σ
0
Γ
′
=
Λ
=
Λ
1
/
2
I
p
Λ
1
/
2
\Gamma \Sigma_0\Gamma'=\Lambda=\Lambda^{1/2}I_p\Lambda^{1/2}
ΓΣ0Γ′=Λ=Λ1/2IpΛ1/2,所以必定存在可逆阵
D
=
Γ
Λ
−
1
/
2
D=\Gamma\Lambda^{-1/2}
D=ΓΛ−1/2使得
D
Σ
0
D
′
=
I
p
D\Sigma_0D'=I_p
DΣ0D′=Ip。因此,我们令
Y
(
α
)
=
D
X
(
α
)
Y_{(\alpha)}=DX_{(\alpha)}
Y(α)=DX(α),就有
Y
(
α
)
∼
N
(
D
μ
,
D
Σ
D
′
)
Y_{(\alpha)}\sim N(D\mu,D\Sigma D')
Y(α)∼N(Dμ,DΣD′),这样假设检验变成了
H
0
:
Σ
=
Σ
0
⇔
D
Σ
D
′
=
I
p
H_0:\Sigma=\Sigma_0\Leftrightarrow D\Sigma D'=I_p
H0:Σ=Σ0⇔DΣD′=Ip。
在这样的变换下,令
Y
(
α
)
Y_{(\alpha)}
Y(α)的样本均值为
Y
ˉ
\bar Y
Yˉ,离差阵为
A
∗
A^*
A∗,则似然比检验统计量为
λ
=
exp
{
−
1
2
t
r
(
A
∗
)
}
∣
A
∗
∣
n
/
2
(
e
n
)
n
p
/
2
=
exp
{
−
1
2
t
r
(
D
A
D
′
)
}
∣
D
A
D
′
∣
n
/
2
(
e
n
)
n
p
/
2
=
exp
{
−
1
2
t
r
(
A
D
D
′
)
}
∣
A
D
D
′
∣
n
/
2
(
e
n
)
n
p
/
2
=
exp
{
−
1
2
t
r
(
A
Σ
0
−
1
)
}
∣
A
Σ
0
−
1
∣
n
/
2
(
e
n
)
n
p
/
2
.
\begin{aligned} \lambda=& {\exp}\left\{-\frac12{\rm tr}(A^*) \right\}|A^*|^{n/2}\left(\frac en \right)^{np/2} \\ =& \exp\left\{-\frac12{\rm tr}(DAD') \right\}|DAD'|^{n/2}\left(\frac en \right)^{np/2} \\ =&\exp\left\{-\frac12{\rm tr}(ADD') \right\}|ADD'|^{n/2}\left(\frac en \right)^{np/2} \\ =& \exp\left\{-\frac12{\rm tr }(A\Sigma_0^{-1}) \right\}|A\Sigma_0^{-1}|^{n/2}\left(\frac en \right)^{np/2}. \end{aligned}
λ====exp{−21tr(A∗)}∣A∗∣n/2(ne)np/2exp{−21tr(DAD′)}∣DAD′∣n/2(ne)np/2exp{−21tr(ADD′)}∣ADD′∣n/2(ne)np/2exp{−21tr(AΣ0−1)}∣AΣ0−1∣n/2(ne)np/2.
其近似为
ξ
=
−
2
ln
λ
=
−
1
2
t
r
(
A
Σ
0
−
1
)
−
n
ln
∣
A
Σ
0
−
1
∣
+
n
p
(
ln
n
−
1
)
→
χ
2
(
p
(
p
+
1
)
2
)
.
\xi=-2\ln\lambda=-\frac12{\rm tr}(A\Sigma_0^{-1})-n\ln|A\Sigma_0^{-1}|+np(\ln n-1)\to \chi^2\left(\frac{p(p+1)}2 \right).
ξ=−2lnλ=−21tr(AΣ0−1)−nln∣AΣ0−1∣+np(lnn−1)→χ2(2p(p+1)).
可以看到,在最终的检验统计量中并不含有变换矩阵
D
D
D,所以在应用上还是十分方便的。
2.特殊的单总体协方差阵检验——球性检验
球性检验,指的是以下这种检验问题:
H
0
:
Σ
=
σ
2
I
p
H_0:\Sigma=\sigma^2I_p
H0:Σ=σ2Ip,这里
σ
2
\sigma^2
σ2是未知的量;一般地,我们对以下问题进行假设检验:
H
0
:
Σ
=
σ
2
Σ
0
H_0:\Sigma=\sigma^2\Sigma_0
H0:Σ=σ2Σ0,依然适用似然比检验法。此时,对于分子,有
L
(
μ
,
σ
2
Σ
0
)
=
1
(
2
π
)
n
p
/
2
∣
Σ
0
∣
n
/
2
σ
2
(
n
p
/
2
)
exp
{
−
1
2
∑
α
=
1
n
(
X
(
α
)
−
μ
)
′
(
σ
2
Σ
0
)
−
1
(
X
(
α
)
−
μ
)
}
,
=
C
⋅
1
(
σ
2
)
n
p
/
2
exp
{
−
1
2
t
r
(
∑
α
=
1
n
(
X
(
α
)
−
μ
)
′
Σ
0
−
1
σ
2
(
X
(
α
)
−
μ
)
)
}
=
C
(
σ
2
)
n
p
/
2
exp
{
−
1
2
(
σ
2
)
t
r
(
Σ
0
−
1
∑
α
=
1
n
(
X
(
α
)
−
μ
)
(
X
(
α
)
−
μ
)
′
)
}
l
(
μ
,
σ
2
Σ
0
)
=
C
′
−
n
p
2
ln
(
σ
2
)
−
1
2
(
σ
2
)
t
r
(
Σ
0
−
1
∑
α
=
1
n
(
X
(
α
)
−
μ
)
(
X
(
α
)
−
μ
)
′
)
\begin{aligned} L(\mu,\sigma^2\Sigma_0)=&\frac 1{(2\pi)^{np/2}|\Sigma_0|^{n/2}{\sigma^2}^{(np/2)}}\exp\left\{-\frac12\sum_{\alpha=1}^n(X_{(\alpha)}-\mu)'(\sigma^2\Sigma_0)^{-1}(X_{(\alpha)}-\mu) \right\},\\ = & C\cdot \frac{1}{(\sigma^2)^{np/2}}\exp\left\{-\frac12{\rm tr}\left(\sum_{\alpha=1}^n(X_{(\alpha)}-\mu)'\frac{\Sigma_0^{-1}}{\sigma^2}(X_{(\alpha)}-\mu) \right) \right\}\\ =&\frac{C}{(\sigma^2)^{np/2}}\exp\left\{-\frac{1}{2(\sigma^2)}{\rm tr}\left( \Sigma_0^{-1}\sum_{\alpha=1}^n(X_{(\alpha)}-\mu)(X_{(\alpha)}-\mu)' \right) \right\} \\ l(\mu,\sigma^2\Sigma_0)=&C'-\frac{np}{2}\ln (\sigma^2)-\frac{1}{2(\sigma^2)}{\rm tr}\left(\Sigma_0^{-1}\sum_{\alpha=1}^n(X_{(\alpha)}-\mu)(X_{(\alpha)}-\mu)' \right) \end{aligned}
L(μ,σ2Σ0)===l(μ,σ2Σ0)=(2π)np/2∣Σ0∣n/2σ2(np/2)1exp{−21α=1∑n(X(α)−μ)′(σ2Σ0)−1(X(α)−μ)},C⋅(σ2)np/21exp{−21tr(α=1∑n(X(α)−μ)′σ2Σ0−1(X(α)−μ))}(σ2)np/2Cexp{−2(σ2)1tr(Σ0−1α=1∑n(X(α)−μ)(X(α)−μ)′)}C′−2npln(σ2)−2(σ2)1tr(Σ0−1α=1∑n(X(α)−μ)(X(α)−μ)′)
这里第一行到第二行,用到标量的迹仍然是标量本身,第二行到第三行运用了迹运算的可交换性。对
μ
\mu
μ求导得到
μ
=
X
ˉ
\mu=\bar X
μ=Xˉ,再带入后将
l
(
μ
,
σ
2
Σ
0
)
l(\mu,\sigma^2\Sigma_0)
l(μ,σ2Σ0)对
σ
2
\sigma^2
σ2求导,有
0
=
−
n
p
2
1
σ
2
+
t
r
(
Σ
0
−
1
A
)
2
1
(
σ
2
)
2
,
0=-\frac{np}{2}\frac{1}{\sigma^2}+\frac{{\rm tr}(\Sigma_0^{-1}A)}{2}\frac{1}{(\sigma^2)^{2}},
0=−2npσ21+2tr(Σ0−1A)(σ2)21,
所以
σ
^
2
=
t
r
(
Σ
0
−
1
A
)
n
p
.
\hat \sigma^2=\frac{{\rm tr}(\Sigma_0^{-1}A)}{np}.
σ^2=nptr(Σ0−1A).
此时,似然比检验量的分子为
1
(
2
π
)
n
p
/
2
∣
σ
^
2
Σ
0
∣
n
/
2
exp
{
−
1
2
σ
^
2
t
r
(
Σ
0
−
1
A
)
}
=
(
2
π
)
−
n
p
/
2
∣
Σ
0
∣
−
n
/
2
(
t
r
(
Σ
0
−
1
A
)
n
p
)
−
n
p
/
2
exp
{
−
n
p
2
t
r
(
Σ
0
−
1
A
)
⋅
t
r
(
Σ
0
−
1
A
)
}
=
(
2
π
)
−
n
p
/
2
∣
Σ
0
∣
−
n
/
2
(
t
r
(
Σ
0
−
1
A
)
/
n
p
)
−
n
p
/
2
e
−
n
p
/
2
.
\begin{aligned} & \frac{1}{(2\pi)^{np/2}|\hat\sigma^2\Sigma_0|^{n/2}}\exp\left\{-\frac1{2\hat\sigma^2}{\rm tr}(\Sigma_0^{-1}A) \right\} \\ =&(2\pi)^{-np/2}|\Sigma_0|^{-n/2}\left(\frac{{\rm tr}(\Sigma_0^{-1}A)}{np} \right)^{-np/2}\exp\left\{-\frac{np}{2{\rm tr}(\Sigma_0^{-1}A)}\cdot{\rm tr}(\Sigma_0^{-1}A) \right\} \\ =&(2\pi)^{-np/2}|\Sigma_0|^{-n/2}({\rm tr}(\Sigma_0^{-1}A)/np)^{-np/2}e^{-np/2}. \end{aligned}
==(2π)np/2∣σ^2Σ0∣n/21exp{−2σ^21tr(Σ0−1A)}(2π)−np/2∣Σ0∣−n/2(nptr(Σ0−1A))−np/2exp{−2tr(Σ0−1A)np⋅tr(Σ0−1A)}(2π)−np/2∣Σ0∣−n/2(tr(Σ0−1A)/np)−np/2e−np/2.
而分母依然是
(
2
π
)
−
n
p
/
2
(
e
/
n
)
−
n
p
/
2
∣
A
∣
n
/
2
(2\pi)^{-np/2}(e/n)^{-np/2}|A|^{n/2}
(2π)−np/2(e/n)−np/2∣A∣n/2,所以似然比统计量为
λ
=
∣
Σ
0
−
1
A
∣
n
/
2
[
t
r
(
Σ
0
−
1
A
)
/
p
]
n
p
/
2
,
−
2
ln
λ
=
n
p
ln
(
t
r
(
Σ
0
−
1
A
)
p
)
−
n
ln
∣
Σ
0
−
1
A
∣
→
χ
2
(
p
(
p
+
1
)
2
−
1
)
.
\lambda=\frac{|\Sigma_0^{-1}A|^{n/2}}{[{\rm tr}(\Sigma_0^{-1}A)/p]^{np/2}},\\ -2\ln \lambda =np\ln\left(\frac{{\rm tr}(\Sigma_0^{-1}A)}{p} \right)-n\ln |\Sigma_0^{-1}A|\to \chi^2\left(\frac{p(p+1)}{2}-1 \right).
λ=[tr(Σ0−1A)/p]np/2∣Σ0−1A∣n/2,−2lnλ=npln(ptr(Σ0−1A))−nln∣Σ0−1A∣→χ2(2p(p+1)−1).
3.多总体协方差阵的检验
回想我们在多总体均值假设检验时,总给定一个前提,即这些总体是同协方差矩阵的,但实际上,这些总体是否真的是同协方差矩阵的还有待商榷,所以,多总体协方差阵检验也是很重要的一个假设检验问题。现在有
k
k
k个总体
N
p
(
μ
(
t
)
,
Σ
t
)
(
t
=
1
,
⋯
,
k
)
N_p(\mu^{(t)},\Sigma_t)(t=1,\cdots,k)
Np(μ(t),Σt)(t=1,⋯,k),第
t
t
t个总体中有
n
t
n_t
nt个样本
X
(
α
)
(
k
)
(
α
=
1
,
⋯
,
n
t
)
X_{(\alpha)}^{(k)}(\alpha=1,\cdots,n_t)
X(α)(k)(α=1,⋯,nt),
∑
t
=
1
k
n
t
=
n
\sum_{t=1}^k n_t=n
∑t=1knt=n,我们要检验的假设是
H
0
:
Σ
1
=
⋯
=
Σ
k
=
d
e
f
Σ
⇔
H
1
:
Σ
1
,
⋯
,
Σ
k
不
全
相
等
.
H_0:\Sigma_1=\cdots =\Sigma_k\stackrel {\rm def}=\Sigma\Leftrightarrow H_1:\Sigma_1,\cdots,\Sigma_k不全相等.
H0:Σ1=⋯=Σk=defΣ⇔H1:Σ1,⋯,Σk不全相等.
依然适用似然比检验,似然函数和似然比统计量为
L
(
μ
(
1
)
,
Σ
1
,
⋯
,
μ
(
k
)
,
Σ
k
)
=
∏
t
=
1
k
L
t
(
μ
(
t
)
,
Σ
t
)
,
λ
=
max
μ
(
t
)
,
Σ
∏
t
=
1
k
L
t
(
μ
(
t
)
,
Σ
)
max
μ
(
t
)
,
Σ
t
∏
t
=
1
k
L
t
(
μ
(
t
)
,
Σ
t
)
.
L(\mu^{(1)},\Sigma_1,\cdots,\mu^{(k)},\Sigma_k)=\prod_{t=1}^kL_t(\mu^{(t)},\Sigma_t),\\ \lambda=\frac{\max_{\mu^{(t)},\Sigma}\prod_{t=1}^kL_t(\mu^{(t)},\Sigma)}{\max_{\mu^{(t)},\Sigma_t}\prod_{t=1}^kL_t(\mu^{(t)},\Sigma_t)}.
L(μ(1),Σ1,⋯,μ(k),Σk)=t=1∏kLt(μ(t),Σt),λ=maxμ(t),Σt∏t=1kLt(μ(t),Σt)maxμ(t),Σ∏t=1kLt(μ(t),Σ).
分母中自然选择
X
ˉ
(
t
)
,
A
t
/
n
t
\bar X^{(t)},A_t/n_t
Xˉ(t),At/nt作为参数代入,而分子则以
X
ˉ
(
t
)
,
A
/
n
\bar X^{(t)},A/n
Xˉ(t),A/n代入,这里
A
=
A
1
+
⋯
+
A
k
A=A_1+\cdots+A_k
A=A1+⋯+Ak。最后得到的似然比统计量为
λ
=
∣
A
/
n
∣
−
n
/
2
∏
t
=
1
k
∣
A
t
/
n
t
∣
−
n
t
/
2
.
\lambda=\frac{|A/n|^{-n/2}}{\prod_{t=1}^k|A_t/n_t|^{-n_t/2}}.
λ=∏t=1k∣At/nt∣−nt/2∣A/n∣−n/2.
根据无偏性要求调整,得到
λ
=
∣
A
/
(
n
−
k
)
∣
−
(
n
−
k
)
/
2
∏
t
=
1
k
∣
A
t
/
(
n
t
−
1
)
∣
−
(
n
t
−
1
)
/
2
,
ξ
=
−
2
ln
λ
=
(
n
−
k
)
ln
∣
A
n
−
k
∣
−
∑
t
=
1
k
(
n
t
−
1
)
ln
∣
A
t
n
t
−
1
∣
→
χ
2
(
1
2
p
(
p
+
1
)
(
k
−
1
)
)
.
\lambda=\frac{|A/(n-k)|^{-(n-k)/2}}{\prod_{t=1}^k|A_t/(n_t-1)|^{-(n_t-1)/2}}, \\ \xi=-2\ln \lambda=(n-k)\ln\left|\frac A{n-k} \right|-\sum_{t=1}^k(n_t-1)\ln\left|\frac{A_t}{n_t-1} \right|\to \chi^2\left(\frac12p(p+1)(k-1) \right).
λ=∏t=1k∣At/(nt−1)∣−(nt−1)/2∣A/(n−k)∣−(n−k)/2,ξ=−2lnλ=(n−k)ln∣∣∣∣n−kA∣∣∣∣−t=1∑k(nt−1)ln∣∣∣∣nt−1At∣∣∣∣→χ2(21p(p+1)(k−1)).
回顾总结
-
假设检验 Σ 0 = I p \Sigma_0=I_p Σ0=Ip,有
ξ = t r ( A ) − n ln ∣ A ∣ + n p ( ln n − 1 ) → H 0 χ 2 ( p ( p + 1 ) 2 ) . \xi={\rm tr}(A)-n\ln|A|+np(\ln n-1)\stackrel {H_0}\to \chi^2\left(\frac{p(p+1)}{2} \right). ξ=tr(A)−nln∣A∣+np(lnn−1)→H0χ2(2p(p+1)). -
假设检验 Σ = Σ 0 \Sigma=\Sigma_0 Σ=Σ0,有
ξ = t r ( A Σ 0 − 1 ) − n ln ∣ A Σ 0 − 1 ∣ + n p ( ln n − 1 ) → H 0 χ 2 ( p ( p + 1 ) 2 ) . \xi={\rm tr}(A\Sigma_0^{-1})-n\ln|A\Sigma_0^{-1}|+np(\ln n-1)\stackrel {H_0}\to \chi^2\left(\frac{p(p+1)}2 \right). ξ=tr(AΣ0−1)−nln∣AΣ0−1∣+np(lnn−1)→H0χ2(2p(p+1)). -
假设检验 Σ = σ 2 I p \Sigma=\sigma^2I_p Σ=σ2Ip,有
ξ = n p ln ( t r ( A ) p ) − n ln ∣ A ∣ → H 0 χ 2 ( p ( p + 1 ) 2 − 1 ) . \xi=np\ln\left(\frac{{\rm tr}(A)}{p} \right)-n\ln |A|\stackrel {H_0}\to \chi^2\left(\frac{p(p+1)}{2}-1 \right). ξ=npln(ptr(A))−nln∣A∣→H0χ2(2p(p+1)−1). -
假设检验 Σ = σ 2 Σ 0 \Sigma=\sigma^2\Sigma_0 Σ=σ2Σ0,有
ξ = n p ln ( t r ( A Σ 0 − 1 ) p ) − n ln ∣ A Σ 0 − 1 ∣ → H 0 χ 2 ( p ( p + 1 ) 2 − 1 ) . \xi=np \ln\left(\frac{{\rm tr}(A\Sigma_0^{-1})}{p} \right)-n\ln|A\Sigma_0^{-1}|\stackrel{H_0}\to \chi^2\left(\frac{p(p+1)}{2}-1 \right). ξ=npln(ptr(AΣ0−1))−nln∣AΣ0−1∣→H0χ2(2p(p+1)−1). -
多总体同协方差假设检验问题,检验统计量为
ξ = ( n − k ) ln ∣ A n − k ∣ − ∑ t = 1 k ( n t − 1 ) ln ∣ A t n t − 1 ∣ → H 0 χ 2 ( p ( p + 1 ) ( k − 1 ) 2 ) . \xi=(n-k)\ln\left|\frac{A}{n-k} \right|-\sum_{t=1}^k(n_t-1)\ln\left|\frac{A_t}{n_t-1} \right|\stackrel{H_0}\to \chi^2\left(\frac{p(p+1)(k-1)}{2} \right). ξ=(n−k)ln∣∣∣∣n−kA∣∣∣∣−t=1∑k(nt−1)ln∣∣∣∣nt−1At∣∣∣∣→H0χ2(2p(p+1)(k−1)).