总体方差的检验和推断

总体方差的检验和推断

需求：

1. 实际需求：某些实际问题中，需要对方差有严格的控制，如药品。所以需要对方差进行检验
2. 比较方法的稳定性，即多样本的方差比较
3. 方差相等是其他检验的前提条件，所以需要方差检验

点估计

无偏估计
$${\hat{\sigma }}^2=s^2=\frac{{\sum }_i(y_i-\bar{y}{)}^2}{n-1}$$
最大似然估计
$${\hat{\sigma }}_{MLE}^2=\frac{{\sum }_i(y_i-\bar{y}{)}^2}{n}$$

注意这里的估计对所有分布都是适用的

当总体分布为正态分布时，可以证明$\frac{(n-1)s^2}{{\sigma }^2}$符合$\chi (n-1)$分布

区间估计

适用条件：总体为正态分布

$\sigma$的置信度为$(1-\alpha )$的置信区间为
$$(\frac{(n-1)s^2}{{\chi }_U^2},\frac{(n-1)s^2}{{\chi }_L^2})$$
${\chi }^2$的自由度为$n-1$，${\chi }_U^2=qchiq(1-\alpha /2,n-1)$，${\chi }_L^2=qchiq(\alpha /2,n-1)$

单样本检验

总体分布为正态分布

$$H_0:{\sigma }^2\le {\sigma }_0^{2}vs{H}_a:{\sigma }^2>{\sigma }_0^2$$

$$T.S.:{\chi }^2=\frac{(n-1)s^2}{{\sigma }_0^2}$$

$$R.R.:{\chi }^2>{\chi }_U^2$$

其他两种类型的检验类似，此处略。

非正态性对检验的影响较大

两样本检验

适用条件：两个总体均为正态分布
$$H_0:{\sigma }_1^2\le {\sigma }_2^{2}vs{H}_a:{\sigma }_1^2>{\sigma }_2^2$$

$$T.S.:F=\frac{s_1^2}{s_2^2}$$

$$R.R.:F>F_{\alpha }$$

其中$F_{\alpha }$自由度为$(n_1-1,n_2-1)$

若只能查表，须记住如下关系
$$F_{1-\alpha ,d{f}_1,d{f}_2}=1/F_{\alpha ,d{f}_2,d{f}_1}$$

${\sigma }_1^2/{\sigma }_2^2$的区间估计

适用条件：两个总体均为正态分布
$$(\frac{s_1^2}{s_2^2}{F}_L,\frac{s_1^2}{s_2^2}{F}_U)$$
注意非正态性对检验和估计的影响很大。

分布数量大于2的方差检验

BFL test(Brown-Forsythe-Levene test)

定义
$$z_{ij}=|y_{ij}-{\bar{y}}_{i\cdot }|$$
${\bar{y}}_{i\cdot }$为第i类样本的中位数

BFL test
$$\begin{gathered} H_0:{\sigma }_1^2={\sigma }_2^2=\cdots ={\sigma }_t^2 \\ {H}_a:至少一对方差不等 \end{gathered}$$

$$T.S.:L=\frac{{\sum }_{i=1}^t{n}_i({\bar{z}}_{i\cdot }-{\bar{z}}_{\cdot \cdot }/(t-1))}{{\sum }_{i=1}^t{\sum }_{j=1}^{n_i}(z_{ij}-{\bar{z}}_{i\cdot }{)}^2/(N-t))}$$

$$\begin{gathered} L\ge F_{{\alpha }_d{f}_1,d{f}_2} \\ d{f}_1=t-1,d{f}_2=N-t \end{gathered}$$