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
σ ^ 2 = s 2 = ∑ i ( y i − y ˉ ) 2 n − 1 \hat{\sigma}^2 = s^2= \frac{\sum_i(y_i-\bar{y})^2}{n-1} σ^2=s2=n1i(yiyˉ)2
最大似然估计
σ ^ M L E 2 = ∑ i ( y i − y ˉ ) 2 n \hat{\sigma}^2_{MLE} = \frac{\sum_i(y_i-\bar{y})^2}{n} σ^MLE2=ni(yiyˉ)2

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 ( n − 1 ) s 2 σ 2 \frac{(n-1)s^2}{\sigma^2} σ2(n1)s2符合 χ ( n − 1 ) \chi(n-1) χ(n1)分布

区间估计

适用条件:总体为正态分布

σ \sigma σ的置信度为 ( 1 − α ) (1-\alpha) (1α)的置信区间为
( ( n − 1 ) s 2 χ U 2 , ( n − 1 ) s 2 χ L 2 ) \Big(\frac{(n-1)s^2}{\chi_U^2},\frac{(n-1)s^2}{\chi_L^2}\Big) (χU2(n1)s2,χL2(n1)s2)
χ 2 \chi^2 χ2的自由度为 n − 1 n-1 n1 χ U 2 = q c h i q ( 1 − α / 2 , n − 1 ) \chi^2_{U}=qchiq(1-\alpha/2,n-1) χU2=qchiq(1α/2,n1) χ L 2 = q c h i q ( α / 2 , n − 1 ) \chi^2_{L}=qchiq(\alpha/2,n-1) χL2=qchiq(α/2,n1)

单样本检验

总体分布为正态分布

H 0 : σ 2 ≤ σ 0 2   v s   H a : σ 2 > σ 0 2 H_0: \sigma^2\le\sigma^2_0\ vs\ H_a:\sigma^2>\sigma^2_0 H0:σ2σ02 vs Ha:σ2>σ02

T . S . : χ 2 = ( n − 1 ) s 2 σ 0 2 T.S.:\chi^2=\frac{(n-1)s^2}{\sigma_0^2} T.S.:χ2=σ02(n1)s2

R . R . : χ 2 > χ U 2 R.R.: \chi^2>\chi^2_U R.R.:χ2>χU2

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 : σ 1 2 ≤ σ 2 2   v s   H a : σ 1 2 > σ 2 2 H_0: \sigma^2_1\le\sigma^2_2\ vs\ H_a:\sigma^2_1>\sigma^2_2 H0:σ12σ22 vs Ha:σ12>σ22

T . S . : F = s 1 2 s 2 2 T.S.:F=\frac{s_1^2}{s_2^2} T.S.:F=s22s12

R . R . : F > F α R.R.: F>F_{\alpha} R.R.:F>Fα

其中 F α F_\alpha Fα自由度为 ( n 1 − 1 , n 2 − 1 ) (n_1-1,n_2-1) (n11,n21)

若只能查表,须记住如下关系
F 1 − α , d f 1 , d f 2 = 1 / F α , d f 2 , d f 1 F_{1-\alpha,df_1,df_2}=1/F_{\alpha,df_2,df_1} F1α,df1,df2=1/Fα,df2,df1

σ 1 2 / σ 2 2 \sigma_1^2/\sigma^2_2 σ12/σ22的区间估计

适用条件:两个总体均为正态分布
( s 1 2 s 2 2 F L , s 1 2 s 2 2 F U ) \Big(\frac{s^2_1}{s_2^2}F_L,\frac{s^2_1}{s_2^2}F_U\Big) (s22s12FL,s22s12FU)
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 i j = ∣ y i j − y ˉ i ⋅ ∣ z_{ij}=\lvert y_{ij}-\bar{y}_{i\cdot}\rvert zij=yijyˉi
y ˉ i ⋅ \bar{y}_{i\cdot} yˉi为第i类样本的中位数

BFL test
H 0 : σ 1 2 = σ 2 2 = ⋯ = σ t 2 H a : 至 少 一 对 方 差 不 等 H_0: \sigma^2_1=\sigma_2^2=\cdots=\sigma_t^2\\H_a: 至少一对方差不等 H0:σ12=σ22==σt2Ha:

T . S . : L = ∑ i = 1 t n i ( z ˉ i ⋅ − z ˉ ⋅ ⋅ / ( t − 1 ) ) ∑ i = 1 t ∑ j = 1 n i ( z i j − z ˉ i ⋅ ) 2 / ( N − t ) ) T.S.: L=\frac{\sum_{i=1}^tn_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))} T.S.:L=i=1tj=1ni(zijzˉi)2/(Nt))i=1tni(zˉizˉ/(t1))

L ≥ F α d f 1 , d f 2 d f 1 = t − 1 , d f 2 = N − t L\ge F_{\alpha_df_1,df_2}\\df_1=t-1,df_2=N-t LFαdf1,df2df1=t1,df2=Nt

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值