第四章 多元正態总体的统计推断.pptVIP

第四章 多元正态总体的统计推断 §4.1 一元情形的回顾 §4.2 单个总体均值的推断 §4.3 两个总体均值的比较推断 §4.4 轮廓分析 §4.5 多个总体均值的比较检验（多元方差分析） §4.6 协方差矩阵相等性的检验 §4.7 总体相关系数的检验 1 §4.2 单个总体均值的推断 一、均值向量的检验 二、置信区域 三、联合置信区间 *四、均值向量的大样本推断 2 一、均值向量的检验 设x1,x2, ⋯,xn是取自总体x~Np(μ, Σ)的一个样本，这里Σ0,np，欲检验 H0：μ=μ0，H1：μ≠μ0 1. Σ已知时的检验 *2.霍特林T2分布 3. Σ未知时的检验 3 1. Σ已知时的检验 检验统计量为 拒绝规则为： 若 ，则拒绝H0 是总体 中 到μ0的平方马氏距离。 4 *2.霍特林T2分布 设x~Np(0,Σ)，W~Wp(n,Σ)，x和W相互独立，则T2=nx′W−1x的分布称为自由度为n的霍特林 （Hotelling）T2分布，记为T2(p,n)。 5 设x~N(0,1)，W~χ2(n)(=W1(n,1))，x和W相互独立，则分别依t分布和T2分布的定义，有 即有 T2(1,n)=t2(n) 由此可见，T2分布实际上是t分布在多元情形下的一种推广。 6 3. Σ未知时的检验 检验统计量为 称之为霍特林T2 统计量。当 H0为真时 服从F(p,n−p) ，对给定的α，拒绝规则为： 若 ，则拒绝H0 等价于 若 ，则拒绝H0 其中 。 7 例4.2.1 对某地区农村的6名2周岁男婴的身高、胸围、上半臂围进行测量，得样本数据如表4.2.1所示。根据以往资料，该地区城市2周岁男婴的这三个指标的均值μ0=(90,58,16)′，现欲在多元正态性假定下检验该地区农村男婴是否与城市男婴有相同的均值。这是假设检验问题： H0：μ=μ0，H1：μ≠μ0 表4.2.1 某地区农村男婴的体格测量数据 编 号 身高(cm) 胸围(cm) 上半臂围(cm) 1 78 60.6 16.5 2 76 58.1 12.5 3 92 63.2 14.5 4 81 59.0 14.0 5 81 60.8 15.5 6 84 59.5 14.0 8 故在α=0.01下，拒绝H0 (p=0.002)。 9 二、置信区域 10  μ的置信度为1−α的置信区域为 当p=1时，它是一个区间；当p=2时，它是一个椭圆，这时可将其在坐标平面上画出；当p=3时，它是一个椭球；当p＞3时，它是一个超椭球；它们均以 为中心。 置信区域与假设检验之间有着密切的关系。一般来说，μ0包含在上述1−α置信区域内，当且仅当原假设 H0：μ=μ0在显著性水平α下被接受。 可以通过构造的置信区域的方法来进行假设检验。实践中，该方法通常用于p=2时的情形，并借助于平面置信区域图形。 11 三、联合置信区间 设x1,x2,⋯,xn是来自总体Np(μ,Σ)的一个样本，对任一a≠0，令yi=a′xi(i=1,2,⋯,n)，则y1,y2,⋯,yn是来自总体N(a′μ,a′Σa)的一个样本，其样本均值和方差为 12 故a′μ的1−α置信区间为 a1′μ和a2′μ的1−α置信区间分别为 P(E1)=1−α，P(E2)=1−α，但 P(E1E2)≤min{P(E1), P(E2)}=1−α 要使得总置信度达到1−α，就必须将tα/2(n−1)增大到某个值。 13 如果希望有更多线性组合参数a1′μ,a2′μ,⋯,ak′μ的置信区间同时成立的概率达到1−α，则需进一步加大每个置信区间中的分位数值。置信区间的个数k越大，所需的分位数值也就越大。上述分位数值如增大到Tα(p, n−1)，则有 即 以1−α的概率对一切a∈Rp成立，称它为一切线性组合{a′μ，a∈Rp}的置信度为1−α的联合置信区间（simultaneous confidence intervals）。 对k个线性组合{ai′μ，i=1,2,⋯,k}，有 14 当k很小时，联合T2置信区间 的置信度一般会明显地大于1−α，因而上述区间会显得过宽，即精确度明显偏低。这时，我们可以考虑采用邦弗伦尼 （Bonferroni）联合置信区间： 它的置信度至少为1−α。 若tα/2k(n−1)Tα (p, n−1)，则邦弗伦尼区间比T2区间要窄，这时宜采用前者作为联合置信区间；反之，若tα/2k(n−1)Tα(p, n−1)，则邦弗伦尼区间比T2 区间