数理统计方法5-2.docVIP

5.2.3 一元线性回归中一些统计量的分布 下面，我们来推导一些有关一元线性回归统计量分布的定理。 定理5.1 ， 。 证 因为 ～， 相互独立，所以 ，, 。 ， 。 ， 即 是 的无偏估计。 。 定理5.2 。 证 由于 相互独立，所以 ，因此 。 定理5.3 ， 。 证 ， 即 是 的无偏估计。 。 定理5.4 ～～ 和 都是 的线性函数，而 相互独立，都服从正态分布，所以 和也都服从正态分布。 由定理5.1可知，， ，因此～5.3可知，， ，因此 ～ 定理5.5 ～ ，， 相互独立。 证 因为 ， ，所以 ，。 。 。 因为～，， 相互独立，所以 ～， ， 相互独立。 。 其中 是项的平方和，但这项又满足2个线性关系式 ， 。 （ 因为是正规方程 的解。 ） 所以 的自由度 。 是1项的平方和，所以 的自由度。 是1项的平方和，所以 的自由度。 因为 ，所以由定理2.7（Cochran 定理）可知： ～～～，，相互独立，所以 ，， 相互独立，即 ，， 相互独立。 定理5.6 ， 。 证 在2.4节的定理2.2中，我们证明了：如果随机变量 服从自由度为 的 分布，即 ～，那么，它的数学期望就等于，即有 。 由定理5.5可知，～ ，因此 ； ， 即 是 的无偏估计。 定理5.7 ～～～～～ 与 相互独立，即 与 相互独立。 所以，由分布的定义便可推出 ～～～～ ， 与 相互独立，即 与 相互独立， 与 相互独立。 所以，由分布的定义便可推出 ～5.2.4 一元线性回归中的区间估计 前面求出的 ，，相当于 ， 的点估计，我们还可以求 ， 的区间估计。 问题 在一元线性回归模型中，求 ， 的置信水平为的置信区间。 分析推导 由定理5.7可知，～，从分布的分位数表可以查到 ，使得 ， 即有 。 令 ，， 按照定义， 就是 的置信水平为的置信区间。 由定理5.7可知，～，从分布的分位数表可以查到 ，使得 ， 即有 。 令 ，， 按照定义， 就是 的置信水平为的置信区间。 例2 在前面的例1 中，已知 ，，，，，。求 ， 的置信水平为 95％，查分布的分位数表可得 ， 。 ， 。 所以 的水平为 95％ 。 ， ， 。 所以 的水平为 95％ 。 5.2.5 一元线性回归中的假设检验 对一元线性回归的结果还可以进行假设检验。 为什么要进行假设检验？因为前面推导出来的一元线性回归中求最小二乘估计的计算公式，对于自变量 和因变量 的任何一组数据 ， ，都是适用的。即使自变量 与因变量 之间毫无关系，也可以用这套公式求出回归方程，但是，这样求出的回归方程，显然是没有意义的。所以，求得一元线性回归分析的回归方程后，往往还需要检验一下自变量 与因变量 之间是否真有统计线性相关关系。 检验 与 之间是否统计线性相关，相当于要检验这样一个假设 ： 。 这是因为，我们设 ，～ ，如果假设 不真，即有 ，则 当然与 有关；如果假设 为真，即 ，则有 ，～ ，说明 与 无关。 问题 已知 ，～ ， ， 相互独立，要检验 ： 。 检验方法一（检验） 由定理5.7可知，～。 若： 为真，则，有 ～： 不真，则，即这个随机变量，等于一个服从分布的随机变量，再加上一个不等于0的项，统计量的分布，相对于 分布来说，峰值的位置会有一个向左或向右的偏移。 因此可得到检验方法如下： 从观测数据求出统计量 的值，对于给定的显著水平，从 分布表查出分位数 ，使得 。将统计量 的绝对值与分位数作比较，当 时拒绝 ，否则接受 。 检验方法二（检验） 取一个统计量 。 在习题二的2.9题中，我们证明了这样一个结果：若 ～，则 ～ ，而由上面的“检验方法一”可知，若： 为真，则有 ～～ ； 若： 不真，则 的绝对值会偏大，相应地， 的值也会偏大，这时统计量的分布，相对于 分布来说，峰值的位置会有一个向右的偏移。 因此可得到检验方法如下： 从观测数据求出 的值，对于给定的显著水平，从 分布表查出分位数 ，使得 ，将统计量 的值与分位数作比较，当 时拒绝 ，否则接受 。 例3 在前面的例1 中，已知 ， ， ，，，。要检验 ： （显著水平） 。 解 上面介绍了两种不同的检验方法，下面分别用它们来检验一下（实际上只要作一种检验就可以了。） 用 分布检验： 对，查 分布的分位数表，可得 ，因为，所以拒绝 ：