多元统计分析第三节(补充).ppt

应用多元统计分析 第三章 多元正态总体 参数的假设检验(二) * * 第三章 多元正态总体参数的假设检验 目 录(二) §3.6 正态性检验 第三章所涉及的最大似然估计量小结 第三章 多元正态总体参数的假设检验 §3.6 正态性检验 在均值和协差阵的检验中,以及以后将介绍的一些统计方法中都是假定样本来自p元正态总体.所作统计推断的结论是否正确,在某种意义上取决于实际总体与正态总体接近的程度如何?因此建立一些方法来检验多元观测数据与多元正态数据的差异是否显著是十分必要的. ?设X(α)＝(Xα1 , …, Xαp)′ (α＝1,…,n)是来自p元总体X的样本,试问总体X是否服从Np(μ,Σ)分布? 若总体X＝(X1,…,Xp)′～Np(μ,Σ),利用多元正态分布的一些性质可知(记μ=(μ1,…,μp)′,Σ=(σij)p×p )：  第三章 多元正态总体参数的假设检验 §3.6 正态性检验 ① 每个分量Xi～N(μi,σii) (i＝1，…，p). ② 任二个分量(Xi , Xj )～二元正态分布. ③ 设l=(l1,…,lp)′为任给的p维常向量,令ξ＝l′X,则ξ～N1( l′μ，l′Σl ). ④ 令η=(X-μ)′Σ-1(X-μ),则η～χ2(p). ⑤ 正态随机向量X的概率密度等高线为椭球. 若总体X为多元正态总体,必具有以上所列的几条性质.如果X具有以上这些性质,也不一定能得出X为p元正态分布.但如果经过检验,比如发现某个分量Xi与正态分布有显著差异,即可得出p元总体X与p元正态分布也有显著差异.利用以上性质,要来构造出好的满意的多元正态的整体性检验十分困难. 第三章 多元正态总体参数的假设检验 §3.6正态性检验--一维边缘分布的正态性检验 在实际应用中如果经过从多方面得到的检验结果与正态分布均无显著性差异，也就认为该总体X与p元正态无显著差异. 设p维随机向量X＝(X1,…,Xp)′,检验分量Xi～N(μi,σ2) (i＝1，…，p) ，把p维正态性检验化为p个一维数据的正态性检验.常用的检验方法有以下几种. 1. χ2检验法  这是适用于连续型或离散型随机变量分布的拟合优度检验方法，也称为Pearson χ2 检验法. 2. 柯氏(Kolmogorov,A.N.)检验法? 这是适用于连续型分布的拟合优度检验方法. 第三章 多元正态总体参数的假设检验 §3.6正态性检验--一维边缘分布的正态性检验 3. 偏峰检验法 4. W (Wilks)检验和D检验 5. Q-Q (QuantileQuantile)图检验法 6. P-P (ProbabilityProbability )图检验法 7. “3σ”原则检验法 8. A2和W2统计量检验法 方法3至方法8都是只适用于正态分布的检验法. 第三章 多元正态总体参数的假设检验 §3.6正态性检验--二维数据的正态性检验 设X＝(X1,…,Xp)′ 为p维随机向量,X的任二个分量的n次观测数据记为X(i)=(Xi1,Xi2)′(i=1,…,n).下面介绍检验二维观测数据是否来自二元正态分布的方法. 1. 等概椭圆检验法 若二维随机向量X=(X1,X2)′～N2(μ,Σ),则X的概率密度函数等高线  f(x1,x2)＝a (X-μ)′Σ-1(X-μ)＝b2 右边是中心在(μ1,μ2)由(X-μ)′Σ-1(X-μ)＝b2决定的椭圆.由本章§3.1的介绍的知识可知 D2＝(X-μ)′Σ-1(X-μ)～χ2 (2). 对给定p0∈(0，1)，则存在d0使  P｛ D2 ≤d0｝＝p0 第三章 多元正态总体参数的假设检验 §3.6正态性检验--二维数据的正态性检验 2. 二维数据的χ2图检验法 因二维数据的χ2图检验法与p维数据的χ2图检验法原理完全相同.故关于二维数据的χ2 图检验方法请参阅下面p维数据的χ2图检验方法. 第三章 多元正态总体参数的假设检验 §3.6正态性检验--p维数据的正态性检验 设X(α)＝(Xα1 , …, Xαp)′ (α＝1,…,n)是来自p元总体X的样本, 检验 H0: X～Np(μ,Σ)，H1:X不服从Np (μ,