应用多元统计-3(1).pptVIP

* 第三章 多元正态总体参数的假设检验 §3.1 几个重要统计量的分布-- Wilks Λ分布的定义 定义3.1.6 设X～Np(μ,Σ),则称协差阵的行列式|Σ|为X的广义方差.若X(α) (α＝1,…, n ) 为p元总体X的随机样本，A为样本离差阵, 有了广义方差的概念后,在多元统计的协差阵齐次检验中,类似一元统计,可考虑两个广义方差之比构成的统计量——Wilks统计量的分布. * 第三章 多元正态总体参数的假设检验 §3.1 几个重要统计量的分布-- Wilks Λ分布的定义 定义3.1.7 设A1～Wp(n1,Σ) , A2～Wp(n2,Σ) (Σ＞0,n1≥p), 且A1与A2独立, 则称广义方差之比 为Wilks(或Λ)统计量,其分布称为Wilks(威尔克斯)分布,记为 Λ～Λ(p,n1,n2) (或Λp,n1,n2) * 第三章 多元正态总体参数的假设检验 §3.1 几个重要统计量的分布-- Wilks Λ统计量的性质 在实际应用中,常把Λ统计量化为T2统计量,进而化为F统计量,利用我们熟悉的F统计量来解决多元统计分析中有关检验的问题. 结论1 当n2＝1时,设n1=n＞p,则 注意:在这里记号Λ(p,n,1)有两重含义:①统计量(也是随机变量); ②其分布是参数为p,n,1的威尔克斯分布. * 第三章 多元正态总体参数的假设检验 §3.1 几个重要统计量的分布-- Wilks Λ统计量的性质 或 证明 设X(α) (α＝1,…,n,n+1)相互独立同Np(0,Σ)分布,显然有 * 第三章 多元正态总体参数的假设检验 §3.1 几个重要统计量的分布-- Wilks Λ统计量的性质 由定义3.1.7，知 * 第三章 多元正态总体参数的假设检验 §3.1 几个重要统计量的分布-- Wilks Λ统计量的性质 利用分块矩阵求行列式的公式(见附录的推论4.1): * 第三章 多元正态总体参数的假设检验 §3.1 几个重要统计量的分布-- Wilks Λ统计量的性质 所以 结论2 当n2＝2时,设n1＝n＞p,则 * 第三章 多元正态总体参数的假设检验 §3.1 几个重要统计量的分布-- Wilks Λ统计量的性质 结论3 当p=1时，则 因p=1时,Λ(1,n1,n2)就是? (n1 /2,n2 /2) 利用贝塔分布与F分布的关系,即有以上结论. * 第三章 多元正态总体参数的假设检验 §3.1 几个重要统计量的分布-- Wilks Λ统计量的性质 结论4 当p=2时，则 结论5 当n2＞2,p＞2时,可用χ2统计量或F统计量近似. Box(1949)给出以下结论： 设Λ～Λ(p, n, n2),则当n→∞时，  -rlnΛ～χ2(p n2 ), 其中r = n-(p- n2+1)/2. (二个重要结论不要求) * 第三章 多元正态总体参数的假设检验 §3.1 几个重要统计量的分布-- Wilks Λ统计量的性质 下面不加证明地给出地二个重要结论： (1) 若Λ～Λ(p,n1,n2),则存在相互独立B1,…,Bp , Bk～ (k=1,…,p)使得 d p=1时Λ(1,n1,n2)就是? (n1 /2,n2 /2). (2) * 第三章 多元正态总体参数的假设检验 §3.2 单总体均值向量的检验 在多元统计分析中,考虑的总体是p维正态总体Np(μ,Σ),关于均值向量的检验问题经常是需要的. p元正态随机向量的每一个分量都是一元正态变量,关于均值向量的检验问题能否化为 p个一元正态的均值检验问题呢?显然这是不完全的.因为p个分量之间往往有互相依赖的关系,分开作检验,往往得不出正确的结论.但我们可以构造出类似于一元统计中的统计量,用来对均值向量进行检验. * 第三章 多元正态总体参数的假设检验 §3.2 单总体均值向量的检验 关于均值向量的检验包括: ① 一个p元正态总体Np (μ,Σ),检验 H0: μ＝μ0; ② 二个p元正态总体Np(μ1,Σ1)和Np (μ2,Σ2)，检验H0: μ1＝μ2 ③ k个p元正态总体Np(μi,Σ)(i＝1,…,k),当协差阵相等时检验k个均值向量是否全相等(即多元方差分析). * 第三章 多元正态总体参数的假设检验 §3.2 单总体均值向量的检验 设总体X～Np(μ,Σ),随机样本X(α) (α＝1,…,n).检验 H0: μ＝μ0 (μ0为已知向量),H1: μ≠μ0 1.