多元统计课件：均值向量和协方差阵的检验.pptxVIP

均值向量和协方差阵的检验?§2.1?§2.2均值向量的检验 协方差阵的检验目录上页下页返回结束1 222 均值向量和协方差阵的检验在一元统计中,关于正态总体N(μ,σ )的均值μ和方差σ 的各种检验,已χ给出了常用的z检验、t检验、F检验和检验等。对于包含多个指标的正态总体Np(μ,Σ),各种实际问题同样要求对 μ和Σ进行统计推断。例如,要考察某工业行业的生产经营状况、 今年与去年相比指标的平均水平有无显著差异,以及各生产经 营指标间的波动是否有显著差异,需做检验：目录上页下页返回结束2 只作个别 均值向量和协方差阵的检验目录上页下页返回结束3 §2.1均值向量的检验§2.1.1§2.1.2§2.1.3§2.1.4一个指标检验的回顾多元均值检验两总体均值的比较 多总体均值的检验目录上页下页返回结束4 n1n§2.1.1 一个指标检验的回顾z =x ? μσ0n(2.1)其中x = ∑ xi 为样本均值。i =1当假设成立时, 统计量z服从正态分布, z ~ N ( 0,1),从而拒绝域为 | z |? za / 2, za / 2为N ( 0,1)的上a / 2分位点目录上页下页返回结束5 22§2.1.1 一个指标检验的回顾当σ 未知时, 用S2n= ∑i =1( xi ? x ) ( n ? 1)2作为σ 的估计, 用统计量t =x ? μS0n( 2.2)| t |tn ?1(α / 2),tn ?1(α / 2)为tn ?1的上α / 2分为点。目录上页下页返回结束6 2 2?1§2.1.1 一个指标检验的回顾t = n( x ? μ 0 ) ( S ) ( x ? μ 0 )(2.3)αα目录上页下页返回结束7 §2.1.2多元均值检验目录上页下页返回结束8 §2.1.2多元均值检验α αα目录上页下页返回结束9 §2.1.2多元均值检验X (α ) = ( X α 1 , ? , Xαp)α目录上页下页返回结束10 2 ?122?1n?1 ?1 2§2.1.2（ⅰ）协方差阵Σ已知多元均值检验类似于（2.3）的统计量（注意（2.3）的形式）是? ?T0 = n ( x ? μ0 ) Σ ( x ? μ0 ) (2.5) 可以证明，在假设 H 0 为真时，统计量 T0 遵从自由度为p的 χ 分布；事实上由上节定理1.6X ? μ ~ N p ( 0, Σ),知当H 0 ： μ = μ 0 成立时，由多元统计分布的性质4，有?( X ? μ 0 ) (1n? ? ?Σ) ( X ? μ 0 ) = n ( X ? μ 0 ) Σ ( X ? μ 0 ) ~ χ ( p )目录上页下页返回结束11 2?μn22?22 ?12222 2§2.1.2多元均值检验统计量T0 实质上是样本均值 X 与已知平均水平 μ 0之间的 马氏距离的 倍，这个值越大，μ与0 相等的可能性就越小， 因而，在备择假设 H 1 成立时，T0 有变大的趋势，所以拒绝域 应取为T0 值较大的右侧部分。式中X 是样本均值n， 是样本 容量。当给定显著性水平 α 后，由样本值可以算出 T0 的值，当? ?T0 = n ( x ? μ0 ) Σ ( x ? μ0 ) ≥ χ p (α )时，便拒绝零假设 H 0 ，说明均值μ不等于 μ 0 ，其中χ p (α ) 自由度为P的 χ 分布的分为点。即P{T0 χ p (α )} = α是目录上页下页返回结束12 ∧Σ =2 L( n ? 1) ?12?2 22§2.1.2（ⅱ）协方差阵Σ未知多元均值检验此时Σ的无偏估计是 的统计量是：? ∧ ?1 ?T = n( x ? μ 0 ) Σ ( x ? μ 0 )? ?= n( n ? 1)( x ? μ 0 ) L ( x ? μ 0 )，类似于式（2.3）可以证明，统计量遵从参数为p,n-1,，的 T 分布， 即 T T p , n ?1 。统计量 T 实际上也是样本均值 X与已知均值 向量 μ 0 之间的马氏距离再乘以n(n-1)，这个值越大，μ与 μ 0 相等的可能性就越小。目录上页下页返回结束13 2222 2222§2.1.2多元均值检验因而，在备择假设成立时，T的值有变大的趋势，所以拒绝域可取为 T 值较大的右侧部分。因此，当给定显著性 水平α 后，由样本的数值可立即算出 T 值，当T T p , n ?1(α )( 2.7 )时，便拒绝零假设H 0 。T 分布的5%及1%的分位点已列成专表，由网上下载，T p , n ?1 为 T p , n ?1 的上 α 分位点。(α )目录上页下页返回结束14 2222§2.1.2多元均值检验由§1.5，将 T 统计量乘上一个适当的常数后，便成为 F 统计量，也可用F分布表获得零假设的拒绝域。即{n