Neden varyansın örnekleme dağılımı ki-kare dağılımı?


22

İfade

Örnek varyans örnek dağılımı serbestlik derecesine sahip olan bir ki-kare dağılımı eşit olan , burada numune boyutu (ilgili rastgele değişken normal dağılım olduğu göz önüne alındığında) 'dir.nn1n

Kaynak

Sezgilerim

Bana sezgisel olarak mantıklı geliyor 1) çünkü ki-kare testi kare ve 2'nin toplamına benziyor çünkü Ki-kare dağılımı sadece kare-normal dağılımın toplamıdır. Ama yine de, bunu iyi anlayamadım.

Soru

İfade doğru mu? Niye ya?


1
İlk ifade genel olarak yanlıştır (iki ayrı nedenden dolayı yanlış). Kaynağınız nedir (bağlantınız eksik) ve aslında ne söylüyor?
Glen_b -Reinstate Monica,

Benim sorum aynı zamanda, erişimin korunduğu giriş istatistiği sınıfındaki bir soru-cevabına tepki olarak geliyor. "Sineklerde kanat uzunluğundaki varyansın örnekleme dağılımı nedir?" ve cevabı "Ki-kare dağılımı"
dır

1
İlk yorumunuzdaki alıntılanan ifade genel olarak hala yanlıştır. Kaynağın sonundaki yorum doğrudur (gerekli varsayımlarla): " n büyüklüğü numuneleri varyans olan normal bir dağılımdan alındığında , örnekleme dağılımı , n-1 serbestlik derecesine sahip ki-kare dağılımına sahiptir.σ2(n1)s2/σ2 "... İkinci yorumunuzdaki sorunun cevabı da yanlıştır. Sanırım, birisi kanat uzunluğunun normal olduğunu göstermediği sürece dağıttı. (Bunun doğru olduğunu iddia etmek için hangi temel olabilir?)
Glen_b -Reinstate Monica

Öyleyse kanatların normal dağıldığını varsayalım, sonra örneklem dağılımının ki-kare dağılımı olur. Neden bu kadar? (n1)s2/σ2
Remi.b

Eğer karelerinin toplamı farkında mısınız N (0,1) rastgele değişkenler ile ki-kare olan IID df? Yoksa kanıtını aradığın kısım bu mu? kk
Glen_b -Reinstate Monica

Yanıtlar:


27

[ bağımsız olarak aynı şekilde dağıtılmış rasgele değişkenler sonra olduğu gerçeğini kabul etmekten memnuniyet .], N ( 0 , 1 ) Σ k i = 1 , Z 2 ı ~ χ 2 kZi,i=1,2,,kN(0,1)i=1kZi2χk2

Resmen, ihtiyacınız olan sonuç Cochran teoreminden gelir . (Başka yollarla gösterilebilse de)

Daha az resmi olarak, popülasyonun ne demek olduğunu bildiğimizden ve bununla ilgili varyansı tahmin ettiğimizi düşünün (örnek ortalamasından ziyade): , sonra ( ) olacak çarpı a rasgele değişkeni.s 2 0 /σ2=1s02=1ni=1n(Xiμ)2 , Zi=(X-ı-μ)/σ1s02/σ2=1ni=1n(Xiμσ)2=1ni=1nZi2Zi=(Xiμ)/σ χ 2 n1nχn2

Örnek ortalamanın populasyon ortalaması yerine kullanılması ( ), sapmaların karelerinin toplamını daha küçük yapar, ancak (hangisi, Cochran teoremine bakın). Bu nedenle, şimdi .n i = 1 ( Z i ) 2Zi=(XiX¯)/σ , n s 2 0 / σ 2 ~ χ 2 N ( n - 1 ) s 2 / σ 2 ~ χ 2 N - 1i=1n(Zi)2χn12ns02/σ2χn2(n1)s2/σ2χn12


@Glen_b Bu konuda başka kanıtlar için referans verebilir misiniz? Bunu gerçekten bilmek istiyorum.
Henry.L

Kanıttan sonra birkaç gerçeğin hangisisin?
Glen_b -Reinstate Monica 17:15

@Glen_b Cochran-Madow Teoreminin yanı sıra, bu örnek sapmasının ve örnek ortalamasının ki-kare dağılımından istatistiksel olarak bağımsız olduğunu kanıtlayan tek teori: (1) Scheffe'in kanonik temeli (Scheffe, 1959) (2) Biriktirme yöntemleri (Veya ona eşdeğer olan mgfs). Daha fazla yöntem biliyorsanız, onları gerçekten tanımak istiyorum.
Henry.L

Eklemek istediğim bir diğer yorum ise, ortalama örneklemenin kullanıldığı, ancak bazen sabit varyanstan bağımsız sabit bir güç istiyoruz, bu yöntemin yerine Stein'ın iki aşamalı metodu (1949) geliyor.
Henry,

Bu cevabı anlamadığım şey, tüm bağımsız olmadığı, Cochran teoremini nasıl uygulayabiliriz? hepsinin bağımsız olması gerektiğini söylüyor. X ' i sX¯Xis
user56834
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.