Nasıl test edilir


9

Diyelim ki ortalama üç bağımsız grubum var μ1, μ2, μ3 sırasıyla.

Nasıl test edebilirim μ1<μ2<μ3 ya da kullanmamak n1, n2, n3 her gruptan örnekler?

Ayrıntılı hesaplama değil, bazı genel metodolojileri bilmek istiyorum. Hipotezimi nasıl ayarlayacağımı anlayamadımH0 ve H1.


1
Bunlar, sipariş kısıtlamalı istatistiksel çıkarsama durumudur . Orada konu üzerine kitaplar .
kjetil b halvorsen

1
Ayrıca Barlow, Bartholemew, Bremner ve Brunk İstatistik çıkarımına göre eski kısıtlamalar da vardır (1973) (o zamandan beri bazı gelişmeler olmuştur); parametrik olmayan testler gittikçe, Jonckheere-Terpstra testi (örneğin Conover'a bakın) ve Maç testlerinden biri (Neave ve Worthington'un kitabını deneyin) var. Genellikle eşitlik null ve düzenli bir alternatif yazarsınız.
Glen_b -Monica


Burada biri söylemeli, değil ni gruptan örnekler i, ama bunun bir örneği var ni gruptan i.
Michael Hardy

Yanıtlar:


8

İstatistiklerde "X'in doğru olup olmadığını" test edemezsiniz. Yalnızca sıfır hipotezinin yanlış olduğuna dair kanıt bulmaya çalışabilirsiniz.

Diyelim ki sıfır hipoteziniz

H01:μ1<μ2<μ3.
Ayrıca vektörü tahmin etmenin bir yolunun olduğunu varsayalım μ=(μ1,μ2,μ3). İşleri saklamak için bir tahminciniz olduğunu varsayalım.
xN(μ,Σ),
nerede Σ dır-dir 3×3değişken değişken matris. Sıfır hipotezini şu şekilde yeniden yazabiliriz:
Aμ<0,
nerede
A=[110011].
Bu, sıfır hipotezinizin vektör üzerinde eşitsizlik kısıtlaması olarak ifade edilebileceğini gösterir Aμ. Doğal bir tahmincisiAμ tarafından verildi
AxN(Aμ,AΣA).
Çerçeveyi artık normal vektörlerde eşitsizlik kısıtlamasını test etmek için kullanabilirsiniz:

Kudo, Akio (1963). “Tek taraflı testin çok değişkenli bir analogu”. In: Biometrika 50.3 / 4, s. 403-418.

Bu test ayrıca, normalite varsayımı yalnızca yaklaşık olarak ("asimtotik olarak") geçerliyse de çalışır. Örneğin, gruplardan örnek araçlar çizebilirseniz işe yarayacaktır. Boyut örnekleri çizersenizn1,n2,n3 ve gruplardan bağımsız olarak çizim yapabiliyorsanız Σ köşegenli bir köşegen matristir

(σ12/n1,σ22/n2,σ32/n3),
nerede σk2 gruptaki varyans k=1,2,3. Bir uygulamada, testin özelliklerini değiştirmeden bilinmeyen popülasyon varyansı yerine örnek varyansı kullanabilirsiniz.

Öte yandan alternatif hipoteziniz

H12:μ1<μ2<μ3
then your null hypothesis becomes
H02:NOT H1.
This isn't very operational. Remember that our new alternative hypothesis can be written as H1:Aμ<0 so that
H02:there exists a k=1,2 such that (Aμ)k0.
I don't know if there exists any specialized test for this, but you can definitely try some strategy based on successive testing. Remember that you try to find evidence against the null. So you may first test
H0,12:(Aμ)10.
and then
H0,22:(Aμ)20.
If you reject both times then you have found evidence that H0 is false and you reject H0. If you don't, then you don't reject H0. Since you are testing multiple times you have to adjust the nominal level of the subtest. You can use a Bonferroni correction or figure out an exact correction (since you know Σ).

Another way of constructing a test for H02 is to note that

H02:maxk=1,2(Aμ)k0.
This implies using maxAx as a test statistic. The test will have a non-standard distribution under the null, but the appropriate critical value should still be fairly easy to compute.


Fair enough, I edited my answer.
Andreas Dzemski

Good answer (+1). Just to improve it a bit more, may I recommend replacing x with μ^ so that the notation reflects the intention that this object is an estimator for μ.
Ben - Reinstate Monica

1

The answer provided by @andreas-dzemski is correct only if we know that the data is normally distributed.

If we do not know the distribution, I believe it would be better to run a nonparametric test. In this case, the simplest seems to run a permutation test. This is a book about the topic and this is a nice online explanation. Below I include R code to compute this test.

# some test data
D <- data.frame(group1=c(3,6,2,2,3,9,3,4,2,5), group2=c(5,3,10,1,10,2,4,4,2,2), group3=c(8,0,1,5,10,7,3,4,8,1))

# sample with replacement
resample <- function(X) sample(X, replace=TRUE)

# return true if mu1 < mu2 < mu3
test     <- function(mu1, mu2, mu3) (mu1 < mu2) & (mu2 < mu3)

# resampling test that returns the probability of observing the relationship
mean(replicate(1000, test(mean(resample(D$group1)), mean(resample(D$group2)), mean(resample(D$group3)))))
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.