ทำไมการกระจายตัวตัวอย่างของความแปรปรวนเป็นการแจกแจงแบบไคสแควร์


22

คำสั่ง

การแจกแจงตัวอย่างของความแปรปรวนตัวอย่างคือการแจกแจงแบบไคสแควร์ที่มีระดับความเป็นอิสระเท่ากับโดยที่คือขนาดตัวอย่าง (เนื่องจากตัวแปรสุ่มที่น่าสนใจกระจายอยู่ตามปกติ)n−1n

แหล่ง

สัญชาตญาณของฉัน

มันค่อนข้างสมเหตุสมผลกับฉัน 1) เพราะการทดสอบไคสแควร์ดูเหมือนผลรวมของสแควร์และ 2) เพราะการแจกแจงแบบไคสแควร์เป็นเพียงผลรวมของการแจกแจงแบบปกติกำลังสอง แต่ถึงกระนั้นฉันไม่เข้าใจมัน

คำถาม

คำพูดนั้นเป็นจริงหรือไม่? ทำไม?


1
ข้อความเริ่มต้นเป็นเท็จโดยทั่วไป (เป็นเท็จด้วยเหตุผลสองประการที่แยกกัน) แหล่งที่มาของคุณคืออะไร (ลิงค์ของคุณหายไป) และสิ่งที่มันบอกว่าจริง?
— Glen_b -Reinstate Monica

คำถามของฉันยังตอบสนองต่อการตอบคำถามในชั้นเรียนสถิติเบื้องต้นที่มีการป้องกันการเข้าถึง คำถามคือ "การกระจายตัวแบบสุ่มคือการกระจายความแปรปรวนของความยาวปีกเป็นอย่างไร" และคำตอบคือ "การแจกแจงแบบ Chi-squared"
— Remi.b

1
ข้อความที่ยกมาในความคิดเห็นแรกของคุณยังคงเป็นเท็จโดยทั่วไป ความคิดเห็นที่จุดสิ้นสุดของแหล่งข้อมูลนั้นเป็นจริง (ด้วยสมมติฐานที่จำเป็น): " เมื่อตัวอย่างของขนาด n ถูกนำมาจากการแจกแจงแบบปกติที่มีความแปรปรวนการกระจายตัวตัวอย่างของ( n - 1 ) s 2 / σ 2มี การกระจายแบบไคสแควร์ที่มีองศาอิสระ n-1σ2(n−1)s2/σ2 "... คำตอบของคำถามในความคิดเห็นที่สองของคุณจะเป็นเท็จด้วย - ถ้าฉันสมมติว่ามีคนแสดงให้เห็นว่าความยาวของปีกนั้นกระจายตามปกติ (สิ่งที่เป็นพื้นฐานอาจมีการยืนยันสิ่งนี้จะเป็นจริงหรือไม่)
— Glen_b

สมมุติว่ามีการกระจายปีกตามปกติแล้วการกระจายตัวตัวอย่างของจะกระจายตัวไคสแควร์ ทำไมถึงเป็นเช่นนั้น? (n−1)s2/σ2
— Remi.b

คุณทราบหรือไม่ว่าผลรวมของกำลังสองของ iid N (0,1) ตัวแปรสุ่มคือไค - สแควร์กับk df? หรือนั่นคือส่วนที่คุณต้องการพิสูจน์ kk
— Glen_b -Reinstate Monica

คำตอบ:


27

[ฉันจะสมมติจากการอภิปรายในคำถามของคุณว่าคุณยินดีที่จะยอมรับตามความจริงว่าถ้ามีการกระจายแบบอิสระเหมือนกันN ( 0 , 1 )ตัวแปรสุ่มแล้ว∑ k i = 1 Z 2 ฉัน ∼ χ 2 k .]Zi,i=1,2,…,kN(0,1)∑i=1kZi2∼χk2

อย่างเป็นทางการผลที่คุณต้องการดังนี้จากทฤษฎีบทค็อชฮาน (แม้ว่ามันจะสามารถแสดงในรูปแบบอื่น ๆ )

พิจารณาอย่างเป็นทางการน้อยว่าถ้าเรารู้ค่าเฉลี่ยประชากรและประเมินความแปรปรวนของมัน (มากกว่าค่าเฉลี่ยตัวอย่าง): จากนั้นs 2 0 /σ2=1s02=1n∑i=1n(Xi−μ)2 , (Zi=(Xi-μ)/σ) ซึ่งจะเป็น1s02/σ2=1n∑i=1n(Xi−μσ)2=1n∑i=1nZi2Zi=(Xi−μ)/σครั้งχ 2 nตัวแปรสุ่ม1nχn2

ความจริงที่ว่าค่าเฉลี่ยของกลุ่มตัวอย่างถูกนำมาใช้แทนของประชากรเฉลี่ย ( ) ทำให้ผลรวมของกำลังสองของการเบี่ยงเบนที่มีขนาดเล็ก แต่ในเวลาเพียงลักษณะที่Σ n ฉัน= 1 ( Z ∗ i ) 2Zi∗=(Xi−X¯)/σ (เกี่ยวกับการที่ดูทฤษฎีบทค็อชฮาน) ดังนั้นแทนที่จะ n s 2 0 / σ 2 ~ χ 2 nตอนนี้เรามี ( n - 1 ) s 2 / σ 2 ~ χ 2 n - 1∑i=1n(Zi∗)2∼χn−12ns02/σ2∼χn2(n−1)s2/σ2∼χn−12


@Glen_b คุณสามารถให้การอ้างอิงสำหรับการพิสูจน์อื่น ๆ เกี่ยวกับข้อเท็จจริงนี้ได้หรือไม่? ฉันอยากรู้จริงๆ
— Henry.L

คุณมีข้อพิสูจน์อะไรบ้างหลังจากพิสูจน์?
— Glen_b -Reinstate Monica

@Glen_b มีเพียงสองวิธีเท่านั้นที่นอกเหนือจากทฤษฎีบทของ Cochran-Madow ที่พิสูจน์ความจริงนี้ว่าความแปรปรวนตัวอย่างและค่าเฉลี่ยตัวอย่างนั้นเป็นอิสระทางสถิติที่มีการแจกแจงไคสแควร์คือ: (1) เกณฑ์พื้นฐานของ Scheffe (Scheffe, 1959) (2) (หรือ mgfs ซึ่งเทียบเท่ากับมัน) หากคุณรู้วิธีการเพิ่มเติมฉันต้องการรู้จักพวกเขาจริงๆ
— Henry.L

อีกหนึ่งความคิดเห็นที่ฉันต้องการเพิ่มคือใช้ค่าเฉลี่ยตัวอย่าง altough แต่บางครั้งเราต้องการพลังงานคงที่ซึ่งไม่ขึ้นอยู่กับความแปรปรวนคงที่วิธีนี้ถูกแทนที่ด้วยวิธีสองขั้นตอนของ Stein (1949)
— Henry.L

สิ่งที่ฉันไม่ได้รับเกี่ยวกับคำตอบนี้เป็นที่ไม่ได้เป็นอิสระของทุกX ' ฉัน sดังนั้นวิธีการที่เราสามารถนำไปใช้ทฤษฎีบท Cochran หรือไม่? มันบอกว่าพวกเขาทั้งหมดต้องเป็นอิสระ X¯Xi′s
— user56834
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.