หากคุณยินดีที่จะถือว่าการนับแต่ละครั้งเป็นไปตามการแจกแจงปัวซอง (ด้วยค่าเฉลี่ยของตัวเองภายใต้สมมติฐานทางเลือก; ด้วยค่าเฉลี่ยทั่วไปภายใต้ค่าว่าง) ไม่มีปัญหา - เป็นเพียงแค่คุณไม่สามารถตรวจสอบสมมติฐานนั้นได้ Overdispersion สามารถพบได้บ่อยกับข้อมูลนับ
การทดสอบที่แน่นอนที่ให้นับ & x 2นั้นตรงไปตรงมาเนื่องจากจำนวนรวมทั้งหมดของการนับn = x 1 + x 2เป็นอุปกรณ์เสริม การปรับสภาพจะให้X 1 ∼ B i n ( 1)x1x2n=x1+x2เป็นการกระจายของสถิติการทดสอบของคุณภายใต้ null †เป็นผลลัพธ์ที่เข้าใจได้ง่าย: จำนวนโดยรวมซึ่งสะท้อนให้เห็นว่าคุณใช้เวลานานแค่ไหนในการสังเกตการณ์กระบวนการปัวซงสองกระบวนการไม่มีข้อมูลเกี่ยวกับอัตราสัมพัทธ์ของพวกมัน แต่ส่งผลต่อพลังในการทดสอบของคุณ ดังนั้นจำนวนรวมอื่น ๆ ที่คุณอาจไม่เกี่ยวข้องX1∼Bin(12,n)
ดูการทดสอบสมมติฐานตามความน่าจะเป็นสำหรับการทดสอบ Wald (การประมาณ)
count แต่ละจำนวนมีการแจกแจงปัวซงโดยมีค่าเฉลี่ยλ ฉัน f X ( x i ) = λ x ฉันฉัน e - λ ฉันxiλi
Reparametrize เป็น
θ
fX(xi)=λxiie−λixi!i=1,2
โดยที่
θคือสิ่งที่คุณสนใจ &
ϕเป็นพารามิเตอร์ที่สร้างความรำคาญ ฟังก์ชั่นมวลข้อต่อสามารถเขียนใหม่ได้:
f X 1 , X 2θϕ=λ1λ1+λ2=λ1+λ2
θϕ
จำนวนนับทั้งหมด
nเป็นส่วนเสริมสำหรับ
θมีการแจกแจงปัวซงด้วยค่าเฉลี่ย
ϕfN(n)fX1,X2(x1,x2)fX1,N(x1,n)=λx11λx22e−(λ1+λ2)x1!x2!=θx1(1−θ)n−x1⋅ϕne−ϕx1!(n−x1)!
nθϕ
fN(n)=∑x1=0∞fX1,N(x1,n)=ϕne−ϕn!∑x1=0∞n!x1!(n−x1)!θx1(1−θ)n−x1=ϕne−ϕn!
while the conditional distribution of
X1 given
n is binomial with Bernoulli probability
θ & no. trials
n
fX1|n(x1;n)=fX1,N(x1,n)fN(n)=θx1(1−θ)n−x1⋅ϕne−ϕx1!(n−x1)!⋅n!ϕne−ϕ=n!x1!(n−x1)!θx1(1−θ)n−x1