Parametrizing การแจกแจงของเบห์น - ฟิชเชอร์


9

"ปัญหา Behrens - Fisher: บทวิจารณ์" โดย Seock-Ho Kim และ Allen S. Cohen

วารสารสถิติการศึกษาและพฤติกรรมเล่ม 23 หมายเลข 4 ฤดูหนาว 2541 หน้า 356–377


ฉันกำลังดูสิ่งนี้และมันบอกว่า:

ฟิชเชอร์ (1935, 1939) เลือกสถิติ

τ=δ-(x¯2-x¯1)s12/n1+s22/n2=เสื้อ2cosθ-เสื้อ1บาปθ
[ที่ เสื้อผม เป็นหนึ่งตัวอย่างปกติ เสื้อ- สถิติสำหรับ ผม=1,2] ที่ไหน θ ถูกใช้ในจตุภาคแรกและ
(13)สีน้ำตาลθ=s1/n1s2/n2.
[. . . ] การกระจายของτ คือการแจกแจงแบบ Behrens-Fisher และถูกกำหนดโดยพารามิเตอร์สามตัว ν1, ν2และ θ,

พารามิเตอร์ νผม ก่อนหน้านี้เคยถูกนิยามว่าเป็น nผม-1 สำหรับ ผม=1,2.

ตอนนี้สิ่งที่ไม่สามารถสังเกตเห็นได้ที่นี่คือ δ และค่าเฉลี่ยประชากรสองค่า μ1, μ2ซึ่งแตกต่างกันคือ δและดังนั้น τ และทั้งสอง เสื้อ-สถิติ. ตัวอย่างเอกสารความปลอดภัยs1 และ s2 สังเกตได้และใช้เพื่อกำหนด θ, ดังนั้น θเป็นสถิติที่สังเกตได้ไม่ใช่พารามิเตอร์ของประชากรที่ไม่สามารถสังเกตเห็นได้ แต่เราเห็นว่ามันถูกใช้เป็นหนึ่งในพารามิเตอร์ของตระกูลการกระจายนี้!

เป็นไปได้ไหมที่พวกเขาควรจะบอกว่าพารามิเตอร์นั้นเป็นอาร์คแทนเจนต์ของ σ1/n1σ2/n2 มากกว่า s1/n1s2/n2?

คำตอบ:


5

การแจกจ่ายของ Behrens-Fisher ถูกกำหนดโดย t2cosθt1sinθ ที่ไหน θ เป็นจำนวนจริงและ t2 และ t1 มีความเป็นอิสระ เสื้อการกระจายที่มีองศาอิสระ ν2 และ ν1 ตามลำดับ

วิธีการแก้ปัญหาของ Behrens และ Fisher ของ Behrens-Fisher เกี่ยวข้องกับการกระจาย Behrens-Fisher ด้วย θ ขึ้นอยู่กับข้อสังเกตเพราะมันเป็นวิธีหลอกแบบเบย์ (อันที่จริงแล้วเป็นคำตอบแบบ fiducial): การแจกแจงแบบพึ่งพาข้อมูลนี้เป็นการแจกแจงแบบหลัง τ (กับ δ ส่วนที่สุ่มเท่านั้นในคำจำกัดความของ τ เพราะข้อมูลได้รับการแก้ไข)


คุณกำลังบอกว่ามันคือการกระจายตัวของ เสื้อ2cosθ-เสื้อ1บาปθ ที่ไหน θคือไม่สุ่มแม้ว่าพวกเขากล่าวว่าθ=arctans1/n1s2/n2 และ s1 และ s2มีการสุ่ม? มันคือการกระจายแบบมีเงื่อนไขให้อัตราส่วนของความแปรปรวน? ดูเหมือนว่าฉันผู้เขียนควรมีความชัดเจนมากขึ้นเกี่ยวกับเรื่องนี้
Michael Hardy

ดังนั้นสิ่งนี้ควรถูกมองว่าเป็นอีกตัวอย่างหนึ่งของเทคนิคฟิชเชอร์ของการปรับสภาพในสถิติเสริม?
Michael Hardy

s1 และ s2ขึ้นอยู่กับข้อมูล แต่ข้อมูลได้รับการแก้ไขนี่เป็นเหมือนการแจกแจงหลังในสถิติแบบเบย์ ในการแสดงออกของτ, แต่ละ x¯1, x¯2, s1 และ s2 ได้รับการแก้ไขและ δเป็นแบบสุ่ม
Stéphane Laurent

ตอบความคิดเห็นที่ 2 ของคุณ: ฉันไม่รู้ นี่คือสถิติความไว้วางใจ
Stéphane Laurent

ตามคำตอบนี้การสุ่มทั้งหมดมา เสื้อ1 และ เสื้อ2 มาจากการสุ่มใน μ1 และ μ2และส่วนที่เหลือได้รับการแก้ไข แต่เหตุผลที่บอกว่าเสื้อ1 และ เสื้อ2มีการแจกแจงความน่าจะเป็นโดยเฉพาะที่มาจากพวกมันคือการกระจายของข้อมูล เราควรจะพูดว่า "นั่นเป็นเพราะการอนุมานแบบ fiducial"?
Michael Hardy
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.