威尔克斯(Wilks)分布

embedded/2024/12/26 20:34:19/

内容来源
应用多元统计分析 北京大学出版社 高惠璇编著


威尔克斯 Λ \Lambda Λ 分布

回顾一元统计中的 F F F 分布

ξ ∼ χ 2 ( m ) , η ∼ χ 2 ( n ) \xi\sim\chi^2(m),\eta\sim\chi^2(n) ξχ2(m),ηχ2(n),且相互独立,则

F = ξ / m η / n ∼ F ( m , n ) F=\frac{\xi/m}{\eta/n}\sim F(m,n) F=η/nξ/mF(m,n)

方差齐性检验

在两个总体 N ( μ 1 , σ x 2 ) , N ( μ 2 , σ y 2 ) N(\mu_1,\sigma^2_x),N(\mu_2,\sigma^2_y) N(μ1,σx2),N(μ2,σy2) 方差齐性检验中

X i ( i = 1 , ⋯ , m ) X_i(i=1,\cdots,m) Xi(i=1,,m) 为来自 N ( μ 1 , σ x 2 ) N(\mu_1,\sigma^2_x) N(μ1,σx2) 的随机样本

Y i ( i = 1 , ⋯ , n ) Y_i(i=1,\cdots,n) Yi(i=1,,n) 为来自 N ( μ 2 , σ y 2 ) N(\mu_2,\sigma^2_y) N(μ2,σy2) 的随机样本

σ x 2 \sigma^2_x σx2 σ y 2 \sigma^2_y σy2 的估计量(样本方差)分别为

s x 2 = 1 m − 1 ∑ i = 1 m ( X i − X ‾ ) 2 s^2_x=\frac{1}{m-1}\sum^m_{i=1}(X_i-\overline{X})^2 sx2=m11i=1m(XiX)2

s y 2 = 1 n − 1 ∑ i = 1 n ( Y i − Y ‾ ) 2 s^2_y=\frac{1}{n-1}\sum^n_{i=1}(Y_i-\overline{Y})^2 sy2=n11i=1n(YiY)2

则检验统计量

F = s x 2 s y 2 ∼ F ( m − 1 , n − 1 ) F=\frac{s^2_x}{s^2_y}\sim F(m-1,n-1) F=sy2sx2F(m1,n1)

广义方差定义

X ∼ N p ( μ , Σ ) X\sim N_p(\mu,\Sigma) XNp(μ,Σ)

则称协方差阵的行列式 ∣ Σ ∣ |\Sigma| ∣Σ∣ X X X广义方差

X i X_i Xi 为总体 X X X 的随机样本, A A A 为样本离差阵

则称 ∣ 1 n A ∣ |\frac{1}{n}A| n1A ∣ 1 n − 1 A ∣ |\frac{1}{n-1}A| n11A样本广义方差

定义

A 1 ∼ W p ( n 1 , Σ ) , A 2 ∼ W p ( n 2 , Σ ) , ( Σ > 0 , n 1 ⩾ p ) A_1\sim W_p(n_1,\Sigma),A_2\sim W_p(n_2,\Sigma),(\Sigma>0,n_1\geqslant p) A1Wp(n1,Σ),A2Wp(n2,Σ),(Σ>0,n1p)

A 1 A_1 A1 A 2 A_2 A2 独立,则广义方差之比

Λ = ∣ A 1 ∣ ∣ A 1 + A 2 ∣ \Lambda=\frac{|A_1|}{|A_1+A_2|} Λ=A1+A2A1

威尔克斯统计量,其分布称为威尔克斯分布

记为 Λ ∼ Λ ( p , n 1 , n 2 ) \Lambda\sim\Lambda(p,n_1,n_2) ΛΛ(p,n1,n2)

与其他统计量的关系

n 2 = 1 n_2=1 n2=1

Λ ( p , n 1 , 1 ) = 1 1 + 1 n 1 T 2 ( p , n 1 ) \Lambda(p,n_1,1)=\frac{1}{1+\frac{1}{n_1}T^2(p,n_1)} Λ(p,n1,1)=1+n11T2(p,n1)1

T 2 ( p , n 1 ) = n 1 1 − Λ ( p , n 1 , 1 ) Λ ( p , n 1 , 1 ) T^2(p,n_1)=n_1\frac{1-\Lambda(p,n_1,1)}{\Lambda(p,n_1,1)} T2(p,n1)=n1Λ(p,n1,1)1Λ(p,n1,1)

F ( p , n 1 − p + 1 ) = n 1 − p + 1 n 1 p T 2 ( p , n 1 ) = n 1 − p + 1 p 1 − Λ ( p , n 1 , 1 ) Λ ( p , n 1 , 1 ) F(p,n_1-p+1)=\frac{n_1-p+1}{n_1p}T^2(p,n_1) =\frac{n_1-p+1}{p}\frac{1-\Lambda(p,n_1,1)}{\Lambda(p,n_1,1)} F(p,n1p+1)=n1pn1p+1T2(p,n1)=pn1p+1Λ(p,n1,1)1Λ(p,n1,1)

n 2 = 2 n_2=2 n2=2

F ( 2 p , 2 ( n 1 − p + 1 ) ) = n 1 − p + 1 p 1 − Λ ( p , n 1 , 2 ) Λ ( p , n 1 , 2 ) F(2p,2(n_1-p+1))= \frac{n_1-p+1}{p}\frac{1-\sqrt{\Lambda(p,n_1,2)}} {\sqrt{\Lambda(p,n_1,2)}} F(2p,2(n1p+1))=pn1p+1Λ(p,n1,2) 1Λ(p,n1,2)

p = 1 p=1 p=1

n 1 n 2 1 − Λ ( 1 , n 1 , n 2 ) Λ ( 1 , n 1 , n 2 ) = F ( n 2 , n 1 ) \frac{n_1}{n_2}\frac{1-\Lambda(1,n_1,n_2)}{\Lambda(1,n_1,n_2)} =F(n_2,n_1) n2n1Λ(1,n1,n2)1Λ(1,n1,n2)=F(n2,n1)

p = 2 p=2 p=2

n 1 − 1 n 2 1 − Λ ( 2 , n 1 , n 2 ) Λ ( 2 , n 1 , n 2 ) = F ( 2 n 2 , 2 ( n 1 − 1 ) ) \frac{n_1-1}{n_2}\frac{}{}\frac{1-\sqrt{\Lambda(2,n_1,n_2)}} {\sqrt{\Lambda(2,n_1,n_2)}}=F(2n_2,2(n_1-1)) n2n11Λ(2,n1,n2) 1Λ(2,n1,n2) =F(2n2,2(n11))

n 2 > 2 , p > 2 n_2>2,p>2 n2>2,p>2 时可用 χ 2 \chi^2 χ2 近似

− r ln ⁡ Λ ∼ χ 2 ( p n 2 ) -r\ln\Lambda\sim\chi^2(pn_2) rlnΛχ2(pn2)

其中 r = n 1 − 1 2 ( p − n 2 + 1 ) r=n_1-\frac{1}{2}(p-n_2+1) r=n121(pn2+1)

性质

1

Λ ∼ Λ ( p , n 1 , n 2 ) \Lambda\sim\Lambda(p,n_1,n_2) ΛΛ(p,n1,n2)

则存在 B k ∼ β ( n 1 − p + k 2 , n 2 2 ) , ( k = 1 , ⋯ , p ) B_k\sim\beta(\frac{n_1-p+k}{2},\frac{n_2}{2}),(k=1,\cdots,p) Bkβ(2n1p+k,2n2),(k=1,,p) 相互独立

使得

Λ = B 1 B 2 ⋯ B p \Lambda=B_1B_2\cdots B_p Λ=B1B2Bp

2

n 2 < p n_2<p n2<p,则

Λ ( p , n 1 , n 2 ) = Λ ( n 2 , p , n 1 + n 2 − p ) \Lambda(p,n_1,n_2)=\Lambda(n_2,p,n_1+n_2-p) Λ(p,n1,n2)=Λ(n2,p,n1+n2p)

这是一元统计中 F ( n , m ) = 1 F ( m , n ) F(n,m)=\frac{1}{F(m,n)} F(n,m)=F(m,n)1 的推广


http://www.ppmy.cn/embedded/148989.html

相关文章

游戏引擎学习第59天

回顾并计划接下来的一天 在处理实体的空间划分时&#xff0c;遇到了一些问题。例如&#xff0c;虽然树和玩家应该在某些情况下被排除在外&#xff0c;但目前的系统仍然会出现不合逻辑的渲染结果&#xff0c;这在视觉上并不符合预期。尽管这些问题主要是渲染上的&#xff0c;并…

nacos-服务发现注册

服务发现注册分为三个角色&#xff1a;服务注册中心、服务提供者、服务消费者 服务注册中心&#xff1a;为服务提供者和消费者提供一个空间&#xff0c;服务提供者将自身服务注册到注册中心&#xff0c;仅对外暴露接口&#xff0c;服务消费者在将自身注册到注册中心的时候也会获…

C语言从入门到放弃教程

C语言从入门到放弃 1. 介绍1.1 特点1.2 历史与发展1.3 应用领域 2. 安装2.1 编译器安装2.2 编辑器安装 3. 第一个程序1. 包含头文件2. 主函数定义3. 打印语句4. 返回值 4. 基础语法4.1 注释4.1.1 单行注释4.1.2 多行注释 4.2 关键字4.2.1 C语言标准4.2.2 C89/C90关键字&#xf…

地理数据库Telepg面试内容整理-数据库设计与性能优化

在开发和维护 Telepg 地理数据库时,合理的数据库设计与性能优化是确保系统稳定、高效运行的关键。以下是针对数据库设计与优化的详细指南。 数据库设计原则 (1) 明确需求 ● 数据类型分析: ○ 确定需要存储的空间数据类型࿰

2. Kafka入门-开发环境准备

Kafka入门-开发环境准备 1. 环境准备2. Centos7安装2.1 镜像安装2.2 初始化配置2.3 JDK1.8安装 ---------------------------------------------------------------------------------------------- 1. 环境准备 2. Centos7安装 2.1 镜像安装 2.2 初始化配置 设置系统时区 …

嵌入式学习-QT-Day07

嵌入式学习-QT-Day07 七、文件IO 1、QFileDialog文件对话框 2、QFileInfo文件信息类 3、QFile文件读写类&#xff08;重点&#xff09; 4、UI与耗时操作 5、QThread线程类 5.1 复现程序未响应 5.2 创建并启动一个子线程 5.3 异步刷新 5.4 线程停止 6、数据持久化 七、文件IO 1、…

【QT开发自制小工具】PDF/图片转excel---调用百度OCR API接口

前言 前几年WPS还可以免费处理5页以内的PDF转excel&#xff0c;现在必须付费了&#xff0c;而且百度其他在线的PDF转excel都是要收费的&#xff0c;刚好前几年调研过百度OCR的高精度含位置接口&#xff0c;依然是每天可以免费调用50次&#xff0c;本篇是基于此接口&#xff0c;…

如何使用java来解析一个pdf文件呢?

最近搞到一个任务是要解析一套雅思题目并提取其中的高频单词。那如何使用java来解析一个pdf文件呢&#xff1f; 首先我们要知道这需要springboot框架来进行创建&#xff0c;需要的PDFTextStripper是一个用于PDF文档中提取文本的类&#xff0c;它是Apache PDFBox的一个类用于处…