Wyrok
Rozkład próbkowania wariancji próbki jest rozkładem kwadratowym chi ze stopniem swobody równym , gdzie jest rozmiarem próbki (biorąc pod uwagę, że losowa zmienna będąca przedmiotem zainteresowania jest zwykle rozkładana).
Moja intuicja
Ma to dla mnie intuicyjny sens 1), ponieważ test chi-kwadrat wygląda jak suma kwadratu i 2) ponieważ rozkład chi-kwadrat jest po prostu sumą kwadratowego rozkładu normalnego. Ale nadal nie rozumiem tego dobrze.
Pytanie
Czy to stwierdzenie jest prawdziwe? Czemu?
Odpowiedzi:
[Przyjmę z dyskusji w twoim pytaniu, że z przyjemnością przyjmiesz fakt, że jeśli są niezależnymi identycznie rozmieszczonymi N ( 0 , 1 ) zmiennymi losowymi, to ∑ k i = 1 Z 2 i ∼ χ 2 k .]Zja, i = 1 , 2 , … , k N.( 0 , 1 ) ∑ki = 1Z2)ja∼ χ2)k
Formalnie wynik, którego potrzebujesz, wynika z twierdzenia Cochrana . (Chociaż można to pokazać na inne sposoby)
Mniej formalnie, należy wziąć pod uwagę, że gdybyśmy znali średnią populacji i oszacowali wariancję na jej temat (a nie na temat średniej próby): , a następnies 2 0 /σ2=1s2)0= 1n∑ni = 1( Xja- μ )2) , (Zi=(Xi-μ)/σ), który będzie wynosił1s2)0/ σ2)= 1n∑ni = 1( Xja- μσ)2)= 1n∑ni = 1Z2)ja Zja= ( Xja- μ ) / σ razy× 2 n zmiennych losowych.1n χ2)n
Fakt, że zastosowano średnią z próby, zamiast średniej populacji ( ), zmniejsza sumę kwadratów odchyleń, ale w taki sposób, że ∑ n i = 1 ( Z ∗ i ) 2Z∗ja= ( Xja- X¯) / σ (o których patrz twierdzenie Cochrana). Dlatego zamiast n s 2 0 / σ 2 ∼ χ 2 n mamy teraz ( n - 1 ) s 2 / σ 2 ∼ χ 2 n - 1 .∑ni = 1( Z∗ja)2)∼ χ2)n - 1 n s2)0/ σ2)∼ χ2)n ( n - 1 ) s2)/ σ2)∼ χ2)n - 1
źródło