χ 2 -fordelte variable

Relaterede dokumenter
Vægtet model. Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl. Vægte. Vægte: Eksempel. Definition: Vægtrelationen

TALTEORI Følger og den kinesiske restklassesætning.

Økonometri lektion 7 Multipel Lineær Regression. Testbaseret Modelkontrol

Sandsynlighedsregning 12. forelæsning Bo Friis Nielsen

FRIE ABELSKE GRUPPER. Hvis X er delmængde af en abelsk gruppe, har vi idet vi som sædvanligt i en abelsk gruppe bruger additiv notation at:

Økonometri 1. Heteroskedasticitet 27. oktober Økonometri 1: F12 1

Kvantitative metoder 2

Regressionsmodeller. Kapitel Ikke-lineær regression

Vi ønsker også at teste hypoteser om parametrene. F.eks: Kan µ tænkes at være 0 (eller anden fast, kendt værdi)? Eksempel: dollarkurser

Økonometri 1 Efterår 2006 Ugeseddel 9

Opsamling. Simpel/Multipel Lineær Regression Logistisk Regression Ikke-parametriske Metoder Chi-i-anden Test

Supplement til sandsynlighedsregning og matematisk statistik

Ugeseddel 8. Gruppearbejde:

Statistisk mekanik 13 Side 1 af 9 Faseomdannelse. Faseligevægt

Lineær regressionsanalyse8

Økonometri 1. Avancerede Paneldata Metoder I 24.november F18: Avancerede Paneldata Metoder I 1

Notat om porteføljemodeller

Økonometri 1. Avancerede Paneldata Metoder II Introduktion til Instrumentvariabler 27. november 2006

Statistik og Sandsynlighedsregning 2

Kvantitative metoder 2

Statistik II Lektion 4 Generelle Lineære Modeller. Simpel Lineær Regression Multipel Lineær Regression Flersidet Variansanalyse (ANOVA)

2. Sandsynlighedsregning

Økonometri 1. Test for heteroskedasticitet. Test for heteroskedasticitet. Dagens program. Heteroskedasticitet 26. oktober 2005

Kanoniske transformationer (i)

EKSAMEN I MATEMATIK-STATISTIK, 27. JANUAR 2006, KL 9-13

Sandsynlighedsteori

Økonometri 1. Lineær sandsynlighedsmodel. Hvad nu hvis den afhængige variabel er en kvalitativ variabel (med to kategorier)?

Noter til fysik 3: Statistisk fysik

Statikstik II 3. Lektion. Multipel Logistisk regression Generelle Lineære Modeller

Binomialfordelingen. Erik Vestergaard

Statikstik II 4. Lektion. Generelle Lineære Modeller

Spørgsmål 1 (5 %) Bestem sandsynligheden for at batteriet kan anvendes i mere end 5 timer.

Økonometri 1. For mange variable i modellen. For få variable. Dagens program. Den multiple regressionsmodel 21. september 2004

Morten Frydenberg Biostatistik version dato:

BEVISER TIL KAPITEL 7

Logistisk regression. Logistisk regression. Probit model Fortolkning udfra latent variabel. Odds/Odds ratio

Statistik II Lektion 5 Modelkontrol. Modelkontrol Modelsøgning Større eksempel

Binomialfordelingen: april 09 GJ

Elektromagnetisk induktion

CIVILINGENIØREKSAMEN Side 1 af 18 sider. Skriftlig prøve, den: PQ. juli 200Z Kursus nr : (navn) (underskrift) (bord nr)

Lineær Algebra F08, MØ

Note til Generel Ligevægt

6. SEMESTER Epidemiologi og Biostatistik Opgaver til 3. uge, fredag

Kvantitative metoder 2 Forår 2007 Ugeseddel 9

Prøveeksamen Indtjening, konkurrencesituation og produktudvikling i danske virksomheder Kommenteret vejledende besvarelse

Sandsynlighedsregning og statistik med binomialfordelingen

Elektromagnetisk induktion

Den todimensionale normalfordeling

Sandsynlighedsregning

Prøveeksamen Indtjening, konkurrencesituation og produktudvikling i danske virksomheder Kommenteret vejledende besvarelse

3.3. Mindste kvadraters metode Det overbestemte problem.

Binomialfordelingen. X ~ bin(n,p): X = antal "succeser" i n uafhængige forsøg, der alle har samme sandsynlighed p for at ende med succes.

Lineære Normale Modeller

Udvikling af en metode til effektvurdering af Miljøstyrelsens Kemikalieinspektions tilsyn og kontrol

Prøveeksamen Indtjening, konkurrencesituation og produktudvikling i danske virksomheder Kommenteret vejledende besvarelse

Program. Statistik og Sandsynlighedsregning 2 Normalfordelingens venner og bekendte. χ 2 -fordelingen

Kvantitative metoder 2

Kvantitative metoder 2

Elektromagnetisme 12 Side 1 af 6 Magnetisk energi. Magnetisk energi

RESEARCH PAPER. Nr. 7, Prisoptimering i logitmodellen under homogen og heterogen forbrugeradfærd. Jørgen Kai Olsen

DLU med CES-nytte. Resumé:

Videregående Algoritmik. David Pisinger, DIKU. Reeksamen, April 2005

Fysik 3. Indhold. 1. Sandsynlighedsteori

Prøveeksamen Indtjening, konkurrencesituation og produktudvikling i danske virksomheder Kommenteret vejledende besvarelse

Statistik Lektion 14 Simpel Lineær Regression. Simpel lineær regression Mindste kvadraters metode Kovarians og Korrelation

Hvorfor n-1 i stikprøvevariansen?

Reeksamen 2014/2015 Mål- og integralteori

Elementær sandsynlighedsregning

Statistik Lektion 15 Mere Lineær Regression. Modelkontrol Prædiktion Multipel Lineære Regression

Brugerhåndbog. Del IX. Formodel til beregning af udlandsskøn

Skriftlig Eksamen. Datastrukturer og Algoritmer (DM02) Institut for Matematik og Datalogi. Odense Universitet. Onsdag den 18. juni 1997, kl.

Sandsynlighedsregning Oversigt over begreber og fordelinger

Statistik og Sandsynlighedsregning 2

Kvantitative metoder 2 Forår 2007 Ugeseddel 10

Uge 10 Teoretisk Statistik 1. marts 2004

Men tilbage til regression og Chi-i-anden. test. Begge begreber refererer til normalfordelingen med middelværdi μ og spredning σ.

Kvantitative metoder 2

02402 Vejledende løsninger til hjemmeopgaver og øvelser, Uge 4

Variansanalyse. på normalfordelte observationer af Jens Friis

Forberedelse til den obligatoriske selvvalgte opgave

Vægtet model. Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl. Vægte. Vægte: Eksempel. Definition: Vægtrelationen

Økonometri 1 Efterår 2006 Ugeseddel 13

Løsninger til kapitel 12

Inertimoment for arealer

Elementær Matematik. Sandsynlighedsregning

Støbning af plade. Køreplan Matematik 1 - FORÅR 2005

Statistik II Lektion 5 Modelkontrol. Modelkontrol Modelsøgning Større eksempel

Besvarelser til de to blokke opgaver på Ugeseddel 7

Kvantemekanik 2 Side 1 af 11 Schrödingerligningen. Bølgefunktionen

Bedste rette linje ved mindste kvadraters metode

Landbrugets efterspørgsel efter Kunstgødning. Angelo Andersen

hvor a og b er konstanter. Ved middelværdidannelse fås videre

Rettevejledning til Økonomisk Kandidateksamen 2007I, Økonometri 1

Integration m.h.t. mål med tæthed

Elementær kredsløbsteknik OPGAVESAMLING. af Torben Elm Larsen

Luftfartens vilkår i Skandinavien

Antag X 1,..., X n stokastiske variable med fælles middelværdi µ og varians σ 2. Hvis µ er ukendt estimeres σ 2 ved 1/36.

Real valutakursen, ε, svinger med den nominelle valutakurs P P. Endvidere antages prisniveauet i ud- og indland at være identisk, hvorved

Bilag 6: Økonometriske

Estimation af CES - forbrugssystemet med og uden dynamik: -fcf/fcfv sammenhold med fcv/fcfv -fct/fcts sammenhold med fcs/fcts

Transkript:

χ -fordelte varable Defnton af χ -fordelngen Kvadratsummen V n af n uafhængge standardserede normalfordelte stokastske varable sges at være χ -fordelt med n frhedsgrader. V n fremkommer altså som V n = X + X + + X n, hvor X N(, ), =,..., n, X erne uafhængge. V skrver kort V n χ (n). Bestemmelse af V = X χ () Tæthedsfunktonen for X, hvor X N(, ), blver f X (x) = π e ( Bemærk, at f X (x) kan skrves x) = e x, < x <. x πx f X (x) = ( ) Γ ( )x e x, < x <, og skalapa- som er tæthedsfunkton for en gammafordelt varabel med formparameter rameter, dvs. χ () = Γ (, ). Øvelse. Bestem først fordelngsfunktonen for X (fact: Φ( x) ), og dernæst tæthedsfunktonen for X ved dfferentaton. Gammafordelngens foldnngsegenskab Inspreret af ovenstående resultat vl v se på foldnngen af to gammafordelte varable med ens ntenstet λ (ækvvalent med ens skalaparameter λ ). Lad X Γ(α, λ) og Y Γ(β, λ), X og Y uafhængge. Tæthedsfunktonerne er f X (x) = f Y (y) = λα Γ(α) xα e λx, < x <, λβ Γ(β) xβ e λx, < y <,

og dermed f X+Y (z) = f X f Y (z) = z λ α λ β Γ(α) (z u)α e λ(z u) Γ(β) uβ e λu du Γ(α)Γ(β) e λz Γ(α)Γ(β) e λz z Γ(α)Γ(β) zα+β e λz (z u) α u β du, z α+β ( w) α w β zdw Γ(α)Γ(β) zα+β e λz B(α, β), ( w) α w β dw u = zw du = zdw jf. baggrundsnote tl sandsynlghedsregnng sde 7 lne 3 fra neden. Idet der gælder, at B(α, β) = Γ(α)Γ(β) ), får v Γ(α + β) f X+Y (z) = dvs. X + Y Γ(α + β, λ). λα+β Γ(α + β) zα+β e λz, < z <, Bestemmelse af V n χ (n) Ved at benytte af gammafordelngens foldnngsegenskab får v umddelbart for j V = X + Xj Γ( +, ) = Γ(, ), og ved fortsat anvendelse V n = X + X + + Xn Γ( + + +, ) = Γ( n, ). Der gælder altså χ (n) = Γ( n, ). Herefter kan v let udregne mddelværd og varans χ -fordelngen: E V n = ) Γ(α)Γ(β) = s α e s ds = x = s + t y = s s + t n = n Var V n = t β e t dt = s = xy t = x( y) (xy) α (x( y)) β e x x dydx = = Γ(α + β)b(α, β) B(α, β) = Γ(α)Γ(β) Γ(α + β) n ( ) = n s α t β e (s+t) dsdt J(x, y) = y x y x = xy x + xy = x x α+β e x dx y α ( y) β dy

Tæthedsfunktonen for V n blver f Vn (x) = ( )n Γ ( n )x n e x = n Γ ( )x n e x, < x <. n Øvelse. Eftervs, at χ -fordelngen med frhedsgrader er dentsk med eksponentalfordelngen med ntenstet λ =. Sum af uafhængge χ -fordelte varable Lad V m χ (m) og V n χ (n), V m og V n uafhængge. Ved gen at benytte af gammmafordelngens foldnngsegenskab får v V m + V n Γ( m + n, m+n ) = Γ(, ) = χ (m + n), som umddelbart kan generalseres tl en sum af flere uafhængge χ -fordelnger. Modfkatoner Med X N n (, σ I) er X σ N(, ), =,..., n, uafhængge, og dermed σ X χ (n). Dette skrves ofte X σ χ (n). Med X N n (µ, I) blver X såkaldt kke-centralt χ -fordelt med n frhedsgrader og kke-centraltetsparameter µ µ = µ. Dette skrves X χ (n; µ µ). Øvelse. Vs, at mddelværden af X afhænger af µ og kke af de enkelte µ er. Med X N n (µ, σ I) blver X σ χ (n; µ µ σ ). For mere om den kke-centrale χ -fordelng, se fx http://en.wkpeda.org/wk/ Noncentral_ch-square_dstrbuton. En stokastsk kvadratsk form Betragt en stokastsk kvadratsk form, hvor X N n (, I), og A er en n n symmetrsk og dempotent matrx ) med rang A = q n. V vl vse, at X AX χ (q). Når A er symmetrsk, fndes en ortogonal matrx C, som dagonalserer A, dvs. C AC = Λ = λ λ λ n, hvor λ erne er A s egenværder. Med A dempotent er også Λ dempotent. Det gælder derfor om alle A s egenværder, at λ = λ, dvs. alle egenværderne er enten eller. Af rang A = rang Λ = tr Λ får v tr Λ = q, dvs. A har netop q egenværder med værden og n q egenværder med værden. Den ortogonale transformaton Y = C X har samme fordelng som X, det Y = C X N n (C, C IC) = N n (, I), ) En symmetrsk og dempotent matrx kaldes også en projektonsmatrx. 3

hvorefter X AX = X CΛC X = (C X) ΛC X = Y ΛY = vser, at X ΛX χ (q). :λ = Øvelse. Vs, at hvs X N n (, σ I), så er X ΛX σ χ (q), og hvs X N n (µ, σ I), så er X ΛX σ χ (q; µ µ σ ). Antager v omvendt, at X AX χ (q) vl v vse, at A er dempotent med rang A = q. Da A er symmetrsk, kan v dagonalsere A tl Λ = λ λ λ n og ved tlsvarende regnnger som ovenfor får v hvor Y N n (, I). X AX = Y ΛY = n = λ Y, For at n = λ Y kan modsvare kvadratsummen af q uafhængge standardserede normalfordelte varable må der gælde, at q af λ erne er og n q er. Heraf følger, at A er dempotent med rang A = rang Λ = tr Λ = q. For helt at udelukke at en lnearkombnaton n = λ X med andre koeffcenter end og kan være χ (q)-fordelt, betragter v momentfrembrngende funktoner 3). Et krav om n = λ X χ (q) udmøntes tl n n ( λ t) = ( t) q ( λ t) = ( t) q, = men dette vser gen, at λ erne må vælges som ovenfor anført. = Y Uafhængghed mellem stokastske kvadratske former Betragt to stokastske kvadratske former X A X og X A X, hvor X N n (, I) og hvor både A og A er n n symmetrske og dempotente matrcer med rang hhv. q og q. V vl vse, at X A X og X A X uafhængge A A = O. Antag først, at X A X og X A X er uafhængge. Summen af to uafhængge χ - fordelte varable er gen χ -fordelt, dvs. X (A + A )X χ (q + q ). Heraf følger, at A + A er dempotent, dvs. (A + A )(A + A ) = A + A A + A A + A = A + A, hvlket kræver, at A A + A A = O. Multplcerer v denne lgnng med A hhv. forfra og bagfra får v A A + A A A = O og A A A + A A = O. 3) MV (t) = E[e tv ] = e tx e x dx = ( t) π = ( t) M Vn (t) = ( t) n π e ( t)x d ( ( t) x ) 4

Subtrakton gver A A A A = O, som sammenholdt med A A + A A = O vser, at A A = O. Omvendt, når A A = O, blver A X og A X er uafhængge, det Cov(A X, A X) = A Var(X)A = A IA = A A = O. Uafhænggheden mellem A X og A X medfører uafhængghed mellem (A X) A X = X A X og (A X) A X = X A X. Dekomposton af en χ -fordelt stokastsk varabel V vl undersøge, om det er mulgt at dekomponere V n = X X χ (n), X N n (, I), en sum af parvs uafhængge χ -fordelte varable. Antag, at X X kan skrves som en sum af stokastske kvadratske former, X X = X A X + X A X + + X A k X, hvor A er symmetrsk og dempotent med rang A = q, =,..., k. Bemærk, at X A X + X A X + + X A k X = X (A + A + + A k )X, dvs. A + A + + A k = I. Der gælder umddelbart, at X A X χ (q ), =,..., k, men spørgsmålet er uafhængghed skal også afklares. Lad A j repræsentere en vlkårlg af de kvadratske former. Da A j er symmetrsk og dempotent fndes en ortogonal matrx C, som dagonalserer A j tl Λ med alle dagonalelementer eller. Multplcerer v på begge sder af A + A + + A k = I forfra med C og bagfra med C, får v C A C + Λ = I. j Matrcerne C A C, j, er som A erne dempotente. Alle dagonalelementer er derfor kke-negatve. Dette betyder, at hvor Λ har dagonalen, er de tlsvarende dagonalelementer C A C, j, nødvendgvs alle. Endvdere gælder, at når der C A C optræder hoveddagonalen, så vl alle elementerne den aktuelle række og den aktuelle søjle også have værden 4). Multplkaton af C A C, j med Λ gver derfor O. Ved at ndføre Λ = C A j C får v hvoraf A A j = O, j. C A CΛ = C A CC A j C = C A A j C = O, 4) Lad C dagonalsere C A C tl Λ. Så er C A C = C Λ C = C Λ Λ C = C Λ (C Λ ). Et hoveddagonalen C A C kræver, at den tlsvarende række C A følger. er en nulrække, hvoraf påstanden 5

Da A j var arbtrært valgt, har v A A j = O for alle, j =,..., k, j, hvlket vser, at X A X, =,..., k, er parvs uafhængge. Heraf følger, at X A X + X A X + + X A k X χ ( k = q ), som sammenholdt med X X χ (n) vser, at k = q = n er en nødvendg og tlstrækkelg betngelse for gyldgheden af den betragtede dekomposton. Mere udførlgt kan v slutte, at følgende udsagn er ækvvalente: X A X χ (q ), =,..., k, parvs uafhængge. A A j = O,, j =,..., k, j. k = q = n. Dette resultat, som fndes flere varanter, kaldes Cochrans sætnng. Øvelse. Lad X N n (, I). Betragt V n = X X og V q = X AX, A symmetrsk og dempotent, rang A = q. Sæt U = V n V q, og vs, at U χ (n q), samt at V q og U er uafhængge. Hvs stedet X N n (, σ I), kan udlednngen opretholdes, når blot χ ( ) alle steder erstattes af σ χ ( ). Hvs X N n (µ, σ I), kan udlednngen stadg opretholdes, når yderlgere X erstattes af X µ. Øvelse. Betragt en normalfordelt stkprøve X N n (µ, σi), µ = µ = µ(,,..., ). Vs, at X µ og S er uafhængge. Vnk: Der gælder samt og n (X µ) = (n )S + n(x µ) = n (n )S = (X X) = σ (X µ) (I n )(X µ) = (X µ) = σ (X µ) ( n )(X µ). (V kan kke ad denne vej nå helt frem tl, at X og S er uafhængge.) 6../BR 6