使用进行假设检验,因为收敛速度更快?


12

假设我有是iid,并且我想做一个假设检验,为0。假设我有大n,并且可以使用中心极限定理。我还可以做一个测试为0,这等效于测试为0。此外,收敛到卡方,其中收敛到法线。因为具有更快的收敛速度,所以我不应该将其用于测试统计量,这样我将获得更快的收敛速度并且测试会更高效吗?X1,,Xnμμ2μn(X¯20)n(X¯0)X¯2

我知道这种逻辑是错误的,但是我已经思考了很长时间,无法弄清原因。


1
不清楚你在问什么。你能在解释什么意义的收敛速度是“快”比的?您如何测量费率?您在两个测试中使用什么测试统计信息?显然,这些选择可以有所作为。X¯2X¯
whuber

@whuber谢谢您的提问。我称其为“更快的速率”,因为n大于n的平方根。这种直觉是不正确的吗?我想到了测试统计量的X形或X形平方。
徐望

3
我认为您专注于错误的事情。此速率告诉您采样分布以多快的速度接近极限正态分布-标准正态或。由于很大,因此它的值没有任何实际意义 -不相关。该问题涉及电力每次测试的,而不是如何很好地近似检验统计量的极限分布。χ2(1)n
ub

@whuber感谢您提供这些详细信息。我一直在想它们,但还是不明白。X-bar ^ 2的近似方差最终会小于X-bar的近似方差吗?那不是X-bar ^ 2的收敛速度比X-bar高的结果吗?很抱歉没有看到我的基本误会。我知道我还缺少一些重要的东西,希望能纠正这种想法。
许望

近似方差是较大还是较小无关紧要,因为重要的是统计量的分布。要看到这一点,请考虑使用与对进行t检验。统计信息方差始终是方差100倍,但是归一化结果导致两个实际测试统计信息的分布均为。在您的情况下,请记住对变量求平方将得出变量。从极限来看,这种转换意味着在给定特定级别的情况下,两个测试在功率方面是相同的。μ=0xN(0,1)yN(0,10)y¯x¯t(n1)N(0,1)χ2
jbowman

Answers:


1

您描述的两个测试是等效的。

如果我有两个假设:

H0:μ=0
H1:μ0

那么它们等于

H0:μ2=0
H1:μ2>0.

如果已知数据是正常的,则样本均值也将是具有均值和方差(可能已知或未知)。X¯μσ2/n

如果不知道数据是正态的,则可以使用中心极限定理,并且上面的结果将渐近成立。您声称将收敛到卡方变量“更快”,而将收敛到普通变量。在趋于无穷大的意义上,这是正确的,X¯2X¯n

P(|X¯μ|>|X¯2μ2|)1

但这还不是全部。我们正在执行似然比测试,或至少进行一次近似测试。无论我们执行卡方检验还是正常检验,该比率都将相同。(回想一下,正常随机变量的平方遵循卡方分布。)如果样本均值出现在相关正态分布或t分布的第95个百分点,则平方和将等于分布的第95个百分位数(这不是相同的数字,但这无关紧要)。X¯χ2

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.