Xreferat.com » Рефераты по экономике » Статистический анализ числовых величин (непараметрическая статистика)

Статистический анализ числовых величин (непараметрическая статистика)

математической и прикладной статистике (см., например, [8, 9, 13]).

Однако в литературе имеются и неточные утверждения относительно возможностей критерия Вилкоксона. Так, одни полагают, что с его помощью можно обнаружить любое различие между функциями распределения F(x) и G(x). По мнению других, этот критерий нацелен на проверку равенства медиан распределений, соответствующих выборкам. И то, и другое, строго говоря, неверно. Это будет ясно из дальнейшего изложения.

Введем некоторые обозначения. Пусть F-1(t) - функция, обратная к функции распределения F(x). Она определена на отрезке [0;1]. Положим L(t) = G(F-1(t)). Поскольку F(x) непрерывна и строго возрастает, то F-1(t) и L(t) обладают теми же свойствами. Важную роль в дальнейшем изложении будет играть величина a = P(X< Y) . Как нетрудно показать,

Статистический анализ числовых величин (непараметрическая статистика)

Введем также параметры

Статистический анализ числовых величин (непараметрическая статистика)

Тогда математические ожидания и дисперсии статистик Вилкоксона и Манна-Уитни согласно [13, с.160] выражаются через введенные величины:

М(U) = mna , М(S) = mn + m(m+1)/2 - М(U) = mn(1- a) + m(m+1)/2,

D(S) = D(U) = mn [ (n - 1) b2 + (m - 1) g2 + a(1 -a) ] . (1)

Когда объемы обеих выборок безгранично растут, распределения статистик Вилкоксона и Манна-Уитни являются асимптотически нормальными (см., например, [13, гл.5 и 6]) с параметрами, задаваемыми формулами (1) .

Если выборки полностью однородны, т.е. их функции распределения совпадают, справедлива гипотеза

H0: F(x) = G(x) при всех x, (2)

то L(t) = t и a= 1/2. Подставляя в формулы (1), получаем, что

М(S) = m(m+n+1)/2, D(S) = mn(m+n+1)/ 12 (3) .

Следовательно, распределение нормированной и центрированной статистики Вилкоксона

T = ( S - m(m+n+1)/2) (mn(m+n+1)/ 12 ) - 1/2 (4)

при росте объемов выборок приближается к стандартному нормальному распределению (с математическим ожиданием 0 и дисперсией 1).

Из асимптотической нормальности статистики Т следует, что правило принятия решения для критерия Вилкоксона выглядит так:

если |T|<Статистический анализ числовых величин (непараметрическая статистика)то гипотеза (2) однородности (тождества) функций распределений принимается на уровне значимости Статистический анализ числовых величин (непараметрическая статистика)

если же |T|>Статистический анализ числовых величин (непараметрическая статистика)то гипотеза (2) однородности (тождества) функций распределений отклоняется на уровне значимости Статистический анализ числовых величин (непараметрическая статистика).

В эконометрике наиболее часто применяется уровень значимости Статистический анализ числовых величин (непараметрическая статистика) Тогда значение модуля статистики Т Вилкоксона надо сравнивать с граничным значениемСтатистический анализ числовых величин (непараметрическая статистика)

Пример 1. Пусть даны две выборки. Первая содержит m= 12 элементов 17; 22; 3; 5; 15; 2; 0; 7; 13; 97; 66; 14. Вторая содержит n=14 элементов 47; 30; 2; 15; 1; 21; 25; 7; 44; 29; 33; 11; 6; 15. Проведем проверку однородности функций распределения двух выборок с помощью только что сформулированного правила принятия решений на основе критерия Вилкоксона.

Первым шагом является построение общего вариационного ряда для элементов двух выборок (табл.1).

Табл.1. Общий вариационный ряд для элементов двух выборок


Ранги 1 2 3,5 3,5 5 6 7 8,5 8,5 10 11 12 14
Элементы выборок 0 1 2 2 3 5 6 7 7 11 13 14 15
Номера выборок 1 2 1 2 1 1 2 1 2 2 1 1 1
Ранги 14 14 16 17 18 19 20 21 22 23 24 25 26
Элементы выборок 15 15 17 21 22 25 29 30 33 44 47 66 97
Номера выборок 2 2 1 2 1 2 2 2 2 2 2 1 1

Хотя с точки зрения теории математической статистики вероятность совпадения двух элементов выборок равна 0, в реальных выборках экономических данных совпадения встречаются. Так, в рассматриваемых выборках, как видно из табл.1, два раза повторяется величина 2, два раза - величина 7 и три раза - величина 15. В таких случаях говорят о наличии "связанных рангов", а соответствующим совпадающим величинам приписывают среднее арифметическое тех рангов которые они занимают. Так, величины 2 и 2 занимают в объединенной выборке места 3 и 4, поэтому им приписывается ранг (3+4)/2=3,5. Величины 7 и 7 занимают в объединенной выборке места 8 и 9, поэтому им приписывается ранг (8+9)/2=8,5. Величины 15, 15 и 15 занимают в объединенной выборке места 13, 14 и 15, поэтому им приписывается ранг (13+14+15)/3=14.

Следующий шаг - подсчет значения статистики Вилкоксона, т.е. суммы рангов элементов первой выборки

S = R1 + R2 + ... + Rm = 1+3,5+5+6+8,5+11+12+14+16+18+25+26=146.

Подсчитаем также сумму рангов элементов второй выборки

S1 = 2+3,5+7+8,5+10+14+14+17+19+20+21+22+23+24= 205.

Величина S1 может быть использована для контроля вычислений. Дело в том, что суммы рангов элементов первой выборки S и второй выборки S1 вместе составляют сумму рангов объединенной выборки, т.е. сумму всех натуральных чисел от 1 до m+n. Следовательно,

S+ S1 = (m+n)(m+n+1)/2= (12+14)(12+14+1)/2= 351.

В соответствии с ранее проведенными расчетами S+S1 = 146+205=351. Необходимое условие правильности расчетов выполнено. Ясно, что справедливость этого условия не гарантирует правильности расчетов.


Перейдем к расчету статистики Т. Согласно формуле (3)

М(S) = 12(12+14+1)/ 2 = 162, D(S) = 12.14(12+14+1)/ 12= 378 .

Следовательно,

T = ( S - 162) (378 ) - 1/2 = (146-162) / 19,44 = - 0.82.

Поскольку |T|<1,96, то гипотеза однородности принимается на уровне значимости0,05.

Что будет, если поменять выборки местами, вторую назвать первой? Тогда вместо S надо рассматривать S1 . Имеем

М(S1 ) = 14(12+14+1)/ 2 = 189, D(S) = D(S1 ) = 378 ,

T1 = ( S1 - 189) (378 ) - 1/2 = (205-162) / 19,44 = 0.82.

Таким образом, значения статистики критерия отличаются только знаком (можно показать, что это утверждение верно всегда). Поскольку в правиле принятия решения используется только абсолютная величина статистики, то принимаемое решение не зависит от того, какую выборку считаем первой, а какую второй. Для уменьшения объема таблиц принято считать первой выборку меньшего объема.

Продолжим обсуждение критерия Вилкоксона. Правила принятия решений и таблица критических значений для критерия Вилкоксона строятся в предположении справедливости гипотезы полной однородности, описываемой формулой (2). А что будет, если эта гипотеза неверна? Другими словами, какова мощность критерия Вилкоксона?

Пусть объемы выборок достаточно велики, так что можно пользоваться асимптотической нормальностью статистики Вилкоксона. Тогда в соответствии с формулами (1) статистика T будет асимптотически нормальна с параметрами

М(T) = ( 12mn ) 1/2 (1/2 - a) (m+n+1) - 1/2 ,

D(T) = 12 [(n - 1) b2 + (m - 1) g2 + a(1 -a) ] (m+n+1) - 1 . (5)

Из формул (5) видно большое значение гипотезы

H01: a = P(X < Y) = 1/2 . (6)

Если эта гипотеза неверна, то, поскольку m < n, справедлива оценка

|M(T)| > (12m n (2n+1) - 1) 1/2 |1/2 - a| ,

а потому |E(T)| безгранично растет при росте объемов выборок. В то же время, поскольку

Статистический анализ числовых величин (непараметрическая статистика)

то

D(T) < 12 [(n - 1) + (m - 1) + 1/4] (m+n+1) - 1 <12. (7)

Следовательно, вероятность отклонения гипотезы H01 , когда она неверна, т.е. мощность критерия Вилкоксона как критерия проверки гипотезы (6), стремится к 1 при возрастании объемов выборок, т.е. критерий Вилкоксона является состоятельным для этой гипотезы при альтернативе

АH01: a = P(X < Y) Статистический анализ числовых величин (непараметрическая статистика) 1/2 . (8) .

Если же гипотеза (6) верна, то статистика T асимптотически нормальна с математическим ожиданием 0 и дисперсией, определяемой формулой

D(T) = 12 [(n - 1) b2 + (m - 1) g2 + 1/4 ] (m+n+1) -1 . (9)

Гипотеза (6) является сложной, дисперсия (9), как показывают приводимые ниже примеры, в зависимости от значений b2 и g2 может быть как больше 1, так и меньше 1, но согласно неравенству (7) никогда не превосходит 12.

Приведем пример двух функций распределения F(x) и G(x) таких, что гипотеза (6) выполнена, а гипотеза (2) - нет. Поскольку

a = P(X < Y) = Статистический анализ числовых величин (непараметрическая статистика) , 1 - a = P(Y < X) = Статистический анализ числовых величин (непараметрическая статистика) (10)

и a = 1/2 в случае справедливости гипотезы (2), то для выполнения условия (6) необходимо и достаточно, чтобы

Статистический анализ числовых величин (непараметрическая статистика) (11) ,

а потому естественно в качестве F(x) рассмотреть функцию равномерного распределения на интервале (-1 ; 1). Тогда формула (11) переходит в условие

Статистический анализ числовых величин (непараметрическая статистика) (11) .

Это условие выполняется, если функция (G(x) - (x + 1)/2 ) является нечетной.

Пример 2. Пусть функции распределения F(x) и G(x) сосредоточены на интервале (-1 ; 1), на котором

F(x) = (x + 1)/2 , G(x) = ( x + 1 + 1/Статистический анализ числовых величин (непараметрическая статистика) sin Статистический анализ числовых величин (непараметрическая статистика)x ) / 2 .

Тогда

x=F-1(t)=2 -1, L(t)=G(F-1(t))=(2t+1/Статистический анализ числовых величин (непараметрическая статистика)sinСтатистический анализ числовых величин (непараметрическая статистика)(2t-1))/2=t+1/2Статистический анализ числовых величин (непараметрическая статистика)sinСтатистический анализ числовых величин (непараметрическая статистика)(2t-1) .

Условие (11) выполнено, поскольку функция (G(x) - (x + 1)/2) является нечетной. Следовательно, a = 1/2 . Начнем с вычисления

g2 = Статистический анализ числовых величин (непараметрическая статистика) - 1/4 =Статистический анализ числовых величин (непараметрическая статистика)

Поскольку

Статистический анализ числовых величин (непараметрическая статистика)

то

Статистический анализ числовых величин (непараметрическая статистика)

С помощью замены переменных t = (x +1) / 2 получаем, что

Статистический анализ числовых величин (непараметрическая статистика)

В правой части последнего равенства стоят табличные интегралы (см., например, справочник [14, с.71]. Проведя соответствующие вычисления, получаем, что в правой части стоит 1/8 ( - 4/ Статистический анализ числовых величин (непараметрическая статистика)2) = - 1/(2 Статистический анализ числовых величин (непараметрическая статистика)2). Следовательно,

g2 = 1/12 - 1/(2 Статистический анализ числовых величин (непараметрическая статистика)2) = 0,032672733...

Перейдем к вычислению b2. Поскольку

Статистический анализ числовых величин (непараметрическая статистика)

то

Статистический анализ числовых величин (непараметрическая статистика)

С помощью замены переменных t = (x+1)/2 переходим к табличным интегралам (см., например, справочник [14, с.65]):

Статистический анализ числовых величин (непараметрическая статистика)

Проведя необходимые вычисления, получим, что

Статистический анализ числовых величин (непараметрическая статистика)

Следовательно, для рассматриваемых функций распределения нормированная и центрированная статистика Вилкоксона (см. формулу (4)) асимптотически нормальна с математическим ожиданием 0 и дисперсией (см. формулу (9))

D(T) = ( 0,544 n + 0,392 m + 2,064 ) (m+n+1) - 1 .

Как легко видеть, дисперсия всегда меньше 1. Это значит, что в рассматриваемом случае гипотеза полной однородности (2) при проверке с помощью критерия Вилкоксона будет приниматься чаще, чем если она на самом деле верна.

На наш взгляд, это означает, что критерий Вилкоксона нельзя считать критерием для проверки гипотезы (2) при альтернативе общего вида. Он не всегда позволяет проверить однородность - не при всех альтернативах. Точно так же критерии типа хи-квадрат нельзя считать критериями проверки гипотез согласия и однородности - они позволяют обнаружить не все различия, поскольку некоторые из них "скрадывает" группировка.

Обсудим теперь, действительно ли критерий Вилкоксона нацелен на проверку равенства медиан распределений, соответствующих выборкам.

Пример 3. Построим семейство пар функций распределения F(x) и G(x) таких, что их медианы различны, но для F(x) и G(x) выполнена гипотеза (6). Пусть распределения сосредоточены на интервале (0 ; 1), и на нем G(x) = x , а F(x) имеет кусочно-линейный график с вершинами в точках (0 ; 0), (Статистический анализ числовых величин (непараметрическая статистика), 1/2 ), (Статистический анализ числовых величин (непараметрическая статистика), 3/4), (1 ; 1). Следовательно,

F(x) = 0 при x < 0 ;

F(x) = x / (2 Статистический анализ числовых величин (непараметрическая статистика)) на [0 ; Статистический анализ числовых величин (непараметрическая статистика)) ;

F(x) = 1/2 + (x - Статистический анализ числовых величин (непараметрическая статистика)) / (4 Статистический анализ числовых величин (непараметрическая статистика) - 4 Статистический анализ числовых величин (непараметрическая статистика)) на [Статистический анализ числовых величин (непараметрическая статистика) ; Статистический анализ числовых величин (непараметрическая статистика)) ;

F(x) = 3/4 + (x - Статистический анализ числовых величин (непараметрическая статистика) ) / (4 - 4 Статистический анализ числовых величин (непараметрическая статистика)) на [Статистический анализ числовых величин (непараметрическая статистика); 1] ;

F(x) = 1 при x > 1.

Очевидно, что медиана F(x) равна Статистический анализ числовых величин (непараметрическая статистика), а медиана G(x) равна 1/2 .

Согласно соотношению (9) для выполнения гипотезы (6) достаточно определить Статистический анализ числовых величин (непараметрическая статистика) как функцию Статистический анализ числовых величин (непараметрическая статистика) , Статистический анализ числовых величин (непараметрическая статистика) = Статистический анализ числовых величин (непараметрическая статистика) (Статистический анализ числовых величин (непараметрическая статистика)) , из условия

Статистический анализ числовых величин (непараметрическая статистика)

Вычисления дают

Статистический анализ числовых величин (непараметрическая статистика) = Статистический анализ числовых величин (непараметрическая статистика)(Статистический анализ числовых величин (непараметрическая статистика)) = 3 (1 - Статистический анализ числовых величин (непараметрическая статистика))/2 .

Учитывая, что Статистический анализ числовых величин (непараметрическая статистика) лежит между Статистический анализ числовых величин (непараметрическая статистика) и 1, не совпадая ни с тем, ни с другим, получаем ограничения на Статистический анализ числовых величин (непараметрическая статистика), а именно, 1/3 < Статистический анализ числовых величин (непараметрическая статистика) < 3/5 . Итак, построено искомое семейство пар функций распределения.

Пример 4. Пусть, как и в примере 3, распределения сосредоточены на интервале (0; 1), и на нем F(x)=x, а G(x) - функция распределения, сосредоточенного в двух точках - Статистический анализ числовых величин (непараметрическая статистика) и 1, т.е. G(x) = 0 при x, не превосходящем Статистический анализ числовых величин (непараметрическая статистика); G(x) = h на (Статистический анализ числовых величин (непараметрическая статистика) ; 1] ; G(x) = 1 при x > 1. С такой функцией G(x) легко проводить расчеты. Однако она не удовлетворяет принятым выше условиям непрерывности и строгого возрастания. Вместе с тем легко видеть, что она является предельной (сходимость в каждой точке отрезка [0 ; 1] ) для последовательности функций распределения, удовлетворяющих этим условиям, а распределение статистики Вилкоксона для пары функций распределения примера 4 является предельным для последовательности соответствующих распределений статистики Вилкоксона, полученных в рассматриваемых условиях непрерывности и строгого возрастания.

Условие P(X < Y) = 1/2 выполнено, если h = (1 -Статистический анализ числовых величин (непараметрическая статистика))-1 / 2 (при Статистический анализ числовых величин (непараметрическая статистика) из отрезка [0 ; 1/2] ). Поскольку h > 1/2 при положительном Статистический анализ числовых величин (непараметрическая статистика), то очевидно, что медиана G(x) равна Статистический анализ числовых величин (непараметрическая статистика), в то время как медиана F(x) равна 1/2 . Значит, при Статистический анализ числовых величин (непараметрическая статистика) = 1/2 медианы совпадают, при всех иных положительных Статистический анализ числовых величин (непараметрическая статистика)- различны. При Статистический анализ числовых величин (непараметрическая статистика) = 0 медианой G(x) является любая точка из

Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты: