В статистике, теорема Кохрено, разработанный Уильям Г. Кокрэн, является теорема используется для обоснования результатов, относящихся к вероятностным распределениям статистики, которые используются в дисперсионном анализе.
СОДЕРЖАНИЕ
- 1 Заявление
- 2 Примеры
- 2.1 Выборочное среднее и выборочная дисперсия
- 2.2 Распространение
- 2.3 Оценка дисперсии
- 3 Альтернативная формулировка
- 4 См. Также
- 5 ссылки
Заявление
Пусть U 1,..., U N являются IID стандартными нормально распределенными случайными величинами, и являются неотрицательно матрицей с. Далее предположим, что, где г я есть ранг из. Если мы напишем
так что Q я являются квадратичные формы, то теорема Кохрена утверждает, что Q я являются независимыми, и каждый из Q я имеет распределение хи-квадрат с т я степенями свободы.
Менее формально, это количество линейных комбинаций, включенных в сумму квадратов, определяющих Q i, при условии, что эти линейные комбинации линейно независимы.
Доказательство
Сначала мы покажем, что матрицы B ( i) могут быть одновременно диагонализованы и что все их ненулевые собственные значения равны +1. Затем мы используем векторный базис, который их диагонализирует, чтобы упростить их характеристическую функцию и показать их независимость и распределение.
Каждая из матриц B ( i) имеет ранг r i и, следовательно, r i ненулевых собственных значений. Для каждого i сумма имеет не более ранг. Так как отсюда следует, что C (i) имеет ранг N - r i.
Следовательно, B ( i) и C ( i) могут быть диагонализованы одновременно. Это можно показать, сначала диагонализуя B ( i). В этой основе он имеет вид:
Таким образом, нижние строки равны нулю. Поскольку отсюда следует, что эти строки в C (i) в этом базисе содержат правый блок, который является единичной матрицей, с нулями в остальных этих строках. Но поскольку C (i) имеет ранг N - r i, в другом месте он должен быть равен нулю. Таким образом, диагональна и в этом базисе. Отсюда следует, что все ненулевые собственные значения как B (i), так и C (i) равны +1. Более того, приведенный выше анализ можно повторить в диагональном базисе для. В этом базисе есть тождество векторного пространства, поэтому оба B (2) и одновременно диагонализуемы в этом векторном пространстве (и, следовательно, также вместе с B (1)). Из итераций следует, что все B -s одновременно диагонализируемы.
Таким образом, существует ортогональная матрица таких, что для всех, диагоналей, где любой элемент с индексами, равен 1, в то время как любая запись с другими индексами равно 0.
Позвольте обозначить некоторую конкретную линейную комбинацию всех после преобразования через. Обратите внимание, что из-за сохранения длины ортогональной матрицы S якобиан линейного преобразования является матрицей, связанной с самим линейным преобразованием, и что определитель ортогональной матрицы имеет модуль 1.
Характеристическая функция Q i:
Это преобразование Фурье от распределения хи-квадрат с т я степенями свободы. Следовательно, это распределение Q i.
Более того, характеристическая функция совместного распределения всех Q i s равна:
Из этого следует, что все Q i независимы.
Примеры
Среднее значение выборки и дисперсия выборки
Если X 1,..., X n - независимые нормально распределенные случайные величины со средним μ и стандартным отклонением σ, то
является стандартным нормальным для каждого I. Обратите внимание, что общий Q равен сумме квадратов U s, как показано здесь:
что вытекает из исходного предположения, что. Поэтому вместо этого мы вычислим это количество и позже разделим его на Q i. Можно написать
(здесь это выборочное среднее ). Чтобы увидеть эту идентичность, умножьте все на и обратите внимание, что
и развернуть, чтобы дать
Третий член равен нулю, потому что он равен константе, умноженной на
а второй член состоит всего из n одинаковых терминов, сложенных вместе. Таким образом
и, следовательно
Теперь с с матрицей из них, который имеет ранг 1. В свою очередь , учитывая, что. Это выражение также можно получить, раскрыв матричные обозначения. Можно показать, что ранг равен, поскольку сложение всех его строк равно нулю. Таким образом, условия теоремы Кохрана выполнены.
Затем теорема Кохрана утверждает, что Q 1 и Q 2 независимы, с распределениями хи-квадрат с n - 1 и 1 степенью свободы соответственно. Это показывает, что выборочное среднее и выборочная дисперсия независимы. Это также можно показать с помощью теоремы Басу, и на самом деле это свойство характеризует нормальное распределение - поскольку никакое другое распределение не зависит от выборочного среднего и выборочной дисперсии.
Распределения
Результат для распределений символически записывается как
Обе эти случайные величины пропорциональны истинной, но неизвестной дисперсии σ 2. Таким образом, их соотношение не зависит от σ 2 и, поскольку они статистически независимы. Распределение их отношения дается формулой
где F 1, n - 1 - F-распределение с 1 и n - 1 степенями свободы (см. также t-распределение Стьюдента ). Последним шагом здесь является определение случайной величины, имеющей F-распределение.
Оценка дисперсии
Для оценки дисперсии σ 2 иногда используется одна оценка, которая представляет собой оценку максимального правдоподобия дисперсии нормального распределения.
Теорема Кохрана показывает, что
а свойства распределения хи-квадрат показывают, что
Альтернативная формулировка
Следующая версия часто встречается при рассмотрении линейной регрессии. Предположит, что является стандартным многомерным нормальным случайным вектором (здесь обозначает в н матрице с размерностью п единичной матрицы ), и если являются всеми п матрицы с размерностью N симметричных матрицы с. Затем, при определении, любое из следующих условий влечет за собой два других:
- (таким образом, положительно полуопределенные )
- не зависит от для
Смотрите также
использованная литература
- ^ a b Cochran, WG (апрель 1934 г.). «Распределение квадратичных форм в нормальной системе с приложениями к анализу ковариации». Математические труды Кембриджского философского общества. 30 (2): 178–191. DOI : 10.1017 / S0305004100016595.
- ^ Бапат, RB (2000). Линейная алгебра и линейные модели (второе изд.). Springer. ISBN 978-0-387-98871-9.
- ^ Craig AT (1938) «О независимости некоторых оценок вариаций». Анналы математической статистики. 9. С. 48–55.
- Перейти ↑ Geary, RC (1936). «Распределение« коэффициента студента »для нестандартных выборок». Приложение к Журналу Королевского статистического общества. 3 (2): 178–184. DOI : 10.2307 / 2983669. JFM 63.1090.03. JSTOR 2983669.
- ^ «Теорема Кокрана (краткое руководство)» (PDF).