Die asymptotische Verteilung des Likelihood-Quotienten-Tests für ...
Die asymptotische Verteilung des Likelihood-Quotienten-Tests für ...
Die asymptotische Verteilung des Likelihood-Quotienten-Tests für ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
46 Kapitel 5: Asymptotische <strong>Verteilung</strong> der LQ-Statistik unter Hypothese<br />
Korollar 5.3. In Theorem 5.1 kann die Kovarianzmatrix CJ durch d · CJ mit beliebigem<br />
d > 0 ersetzt werden.<br />
Beweis. Wie in Theorem 5.1 gezeigt, ist die <strong>asymptotische</strong> <strong>Verteilung</strong> von −2 log λ n (x) durch<br />
die <strong>Verteilung</strong> von<br />
mit Z ∼ N (0, (CJ) −1 ) gegeben.<br />
inf (Z − θ) T CJ (Z − θ) − inf (Z −<br />
θ∈M 0 θ∈M θ)T CJ (Z − θ)<br />
Da nun M und M 0 positiv homogene Mengen sind, gilt<br />
inf (Z − θ) T CJ (Z − θ) − inf (Z −<br />
θ∈M 0 θ∈M θ)T CJ (Z − θ)<br />
1<br />
= inf √d (Z − θ) T d · CJ 1<br />
1<br />
√ (Z − θ) − inf √ (Z − θ) T d · CJ √ 1 (Z − θ)<br />
θ∈M 0 d θ∈M d d<br />
= inf ( √ 1 Z − θ) T d · CJ ( √ 1 Z − θ) − inf ( √ 1 Z − θ) T d · CJ ( √ 1 Z − θ)<br />
θ∈M 0 d d θ∈M d d<br />
= inf<br />
θ∈M 0<br />
(Y − θ) T d · CJ (Y − θ) − inf<br />
θ∈M (Y − θ)T d · CJ (Y − θ)<br />
mit Y ∼ N (0, d −1 (CJ) −1 ).<br />
Bemerkung 5.4 (Konsistenz mit Chernoff’s 1-Stichprobenfall). Betrachtet wird der<br />
k-Stichprobenfall mit gleichen Fallzahlen in allen Stichproben, d.h. n i = n j <strong>für</strong> alle i, j =<br />
1, . . . , k, dann können die Stichproben zu einer zusammengefasst und das Resultat von Chernoff<br />
<strong>für</strong> den 1-Stichprobenfall angewandt werden. So erhält man, dass die <strong>Verteilung</strong> von<br />
−2 log λ n (x) asymptotisch gleich der von −2 log λ n (x) ist <strong>für</strong> den Test von θ ∈ M 0 gegen<br />
θ ∈ M\M 0 basierend auf einer normalverteilten Zufallsvariablen mit Erwartungswert 0 und<br />
Kovarianzmatrix J −1 . Wird hingegen Theorem 5.1 mit c i = 1/k <strong>für</strong> alle i = 1, , . . . , k angewandt,<br />
erhält man statt der Kovarianzmatrix J −1 nun k · J −1 . Korollar 5.3 zeigt mit d = 1/k,<br />
dass die Ergebnisse konsistent sind.<br />
5.2 Beispiele<br />
An einem einfachen Beispiel soll exemplarisch gezeigt werden, wie die Resultate von Theorem<br />
5.1 genutzt werden können, um die <strong>asymptotische</strong> <strong>Verteilung</strong> <strong>des</strong> <strong>Likelihood</strong>-<strong>Quotienten</strong> unter<br />
der Hypothese zu bestimmen. Im Beispiel 5.5 wird eine normalverteilte Zufallsvariable X ∼<br />
N (θ (0) , I 2 ) mit θ (0) ∈ R 2 betrachtet (I 2 = 2 × 2 Identitätsmatrix). Der Hypothesenraum<br />
Θ 0 ist ein Halbraum und θ (0) liegt auf dem Rand der Hypothese. Dann ist −2 log λ verteilt<br />
nach 1/2 + 1/2χ 2 1 . Nach Beispiel 5.6 bleibt die <strong>Verteilung</strong> von −2 log λ unverändert, wenn<br />
I 2 durch eine beliebige, aber bekannte Kovarianzmatrix Σ ersetzt wird. Entsprechend kann<br />
dieses Ergebnis auf zwei unabhängige Stichproben übertragen werden, wenn die Bedingungen<br />
von Theorem 5.1 erfüllt sind. −2 log λ ist dann asymptotisch verteilt nach 1/2 + 1/2χ 2 1 (siehe<br />
Beispiel 5.7).