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.
48 Kapitel 5: Asymptotische <strong>Verteilung</strong> der LQ-Statistik unter Hypothese<br />
Beispiel 5.6. Betrachtet wird eine normalverteilte Zufallsvariable X ∼ N (θ (0) , Σ) mit θ (0) ∈ R 2<br />
und bekannter Kovarianzmatrix Σ ∈ R 2×2 . Der Hypothesenraum Θ 0 sei ein Halbraum. θ (0)<br />
liege auf dem Rand der Hypothese und sei ohne Einschränkung der Allgemeinheit mit null angenommen,<br />
θ (0) = (0, 0). Da Σ symmetrisch und positiv definit ist, existiert eine orthogonale<br />
Matrix Q und eine Diagonalmatrix V mit<br />
Es gilt<br />
und Σ −1/2 kann definiert werden als<br />
Σ = Q T V Q.<br />
Σ −1 = (Q T V Q) −1 = Q T V −1 Q<br />
Σ −1/2 = Q T V −1/2 Q.<br />
Nach Definition gilt Σ −1 = Σ −1/2 Σ −1/2 und Σ −1/2 ΣΣ −1/2 = I 2 . Weiter ist<br />
˜Θ 0 := {Σ −1/2 θ : θ ∈ Θ 0 }<br />
wieder ein Halbraum, da Σ −1/2 = Q T V −1/2 Q eine lineare Abbildung mit vollem Rang definiert.<br />
Für die <strong>Likelihood</strong>-<strong>Quotienten</strong>-Statistik gilt nach Beispiel 2.2<br />
−2 log λ = inf<br />
θ∈Θ 0<br />
(X − θ) T Σ −1 (X − θ)<br />
= inf<br />
θ∈Θ 0<br />
(X − θ) T Σ −1/2 Σ −1/2 (X − θ)<br />
= inf<br />
θ∈Θ 0<br />
(Σ −1/2 X − Σ −1/2 θ) T (Σ −1/2 X − Σ −1/2 θ)<br />
= inf<br />
θ∈ ˜Θ 0<br />
(Z − θ) T (Z − θ)<br />
mit Z = Σ −1/2 X ∼ N (0, I 2 ). Da ˜Θ 0 wieder ein Halbraum ist, folgt nach obigem Beispiel 5.5<br />
−2 log λ ∼ 1 2 + 1 2 χ2 1.<br />
Beispiel 5.7. Es seien zwei unabhängige Stichproben X 11 , . . . , X 1n1 ∼ f 1 (x, θ (0)<br />
1 ), θ(0) 1 ∈ R,<br />
und X 21 , . . . , X 2n2 ∼ f 2 (x, θ (0)<br />
2 ), θ(0) 2 ∈ R, gegeben, die die Regularitätsbedingungen R erfüllen<br />
und sei Bedingung F erfüllt. Es wird θ (0) = (θ (0) ) gesetzt und der Hypothesenraum<br />
1 , θ(0) 2<br />
Θ 0 ⊆ R 2 soll in θ (0) durch einen Halbraum M 0 approximiert werden können. Weiter gilt<br />
ˆθ Θ P<br />
0<br />
n −→ θ (0) . Somit sind die Voraussetzungen von Theorem 5.1 erfüllt und man erhält<br />
−2 log λ n<br />
D −→ inf<br />
θ∈M 0<br />
(Z − θ) T Σ −1 (Z − θ)<br />
mit Z ∼ N (θ (0) , Σ) und geeigneter Kovarianzmatrix Σ. Mit obigem Beispiel 5.7 folgt<br />
−2 log λ n<br />
D −→<br />
1<br />
2 + 1 2 χ2 1.