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.
6.1. Asymptotik im 1-Stichprobenfall 51<br />
Zum Beweis <strong>des</strong> Theorems wird ein Resultat der klassischen <strong>Likelihood</strong>-<strong>Quotienten</strong>-Theorie<br />
benutzt, formuliert in Lemma 6.3. Demnach ist −2 log λ n unter der Hypothese H 0 : θ = θ 0<br />
asymptotisch χ 2 -verteilt. Das Lemma stellt einen Spezialfall der Arbeit von Wilks (1938)<br />
dar, die zusammengesetzte Hypothesen im Allgemeinen abdeckt. Ein Beweis <strong>des</strong> Resultates<br />
ist zum Beispiel auch im Buch von Ferguson (1996, Kapitel 22, Satz 22) zu finden.<br />
Lemma 6.3. Unter den Regularitätsbedingungen R und der Hypothese H 0 : θ = θ 0 gilt<br />
−2 log λ n = −2[l n (θ (0) ) − l n (ˆθ n )]<br />
wobei d die Dimension <strong>des</strong> Parameterraumes ist.<br />
D<br />
−→ χ 2 d ,<br />
Beweis von Theorem 6.2. Betrachtet wird der log-<strong>Likelihood</strong><br />
log λ n = l n (ˆθ r n) − l n (ˆθ n )<br />
= [l n (ˆθ r n) − l n (θ ∗ )] + [l n (θ ∗ ) − l n (θ (0) )] + [l n (θ (0) ) − l n (ˆθ n )],<br />
so gilt <strong>für</strong> den dritten Term nach Lemma 6.3<br />
und folglich<br />
[l n (θ (0) ) − l n (ˆθ n )] = O p (1)<br />
1<br />
√ n<br />
[l n (θ (0) ) − l n (ˆθ n )] = o p (1).<br />
Zusammen mit der Voraussetzung (6.2)<br />
l n (θ ∗ ) − l n (ˆθ r n) = o p ( √ n)<br />
erhält man<br />
( )<br />
√ 1 n<br />
n log λ n + K(θ (0) , θ ∗ )<br />
= √ n 1 n<br />
n∑<br />
i=1<br />
[<br />
log f(X i, θ ∗ ]<br />
)<br />
f(X i , θ (0) ) + K(θ(0) , θ ∗ )<br />
+ o p (1). (6.3) .<br />
Es gilt<br />
[<br />
E log f(X i, θ ∗ ]<br />
)<br />
f(X i , θ (0) = −K(θ (0) , θ ∗ )<br />
)<br />
<strong>für</strong> alle i = 1, . . . , n. Somit schließt man mit dem zentralen Grenzwertsatz (siehe A.2), dass<br />
die rechte Seite von 6.3 und folglich auch die linke asymptotisch normalverteilt sind mit<br />
Erwartungswert null und Varianz<br />
[<br />
]<br />
σ 2 (θ (0) , θ ∗ ) = Var θ (0) log f(X 1 , θ (0) ) − log f(X 1 , θ ∗ ) .<br />
Bedingung B1 und B2 sichern die Existenz von K(θ (0) , θ ∗ ) und σ 2 (θ (0) , θ ∗ ) und somit auch<br />
die Anwendung <strong>des</strong> zentralen Grenzwertsatzes.