Die asymptotische Verteilung des Likelihood-Quotienten-Tests für ...
Die asymptotische Verteilung des Likelihood-Quotienten-Tests für ...
Die asymptotische Verteilung des Likelihood-Quotienten-Tests für ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
6.2. Asymptotik im k-Stichprobenfall 55<br />
6.2 Asymptotik im k-Stichprobenfall<br />
<strong>Die</strong> Ergebnisse <strong>des</strong> 1-Stichprobenfalls werden auf den k-Stichprobenfall mit ungleichen Fallzahlen<br />
übertragen. Es wird somit der k-Stichprobenfall mit Regularitätsbedingungen R und<br />
Bedingung F betrachtet. Sei c = (c 1 , . . . , c k ) mit n i /n → c i .<br />
Der Kullback-Leibler Abstand ist <strong>für</strong> den k-Stichprobenfall zu modifizieren.<br />
Definition 6.6. Seien (f i,0 , f i,1 ), i = 1, . . . , k Paare von Dichten bezüglich einem σ-endlichen<br />
Maß ν und w = (w 1 , . . . , w k ), w i > 0, ein Gewichtungsvektor, dann ist der gewichtete<br />
Kullback-Leibler Abstand <strong>für</strong> f 0 = (f 1,0 , . . . , f k,0 ) und f 1 = (f 1,1 , . . . , f k,1 ) definiert als<br />
K(f 0 , f 1 , w) =<br />
k∑<br />
w i K(f i,0 , f i,1 ),<br />
i=1<br />
wenn f i,0 ≪ f i,1 <strong>für</strong> alle i = 1, . . . , k und unendlich sonst.<br />
Für f θ (·) = (f 1 (θ 1 , ·), . . . , f k (θ k , ·)) und f˜θ(·) = (f 1 (˜θ 1 , ·), . . . , f k (˜θ k , ·)) wird<br />
gesetzt.<br />
K(θ, ˜θ, c) = K(f θ , f˜θ,<br />
c)<br />
Bedingung B3: Für i = 1, . . . , k existiert E (0) θ<br />
log f i (X i1 , θ (0)<br />
i<br />
) und es existiert eine Funktion<br />
i<br />
K i (x) mit E (0) θ<br />
K i (X i1 ) < ∞, so dass log f i (x, θ i ) gleichmäßig in Θ 0 im Betrag durch K i (x)<br />
i<br />
beschränkt ist.<br />
Bedingung B4: E (0) θ i<br />
<strong>für</strong> alle i = 1, . . . , k.<br />
[log f i (X i1 , θ i )] 2 existiert <strong>für</strong> θ i ∈ {θ i : θ = (θ 1 , . . . , θ k ) ∈ Θ 0 } ∪ {θ (0)<br />
i<br />
}<br />
Bedingung B3 stellt die zu Bedingung B1 entsprechende k-Stichprobenbedingung dar und<br />
sichert die Wohldefiniertheit <strong>des</strong> gewichteten Kullback-Leibler Abstands zwischen der wahren<br />
<strong>Verteilung</strong> und denen zur Hypothese gehörigen <strong>Verteilung</strong>en. Entsprechend sichert Bedingung<br />
B4 die Existenz von<br />
k∑<br />
i=1<br />
c i Var θ<br />
(0)<br />
i<br />
[<br />
]<br />
log f(X i1 , θ (0)<br />
i<br />
) − log f(X i1 , θ i )<br />
<strong>für</strong> θ ∈ Θ 0 . Im Folgenden wird erneut ˆθ n r = ˆθ Θ 0<br />
n <strong>für</strong> den auf die Hypothese Θ 0 eingeschränkten<br />
ML-Schätzer geschrieben. ˆθ n r wird als restringierter ML-Schätzer bezeichnet.<br />
So kann das Theorem 6.2 entsprechend <strong>für</strong> den k-Stichprobenfall formuliert werden. <strong>Die</strong> Rolle<br />
von θ ∗ wird auch hier anschließend diskutiert.<br />
Theorem 6.7. Der k-Stichprobenfall sei mit nachstehenden Bedingungen gegeben:<br />
(i) <strong>Die</strong> Regularitätsbedingungen R sind <strong>für</strong> alle f i , i = 1, . . . , k erfüllt.