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.
6.2. Asymptotik im k-Stichprobenfall 57<br />
erhält man<br />
( )<br />
√ 1 n<br />
n log λ n + K(θ (0) , θ ∗ , c)<br />
mit<br />
= 1 √ n<br />
= 1 √ n<br />
= 1 √ n<br />
= 1 √ n<br />
=<br />
=<br />
=<br />
k∑<br />
i=1<br />
k∑<br />
i=1<br />
k∑ ∑n i<br />
i=1 j=1<br />
k∑ ∑n i<br />
i=1 j=1<br />
k∑ ∑n i<br />
i=1 j=1<br />
k∑ ∑n i<br />
i=1 j=1<br />
√<br />
ni<br />
n<br />
1<br />
√<br />
ni<br />
[<br />
log f(X ij, θ ∗ ]<br />
)<br />
f(X ij , θ (0) + √ n<br />
)<br />
[<br />
log f(X ij, θ ∗ ]<br />
)<br />
f(X ij , θ (0) + √ n<br />
)<br />
[<br />
log f(X ij, θ ∗ ]<br />
)<br />
f(X ij , θ (0) + √ 1<br />
) n<br />
= 1 √ n<br />
[l n (θ ∗ ) − l n (θ (0) )] + √ nK(θ (0) , θ ∗ , c) + o p (1)<br />
k∑<br />
i=1<br />
k∑<br />
i=1<br />
k∑<br />
i=1<br />
[<br />
log f(X ij, θ ∗ )<br />
f(X ij , θ (0) ) + K(θ(0) i<br />
, θ ∗ i )<br />
∑n i<br />
j=1<br />
√ [Z i,ni c i + o p (1/ √ ]<br />
n)<br />
k∑<br />
[Z i,ni ( √ c i + o p (1))] + o p (1)<br />
i=1<br />
Z i,ni = 1 √<br />
ni<br />
c i K(θ (0)<br />
i<br />
, θ ∗ i ) + o p (1)<br />
( ni<br />
n + o p(1/ √ )<br />
n) K(θ (0)<br />
i<br />
, θi ∗ ) + o p (1)<br />
n i K(θ (0)<br />
i<br />
, θ ∗ i ) + o p (1)<br />
]<br />
+ o p (1)<br />
[<br />
log f(X ij, θ ∗ ]<br />
)<br />
f(X ij , θ (0) ) + K(θ(0) i<br />
, θi ∗ )<br />
∑n i<br />
j=1<br />
+ o p (1)<br />
[<br />
log f(X ij, θ ∗ ]<br />
)<br />
f(X ij , θ (0) )<br />
+ o p (1)<br />
D<br />
−→ N (0, σ 2 i (θ (0)<br />
i<br />
, θ ∗ i )).<br />
nach dem zentralen Grenzwert Satz (siehe A.2). Mit Z i,ni = O p (1) <strong>für</strong> i = 1, . . . , k erhält man<br />
( )<br />
√ 1 n<br />
n log λ n + K(θ (0) , θ ∗ , c)<br />
=<br />
k∑<br />
[ √ c i Z i,ni ] + o p (1).<br />
Aufgrund der Unabhängigkeit der Stichproben X 1 , . . . , X k sind nach dem Blockungslemma<br />
Z 1,n1 , . . . , Z k,nk ebenfalls unabhängig.<br />
Sind X und Y unabhängig normalverteilt mit X ∼ N (µ x , σx) 2 und Y ∼ N (µ y , σy), 2 so gilt <strong>für</strong><br />
die Faltung X+Y , dass sie ebenfalls normalverteilt ist mit X+Y ∼ N (µ x +µ y , σx+σ 2 y). 2 <strong>Die</strong>ses<br />
Resultat ist beispielsweise in Krengel (1988, S.141) zu finden. Somit erhält man zusammen<br />
mit dem Lemma von Slutsky (siehe A.3)<br />
( )<br />
√ 1 n<br />
n log λ n + K(θ (0) , θ ∗ D<br />
, c) −→ N (0, σ 2 (θ (0) , θ ∗ , c)).<br />
i=1<br />
<strong>Die</strong> Bedingungen B3 und B4 sichern die Existenz von K(θ (0) , θ ∗ , c) und σ 2 (θ (0) , θ ∗ , c) und<br />
somit auch die Anwendung <strong>des</strong> zentralen Grenzwertsatzes.