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.
64 Kapitel 6: Asymptotische <strong>Verteilung</strong> der LQ-Statistik unter Alternative<br />
mit jeweils 10000 Wiederholungen simuliert. <strong>Die</strong> so gewonnenen empirischen <strong>Verteilung</strong>en<br />
werden mit Hilfe eines QQ-Plots mit der <strong>asymptotische</strong>n <strong>Verteilung</strong> verglichen. <strong>Die</strong> Abbildungen<br />
6.1 und 6.2 zeigen QQ-Plots <strong>für</strong> die drei Stichprobenumfänge von n = 50, 100, 200<br />
und <strong>für</strong> ∆ = 0.1 bzw. <strong>für</strong> ∆ = 0.5.<br />
n=50<br />
n=100<br />
n=200<br />
Sample Quantiles<br />
−0.10 −0.05 0.00 0.05 0.10<br />
Sample Quantiles<br />
−0.10 −0.05 0.00 0.05 0.10<br />
Sample Quantiles<br />
−0.10 −0.05 0.00 0.05 0.10<br />
−4 −2 0 2 4<br />
−4 −2 0 2 4<br />
−4 −2 0 2 4<br />
Theoretical Quantiles<br />
Theoretical Quantiles<br />
Theoretical Quantiles<br />
Abbildung 6.1: P-Plots <strong>für</strong> ∆ = 0.1<br />
In einem QQ-Plot werden die empirischen Quantile gegen die einer Standardnormalverteilten<br />
abgetragen. Liegen die Punkte auf einer Geraden, stammen die simulierten Werte aus<br />
einer Normalverteilung mit Erwartungswert gleich dem y-Achsenabschnitt der Geraden und<br />
Standardabweichung gleich der Steigung. Für den Vergleich der empirischen <strong>Verteilung</strong> mit<br />
der <strong>asymptotische</strong>n <strong>Verteilung</strong> ist somit die Ursprungsgerade mit Steigung τ in die QQ-Plots<br />
einzufügen. Liegen die Punkte auf dieser Geraden stimmen die <strong>Verteilung</strong>en überein. Weiter<br />
ist die Gerade mit y-Aschenabschnitt √ nµ und Steigung null eingefügt.<br />
n=50<br />
n=100<br />
n=200<br />
Sample Quantiles<br />
−0.4 −0.2 0.0 0.2 0.4<br />
Sample Quantiles<br />
−0.4 −0.2 0.0 0.2 0.4<br />
Sample Quantiles<br />
−0.4 −0.2 0.0 0.2 0.4<br />
−4 −2 0 2 4<br />
Theoretical Quantiles<br />
−4 −2 0 2 4<br />
Theoretical Quantiles<br />
−4 −2 0 2 4<br />
Theoretical Quantiles<br />
Abbildung 6.2: P-Plots <strong>für</strong> ∆ = 0.5<br />
<strong>Die</strong> Abbildungen 6.1 und 6.2 zeigen, dass die empirischen <strong>Verteilung</strong>en der <strong>Verteilung</strong> von<br />
min(Z, √ nµ) mit Z ∼ N (0, τ 2 ) folgen. <strong>Die</strong> Punktmasse bei √ nµ entspricht gerade der Wahrscheinlichkeit,<br />
dass der unrestringierte ML-Schätzer in der Hypothese Θ 0 liegt. <strong>Die</strong>ses folgt<br />
aus der Tatsache, dass der <strong>Likelihood</strong>-Quotient stets kleiner als eins ist und genau dann eins