WikiDer > Распределение Беренса – Фишера - Википедия

Эта статья не цитировать любой источники. Пожалуйста помоги улучшить эту статью к добавление цитат в надежные источники. Материал, не полученный от источника, может быть оспорен и удаленный. Найдите источники: "Распределение Беренса – Фишера" – Новости · газеты · книги · ученый · JSTOR (Август 2012 г.) (Узнайте, как и когда удалить этот шаблон сообщения)

В статистика, то Распределение Беренса – Фишера, названный в честь Рональд Фишер и Вальтер Беренс, это параметризованный семья распределения вероятностей вытекающие из решения Проблема Беренса – Фишера предложенный сначала Беренсом, а несколькими годами позже Фишером. Проблема Беренса – Фишера - это проблема статистические выводы о разнице между средствами двух нормально распределенный население когда соотношение от их отклонения неизвестно (и, в частности, неизвестно, что их дисперсии равны).

Определение

Распределение Беренса – Фишера - это распределение случайная переменная формы

${ Displaystyle T_ {2} cos theta -T_ {1} sin theta ,}$

куда Т₁ и Т₂ находятся независимый случайные переменные каждый со студенческим t-распределение, с соответствующими степенями свободы ν₁ = п₁ - 1 и ν₂ = п₂ - 1, и θ является константой. Таким образом, семейство распределений Беренса – Фишера параметризуется следующим образом: ν₁, ν₂, иθ.

Вывод

Предположим, что известно, что две дисперсии совокупности равны, и выборки размеров п₁ и п₂ взяты из двух популяций:

${ displaystyle { begin {align} X_ {1,1}, ldots, X_ {1, n_ {1}} & sim operatorname {iid} N ( mu _ {1}, sigma ^ {2 }), [6pt] X_ {2,1}, ldots, X_ {2, n_ {2}} & sim operatorname {iid} N ( mu _ {2}, sigma ^ {2} ). end {выравнивается}}}$

где "i.i.d" независимые и одинаково распределенные случайные величины и N обозначает нормальное распределение. Два образца средства находятся

${ displaystyle { begin {align} { bar {X}} _ {1} & = (X_ {1,1} + cdots + X_ {1, n_ {1}}) / n_ {1} [6pt] { bar {X}} _ {2} & = (X_ {2,1} + cdots + X_ {2, n_ {2}}) / n_ {2} end {align}}}$

Обычный "объединенный" беспристрастный оценка общей дисперсии σ² затем

${ displaystyle S _ { mathrm {pooled}} ^ {2} = { frac { sum _ {k = 1} ^ {n_ {1}} (X_ {1, k} - { bar {X}} _ {1}) ^ {2} + sum _ {k = 1} ^ {n_ {2}} (X_ {2, k} - { bar {X}} _ {2}) ^ {2}} {n_ {1} + n_ {2} -2}} = { frac {(n_ {1} -1) S_ {1} ^ {2} + (n_ {2} -1) S_ {2} ^ { 2}} {n_ {1} + n_ {2} -2}}}$

куда S₁² и S₂² обычные беспристрастные (С поправкой на Бесселя) оценки двух дисперсий населения.

При этих предположениях основное количество

${ displaystyle { frac {( mu _ {2} - mu _ {1}) - ({ bar {X}} _ {2} - { bar {X}} _ {1})} { displaystyle { sqrt {{ frac {S _ { mathrm {pooled}} ^ {2}} {n_ {1}}} + { frac {S _ { mathrm {pooled}} ^ {2}} {n_ {2}}}}}}}}$

имеет t-распределение с п₁ + п₂ − 2 степени свободы. Соответственно, можно найти доверительный интервал за μ₂ − μ₁ чьи конечные точки

${ displaystyle { bar {X}} _ {2} - { bar {X_ {1}}} pm A cdot S _ { mathrm {pooled}} { sqrt {{ frac {1} {n_) {1}}} + { frac {1} {n_ {2}}}}},}$

куда А является подходящей процентной точкой t-распределения.

Однако в задаче Беренса – Фишера не известно, что две дисперсии населения равны, равно как и их соотношение. Фишер считал^{[нужна цитата]} главное количество

${ displaystyle { frac {( mu _ {2} - mu _ {1}) - ({ bar {X}} _ {2} - { bar {X}} _ {1})} { displaystyle { sqrt {{ frac {S_ {1} ^ {2}} {n_ {1}}} + { frac {S_ {2} ^ {2}} {n_ {2}}}}}} }.}$

Это можно записать как

${ Displaystyle Т_ {2} соз тета -Т_ {1} грех тета, ,}$

куда

${ displaystyle T_ {i} = { frac { mu _ {i} - { bar {X}} _ {i}} {S_ {i} / { sqrt {n_ {i}}}}} { text {for}} i = 1,2 ,}$

- обычная однократная t-статистика и

${ displaystyle tan theta = { frac {S_ {1} / { sqrt {n_ {1}}}} {S_ {2} / { sqrt {n_ {2}}}}}}$

и один берет θ быть в первом квадранте. Алгебраические детали таковы:

${ displaystyle { begin {align} { frac {( mu _ {2} - mu _ {1}) - ({ bar {X}} _ {2} - { bar {X}} _ {1})} { displaystyle { sqrt {{ frac {S_ {1} ^ {2}} {n_ {1}}} + { frac {S_ {2} ^ {2}} {n_ {2}) }}}}}}} & = { frac { mu _ {2} - { bar {X}} _ {2}} { displaystyle { sqrt {{ frac {S_ {1} ^ {2) }} {n_ {1}}} + { frac {S_ {2} ^ {2}} {n_ {2}}}}}}} - { frac { mu _ {1} - { bar { X}} _ {1}} { displaystyle { sqrt {{ frac {S_ {1} ^ {2}} {n_ {1}}} + { frac {S_ {2} ^ {2}} { n_ {2}}}}}}} [10pt] & = underbrace { frac { mu _ {2} - { bar {X}} _ {2}} {S_ {2} / { sqrt {n_ {2}}}}} _ {{ text {This is}} T_ {2}} cdot underbrace { left ({ frac {S_ {2} / { sqrt {n_ {2}) }}} { displaystyle { sqrt {{ frac {S_ {1} ^ {2}} {n_ {1}}} + { frac {S_ {2} ^ {2}} {n_ {2}}) }}}}} right)} _ {{ text {Это}} cos theta} - underbrace { frac { mu _ {1} - { bar {X}} _ {1}} {S_ {1} / { sqrt {n_ {1}}}}} _ {{ text {Это}} T_ {1}} cdot underbrace { left ({ frac {S_ {1} / { sqrt {n_ {1}}}} { displaystyle { sqrt {{ frac {S_ {1} ^ {2}} {n_ {1}}} + { frac {S_ {2} ^ {2) }} {n_ {2}}}}}}} right)} _ {{ text {Это}} sin theta}. qquad qquad qquad (1) end {align}}}$

Тот факт, что сумма квадратов выражений в скобках выше равна 1, означает, что они являются косинусом и синусом некоторого угла.

Распределение Берен-Фишера на самом деле является условное распределение количества (1) выше, данный значения величин, обозначенных cosθ и грехθ. Фактически, Фишер условия на дополнительную информацию.

Затем Фишер обнаружил "реперный интервал ", конечные точки которого

${ displaystyle { bar {X}} _ {2} - { bar {X}} _ {1} pm A { sqrt {{ frac {S_ {1} ^ {2}} {n_ {1) }}} + { frac {S_ {2} ^ {2}} {n_ {2}}}}}}$

куда А является подходящей процентной точкой распределения Беренса – Фишера. Фишер утверждал^{[нужна цитата]} что вероятность того, что μ₂ − μ₁ находится в этом интервале, учитывая данные (в конечном итоге Иксs) - это вероятность того, что случайная величина, распределенная Беренса – Фишера, находится между -А иА.

Контрольные интервалы в сравнении с доверительными интервалами

Бартлетт^{[нужна цитата]} показал, что этот «реперный интервал» не является доверительным интервалом, потому что он не имеет постоянной степени охвата. Фишер не считал это веским возражением против использования реперного интервала.^{[нужна цитата]}

дальнейшее чтение

• Кендалл, Морис Г., Стюарт, Алан (1973) Расширенная теория статистики, Том 2: Вывод и взаимосвязь, 3-е издание, Гриффин. ISBN 0-85264-215-6 (Глава 21)