2.3.6 Влияние метода оценивания на распределения статистик непараметрических критериев при сложных гипотезах

Распределения статистик критериев согласия существенно зависят от ме­тода оценивания параметров, то есть каждому типу оценок при конкретной сложной проверяемой гипотезе соответствует свое предельное распределение G(S|H0) статистики. В данном случае по вполне очевидным причинам при проверке сложных гипотез сравним результаты использования ОМП и
MD-оценок. MD-оценки получаются при минимизации некоторого расстояния между эмпирической и теоретической функцией распределения. Оценки мак­симального правдоподобия предпочтительны благодаря своим асимптотиче­ским свойствам [35], [36], а в случае MD-оценок может минимизироваться зна­чение статистики, используемой в критерии.

ОМП вычисляют в результате максимизации по q функции правдоподо­бия

                                             (21)

или ее логарифма

.                               (22)

Чаще всего в случае скалярного параметра ОМП определяют как решение уравнения, а в случае векторного параметра – как решение системы уравнений правдоподобия вида

,                 (23)

где m – размерность вектора параметров q. В общем случае эта система нели­нейна и, за редким исключением, решаема только численно.

При практическом использовании критериев необходимо иметь в виду следующее. В данном случае, как и в [20]-[24], при построении распределений статистик и исследовании их зависимости от метода оценивания ОМП вычис­ляли как решение системы (23). Если использовать грубые приближения ОМП, то это соответственно отражается на распределениях статистик и свойствах критериев.

При вычислении MD-оценок минимизируется соответствующее расстоя­ние между эмпирическим и теоретическим распределениями. При использова­нии статистики Колмогорова SK в качестве оценки вектора параметров q вы­бирают значения, минимизирующие эту статистику:

                                                           (24)

(MD-оценки SK). Аналогично, при использовании статистики Sw минимизиру­ется по q статистика Sw:

                                                             (25)

(MD-оценки Sw). При использовании статистики SW  –

                                                           (26)

(MD-оценки SW).

Вид используемой оценки оказывает существенное влияние на распреде­ления статистик критериев согласия. Степень влияния метода оценивания на распределение статистики иллюстрирует рисунок 9, на котором показаны по­лученные в результате моделирования плотности распределения g(Sn|H0) ста­тистики критерия типа Колмогорова SK при вычислении оценок параметра сдвига нормального распределения тремя раз­личными методами: минимиза­цией статистики SK, минимизацией статистики Sw и методом максимального правдоподобия. Функция плотности распределения Колмогорова обозначена на рисунке как k(S).

Рисунок 9 – Плотности распределения g(Sn|H0) статистики  SK при проверке слож­ной гипотезы (H0  - нормальный закон, оценивается сдвиг: 1 - с исполь­зо­ванием MD-оценок SK , 2 - MD-оценок Sw , 3 – ОМП). k(S) - плотность распределения Колмогорова

 

            При использовании ОМП распределения статистик сильно зависят от со­ответствующего проверяемой гипотезе H0 закона F(x,q). На рисунке 10 при­ведены эмпирические распределения G(Sn|H0) ста­тистики Колмогорова SK, когда при проверке сложной гипотезы два параметра закона, соответствующего гипотезе H0, оценивали с использованием метода максимального правдоподо­бия. При этом на рисунке показаны распределения статистики G(Sn|H0), когда гипотеза H0 соответствует законам: нормальному, логистическому, Лапласа с плотностью , распределению наименьшего значения с плотностью , распределению Коши с плотностью .

Рисунок 10 – Распределения G(Sn|H0) статистики Колмо­горова SK при оцени­ва­нии двух параметров закона, соответствую­щего гипотезе H0 (здесь и далее: 1 – нор­маль­ного, 2 – логис­тического, 3 – Лапласа, 4 – наименьшего значения, 5 – Коши), при использовании ОМП. K(S) - функция распределения Колмогорова

 

При использовании MD-оценок, минимизирующих статистику при­ме­ня­е­мого критерия согласия, влияние закона F(x,q), соответствующего проверя­е­мой гипотезе H0 проявляется менее значительно.  На рисунке 11 показаны рас­пределения G(Sn|H0) той же статистики SK при проверке тех же гипотез, но с использованием MD-оценок параметров, полученных минимизацией по пара­метрам статистики SK.

Рисунок 11 – Распределения G(Sn|H0) статистики Колмо­горова SK при оценивании двух параметров закона, соответствую­щего гипотезе H0, при использовании MD-оценок SK. K(S) - функция распределения Колмогорова, предельная при простой гипотезе

 

            На рисунке 12 приведены распределения статистики Sw  для аналогичных гипотез H0 при использовании ОМП, а на рисунке 13 – при использовании MD-оценок, минимизирующих по параметрам статистику Sw .

            При использовании MD-оценок, минимизирующих по параметрам стати­стику Sw , эмпирические распределения смоделированных распределений G(Sn|H0) практически совпадают для законов нормального, логистического, Лапласа, наименьшего значения, максимального значения с плотностью , распределения Вейбулла с плот­но­стью  и хорошо аппроксимируются логариф­ми­чес­ки нормальным законом с плотностью  и пара­метрами m=-3,2702; s=0,4719.

            Распределения статистик критериев согласия при использовании MD-оценок (как и в случае использования ОМП) существенно зависят от того, ка­кой параметр оценивался. На рисунке 14 показаны распределения G(Sn|H0) статистики Sw  Крамера-Мизеса-Смирнова при использовании MD-оценок Sw  и оценивании масштабного параметра закона, соответствующего гипотезе H0. На рисунке 15 представлены аналогичные распределения статистик, но при оцени­вании для тех же распределений параметра сдвига. Распределения статистик в случае оценивания параметра сдвига распределения максимального значения и масштабного параметра распределения Вейбулла совпадают с распределением статистики для распределения минимального значения.

Рисунок 12 – Распределения G(Sn|H0) статистики Sw  Крамера-Мизеса-Смирнова при оцени­вании двух параметров закона, соответствую­щего гипотезе H0, при ис­пользо­вании ОМП. a1(S)- функция распределения, предельная при простой гипотезе

 

Если обратить внимание на рисунок 16, на котором отображены рас­пре­деления G(Sn|H0) статистики Sw  при проверке согласия с распре­де­лениями экспоненциальным , полунормальным , Рэ­лея , Максвелла , модуля m -мерного (m=5) нормального вектора  при оценивании масштабного параметра соответствующего закона с использованием MD-оце­нок Sw , то можно заметить, что распределения статистик близки к приведен­ным на рисунке 15. Распределения статистик, показанные на рисунке 16, на­пример, достаточно хорошо аппроксимируются логарифмически нормальным законом с параметрами m=-2,8484; s=0,5669.

Рисунок 13 – Распределения G(Sn|H0) статистики  Sw  Крамера-Мизеса-Смирнова при оцени­ва­нии двух параметров закона, соответствую­щего гипотезе H0, при MD-оценках Sw 

Рисунок 14 – Распределения G(Sn|H0) статистики  Sw  Крамера-Мизеса-Смирнова при оценивании масштабного параметра закона, соответствую­щего гипотезе H0 (6 –максималь­ного значения, 7 – Вейбулла, параметр формы), при использовании MD-оценок Sw 

Рисунок 15 – Распределения G(Sn|H0) статистики Sw  Крамера-Мизеса-Смирнова при оце­нивании параметра сдвига, соответствую­щего гипотезе H0, при MD-оценках Sw 

 

Рисунок 16 – Распределения G(Sn|H0) статистики Sw  Крамера-Мизеса-Смирнова при оценивании масштабного параметра закона, соответствую­щего гипотезе H0 (1 – экспо­ненциального, 2 – полунор­маль­ного, 3 – Рэлея, 4 – Максвелла, 5 – модуля 5-мерного нормального вектора), при использовании MD-оценок Sw 

 

Таким образом, применяя непараметрические критерии согласия, следует непременно учитывать используемый метод оценивания. При этом в случае ме­тода максимального правдоподобия распределения статистик G(S|H0) очень сильно зависят от закона, соответствующего гипотезе H0. Разброс рас­пре­деле­ний G(S|H0) при использовании MD-оценок, минимизирующих статис­тику критерия, зависит от закона F(x,q), соответствующего гипотезе H0, в сущест­венно меньшей степени.

 

[Предыдущая][Содержание][Следующая]