Многомерные задачи оценивания
Совместное оценивание ряда параметров или проверка статистических гипотез относительно совокупности этих параметров составляет содержание многомерных статистических методов. Один из подходов к решению данной задачи заключается в построении доверительного интервала для каждого из исследуемых параметров, характеризуемых доверительной вероятностью у/, такой, что совместное нахождение истинных значений параметров в соответствующих доверительных интервалах выполняется с заданной вероятностью у3 = Лу/, /= 1
В общем случае совместная доверительная вероятность у связана с доверительной вероятностью по каждому из параметров в отдельности неравенством Бонферрони:
уї: 1-Х (1-у,), 1-у,- £(1 —у3)/£.
/=1
При независимости исследуемых параметров общая доверитель-
к
ная вероятность у = П у,-, откуда у,- = (уу3.
При коррелированных параметрах для определения у;- применяется метод Тьюки, согласно которому
у>Р[тах|^/|<^(А:,л-1)], 1<і<к,
Ъ — Mz- — —
где U: = ——, V1J — статистика Стьюдента; ъ, б[г,1 — оценки наи — меньших квадратов; Uy(k, n-1) — квантиль распределения максимума абсолютных значений к стьюдентовских статистик.
При известном коэффициенте корреляции между любыми парами параметров общая доверительная вероятность где U§ (к, я -1) — квантиль распределения максимума абсолютных значений к стьюдентовских статистик с учетом коэффициента корреляции.
Доверительный интервал на каждый из параметров при использовании ДаННОГО ПОДХОДа Определяется ИЗ СООТНОШеНИЯ Zi ] •
В табл. 10.8 приведены значения квантилей l/(i_y(.)/2 для у3 = 0,95 в одно — и многомерном случаях. Рекомендуется выбирать метод, обеспечивающий наиболее узкие доверительные интервалы.
Таблица 10.8 Значения Щі-у,)/2 для g3 = 0,95 в одно — и многомерном случаях при использовании различных методов
|
При использовании многомерного подхода общая достоверность решения, определяемая ошибками первого и второго родов, существенно снижается. Например, для независимых параметров имеем:
« = 1- П (1-а/); р = 1-П(1-р,).
1 = 1 1=1
Поэтому в практике проведения испытаний существует тенденция использования обобщенных параметров, являющихся некоторой известной функцией одномерных параметров. При выборе такого обобщенного параметра строится доверительный интервал на этот параметр. Такой доверительный интервал оказывается, как правило, более узким, чем при применении первого подхода, однако не позволяет обнаружить, по какому именно частному параметру не выполняются требования.
Для подтверждения требований к совокупности параметров удобно использовать комбинацию указанных подходов: сначала проверка ведется по обобщенному параметру и в случае несоответствия требованиям производится анализ каждого из показателей в отдельности.
Проверка по обобщенному параметру может осуществляться с использованием ^-критерия Хотеллинга. Если в одномерном случае
ние, то по аналогии для оценок ZT = |q,…,Z2| векторного параметра 0Т = |0| 0* строится Т2- критерий Хотеллинга: |
для нормального распределения случайная величина / =
Т2 = n(Z-М) СУ2) (Z-M),
где S2 = —— ZTZ — дисперсионная матрица; п -1
Мт = ||Л/1,…,Л/*|| — строка средних значений параметров.
Если верна нулевая гипотеза М — , то статистика Т2 ■
к(п -1)
имеет распределение Фишера F(k, п-к) с к, (п-к) степенями свободы. Для оценок некоррелированных параметров ^-критерий можно упростить:
Критерий Iі можно использовать как непосредственно, так и для построения критерия подтверждения требований к обобщенному параметру д, представляющему собой линейную комбинацию одно-
к
мерных параметров: О = ^Х>|0|, где — весовые коэффициенты. В
/=1
d-A/Tdl к к
этом случае статистика ————- где Ь = ‘ZKz,, Ш>] = 2>,Л/,,
i=1 ,=i
к
ст2^] = , будет иметь распределение Фишера. F(l,/j-l) =
= /2 (я -1) .
Таким образом, легко построить доверительный интервал на обобщенный параметр Более сложным является слу
чай нелинейной зависимости обобщенного параметра от одномерных параметров: = 6(01(…, в* ).
По аналогии с линейным случаем можно построить оценку
(«О* |
д = б(в) • Моменты этой оценки определяются по следующим соотношениям:
Нетрудно показать, что при нормальных законах распределения оценок одномерных параметров оценка обобщенного параметра также нормальна, однако имеет смещение
Действительно, для нормального распределения третий и четвертый моменты соответственно равны |х3 = 0, |х4 = За4. При
зс4(ё()+бЦ <•=1 у=1 і* І |
(13(0,) = 0, |Хз(‘0) = О, т. е. равен нулю. Четвертый момент
о2*]-! |
Заметив, что
получим ц4 [о] = За4 I’d] • При проведении расчетов неизвестные значения м Гё,- 1 заменяются обычно их оценками ё,- ■
Исследования точного (когда оно существует) и приближенного решения показали, что приближенная дисперсия всегда не меньше, чем точная (равенство достигается в линейном случае). Эго дает определенную гарантию того, что достоверность принимаемых на основе приближенного подхода статистических решений будет несколько занижена.