Критерий Кокрена

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(→Примеры задач)
Строка 20: Строка 20:
Если <tex>g>g_\alpha(k, n)</tex>, то нулевая гипотеза отклоняется.
Если <tex>g>g_\alpha(k, n)</tex>, то нулевая гипотеза отклоняется.
Квантили распределения можно найти, пользуясь таблицами F-распределения, по формуле
Квантили распределения можно найти, пользуясь таблицами F-распределения, по формуле
-
::<tex>g_\alpha(k, n)=\frac{F_{\frac{k+1-\alpha}{k}}(n-1, (n-1)(k-1))}{k-1+F_{\frac{k+1-\alpha}{k}}(n-1, (n-1)(k-1))}</tex>,
+
::<tex>g_\alpha(k, n)=\frac{F_{\frac{k-1+\alpha}{k}}(n-1, (n-1)(k-1))}{k-1+F_{\frac{k-1+\alpha}{k}}(n-1, (n-1)(k-1))}</tex>,
где <tex>F_\gamma(f_1,f_2)</tex> --- <tex>\gamma</tex>-квантиль <tex>F</tex>-распределения с <tex>f_1</tex> и <tex>f_2</tex> степенями свободы.
где <tex>F_\gamma(f_1,f_2)</tex> --- <tex>\gamma</tex>-квантиль <tex>F</tex>-распределения с <tex>f_1</tex> и <tex>f_2</tex> степенями свободы.

Версия 11:27, 12 января 2011

Критерий Кокрена используется для проверки равенства дисперсий нескольких выборок.

Содержание

Примеры задач

Для применения некоторых статистических тестов (к которым относится, например, критерий Стьюдента), необходимо убедиться в том, что распределения выборок имеют равные дисперсии.

Бывает, что задача проверки дисперсий на равенство имеет самостоятельную ценность. Например (взято отсюда), пусть имеется несколько сверлильных станков, и требуется проверить, выполняют ли они сверление с одинаковой точностью. Просверлим на всех станках одинаковое количество отверстий равного диаметра. Измерим полученные отверстия и составим из этих величин выборку для каждого станка. Для решения задачи можно применить к данным выборкам критерий Кокрена.

Описание критерия

Пусть дано k выборок равного объёма: x_1^n, \dots, x_k^n. Через s_i^2 обозначим выборочную оценку дисперсии i-й выборки. Введём гипотезу H_0 о том, что дисперсии всех выборок равны: \sigma_1=\dots=\sigma_n. Статистика критерия имеет вид

g=\frac{\max_{1\le i \le k}s_i^2}{\sum_{i=1}^k s_i^2}.

Если g>g_\alpha(k, n), то нулевая гипотеза отклоняется. Квантили распределения можно найти, пользуясь таблицами F-распределения, по формуле

g_\alpha(k, n)=\frac{F_{\frac{k-1+\alpha}{k}}(n-1, (n-1)(k-1))}{k-1+F_{\frac{k-1+\alpha}{k}}(n-1, (n-1)(k-1))},

где F_\gamma(f_1,f_2) --- \gamma-квантиль F-распределения с f_1 и f_2 степенями свободы.

Литература

  1. Кобзарь А. И. Прикладная математическая статистика. — М.: Физматлит, 2006. — 816 с.
  2. Cochran W. G. The distribution of the largest of a set of estimated variances as a fraction of their total // Annals of Eugenics. 1941. V. 11. P. 47-52.

См. также

Ссылки

Источник — «http://www.machinelearning.ru/wiki/index.php?title=%D0%9A%D1%80%D0%B8%D1%82%D0%B5%D1%80%D0%B8%D0%B9_%D0%9A%D0%BE%D0%BA%D1%80%D0%B5%D0%BD%D0%B0»
Личные инструменты