Критерий согласия Пирсона или критерий согласия (хи-квадрат) — непараметрический метод, который позволяет оценить значимость различий между фактическим (выявленным в результате исследования) количеством исходов или качественных характеристик выборки, попадающих в каждую категорию, и теоретическим количеством, которое можно ожидать в изучаемых группах при справедливости нулевой гипотезы. Выражаясь проще, метод позволяет оценить статистическую значимость различий двух или нескольких относительных показателей (частот, долей).

Является наиболее часто употребляемым критерием для проверки гипотезы о принадлежности наблюдаемой выборки объёмом некоторому теоретическому закону распределения .

Критерий хи-квадрат для анализа таблиц сопряжённости был разработан и предложен в 1900 году основателем математической статистики английским учёным Карлом Пирсоном.

Критерий может использоваться при проверке простых гипотез вида

где  — известный вектор параметров теоретического закона, и при проверке сложных гипотез вида

когда оценка скалярного или векторного параметра распределения вычисляется по той же самой выборке.

Статистика критерия

править

Процедура проверки гипотез с использованием критериев типа   предусматривает группирование наблюдений. Область определения случайной величины разбивают на   непересекающихся интервалов граничными точками

 

где   — нижняя грань области определения случайной величины;   — верхняя грань.

В соответствии с заданным разбиением подсчитывают число   выборочных значений, попавших в  -й интервал, и вероятности попадания в интервал

 

соответствующие теоретическому закону с функцией распределения  

При этом

  и  

При проверке простой гипотезы известны как вид закона  , так и все его параметры (известен скалярный или векторный параметр  ).

В основе статистик, используемых в критериях согласия типа  , лежит измерение отклонений   от  .

Статистика критерия согласия   Пирсона определяется соотношением

 

В случае проверки простой гипотезы, в пределе при   эта статистика подчиняется  -распределению с   степенями свободы, если верна проверяемая гипотеза  . Плотность  -распределения, которое является частным случаем гамма-распределения, описывается формулой

 

Проверяемая гипотеза   отклоняется при больших значениях статистики, когда вычисленное по выборке значение статистики   больше критического значения  

 

или достигнутый уровень значимости (p-значение) меньше заданного уровня значимости (заданной вероятности ошибки 1-го рода)  .

Проверка сложных гипотез

править

При проверке сложных гипотез, если параметры закона   по этой же выборке оцениваются в результате минимизации статистики   или по сгруппированной выборке методом максимального правдоподобия, то статистика   при справедливости проверяемой гипотезы подчиняется  -распределению с   степенями свободы, где   — количество оценённых по выборке параметров.

Если параметры оцениваются по исходной негруппированной выборке, то распределение статистики не будет являться  -распределением[1]. Более того, распределения статистики при справедливости гипотезы   будут зависеть от способа группирования, то есть от того, как область определения разбивается на интервалы[2].

При оценивании методом максимального правдоподобия параметров по негруппированной выборке можно воспользоваться модифицированными критериями типа  [3][4][5][6].

О мощности критерия

править

При использовании критериев согласия, как правило, не задают конкурирующих гипотез: рассматривается принадлежность выборки конкретному закону, а в качестве конкурирующей гипотезы — принадлежность любому другому. Естественно, что критерий по-разному будет способен отличать от закона, соответствующего  , близкие или далёкие от него законы. Если задать конкурирующую гипотезу   и соответствующий ей некоторый конкурирующий закон  , то можно рассуждать уже об ошибках двух видов: не только об ошибке 1-го рода (отклонении проверяемой гипотезы   при её справедливости) и вероятности этой ошибки  , но и об ошибке 2-го рода (неотклонении   при справедливости  ) и вероятности этой ошибки  .

Мощность критерия по отношению к конкурирующей гипотезе   характеризуется величиной  . Критерий тем лучше распознаёт пару конкурирующих гипотез   и  , чем выше его мощность.

Мощность критерия согласия   Пирсона существенно зависит от способа группирования[7][8] и от выбранного числа интервалов[8][9].

При асимптотически оптимальном группировании, при котором максимизируются различные функционалы от информационной матрицы Фишера по группированным данным (минимизируются потери, связанные с группированием), критерий согласия   Пирсона обладает максимальной мощностью относительно «(очень) близких» конкурирующих гипотез[10][8][9].

При проверке простых гипотез и использовании асимптотически оптимального группирования критерий согласия   Пирсона имеет преимущество в мощности по сравнению с непараметрическими критериями согласия. При проверке сложных гипотез мощность непараметрических критериев возрастает и такого преимущества нет[11][12]. Однако для любой пары конкурирующих гипотез (конкурирующих законов) за счёт выбора числа интервалов и способа разбиения области определения случайной величины на интервалы можно максимизировать мощность критерия[13].

См. также

править

Примечания

править
  1. Chernoff H., Lehmann E. L. The use of maximum likelihood estimates in   test for goodness of fit (англ.) // The Annals of Mathematical Statistics. — 1954. — Vol. 25. — P. 579—586.
  2. Лемешко Б. Ю., Постовалов С. Н. О зависимости предельных распределений статистик   Пирсона и отношения правдоподобия от способа группирования данных // Заводская лаборатория. — 1998. — Т. 64, вып. 5. — С. 56-63. Архивировано 24 мая 2015 года.
  3. Никулин М. С. Критерий хи-квадрат для непрерывных распределений с параметрами сдвига и масштаба // Теория вероятностей и её применение. — 1973. — Т. XVIII, вып. 3. — С. 583—591.
  4. Никулин М. С. О критерии хи-квадрат для непрерывных распределений // Теория вероятностей и её применение. — 1973. — Т. XVIII, вып. 3. — С. 675—676.
  5. Rao K. C., Robson D. S. A chi-squared statistic for goodness-of-fit tests within the exponential family (англ.) // Commun. Statist. — 1974. — Vol. 3. — P. 1139—1153.
  6. Greenwood P. E., Nikulin M. S. A guide to chi-squared testing (англ.). — New York: John Wiley & Sons, 1996. — 280 p.
  7. Лемешко Б. Ю. Асимптотически оптимальное группирование наблюдений в критериях согласия // Заводская лаборатория. — 1998. — Т. 64, вып. 1. — С. 56—64. Архивировано 29 октября 2013 года.
  8. 1 2 3 Р 50.1.033-2001. Рекомендации по стандартизации. Прикладная статистика. Правила проверки согласия опытного распределения с теоретическим. Часть I. Критерии типа хи-квадрат. — М.: Изд-во стандартов, 2006. — 87 с. Архивировано 30 сентября 2021 года.
  9. 1 2 Лемешко Б. Ю., Чимитова Е. В. О выборе числа интервалов в критериях согласия типа   // Заводская лаборатория. Диагностика материалов. — 2003. — Т. 69, вып. 1. — С. 61—67. Архивировано 6 сентября 2007 года.
  10. Денисов В. И., Лемешко Б. Ю. Оптимальное группирование при обработке экспериментальных данных // Измерительные информационные системы. — Новосибирск, 1979. — С. 5—14.
  11. Лемешко Б. Ю., Лемешко С. Б., Постовалов С. Н. Сравнительный анализ мощности критериев согласия при близких конкурирующих гипотезах. I. Проверка простых гипотез // Сибирский журнал индустриальной математики. — 2008. — Т. 11, вып. 2(34). — С. 96—111. Архивировано 29 октября 2013 года.
  12. Лемешко Б. Ю., Лемешко С. Б., Постовалов С. Н. Сравнительный анализ мощности критериев согласия при близких альтернативах. II. Проверка сложных гипотез // Сибирский журнал индустриальной математики. — 2008. — Т. 11, вып. 4(36). — С. 78—93. Архивировано 29 октября 2013 года.
  13. Лемешко Б. Ю., Лемешко С. Б., Постовалов С. Н., Чимитова Е. В. Статистический анализ данных, моделирование и исследование вероятностных закономерностей. Компьютерный подход. — Новосибирск: Изд-во НГТУ, 2011. — 888 с. — (Монографии НГТУ). — ISBN 978-5-7782-1590-0. Архивировано 29 октября 2013 года. — Раздел 4.9.

Литература

править
  • Кендалл М., Стьюарт А. Статистические выводы и связи. — М.: Наука, 1973.

См. также

править

Ссылки

править