Tại sao các thử nghiệm tỷ lệ không thể được sử dụng cho các mô hình không lồng nhau?


12

Cụ thể hơn, tại sao làm các bài kiểm tra tỷ lệ khả năng có tiệm cận một χ2 phân phối nếu các mô hình được lồng nhau, nhưng điều này không còn là trường hợp cho các mô hình không-lồng nhau? Tôi hiểu rằng điều này tuân theo định lý của Wilks, nhưng thật không may, tôi không hiểu bằng chứng của nó .

Câu trả lời:


5

Vâng, tôi có thể đưa ra một câu trả lời không nghiêm ngặt từ một người không thống kê. Phương pháp tỷ lệ khả năng dựa vào thực tế là khả năng tối đa của mẫu số cho kết quả luôn ít nhất là khả năng tối đa của tử số vì Giả thuyết tử số tương ứng với một tập hợp con của giả thuyết mẫu số. Do đó, tỷ lệ luôn nằm trong khoảng từ 0 đến 1.

Nếu bạn có giả thuyết không lồng nhau (như thử nghiệm 2 phân phối khác nhau), tỷ lệ khả năng có thể> 1 => -1 * tỷ lệ thích đăng nhập có thể là <0 => đó chắc chắn không phải là phân phối chi2.


1
Vâng, đó là một điểm. Nó không phải là một lời giải thích thỏa đáng, mặc dù. Thế còn ? Chỉ cần định nghĩa là mô hình null là mô hình có khả năng thấp hơn? Như trong - chúng tôi luôn hỏi liệu mô hình tốt hơn có tốt hơn đáng kể không? |D|
Ngày

Xin lỗi nhưng ý của bạn là gì ? |D|
Ông Renard

Thống kê kiểm cho các kiểm tra tỷ lệ khả năng, D=2log(L(Θ0)L(Θa))
Tháng 1

Ok cảm ơn, vậy chính xác câu hỏi của bạn về D là gì?
Ông Renard

Câu hỏi của tôi: nếu tôi xác định (hoặc, nói cách khác, chúng tôi luôn kiểm tra các mô hình với khả năng thấp hơn so với mô hình với khả năng cao hơn), sẽ không D ' Have A χ 2 phân phối? D=|D|Dχ2
Ngày

-2

Để thực hiện kiểm tra giả thuyết, bạn cần thể hiện giả thuyết nghiên cứu của mình dưới dạng giả thuyết không và thay thế . Giả thuyết khống và giả thuyết thay thế là những tuyên bố liên quan đến sự khác biệt hoặc ảnh hưởng xảy ra trong dân số . Bạn sẽ sử dụng mẫu của mình để kiểm tra phát biểu nào (nghĩa là giả thuyết null hoặc giả thuyết thay thế) rất có thể (mặc dù về mặt kỹ thuật, bạn kiểm tra bằng chứng chống lại giả thuyết null).

Giả thuyết khống về cơ bản là vị trí "người ủng hộ của quỷ". Đó là, nó giả định rằng bất cứ điều gì bạn đang cố chứng minh đã không xảy ra (gợi ý: nó thường nói rằng một cái gì đó bằng không).

Nhìn vào đây , chúng ta có thể tìm thấy văn bản này:

Kiểm tra giả thuyết là một thủ tục thiết yếu trong thống kê. Một thử nghiệm giả thuyết đánh giá hai tuyên bố loại trừ lẫn nhau về dân số để xác định tuyên bố nào được hỗ trợ tốt nhất bởi dữ liệu mẫu. Khi chúng tôi nói rằng một phát hiện có ý nghĩa thống kê, đó là nhờ một bài kiểm tra giả thuyết.

Về việc chấp nhận / từ chối Giả thuyết, ở đây , chúng ta có thể tìm thấy một câu trả lời thú vị:

Một số nhà nghiên cứu nói rằng một bài kiểm tra giả thuyết có thể có một trong hai kết quả: bạn chấp nhận giả thuyết null hoặc bạn từ chối giả thuyết null. Tuy nhiên, nhiều nhà thống kê đưa ra vấn đề với khái niệm "chấp nhận giả thuyết khống". Thay vào đó, họ nói: bạn từ chối giả thuyết null hoặc bạn không từ chối giả thuyết null .

Tại sao sự phân biệt giữa "chấp nhận" và "không từ chối?" Chấp nhận ngụ ý rằng giả thuyết null là đúng. Thất bại trong việc từ chối ngụ ý rằng dữ liệu không đủ sức thuyết phục để chúng tôi thích giả thuyết thay thế hơn giả thuyết khống .


1
Điều này không giải quyết câu hỏi cụ thể.
Michael R. Chernick

Đó là một lời giải thích tốt đẹp về việc kiểm tra giả thuyết là gì, nhưng không trả lời câu hỏi của tôi.
tháng
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.