Zum Inhalt springen

Hotellingsche T-Quadrat-Verteilung

aus Wikipedia, der freien Enzyklopädie
Hotellingsche T-Quadrat-Verteilung
Dichtefunktion
Datei:Hotelling-pdf.png
Verteilungsfunktion
Datei:Hotelling-cdf.png
Parameter p – Dimension der Zufallsvariablen
m – verknüpft mit der Stichprobengröße
Träger <math>x \in (0, +\infty)\;</math> if <math>p = 1</math>
<math>x \in [0, +\infty)\;</math> otherwise.

Die Hotellingsche T-Quadrat-Verteilung<ref>Hotelling’s T². Glossary of statistical terms. International Statistical Institute, 1. Juni 2011, archiviert vom Vorlage:IconExternal (nicht mehr online verfügbar) am 13. November 2012; abgerufen am 25. September 2020 (Lua-Fehler in Modul:Multilingual, Zeile 153: attempt to index field 'data' (a nil value)).  Info: Der Archivlink wurde automatisch eingesetzt und noch nicht geprüft. Bitte prüfe Original- und Archivlink gemäß Anleitung und entferne dann diesen Hinweis.@1@2Vorlage:Webachiv/IABot/isi.cbs.nl</ref> ist eine Wahrscheinlichkeitsverteilung, die 1931 von Harold Hotelling erstmals beschrieben wurde.<ref>H. Hotelling: The generalization of Student’s ratio. In: Ann. Math. Statist., 1931, 2(3), S. 360–378; doi:10.1214/aoms/1177732979; Modul:JSTOR * Modul:JSTOR:170: attempt to index field 'wikibase' (a nil value).</ref> Sie ist eine Verallgemeinerung der Studentschen t-Verteilung.

Definition

Die quadratische Form

<math>

t^2=n({\mathbf x}-{\mathbf\mu})'{\mathbf W}^{-1}({\mathbf x}-{\mathbf\mu}) \sim T(p, n-1) </math> folgt einer Hotellingschen T-Quadrat-Verteilung mit

  • <math>n</math> einer Anzahl von Punkten
  • <math>{\mathbf x}</math> ist ein Spaltenvektor mit <math>p</math> Elementen
  • <math>{\mathbf W}</math> ist eine <math>p\times p</math>-Kovarianzmatrix

Eigenschaften

Es sei <math>x\sim N_p(\mu,{\mathbf V})</math> eine Zufallsvariable mit einer multivariaten Normalverteilung und <math>{\mathbf W}\sim W_p(m,{\mathbf V})</math> (unabhängig von <math>x</math>) habe eine Wishart-Verteilung mit einer nicht-singulären Kovarianzmatrix <math>\mathbf V</math> und mit <math>m=n-1</math>. Dann ist die Verteilung von <math>t^2</math>: <math>T^2(p,m)</math>, Hotellingsche T-Quadrat-Verteilung mit Parametern <math>p</math> und <math>m</math>.

Für die F-Verteilung <math>F</math> gilt:

<math>

\frac{m-p+1}{pm} T^2\sim F_{p,m-p+1} </math>.

Unter der Annahme, dass

<math>{\mathbf x}_1,\dots,{\mathbf x}_n</math>

<math>p \times 1</math>-Spaltenvektoren mit reellen Zahlen sind.

<math>\overline{\mathbf x}=(\mathbf{x}_1+\cdots+\mathbf{x}_n)/n</math>

sei der Mittelwert. Die positiv definite <math>p \times p</math>-Matrix

<math>{\mathbf W}=\sum_{i=1}^n (\mathbf{x}_i-\overline{\mathbf x})(\mathbf{x}_i-\overline{\mathbf x})'/(n-1)</math>

sei ihre Stichproben-Kovarianzmatrix. (Die Transponierte einer Matrix <math>M</math> sei mit <math>M'</math> bezeichnet). <math>\mu</math> sei ein <math>p \times 1</math>-Spaltenvektor (bei Anwendung ein Schätzer des Mittelwertes). Dann ist die Hotellingsche T-Quadrat-Verteilung

<math>

t^2=n(\overline{\mathbf x}-{\mathbf\mu})'{\mathbf W}^{-1}(\overline{\mathbf x}-{\mathbf\mu}). </math>

<math>t^2</math> hat eine enge Beziehung zum quadrierten Mahalanobis-Abstand.

Wenn <math>{\mathbf x}_1,\dots,{\mathbf x}_n\sim N_p(\mu,{\mathbf V})</math> unabhängig sind und <math>\overline{\mathbf x}</math> und <math>{\mathbf W}</math> wie oben definiert sind, dann hat <math>{\mathbf W}</math> eine Wishart-Verteilung mit <math>n-1</math> Freiheitsgraden, so dass<ref>K.V. Mardia, J.T. Kent, J.M. Bibby: Multivariate Analysis. Academic Press, 1979, ISBN 0-12-471250-9.</ref>

<math>\mathbf{W} \sim W_p(V,n-1)</math>

und ist unabhängig von <math>\overline{\mathbf x}</math> und

<math>\overline{\mathbf x}\sim \mathcal{N}_p(\mu,V/n)</math>.

Daraus folgt

<math>t^2 = n(\overline{\mathbf x}-{\mathbf\mu})'{\mathbf W}^{-1}(\overline{\mathbf x}-{\mathbf\mu}) \sim T^2(p, n-1).</math>

Einzelnachweise

<references />

<templatestyles src="BoxenVerschmelzen/styles.css" />

Vorlage:Klappleiste/Anfang Diskrete univariate Verteilungen für endliche Mengen:
Benford | Bernoulli | beta-binomial | binomial | Dirac | diskret uniform | empirisch | hypergeometrisch | kategorial | negativ hypergeometrisch | Rademacher | verallgemeinert binomial | Zipf | Zipf-Mandelbrot | Zweipunkt

Diskrete univariate Verteilungen für unendliche Mengen:
Boltzmann | Conway-Maxwell-Poisson | discrete-Phase-Type | erweitert negativ binomial | Gauss-Kuzmin | gemischt Poisson | geometrisch | logarithmisch | negativ binomial | parabolisch-fraktal | Poisson | Skellam | verallgemeinert Poisson | Yule-Simon | Zeta Vorlage:Klappleiste/EndeVorlage:Klappleiste/Anfang Kontinuierliche univariate Verteilungen mit kompaktem Intervall:
Beta | Cantor | Kumaraswamy | raised Cosine | Dreieck | Trapez | U-quadratisch | stetig uniform | Wigner-Halbkreis

Kontinuierliche univariate Verteilungen mit halboffenem Intervall:
Beta prime | Bose-Einstein | Burr | Chi | Chi-Quadrat | Coxian | Erlang | Exponential | Extremwert | F | Fermi-Dirac | Folded normal | Fréchet | Gamma | Gamma-Gamma | verallgemeinert invers Gauß | halblogistisch | halbnormal | Hartman-Watson | Hotellings T-Quadrat | hyper-exponentiale | hypoexponential | invers Chi-Quadrat | scale-invers Chi-Quadrat | Invers Normal | Invers Gamma | Kolmogorow-Verteilung | Lévy | log-normal | log-logistisch | Maxwell-Boltzmann | Maxwell-Speed | Nakagami | nichtzentriert Chi-Quadrat | Pareto | Phase-Type | Rayleigh | relativistisch Breit-Wigner | Rice | Rosin-Rammler | shifted Gompertz | truncated normal | Type-2-Gumbel | Weibull | Wilks’ Lambda

Kontinuierliche univariate Verteilungen mit unbeschränktem Intervall:
Cauchy | Extremwert | exponential Power | Fishers z | Fisher-Tippett (Gumbel) | generalized hyperbolic | Hyperbolic-secant | Landau | Laplace | alpha-stabil | logistisch | normal (Gauß) | normal-invers Gauß’sch | Skew-normal | Studentsche t | Type-1-Gumbel | Variance-Gamma | Voigt Vorlage:Klappleiste/EndeVorlage:Klappleiste/Anfang Diskrete multivariate Verteilungen:
Dirichlet compound multinomial | Ewens | gemischt Multinomial | multinomial | multivariat hypergeometrisch | multivariat Poisson | negativmultinomial | Pólya/Eggenberger | polyhypergeometrisch

Kontinuierliche multivariate Verteilungen:
Dirichlet | GEM | generalized Dirichlet | multivariat normal | multivariat Student | normalskaliert invers Gamma | Normal-Gamma | Poisson-Dirichlet

Multivariate Matrixverteilungen:
Gleichverteilung auf der Stiefel-Mannigfaltigkeit | Invers Wishart | Matrix Beta | Matrix Gamma | Matrix invers Beta | Matrix invers Gamma | Matrix Normal | Matrix Student-t | Matrix-Von-Mises-Fisher-Verteilung | Normal-invers-Wishart | Normal-Wishart | Wishart Vorlage:Klappleiste/Ende