Hotellingsche T-Quadrat-Verteilung
| 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.</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