A statisztikában a Cochran-tételt a valószínűség-eloszlásokkal kapcsolatos eredmények igazolására használják a varianciaanalízisnél.[1][2] A tételt William G. Cochran (1909–1980) amerikai-skót statisztikus dolgozta ki.[3]
Állítás
Tegyük fel, hogy U1, ..., Un független normális eloszlású valószínűségi változók, és felírható a
alak, ahol minden Qi, U lineáris kombinációinak négyzetösszegei. Továbbá tegyük fel, hogy
ahol ri Qi rangja.
Cochran tétele azt állítja, hogy Qi-k függetlenek, és minden egyes Qi khí-négyzet eloszlású ri szabadságfokkal.
Itt Qi rangját úgy kell értelmezni, mint egy B(i) mátrix dimenzióját, Qi négyzetes ábrázolásában:
Kevésbé formálisan, ez a lineáris kombinációk száma, mely tartalmazza a Qi-t meghatározó négyzetek összegét, feltéve, hogy a lineáris kombinációk lineárisan függetlenek.
Példák
Minta középérték és minta szórásnégyzet
Ha X1, ..., Xn független, normális eloszlású valószínűségi változók μ középértékkel és σ szórással, akkor
minden egyes i-re standard normális.
Felírhatjuk, hogy
(itt az összegzés 1-től n-ig tart, a teljes megfigyelési tartományban)
-tel megszorozva:
és kiterjesztve
A harmadik tag zéró, mert konstans idővel egyenlő
a második tag n azonos tag összege. Így:
és ezért
Q2 rangja 1, Q1 rangja n–1, és így a Cochran-tétel feltételei teljesültek.
A Cochran-tétel állítja, hogy Q2 és Q1 függetlenek, khi-négyzet eloszlással, és n–1, és 1 szabadságfokokkal.
Ez mutatja, hogy a minta középérték, és a minta szórása függetlenek egymástól.
Ez a Basu-tételből is következik, és ez a tulajdonság a normális eloszlásra jellemző, nincs más eloszlás, ahol a minta középérték, és a minta szórása függetlenek egymástól.
Eloszlások
Az eloszlásokra szimbolikusan a következők írhatók:
Mindkét valószínűségi változó arányos az igazi, de ismeretlen σ2 szórásnégyzettel.
Így arányuk nem függ σ2-től, és mivel statisztikusan függetlenek, az arányuk eloszlása:
ahol F1,n−1 az F-eloszlás 1 és n−1 szabadságfokkal (lásd Student-féle t-eloszlás).
Itt a végső lépés a valószínűségi változó meghatározása, melynek F-eloszlása van.
Szórásnégyzet becslése
Cochran-tétel szerint:
és a khi-négyzet eloszlás tulajdonságából következően a várható : .
Irodalom
- Cochran, W. G: "The distribution of quadratic forms in a normal system, with applications to the analysis of covariance". (hely nélkül): Mathematical Proceedings of the Cambridge Philosophical Society 30 (2). 1934.
- Bapat, R. B.: Linear Algebra and Linear Models (Second ed.). (hely nélkül): Springer. 1934. ISBN 9780387988719
Jegyzetek
Kapcsolódó szócikkek