正規分布の母平均の差に関する検定(対応のないt検定)の導出

公開日:

【2023年4月4週】 【B000】数理統計学 【B080】統計的仮説検定

この記事をシェアする
  • B!
サムネイル画像

本稿では、正規分布の母平均の差に関する検定(対応のないt検定)を導出しています。

なお、閲覧にあたっては、以下の点にご注意ください。

  • スマートフォンやタブレット端末でご覧の際、数式が見切れている場合は、横にスクロールすることができます。
  • tα(n) は自由度 nt分布の上側 100α% 点を表しています。

データの形式

確率変数 X,Y が母分散は未知ではあるが等しい正規分布 N(μX,σ2)N(μY,σ2) に従い、 この分布からの大きさ n,m の無作為標本を X={X1,X2,Xn}Y={Y1,Y2,Ym} それぞれの標本平均と標本不偏分散を X¯=1ni=1nXiY¯=1mi=1nYisX2=1n1i=1n(XiX¯)sY2=1m1i=1m(YiY¯) 標本統合不偏分散を s2=(n1)sX2+(m1)sY2n+m2 とする。

【定理】正規分布の母平均の差に関する検定(対応のないt検定)

【定理】
正規分布の母平均の差に関する検定(対応のないt検定)
Student’s t-Test

正規分布の母平均の差 d=μXμY に関する検定問題
(I)両側検定 H0:μX=μYH1:μXμY (II-A)片側検定A H0:μXμYH1:μX>μY (II-B)片側検定B H0:μXμYH1:μX<μY を考える場合、 検定統計量を t0=X¯Y¯φφ2=s2n+s2ms2=(n1)sX2+(m1)sY2n+m2 として、 (I)両側検定
以下の棄却域と検定関数 φ(θ;x,y) をもつ検定は有意水準を α とする一様最強力不偏検定となる。 φ(θ;x,y)={t0.5α(n+m2)t0t0.5α(n+m2)0:Hold H0t0t0.5α(n+m2)ort0.5α(n+m2)t01:Reject H0 (II)片側検定
以下の棄却域と検定関数 φ(θ;x,y) をもつ検定は有意水準を α とする一様最強力検定となる。
(II-A)片側検定A φ(θ;x,y)={t0<tα(n+m2)0:Hold H0tα(n+m2)t01:Reject H0 (II-B)片側検定B φ(θ;x,y)={tα(n+m2)<t00:Hold H0t0tα(n+m2)1:Reject H0

Step.1 尤度比の算出

正規分布の母平均の最尤推定量は、 μ^X=1ni=1nXiμ^Y=1mi=1mYi 帰無仮説における各パラメータを H0:μX=μY=μ として、両仮説の尤度比 λ を計算すると(算出過程は省略)、 λ=L(μX=μ,μY=μ;x,y)L(μX=x¯,μY=y¯;x,y)=i=1nf(xi;μX=μ)i=1mf(yi;μY=μ)i=1nf(xi;μX=x¯)i=1mf(yi;μY=y¯)==exp{n(x¯μ)22σX2m(y¯μ)22σY2}=h(x¯y¯) したがって、検定統計量 T(X,Y)=x¯y¯ が考えられる。

Step.2 検定統計量の対立仮説・帰無仮説における分布

(i)対立仮説における分布
正規分布の標本平均は、 X¯N(μX,σX2n)Y¯N(μY,σY2m) 共通の分散 σ2 を標本統合分散で推定すると、 σ^2=s2=(n1)sX2+(m1)sY2n+m2 標本平均の差を d^=X¯Y¯ とすると、期待値と分散の性質と正規分布の再生性より、 d^N(μXμY,s2n+s2m) (ii)帰無仮説における分布
帰無仮説 H0:μX=μY における標本平均の差の分布は、 d^N(0,s2n+s2m) 帰無仮説において、標本平均の差 d¯ を統合分散で標準化した値を t0=X¯Y¯φφ2=s2n+s2m とすると、 t0t(n+m2)

Step.3 検定関数と棄却域の型

(I)両側検定
ネイマン・ピアソンの基本定理により、次の棄却域と検定関数 φ(θ;x) をもつ検定が漸近的に有意水準を α とする一様最強力不偏検定となる。
(1)φ(θ;x)={aT(X)b0:Hold H0T(X)<aorb<T(X)1:Reject H0 (II)片側検定
ネイマン・ピアソンの基本定理と単調尤度比の原理により、次の棄却域と検定関数 φ(θ;x) をもつ検定が漸近的に有意水準を α とする一様最強力検定となる。
検定A (2)φ(θ;x)={T(X)<a0:Hold H0aT(X)1:Reject H0 検定B (3)φ(θ;x)={b<T(X)0:Hold H0T(X)b1:Reject H0

Step.4 棄却域の設定

(I)両側検定
パーセント点の定義とt 分布の対称性から、 P{t0.5α(n+m2)t0t0.5α(n+m2)}=1α したがって、式 (1) において、a=t0.5α(n+m2),b=t0.5α(n+m2) とすると、 φ(θ;x)={t0.5α(n+m2)t0t0.5α(n+m2)0:Hold H0t0t0.5α(n+m2)ort0.5α(n+m2)t01:Reject H0 (II-A)片側検定A
パーセント点の定義より、 P{t0tα(n+m2)}=1α したがって、式 (2) において、a=tα(n+m2) とすると、
φ(θ;x)={t0<tα(n+m2)0:Hold H0tα(n+m2)t01:Reject H0 (II-B)片側検定B
パーセント点の定義より、 P{tα(n+m2)t0}=1α したがって、式 (3) において、b=tα(n+m2) とすると、
φ(θ;x)={tα(n+m2)<t00:Hold H0t0tα(n+m2)1:Reject H0

参考文献

  • 小寺 平治 著. 数理統計:明解演習. 共立出版, 1986, p.129
  • 野田 一雄, 宮岡 悦良 著. 入門・演習数理統計. 共立出版, 1990, p.276

関連記事

自己紹介

自分の写真

yama

大学時代に読書の面白さに気づいて以来、読書や勉強を通じて、興味をもったことや新しいことを学ぶことが生きる原動力。そんな人間が、その時々に学んだことを備忘録兼人生の軌跡として記録しているブログです。

このブログを検索

ブログ アーカイブ

QooQ