1. Введение
2. Обзор теории статистик
3. Эффективность по Бахадуру
4. Интегральная статистика
5. Интегральная статистика
6. Статистика типа Колмогорова
7. Заключение
Список литературы
Одной из важнейших областей математической статистики является проверка статистических гипотез. Хорошо известно, что нормальное распределение занимает центральное место в теории вероятностей и математической статистике, как в теоретических, так и практических задачах. Поэтому особенно важно иметь широкий набор инструментов для возможности проверки нормальности. Существует множество критериев проверки нормальности, основанных на самых разных идеях, см., например, [1],
[2].
Одним из актуальных методов построения критериев нормальности является использование характеризаций, которых для нормального закона известно очень много, см., например, [3], [5].
Хорошо известным примером такой характеризации является знаменитая теорема Дж.Пойа [8]: пусть - центрированные независимые одинаково распределенные случайные величины; имеют одинаковое распределение тогда и только тогда, когда нормально распределены с некоторой положительной дисперсией.
Критерии нормальности, использующие эту характеризацию, были построены в [10],
[12] и [11]. О других критериях нормальности, основанных на характеризациях, можно прочесть в [13]. Тем не менее, таких работ в настоящее время не так уж много,
а область в целом можно назвать малоизученной. Исследования в этом направлении
являются достаточно перспективными, а эффективности новых критериев зачастую
довольно высоки относительно известных.
В данной работе мы строим статистический критерий согласия, основанный не на характеризации нормального закона, а на его известном свойстве, лишь близком к характеризации, которое будет описано ниже. В определенном смысле работа продолжает исследование Волковой и Никитина [14], в котором строились критерии экспоненциальности, основанные на свойстве экспоненциального закона, также не являющемся характеризацией. В работе [14] построенные критерии оказались весьма эффективными. Качество критериев, которые будут построены ниже для проверки нормальности,
нам предстоит изучить.
Однако множество таких законов, изучавшееся в указанных работах, по-видимому, не очень обширно. Поэтому критерии, построенные на указанном свойстве, вообще говоря, могут быть несостоятельными, но лишь для узкого набора специфических альтернатив. Но ведь многие критерии, хорошо известные в статистической практике, также несостоятельны против специфических альтернатив, например, критерий хи-квадрат, критерий Вилкоксона, критерий Джини и даже критерий отношения правдоподобия.
Указанный недостаток становится также несущественным, если мы используем построенные критерии не для принятия, а для отказа от гипотезы нормальности.
Перед тем, как перейти к построению указанных критериев нормальности, основанных на -эмпирических мерах, мы дадим краткое описание теории -статистик.
В данной дипломной работе были рассмотрены два критерия для проверки нормальности, основанные на свойстве нормального закона. Были исследованы предельные
распределения и большие уклонения построенных статистик интегрального типа и типа Колмогорова, а также вычислена локальная эффективность по Бахадуру для ряда
альтернатив. Для многих из рассмотренных альтернатив эффективность оказалась равна нулю. Тем не менее, как показано в работе, для обоих типов статистик существуют альтернативы специального вида, для которых рассматриваемые статистики локально асимптотически оптимальны по Бахадуру
1. Ahsanullah M., Kibria B.G., Shakil M. Normal and Student’s �-distributions and their
applications. Springer Science & Business Media, (2014)
2. Кобзарь, А.И. Прикладная математическая статистика. М:Физматлит, (2006)
3. Каган, А.М., Линник, Ю.В.,Рао С.Р. Характеризационные задачи математической
статистики. М., Наука, (1973)
4. Arnold B. C., Gomez H. W., Salinas H. S. A doubly skewed normal distribution, Statistics.
A Journal of Theoretical and Applied Statistics, (2014)
5. Bryc W. The normal distribution: characterizations with applications. Springer Science
& Business Media, (2012) – V. 100.
6. Gradshteyn, I. S.; Ryzhik, I.M.; Geronimus, Y. V.; Tseytlin, M.Y. Jeffrey, Alan;
Zwillinger, Daniel, eds. Table of Integrals, Series, and Products. (2007)
7. Hoeffding W. A Class of Statistics with Asymptotically Normal Distribution. Ann. Math.
Statist., (1948), 293-325.
8. Polya G. Herleitung des Gauss’chen Fehlergesetzes aus einer Funktionalgleichung.
Mathematische Zeitschrift, 18(1923), N 1, 96-108.
9. Marsaglia G . Ratios of Normal Variables and Ratios of Sums of Uniform Variables.
Journal of the American Statistical Association, 60(1965), 193–204.
10. Muliere, P., Nikitin, Y.Y. Scale-invariant test of normality based on Polya’s
characterization. Metron, 60(2002), N 1-2, 21 - 33.
11. Litvinova V., Nikitin Y. Kolmogorov Tests of Normality Based on Some Variants of
Polya’s Characterization. Journal of Mathematical Sciences, 219(2016), 782-788.
12. Litvinova V. V., Nikitin Y. Y. Two families of normality tests based on Polya-type
characterization and their efciencies. Journal of Mathematical Sciences. 139(2006), N
3, 6582-6588.
13. Nikitin, Y.Y. Tests based on characterizations, and their efciencies: a survey. Acta et
Commentationes Universitatis Tartuensis de Mathematica, 21(2017), N 1, 3-24.
14. Nikitin Y. Y., Volkova K. Y. Efciency of exponentiality tests based on a special property
of exponential distribution. Mathematical Methods of Statistics, 25(2016), N 1, 54-66.
15. Mauldon J. G. Characterizing properties of statistical distributions. The Quarterly
Journal of Mathematics, 7(1956), N 1, 155-160.24
16. Azzalini A., The Skew-Normal and Related Families. Cambridge University Press, (2014).
17. Mudholkar, Govind, Hutson, Alan. The epsilon-skew-normal distribution for analyzing
near-normal data. Journal of Statistical Planning and Inference, 83(2000), 291-309.
18. Ng, E. W., Geller, M. A table of integrals of the error functions. Journal of Research of
the National Bureau of Standards, 73B(1969), 1-20.
19. Owen, D. A table of normal integrals. Communications in Statistics: Simulation and
Computation, B9(1980), 389–419.
20. Laha R. G. An example of a nonnormal distribution where the quotient follows the
Cauchy law. Proceed. of the Nation. Acad. of Sciences, 44(1958), N 2, 222-223.
21. Kotlarski I. On bivariate random variables where the quotient of their coordinates follows
some known distribution. Annals of Mathem. Statist, 35(1964), N 4, 1673-1684.
22. Nikitin Ya. Yu., Peaucelle I. Efciency and Local Optimality of Distribution-Free Tests
Based on U- and V -Statistics. Metron, LXII(2004), 185-200.
23. Королюк В. С., Боровских Ю. В. Теория �-статистик. Наукова Думка, (1989).
24. Bahadur, R.R. Some limit theorems in statistics. SIAM:Philadelphia, (1971).
25. Никитин, Я.Ю. Асимптотическая эффективность непараметрических критериев. М.: Наука, (1995).
26. Никитин Я. Ю., Поникаров Е. В. Грубая асимптотика вероятностей больших
уклонений черновского типа для функционалов Мизеса и �−статистик. Труды
Санкт-Петербургского математического общества, 7(1999), 23–47.
27. Nikitin Ya. Yu. Large deviations of �-empirical Kolmogorov-Smirnov tests, and their
efciency. J. Nonpar. Stat., 22(2010), 649–668